CN107196565A - 一种开关磁阻电机非线性特性在线建模方法 - Google Patents
一种开关磁阻电机非线性特性在线建模方法 Download PDFInfo
- Publication number
- CN107196565A CN107196565A CN201710535254.7A CN201710535254A CN107196565A CN 107196565 A CN107196565 A CN 107196565A CN 201710535254 A CN201710535254 A CN 201710535254A CN 107196565 A CN107196565 A CN 107196565A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- model
- anfis
- mover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/10—Arrangements for controlling torque ripple, e.g. providing reduced torque ripple
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/08—Reluctance motors
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/08—Reluctance motors
- H02P25/098—Arrangements for reducing torque ripple
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种开关磁阻电机非线性特性在线建模方法，属于开关磁阻电机建模技术领域，所述在线建模方法基于模糊神经网络算法的SRM在线建模方法；根据开关磁阻电机的磁链特性获取数据，基于ANFIS算法离线建立磁链模型和逆转矩模型，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型；根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型。本发明能提高所建非线性模型的精度，使得估计误差逐渐减小，使得所建模型的精度得以提高，在建模精度提高的基础上，大大提高了基于模型的开关磁阻电机的控制性能。
Description
技术领域
本发明涉及一种在线建模方法，特别是涉及一种开关磁阻电机非线性特性在线建模方法，属于开关磁阻电机建模技术领域。
背景技术
目前，SRM高精度控制中面临的主要困难是SRM缺乏具有实用性的精确数学模型，SRM虽然结构简单，但电磁关系复杂，具有多变量、强耦合和高度非线性的特点，虽然基于电机理论能够得到的完整描述SRM电磁及力学的非线性模型，但计算繁琐，难以解析，并无实用价值，SRM完整的电路、机械、机电联系方程中最重要的非线性关系是磁链-电流-角度关系模型(或电感-电流-角度关系模型)和转矩-电流-角度关系模型，建立准确而实用的模型是SRM建模的关键任务。
基于神经网络或模糊系统的智能建模方法的优点是不需要掌握SRM的先验知识，在实测数据准确、充足的条件下，能够得到准确反映SRM电磁特性的非线性模型，但是由于测量中的噪声干扰等因素的影响以及实测数据的有限性，使得通过离线方法根据静态实测磁链或转矩特性曲线得到的神经网络或模糊模型无法完全学习到SRM的全部动态特性，为了得到进一步提高SRM模型的精度，需要根据在线数据自适应调整所建立的非线性模型的参数，使其更能适应环境以及电机参数的变化。
发明内容
本发明的主要目的是为了提供一种开关磁阻电机非线性特性在线建模方法，该建模方法能够减小离线建模过程中因实测数据不充足导致的建模误差，提高模型精度，减小因模型误差导致的转矩脉动，提高控制性能。
本发明的目的可以通过采用如下技术方案达到：
一种开关磁阻电机非线性特性在线建模方法，所述在线建模方法基于模糊神经网络算法的SRM在线建模方法；根据开关磁阻电机的磁链特性获取数据，基于ANFIS算法离线建立磁链模型和逆转矩模型，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型；根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型。
进一步的，所述在线建模方法包括如下步骤：
步骤11：假设SRM三相的电磁特性都是相同的，仅对其中一相的电磁转矩特性进行建模；
步骤12：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，获得SRM磁链模型的数学表达式；
步骤13：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，将静态非线性磁链特性用于模型的训练，离线训练后的ANFIS模型映射出角度、电流以及磁链之间的非线性关系；
步骤14：以转子位置和电流作为模型的输入，转矩为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、电流以及转矩之间的非线性关系；
步骤15：将基于ANFIS离线建立的非线性模型用于在线磁链估计和电流估计，将在线估计的结果与实测结果进行对比获得误差；
步骤16：将所得误差反馈在线调节基于ANFIS离线建立的非线性模型参数，使非线性模型的估计值与实测值之间的误差逐渐减小，提高建模精度。
进一步的，所述步骤12中，获得SRM磁链模型的数学表达式为；
ψ(θ,i)＝BTφ(θ,i)
其中：ψ为相磁链；
θ为角度；
i为相电流；
为ANFIS未知的后件参数；
为第N条规则的隶属度的加权平均值。
进一步的，所述步骤12中，还采用基于SRM非线性转矩特性数据离线建立逆转矩模型，以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，获得SRM逆转矩模型的数学表达式为：
i(θ,T)＝aTφ(θ,T)
其中：i为相电流；
T为相转矩；
θ为转子角度；
进一步的，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型的步骤包括：
步骤21：根据在线测得的相电流与相电压直接计算得到磁链的参考值；
步骤22：将基于ANFIS在线估计得到的磁链实际值与参考值之间的误差进行反馈，在线调节ANFIS的后件参数：
ε3(t)＝ψ-ψref
其中：ψ为基于ANFIS模型在线获得的磁链估计值ψ(θ,i)＝BTφ(θ,i)；
ψref为计算得到的磁链参考值；
λ为参数的学习率。
进一步的，所述步骤21中，根据在线测得的相电流与相电压直接计算得到磁链的参考值:
其中U(t)和i(t)分别为实际测量得到的相电压和相电流，初始磁链ψref(0)＝0。
进一步的，根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型的步骤包括：
步骤31：以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、相转矩以及相电流之间的非线性逆转矩关系：i(θ,T)＝aTφ(θ,T)；
步骤32：将基于ANFIS建立的逆转矩模型在线估计得到的电流估计值与电流的实际测量值之间的误差进行反馈，在线调节ANFIS的后件参数。
进一步的，所述步骤32中，在线调节ANFIS的后件参数公式为：
a(k+1)＝a(k)-η1ε1(k)φ(θ,Tph)
ε1(k)＝i(k)-iref(k)
其中：η1为学习率，ε1为电流估计误差,k为参数的采样值。
本发明的有益技术效果：按照本发明的开关磁阻电机非线性特性在线建模方法，本发明提供的开关磁阻电机非线性特性在线建模方法，采用基于磁链估计误差在线调节离线建立的ANFIS磁链模型参数，提高了所建非线性模型的精度，使得估计误差逐渐减小，采用电流估计误差反馈调节ANFIS的逆转矩模型参数的建模方法使得所建模型的精度得以提高，从而估计误差逐渐减小，在建模精度提高的基础上，大大提高了基于模型的开关磁阻电机的控制性能。
附图说明
图1为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的开关磁阻电机磁链特性曲线图；
图2为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的开关磁阻电机转矩特性曲线图；
图3为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS算法离线建立的磁链模型的训练数据图；
图4为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS算法离线建立的磁链模型的ANFIS输出图；
图5为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS算法离线建立的转矩模型的训练数据图；
图6为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS算法离线建立的转矩模型的ANFIS输出图；
图7为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于估计误差调节ANFIS参数的SRM磁链建模原理图；
图8为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于转矩特性离线建立的ANFIS逆转矩模型的训练数据图；
图9为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于转矩特性离线建立的ANFIS逆转矩模型的ANFIS输出图；
图10为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS算法的离线逆转矩模型的在线电流估计图；
图11为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于估计误差调节ANFIS参数的SRM逆转矩建模原理图；
图12为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS在线磁链模型的实际输出图；
图13为图12按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS在线磁链模型的实际输出图的放大图；
图14为按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS在线逆转矩模型的实际输出图；
图15为图13按照本发明的开关磁阻电机非线性特性在线建模方法的一优选实施例的基于ANFIS在线逆转矩模型的实际输出图的放大图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1和图2所示，本实施例提供的一种开关磁阻电机非线性特性在线建模方法，所述在线建模方法基于模糊神经网络算法的SRM在线建模方法；根据开关磁阻电机的磁链特性获取数据，基于ANFIS算法离线建立磁链模型和逆转矩模型，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型；根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型。
进一步的，在本实施例中，如图3、图4、图5和图6所示，所述在线建模方法包括如下步骤：
步骤11：假设SRM三相的电磁特性都是相同的，仅对其中一相的电磁转矩特性进行建模，省略下标j；
步骤12：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，获得SRM磁链模型的数学表达式；
步骤13：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，将静态非线性磁链特性用于模型的训练，离线训练后的ANFIS模型映射出角度、电流以及磁链之间的非线性关系；
步骤14：以转子位置和电流作为模型的输入，转矩为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、电流以及转矩之间的非线性关系；
步骤15：将基于ANFIS离线建立的非线性模型用于在线磁链估计和电流估计，将在线估计的结果与实测结果进行对比获得误差；
步骤16：将所得误差反馈在线调节基于ANFIS离线建立的非线性模型参数，使非线性模型的估计值与实测值之间的误差逐渐减小，提高建模精度。
进一步的，所述步骤12中，获得SRM磁链模型的数学表达式为；
ψ(θ,i)＝BTφ(θ,i)
其中：ψ为相磁链；
θ为角度；
i为相电流；
为ANFIS未知的后件参数；
为第N条规则的隶属度的加权平均值。
进一步的，所述步骤12中，还采用基于SRM非线性转矩特性数据离线建立逆转矩模型，以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，获得SRM逆转矩模型的数学表达式为：
i(θ,T)＝aTφ(θ,T)
其中：i为相电流；
T为相转矩；
θ为转子角度；
进一步的，在本实施例中，如图7所示，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型的步骤包括：
步骤21：根据在线测得的相电流与相电压直接计算得到磁链的参考值；
步骤22：将基于ANFIS在线估计得到的磁链实际值与参考值之间的误差进行反馈，在线调节ANFIS的后件参数：
ε3(t)＝ψ-ψref
其中：ψ为基于ANFIS模型在线获得的磁链估计值ψ(θ,i)＝BTφ(θ,i)；
ψref为计算得到的磁链参考值；
λ为参数的学习率。
进一步的，所述步骤21中，根据在线测得的相电流与相电压直接计算得到磁链的参考值:
其中U(t)和i(t)分别为实际测量得到的相电压和相电流，初始磁链ψref(0)＝0。
进一步的，在本实施例中，如图8和图9所示，基于转矩特性数据离线建立的逆转矩模型曲面与实际的非线性逆转矩特性在对齐位置存在较大的偏差，将存在较大偏差的逆转矩模型用于在线电流估计，将ANFIS逆转矩模型的实际输出值与实测电流进行比较，如图10所示，存在较大的电流估计误差，为此提出基于电流估计误差反馈调节的ANFIS在线建模方法，其原理图如11所示，根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型的步骤包括：
步骤31：以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、相转矩以及相电流之间的非线性逆转矩关系：i(θ,T)＝aTφ(θ,T)；
步骤32：将基于ANFIS建立的逆转矩模型在线估计得到的电流估计值与电流的实际测量值之间的误差进行反馈，在线调节ANFIS的后件参数。
进一步的，所述步骤32中，在线调节ANFIS的后件参数公式为：
a(k+1)＝a(k)-η1ε1(k)φ(θ,Tph)
ε1(k)＝i(k)-iref(k)
其中：η1为学习率，ε1为电流估计误差，k为参数的采样值。
为了说明基于估计误差调节ANFIS后件参数的在线建模方法能有效提高SRM非线性磁链特性和逆转矩模型的精度，给出在如下仿真条件下：
(1)三相12/8开关磁阻电机；
(2)转动惯量J＝1.3213e-4kg·m2；
(3)直流电压VDC＝270v，电阻R＝0.5Ω；
(4)模糊规则数49条；
(5)学习率η1＝0.0015，λ＝0.001。
仿真结果，由图12、图13、图14和图15可以看出，刚开始在线建模的时候，模型的后件参数没有被调节到最优的参数，所以估计值与测量值之间的误差最大，在线采集误差数据反馈到模型的输入端，不断调节ANFIS模型的后件参数，使得估计误差越来越小，该建模方法不需要获取对齐位置准确描述转矩逆模型特性的训练数据对，对转子位置误差造成的建模误差还有一定的自适应修正能力，仿真结果体现了在线建模方法较之离线建模的优点。
综上所述，在本实施例中，按照本实施例的开关磁阻电机非线性特性在线建模方法，本实施例提供的开关磁阻电机非线性特性在线建模方法，采用基于磁链估计误差在线调节离线建立的ANFIS磁链模型参数，提高了所建非线性模型的精度，使得估计误差逐渐减小，采用电流估计误差反馈调节ANFIS的逆转矩模型参数的建模方法使得所建模型的精度得以提高，从而估计误差逐渐减小，在建模精度提高的基础上，大大提高了基于模型的开关磁阻电机的控制性能。
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。
Claims (8)
1.一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述在线建模方法基于模糊神经网络算法的SRM在线建模方法；根据开关磁阻电机的磁链特性获取数据，基于ANFIS算法离线建立磁链模型和逆转矩模型，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型；根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型。
2.根据权利要求1所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述在线建模方法包括如下步骤：
步骤11：假设SRM三相的电磁特性都是相同的，仅对其中一相的电磁转矩特性进行建模；
步骤12：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，获得SRM磁链模型的数学表达式；
步骤13：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，将静态非线性磁链特性用于模型的训练，离线训练后的ANFIS模型映射出角度、电流以及磁链之间的非线性关系；
步骤14：以转子位置和电流作为模型的输入，转矩为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、电流以及转矩之间的非线性关系；
步骤15：将基于ANFIS离线建立的非线性模型用于在线磁链估计和电流估计，将在线估计的结果与实测结果进行对比获得误差；
步骤16：将所得误差反馈在线调节基于ANFIS离线建立的非线性模型参数，使非线性模型的估计值与实测值之间的误差逐渐减小，提高建模精度。
3.根据权利要求2所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述步骤12中，获得SRM磁链模型的数学表达式为；
ψ(θ,i)＝BTφ(θ,i)
其中：ψ为相磁链；
θ为角度；
i为相电流；
为ANFIS未知的后件参数；
<mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>*</mo>
<mi>&theta;</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>*</mo>
<mi>i</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>*</mo>
<mi>&theta;</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>*</mo>
<mi>i</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>2</mn>
</msub>
<mo>...</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>*</mo>
<mi>&theta;</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>*</mo>
<mi>i</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
为第N条规则的隶属度的加权平均值。
4.根据权利要求2所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述步骤12中，还采用基于SRM非线性转矩特性数据离线建立逆转矩模型，以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，获得SRM逆转矩模型的数学表达式为：
i(θ,T)＝aTφ(θ,T)
其中：i为相电流；
T为相转矩；
θ为转子角度；
<mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>,</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>*</mo>
<mi>&theta;</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>*</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mn>1</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>*</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>*</mo>
<mi>T</mi>
<mo>,</mo>
<msub>
<mover>
<mi>w</mi>
<mo>&OverBar;</mo>
</mover>
<mi>N</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>;</mo>
</mrow>
1
<mrow>
<msup>
<mi>a</mi>
<mi>T</mi>
</msup>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>a</mi>
<mn>1</mn>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>2</mn>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>3</mn>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>2</mn>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>3</mn>
<mn>2</mn>
</msubsup>
<mo>...</mo>
<msubsup>
<mi>a</mi>
<mn>1</mn>
<mi>N</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>2</mn>
<mi>N</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>a</mi>
<mn>3</mn>
<mi>N</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>.</mo>
</mrow>
5.根据权利要求1所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型的步骤包括：
步骤21：根据在线测得的相电流与相电压直接计算得到磁链的参考值；
步骤22：将基于ANFIS在线估计得到的磁链实际值与参考值之间的误差进行反馈，在线调节ANFIS的后件参数：
<mrow>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&lambda;&epsiv;</mi>
<mn>3</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>&phi;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>m</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
ε3(t)＝ψ-ψref
其中：ψ为基于ANFIS模型在线获得的磁链估计值ψ(θ,i)＝BTφ(θ,i)；
ψref为计算得到的磁链参考值；
λ为参数的学习率。
6.根据权利要求5所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述步骤21中，根据在线测得的相电流与相电压直接计算得到磁链的参考值:
<mrow>
<msub>
<mi>&psi;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>0</mn>
<mi>t</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<mi>R</mi>
<mi>i</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>+</mo>
<msub>
<mi>&psi;</mi>
<mrow>
<mi>r</mi>
<mi>e</mi>
<mi>f</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
其中：U(t)和i(t)分别为实际测量得到的相电压和相电流，初始磁链ψref(0)＝0。
7.根据权利要求1所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型的步骤包括：
步骤31：以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、相转矩以及相电流之间的非线性逆转矩关系：i(θ,T)＝aTφ(θ,T)；
步骤32：将基于ANFIS建立的逆转矩模型在线估计得到的电流估计值与电流的实际测量值之间的误差进行反馈，在线调节ANFIS的后件参数。
8.根据权利要求7所述的一种开关磁阻电机非线性特性在线建模方法，其特征在于，所述步骤32中，在线调节ANFIS的后件参数公式为：
a(k+1)＝a(k)-η1ε1(k)φ(θ,Tph)
ε1(k)＝i(k)-iref(k)
其中：η1为学习率，ε1为电流估计误差，k为参数的采样值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710535254.7A CN107196565A (zh) | 2017-07-04 | 2017-07-04 | 一种开关磁阻电机非线性特性在线建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710535254.7A CN107196565A (zh) | 2017-07-04 | 2017-07-04 | 一种开关磁阻电机非线性特性在线建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107196565A true CN107196565A (zh) | 2017-09-22 |
Family
ID=59881298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710535254.7A Pending CN107196565A (zh) | 2017-07-04 | 2017-07-04 | 一种开关磁阻电机非线性特性在线建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107196565A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110572108A (zh) * | 2019-09-12 | 2019-12-13 | 桂林电子科技大学 | 开关磁阻电机的电感模型非线性补偿与控制方法与系统 |
| CN112580209A (zh) * | 2020-12-21 | 2021-03-30 | 湖南科技大学 | 基于分段解析建模的开关磁阻电机在线转矩估算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509152A (zh) * | 2011-11-08 | 2012-06-20 | 南京航空航天大学 | 一种基于rbf神经网络的开关磁阻电机在线建模方法 |
| CN102916632A (zh) * | 2012-10-22 | 2013-02-06 | 中国矿业大学 | 开关磁阻电机忆阻器线性建模方法 |
| CN104836492A (zh) * | 2015-05-15 | 2015-08-12 | 中国矿业大学 | 一种开关磁阻电机建模方法 |
-
2017
- 2017-07-04 CN CN201710535254.7A patent/CN107196565A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509152A (zh) * | 2011-11-08 | 2012-06-20 | 南京航空航天大学 | 一种基于rbf神经网络的开关磁阻电机在线建模方法 |
| CN102916632A (zh) * | 2012-10-22 | 2013-02-06 | 中国矿业大学 | 开关磁阻电机忆阻器线性建模方法 |
| CN104836492A (zh) * | 2015-05-15 | 2015-08-12 | 中国矿业大学 | 一种开关磁阻电机建模方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姚雪莲 等: "基于在线模糊神经网络建模的开关磁阻电机高性能转矩控制", 《电机与控制应用》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110572108A (zh) * | 2019-09-12 | 2019-12-13 | 桂林电子科技大学 | 开关磁阻电机的电感模型非线性补偿与控制方法与系统 |
| CN110572108B (zh) * | 2019-09-12 | 2021-02-12 | 桂林电子科技大学 | 开关磁阻电机的电感模型非线性补偿与控制方法与系统 |
| CN112580209A (zh) * | 2020-12-21 | 2021-03-30 | 湖南科技大学 | 基于分段解析建模的开关磁阻电机在线转矩估算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maiti et al. | An adaptive speed sensorless induction motor drive with artificial neural network for stability enhancement | |
| CN108649847A (zh) | 基于频率法和模糊控制的电机pi控制器参数整定方法 | |
| CN110454328A (zh) | 一种无风速传感器下的风力发电系统功率追踪方法 | |
| CA2548096A1 (en) | Method of super super decoupled loadflow computation for electrical power system | |
| CN102611380B (zh) | 一种双馈电机参数在线辨识方法 | |
| CN107196565A (zh) | 一种开关磁阻电机非线性特性在线建模方法 | |
| CN111711396A (zh) | 基于分数阶滑模控制器的永磁同步电机速度环控制参数的整定方法 | |
| CN110401391A (zh) | 异步电动机随机系统模糊自适应动态面控制方法 | |
| CN108649562A (zh) | 一种基于苍狼算法的电力系统负荷建模参数辨识方法 | |
| CN108595798A (zh) | 一种适用于机电暂态仿真的负荷模型参数计算方法 | |
| CN107846023A (zh) | 一种改进的网损等值负荷直流最优潮流计算方法 | |
| CN106877766A (zh) | 基于强化学习算法的双馈感应风力发电机自校正控制方法 | |
| CN107276466A (zh) | 一种改进的开关磁阻电机逆转矩在线建模方法 | |
| CN103986400B (zh) | 基于二维模糊控制的模型参考自适应系统参数自整定方法 | |
| CN108573094A (zh) | 同步发电机的vbr电磁暂态仿真模型的建立方法及系统 | |
| CN107370432A (zh) | 一种基于arc的超高速永磁同步电机转速控制方法 | |
| CN105576651B (zh) | 一种中小水电机群混合并行动态等值法 | |
| CN107565556A (zh) | 一种考虑三相不平衡因素的配电网最大供电能力计算方法 | |
| CN104022701B (zh) | 一种永磁同步直线电机牛顿法内模速度控制方法 | |
| CN108347057B (zh) | 一种lcc-mmc混合直流电网交替迭代潮流计算方法 | |
| CN109495040A (zh) | 基于动态电感的电机pi控制参数整定方法 | |
| CN107425519B (zh) | 含分布式电源的三相配电网最大供电能力计算方法 | |
| CN112287565B (zh) | 一种基于机电暂态仿真的电解铝潮流模型建模方法 | |
| CN114244216A (zh) | 一种永磁同步电机参数辨识方法、装置及系统 | |
| CN107658880B (zh) | 基于关联矩阵运算的快速分解法系数矩阵计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |
|
| RJ01 | Rejection of invention patent application after publication |