CN107241033B - 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统 - Google Patents

基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统 Download PDF

Info

Publication number
CN107241033B
CN107241033B CN201710647462.6A CN201710647462A CN107241033B CN 107241033 B CN107241033 B CN 107241033B CN 201710647462 A CN201710647462 A CN 201710647462A CN 107241033 B CN107241033 B CN 107241033B
Authority
CN
China
Prior art keywords
current
phase
srm
electric current
torque
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.)
Active
Application number
CN201710647462.6A
Other languages
English (en)
Other versions
CN107241033A (zh
Inventor
党选举
李珊
党超
陈恩普
伍锡如
张向文
白雁力
王凯利
张潇
司亚
施亚洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201710647462.6A priority Critical patent/CN107241033B/zh
Publication of CN107241033A publication Critical patent/CN107241033A/zh
Application granted granted Critical
Publication of CN107241033B publication Critical patent/CN107241033B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02P21/22—Current control, e.g. using a current control loop
    • 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
    • H02P6/28—Arrangements for controlling current
    • 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

本发明为一种基于电流‑位置的开关磁阻电机转矩脉动抑制方法与系统。本方法的基于电流‑位置神经网络模型直接由转子位置角计算相电流平方之和，作为参考总电流，再通过分配函数得到三相参考电流。三相参考电流与三相实测电流的差作为电流迟滞控制器的输入信号，控制开关磁阻电机的运行。本系统信号处理器连接电流传感器、转矩传感器和位置传感器接收信号，电流‑位置神经网络模块和电流分配模块运算得电流迟滞控制器的输入信号，控制功率驱动器，驱动SRM。本发明根据相电流平方之和与转子位置角的周期性关系，设计电流‑位置神经网络模型，有效地降低SRM的转矩脉动。

Description

基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统
技术领域
本发明涉及新能源汽车驱动用开关磁阻电机的控制技术领域，具体为一种基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统。
背景技术
开关磁阻电机SRM(Switched Reluctance Motor，SRM)具有成本低、结构简单、鲁棒性好以及相对较高的转矩输出等特点，适合应用于新能源电动汽车领域。然而，开关磁阻电机的双凸极结构、电磁特性的高度非线性和强耦合性，导致其运行时尤其是低速运行时转矩脉动较大，由转矩脉动导致的噪音问题严重，特定频率下的谐振问题也较为突出。这些缺点限制了开关磁阻电机在小型电动汽车上的应用。目前，抑制转矩脉动主要方法有两类：一类是从电机设计的角度出发，改进电机的结构；另一类是从控制策略的角度出发，设计更适宜的控制方案。现有的控制方案中，改进的转矩分配函数TSF(Torque-SharingFunction,TSF)控制有广泛应用。相关文献报道考虑到SRM的强非线性，舍弃固定的TSF，而是不断调整TSF函数使相电流的平方最小。也有的文献考虑了电机磁场的非线性及高度磁饱和性，通过优化换相期间开通相与关断相电流曲线以抑制脉动。还有的方案是采用模糊逻辑控制在线修改TSF，以转矩偏差及其变化率作为模糊逻辑控制的输入，分配函数的补偿量为输出，补偿开通期望转矩以抵消拖尾电流的影响以降低转矩脉动。其中TSF控制均有参考相转矩转换成相电流的环节，本质上是对电流的分配。转矩-电流转换有两种方法：一种方法是查表法，但是表格不易获取且占用大量系统资源；另一种方法是数学计算。也有的文献报道采用交流电动机坐标变换的思想，将开关磁阻电动机的给定电流进行坐标变换，然后再进行一系列复杂的数学运算，以获得开关磁阻电动机各相的参考控制电流。现有的方法的计算均太复杂或者结果不精确，难以实现有效抑制开关磁阻电机的转矩脉动。
发明内容
本发明的目的是设计一种基于电流-位置的开关磁阻电机转矩脉动抑制方法，根据相电流平方之和与转子位置角的周期性关系，设计了基于电流-位置神经网络模型，直接由转子位置角计算相电流平方之和，作为参考总电流，再通过分配函数得到三相参考电流。三相参考电流与三相实测电流的差作为电流迟滞控制器的输入信号，控制开关磁阻电机的运行，本方法有效地降低SRM的转矩脉动。
本发明的另一目的是设计一种基于电流-位置的开关磁阻电机转矩脉动抑制系统。包括信号处理器、功率驱动器、电流传感器、转矩传感器、位置传感器及开关磁阻电机SRM。信号处理器含有电流-位置神经网络模块、电流分配模块及电流滞环控制器。信号处理器接收各传感器信号，其各模块运算得到电流迟滞控制器的输入信号，控制功率驱动器，驱动开关磁阻电机。
本发明设计的一种基于电流-位置的开关磁阻电机转矩脉动抑制方法，包括以下步骤：
步骤Ⅰ、电流-位置神经网络模型构建
Ⅰ-1、相电流平方之和与转矩的关系
SRM遵循磁通总是沿着磁阻最小路径闭合的原理，产生磁拉力形式转矩，转矩的大小与相电感、相电流和转子位置角有关，SRM输出转矩的数学模型为：
式(1)中，Tkk为第kk相转矩的值；Lkk为第kk相电感的值；ikk为第kk相实测电流的值；θ为电机转子位置角。kk＝1,2,3，分别对应SRM的A、B及C相。
选择合适的开通关断角，在SRM磁路未达到饱和时，相电感与转子位置角近似为线性关系，电感变化率近似为常数KL，式(1)写成：
即：
式(2)和式(3)中，T为SRM的输出转矩。
由式(3)得知，相电流平方之和与输出转矩是线性对应关系。
Ⅰ-2、电流-位置神经网络模型构建
以SRM某相导通至其邻相导通为一个运行区间，将电机的运行划分为不同的运行区间。以θ1、θ2及θ3分别为电机三相在不同位置的转子位置角，那么θ1-θ2为一个运行区间，θ2-θ3为下一个运行区间。
SRM不同区间运行状态相同只是通断的相不同，也就是说各个区间相电流波形是相同的。因此，SRM运行时相电流平方之和Iz与转子位置角θ呈周期函数关系。
利用相电流平方之和与转子位置角所表现出的周期关系，构建电流-位置神经网络模型。因相电流平方之和与输出转矩是线性对应关系,所以在电流-位置神经网络模型中，直接采用转矩偏差作为学习信号，得到相电流平方之和。根据SRM各周期的相电流波形与高斯函数接近的特点，为提高计算速度并减小计算量，神经网络的激励函数选用高斯函数。本发明选择RBF_NN(Radio Basis Function Neural Network)神经网络模型的结构。神经网络的输入为转子位置角θ；神经网络的输出即相电流平方之和IZ，作为参考总电流；激励函数为高斯基函数hj；为了消除控制系统设计对电机参数的依赖，融入神经网络的权值中。
RBF_NN神经网络模型输出的相电流平方之和IZ通过电流分配及电流滞环控制器，控制SRM运转；期望转矩Td与SRM实测的输出转矩T之差为误差信号ΔT，作为RBF_NN神经网络模型的学习信号。
电流-位置神经网络中各参数间关系如式(4)、式(5)所示：
式(4)和(5)中，hj为高斯函数的输出，wj为输出层加权系数，cj为节点的中心；bj为节点的基参数，j为某个隐含节点，隐含节点总数为n，取值范围5～20。
误差目标E(k)为：
式(6)中，Td(k)为k时刻的期望转矩，T(k)为k时刻的SRM的输出转矩。△T(k)是Td(k)与T(k)之差。
根据梯度下降法，权值、节点中心及节点基宽参数的迭代算法为：
△wj(k)＝η△T(k)hj(k) (7)
wj(k+1)＝wj(k)+△wj(k)+α[wj(k)-wj(k-1)] (8)
bj(k+1)＝bj(k)+△bj(k)+α[bj(k)-bj(k-1)] (10)
cj(k+1)＝cj(k)+△cj(k)+α[cj(k)-cj(k-1)] (12)
式(7)～式(12)中，wj(k)为k时刻的输出层权值，wj(k-1)是k时刻的前一时刻的输出层权值，△wj(k)为k时刻的调整权值增量；bj(k)为k时刻的高斯函数中宽度参数，bj(k-1)是k时刻的前一时刻的高斯函数中宽度参数，△bj(k)为高斯函数中宽度参数增量；cj(k)为k时刻的高斯函数中心参数，cj(k-1)是k时刻的前一时刻的高斯函数中心参数，△cj(k)为高斯函数中心参数的增量；θ(k)为k时刻的转子位置角。hj(k)为k时刻的高斯函数的输出。η为学习速率取值在0～1；α为动量因子，取值范围0.001～0.1。
步骤Ⅱ、电流分配
典型的分配函数有直线型、指数型、正弦型、立方型四种。本发明选择正弦型分配函数作为电流分配函数，正弦型电流分配函数如下：
式(13)中，fkk(θ)为第kk相的电流分配函数；θon为开通角；θov为相电流重叠角；θoff为导通相电流减小的起始角；τr为360度周期角。
通过分配函数对相电流平方之和Iz进行分配，求得各相参考电流。
Ikk＝Izfkk(θ) (14)
式(14)中，Ikk为SRM第kk相的参考电流。
步骤Ⅲ、电流滞环控制
传统电流滞环控制器的输出仅对应功率驱动器的开1和关-1两种状态。本发明的电流滞环控制器的输出对应功率驱动器的开1、关-1和续流0三种状态。在SRM单相导通区和开通区，当电流偏差小于阈值|△Imax|时，功率驱动器的状态为续流0。
本发明根据实时检测的SRM电机转子位置角，转矩偏差ΔT，作为RBF_NN神经网络模型的学习信号，通过该RBF_NN神经网络模型，得到SRM三相的相电流平方和Iz作为参考总电流。通过电流分配后，得到SRM的三相参考电流与三相实测电流的差送入电流滞环控制器。电流滞环控制器的输出送给功率驱动器，驱动SRM运转。
本发明设计的一种基于电流-位置的开关磁阻电机转矩脉动抑制系统，包括信号处理器、功率驱动器、电流传感器、转矩传感器、位置传感器及开关磁阻电机SRM。
电流传感器、转矩传感器和位置传感器安装于开关磁阻电机，分别采集SRM的A、B和C相的三相电流值iA、iB和iC，SRM的输出转矩T，以及SRM的转子位置角θ；各传感器的信号线与信号处理器连接。
信号处理器含有电流-位置神经网络模块、电流分配模块及电流滞环控制器。
信号处理器接收电流传感器、转矩传感器、位置传感器输出信号以及输入的期望转矩值Td，电流-位置神经网络模块根据期望转矩值Td与实测转矩的差ΔT以及转子位置角θ得到输出相电流平方之和Iz，Iz经电流分配模块得到对应SRM电机A、B及C三相的参考电流IA、IB及IC；三相参考电流与三相实测电流的差ΔiA、ΔiB和ΔiC接入电流滞环控制器作为输入信号，得到控制信号接入功率驱动器，驱动SRM运转。
信号处理器连接显示设施，实时显示本系统控制状态和SRM的控制结果。
信号处理器连接CAN(控制器局域网络Controller Area Network)接口，提供与外设通信接口。
与现有技术相比，本发明一种基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统的优点为：1、根据相电流平方之和与转子位置角的周期性特殊关系，设计了电流-位置神经网络模型，直接由转子位置角和转矩偏差计算相电流平方之和；2、参考TSF控制的分配方法，通过分配函数得到参考相电流与三相实测电流的差作为电流滞环控制器的输入信号；3、本发明有效地降低SRM转矩脉动，脉动率可低至仅1.7％。
附图说明
图1为本基于电流-位置的开关磁阻电机转矩脉动抑制方法实施例步骤Ⅰ-2中电机运行区间划分示意图；
图2为本基于电流-位置的开关磁阻电机转矩脉动抑制方法实施例步骤Ⅰ-2中电流-位置神经网络模型的拓扑结构示意图；
图3为本基于电流-位置的开关磁阻电机转矩脉动抑制方法实施例步骤Ⅰ-2中电流-位置神经网络模型的实现原理图；
图4本基于电流-位置的开关磁阻电机转矩脉动抑制系统结构示意图。
具体实施方式
基于电流-位置的开关磁阻电机转矩脉动抑制方法实施例
本基于电流-位置的开关磁阻电机转矩脉动抑制方法实施例，包括以下步骤：
步骤Ⅰ、电流-位置神经网络模型构建
Ⅰ-1、相电流平方之和与转矩的关系
SRM输出转矩的数学模型为：
式(1)中，Tkk为第kk相转矩的值；Lkk为第kk相电感的值；ikk为第kk相实测电流的值；θ为电机转子位置角。kk＝1,2,3，分别对应SRM的A、B及C相。
选择合适的开通关断角，在SRM磁路未达到饱和时，相电感与转子位置角近似为线性关系，电感变化率近似为常数KL，式(1)写成：
即：
式(2)和式(3)中，T为SRM的输出转矩。
由式(3)得知，相电流平方之和与输出转矩是线性对应关系。
Ⅰ-2电流-位置神经网络模型构建
如图1所示，以SRM某相导通至其邻相导通为一个运行区间，将电机的运行划分为不同的运行区间。以θ1、θ2及θ3分别为电机三相在不同位置的转子位置角，那么θ1-θ2为一个运行区间，θ2-θ3为下一个运行区间。
SRM不同区间运行状态相同只是通断的相不同，也就是说各个区间相电流波形是相同的。因此，SRM运行时相电流平方之和Iz与转子位置角θ呈周期函数关系。
利用相电流平方之和与转子位置角所表现出的周期关系，构建电流-位置神经网络模型。因相电流平方之和与输出转矩是线性对应关系,所以在电流-位置神经网络模型中，直接采用转矩偏差作为学习信号得到相电流平方之和。如图2所示，本例选择RBF_NN神经网络模型的结构。神经网络的输入为转子位置角θ；神经网络的输出即相电流平方之和IZ；激励函数为高斯函数hj；融入神经网络的权值中。RBF_NN神经网络模型输出的相电流平方之和IZ通过电流分配及电流滞环控制器，控制SRM运转；期望转矩Td与SRM实测的输出转矩T之差为误差信号ΔT，作为RBF_NN神经网络模型的学习信号。
电流-位置神经网络中各参数间关系如式(4)、式(5)所示：
式(4)和(5)中，hj为高斯函数的输出，wj为输出层加权系数，cj为节点的中心；bj为节点的基参数，j为某个隐含节点，隐含节点总数为n，本例取n＝10。
误差目标E(k)为：
式(6)中，Td(k)为k时刻的期望转矩，T(k)为k时刻的SRM输出转矩。△T(k)是Td(k)与T(k)之差。
根据梯度下降法，权值、节点中心及节点基宽参数的迭代算法为：
△wj(k)＝η△T(k)hj(k) (7)
wj(k+1)＝wj(k)+△wj(k)+α[wj(k)-wj(k-1)] (8)
bj(k+1)＝bj(k)+△bj(k)+α[bj(k)-bj(k-1)] (10)
cj(k+1)＝cj(k)+△cj(k)+α[cj(k)-cj(k-1)] (12)
式(7)～式(12)中，wj(k)为k时刻的输出层权值，wj(k-1)是k时刻的前一时刻的输出层权值，△wj(k)为k时刻的调整权值增量；bj(k)为k时刻的高斯函数中宽度参数，bj(k-1)是k时刻的前一时刻的高斯函数中宽度参数，△bj(k)为高斯函数中宽度参数增量；cj(k)为k时刻的高斯函数中心参数，cj(k-1)是k时刻的前一时刻的高斯函数中心参数，△cj(k)为高斯函数中心参数的增量；θ(k)为k时刻的转子位置角。hj(k)为k时刻的高斯函数的输出。η为学习速率，本例η＝0.3；α为动量因子,本例α＝0.01。
步骤Ⅱ、电流分配
典型的分配函数有直线型、指数型、正弦型、立方型四种。本发明选择正弦型分配函数作为电流分配函数，正弦型电流分配函数如下：
式(13)中，fkk(θ)为第kk相的电流分配函数；θon为开通角；θov为相电流重叠角；θoff为导通相电流减小的起始角；τr为360度周期角。
通过分配函数对相电流平方之和Iz进行分配，求得各相参考电流。
Ikk＝Izfkk(θ) (14)
式(14)中，Ikk为SRM第kk相的参考电流。
步骤Ⅲ、电流滞环控制
本例电流滞环控制器的输出对应功率驱动器的开1、关-1和续流0三种状态。在SRM单相导通区和开通区，当电流偏差小于阈值|△Imax|时，功率驱动器的状态为续流0。
本例根据实时检测的SRM电机转子位置角，转矩偏差ΔT作为RBF_NN神经网络模型的学习信号，过通过该RBF_NN神经网络模型，得到SRM三相的相电流平方和Iz作为参考总电流Iz。通过电流分配后，得到SRM的三相参考电流IA、IB及IC，三相参考电流与三相实测电流的差送入电流滞环控制器作为输入信号。电流滞环控制器的输出送给功率驱动器，驱动SRM运转。
基于电流-位置的开关磁阻电机转矩脉动抑制系统实施例
本基于电流-位置的开关磁阻电机转矩脉动抑制系统实施例的整体结构如图4所示，包括信号处理器、功率驱动器、电流传感器、转矩传感器、位置传感器及开关磁阻电机SRM。
电流传感器、转矩传感器和位置传感器安装于开关磁阻电机，分别采集SRM的A、B和C相的三相实测电流值iA、iB和iC，SRM的输出转矩T，以及SRM的转子位置角θ；各传感器的信号线与信号处理器连接。
信号处理器含有电流-位置神经网络模块、电流分配模块及电流滞环控制器。
信号处理器接收电流传感器、转矩传感器、位置传感器输出信号以及输入的期望转矩值Td，电流-位置神经网络模块根据期望转矩值Td与实测转矩的差ΔT以及转子位置角θ得到输出相电流平方之和Iz，Iz经电流分配模块得到对应SRM电机A、B及C三相的参考电流IA、IB及IC；ΔiA、ΔiB和ΔiC分别表示三相参考电流与三相对应电流之差。
三相参考电流与对应实测三相电流的差作为电流滞环控制器的输入信号，得到控制信号接入功率驱动器，驱动SRM运转。本例开关磁阻电机的转矩脉动率仅为1.7％。
本例信号处理器连接显示设施，实时显示本系统控制状态和SRM的控制结果。
本例信号处理器连接CAN接口，提供与外设通信接口。
上述实施例，仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体个例，本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围之内。

Claims (4)

1.一种基于电流-位置的开关磁阻电机转矩脉动抑制方法，包括以下步骤：
步骤Ⅰ、电流-位置神经网络模型构建
Ⅰ-1、相电流平方之和与转矩的关系
SRM输出转矩的数学模型为：
式(1)中，Tkk为第kk相转矩的值；Lkk为第kk相电感的值；ikk为第kk相实测电流的值；θ为电机转子位置角；kk＝1,2,3,分别对应SRM的A、B及C相；
选择合适的开通关断角，在SRM磁路未达到饱和时，相电感与转子位置角近似为线性关系，电感变化率近似为常数KL，式(1)写成：
即：
式(2)和式(3)中，T为SRM的输出转矩；
由式(3)得知，相电流平方之和与输出转矩是线性对应关系；
Ⅰ-2、电流-位置神经网络模型构建
以SRM某相导通至其邻相导通为一个运行区间，将电机的运行划分为不同的运行区间；各个区间相电流波形是相同的；SRM运行时相电流平方之和IZ与转子位置角θ呈周期函数关系；
利用相电流平方之和与转子位置角所表现出的周期关系，构建电流-位置神经网络模型；因相电流平方之和与输出转矩是线性对应关系,所以在电流-位置神经网络模型中，直接采用转矩偏差作为学习信号，得到相电流平方之和；选择RBF_NN神经网络模型的结构；神经网络的输入为转子位置角θ；神经网络的输出即相电流平方之和Iz作为参考总电流；激励函数为高斯函数；融入神经网络的权值中；
RBF_NN神经网络模型输出的相电流平方之和IZ通过电流分配及电流滞环控制器控制SRM运转；期望转矩Td与SRM实测的输出转矩T之差为误差信号ΔT，作为RBF_NN神经网络模型的学习信号；
电流-位置神经网络中各参数间关系如式(4)、式(5)所示：
式(4)和(5)中，hj为高斯函数的输出，wj为输出层加权系数，cj为节点的中心；bj为节点的基参数，j为某个隐含节点，隐含节点总数为n，取值范围5～20；
误差目标E(k)为：
式(6)中，Td(k)为k时刻的期望转矩，T(k)为k时刻的SRM的输出转矩，△T(k)是Td(k)与T(k)之差；
根据梯度下降法，权值、节点中心及节点基宽参数的迭代算法为：
△wj(k)＝η△T(k)hj(k) (7)
wj(k+1)＝wj(k)+△wj(k)+α[wj(k)-wj(k-1)] (8)
bj(k+1)＝bj(k)+△bj(k)+α[bj(k)-bj(k-1)] (10)
cj(k+1)＝cj(k)+△cj(k)+α[cj(k)-cj(k-1)] (12)
式(7)～式(12)中，wj(k)为k时刻的输出层权值，wj(k-1)是k时刻的前一时刻的输出层权值，△wj(k)为k时刻的调整权值增量；bj(k)为k时刻的高斯函数中宽度参数，bj(k-1)是k时刻的前一时刻的高斯函数中宽度参数，△bj(k)为高斯函数中宽度参数增量；cj(k)为k时刻的高斯函数中心参数，cj(k-1)是k时刻的前一时刻的高斯函数中心参数，△cj(k)为高斯函数中心参数的增量；θ(k)为k时刻的转子位置角；hj(k)为k时刻的高斯函数的输出；η为学习速率取值在0～1；α为动量因子，取值范围0.001～0.1；
步骤Ⅱ、电流分配
选择正弦型分配函数作为电流分配函数，正弦型电流分配函数如下：
式(13)中，fkk(θ)为第kk相的电流分配函数；kk＝1,2,3,分别对应SRM电机的A、B及C相；θon为开通角；θov为相电流重叠角；θoff为导通相电流减小的起始角；τr为360度周期角；
通过分配函数对相电流平方之和Iz进行分配，求得各相参考电流；
Ikk＝Izfkk(θ) (14)
式(14)中，Ikk为SRM第kk相的参考电流；
步骤Ⅲ、电流滞环控制
所述电流滞环控制器的输出对应功率驱动器的开1、关-1和续流0三种状态；在SRM单相导通区和开通区，当电流偏差小于阈值|△Imax|时，功率驱动器的状态为续流0；
根据实时检测的SRM电机转子位置角，转矩偏差ΔT，作为RBF_NN神经网络模型的学习信号，通过该RBF_NN神经网络模型，得到SRM三相的相电流平方和Iz作为参考总电流Iz；通过电流分配后，得到SRM的三相参考电流与三相实测电流的差送入电流滞环控制器作为输入信号；电流滞环控制器的输出送给功率驱动器，驱动SRM运转。
2.根据权利要求1所述的一种基于电流-位置的开关磁阻电机转矩脉动抑制方法设计的一种基于电流-位置的开关磁阻电机转矩脉动抑制系统，其特征在于：
包括信号处理器、功率驱动器、电流传感器、转矩传感器、位置传感器及开关磁阻电机SRM；
电流传感器、转矩传感器和位置传感器安装于开关磁阻电机，分别采集SRM的A、B和C相的三相电流值iA、iB和iC，SRM的输出转矩T，以及SRM的转子位置角θ；各传感器的信号线与信号处理器连接；
信号处理器含有电流-位置神经网络模块、电流分配模块及电流滞环控制器；
信号处理器接收电流传感器、转矩传感器、位置传感器输出信号以及输入的期望转矩值Td，电流-位置神经网络模块根据期望转矩值Td与实测转矩的差ΔT以及转子位置角θ得到输出相电流平方之和Iz，作为参考总电流，Iz经电流分配模块得到对应SRM电机A、B及C三相的参考电流；三相参考电流与三相实测电流的差接入电流滞环控制器作为输入信号，得到控制信号接入功率驱动器，驱动SRM运转。
3.根据权利要求2所述的一种基于电流-位置的开关磁阻电机转矩脉动抑制系统，其特征在于：
所述信号处理器连接显示设施。
4.根据权利要求2所述的一种基于电流-位置的开关磁阻电机转矩脉动抑制系统，其特征在于：
所述信号处理器连接CAN接口。
CN201710647462.6A 2017-08-01 2017-08-01 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统 Active CN107241033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710647462.6A CN107241033B (zh) 2017-08-01 2017-08-01 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710647462.6A CN107241033B (zh) 2017-08-01 2017-08-01 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统

Publications (2)

Publication Number Publication Date
CN107241033A CN107241033A (zh) 2017-10-10
CN107241033B true CN107241033B (zh) 2019-08-23

Family

ID=59989009

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710647462.6A Active CN107241033B (zh) 2017-08-01 2017-08-01 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统

Country Status (1)

Country Link
CN (1) CN107241033B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017012027A1 (de) * 2017-12-22 2019-06-27 Sew-Eurodrive Gmbh & Co Kg Verfahren zur drehgeberlosen Rotorlagebestimmung einer Drehfeldmaschine und Vorrichtung zur drehgeberlosen Regelung eines Drehstrommotors
AU2018415583B2 (en) * 2018-03-31 2021-01-21 Turntide Technologies Inc. Manufacturing-sensitive control of high rotor pole switched reluctance motors
CN108599667B (zh) * 2018-04-02 2021-04-09 江苏理工学院 开关磁阻电机的控制方法和系统
CN108631676A (zh) * 2018-05-16 2018-10-09 无锡联力电子科技股份有限公司 基于带转矩均匀分配的开关磁阻电机控制器防抖动方法
CN109327178B (zh) * 2018-10-29 2022-02-15 江苏大学 一种开关磁阻电机多步预测控制器构造方法
CN111835257B (zh) * 2019-03-29 2024-05-03 上海华虹挚芯电子科技有限公司 基于神经网络的转子位置检测方法
CN112117947B (zh) * 2020-09-30 2022-03-11 桂林电子科技大学 基于电流注入法的srm转矩脉动抑制控制系统和方法
CN112886901B (zh) * 2021-01-28 2022-05-20 江苏大学 一种车用开关磁阻电机无位置智能控制器
CN112994538B (zh) * 2021-02-01 2022-09-13 桂林电子科技大学 基于傅里叶神经网络srm转矩脉动抑制控制系统和方法
CN112928965B (zh) * 2021-03-29 2022-09-13 桂林电子科技大学 基于磁链的开关磁阻电机转矩脉动抑制控制系统和方法
CN114285345A (zh) * 2021-12-29 2022-04-05 杭州电子科技大学 基于霍尔旋转矢量qpll的bldcm电流分配方法
CN114844413B (zh) * 2022-03-30 2024-03-22 沈阳工业大学 一种开关磁阻电机低脉动控制系统和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006050344A2 (en) * 2004-10-29 2006-05-11 Virginia Tech Intellectual Properties, Inc. Motor control system for establishing characteristic parameters
JP2015104240A (ja) * 2013-11-26 2015-06-04 株式会社デンソー 回転電機駆動装置、および、これを用いた電動パワーステアリング装置。
CN106357192A (zh) * 2016-09-05 2017-01-25 桂林电子科技大学 电流自适应控制降低开关磁阻电机转矩脉动的方法与系统
CN106357186A (zh) * 2016-09-05 2017-01-25 桂林电子科技大学 一种复合控制电流的开关磁阻电机恒转矩控制方法与系统

Also Published As

Publication number Publication date
CN107241033A (zh) 2017-10-10

Similar Documents

Publication Publication Date Title
CN107241033B (zh) 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统
CN107276465B (zh) 一种转矩-电流神经网络开关磁阻电机控制方法与系统
CN104022662B (zh) 基于模型预测控制的pwm整流器控制方法及装置
CN106357192A (zh) 电流自适应控制降低开关磁阻电机转矩脉动的方法与系统
CN101951182B (zh) 基于电压等效的脉宽调制输出的电压补偿方法
CN109391202B (zh) 永磁同步电机模型预测-直接转矩控制方法
CN105071677B (zh) 用于两电平三相并网逆变器的电流预测控制方法
CN105162371A (zh) 抑制开关磁阻电机转矩脉动的电机驱动系统及方法
CN110022109A (zh) 转矩-电流神经网络模型srm转矩脉动控制方法与系统
DE102007036023B4 (de) Verfahren und Vorrichtung für PWM-Steuerung eines Spannungsquellen-Wechselrichters zum Minimieren von Stromabtastfehlern bei elektrischen Antrieben
CN109412482A (zh) 一种准z源逆变器-永磁同步电机系统统一预测控制方法
CN112468035B (zh) 可调磁通永磁同步电机全速域效率最优控制磁化状态选择方法及在线控制方法
CN103944481B (zh) 一种交流异步电机矢量控制系统模型参数在线修正方法
CN110929448B (zh) 一种永磁同步电机空载电流一致性仿真分析方法
CN106357186A (zh) 一种复合控制电流的开关磁阻电机恒转矩控制方法与系统
CN110445438A (zh) 一种基于扩展控制集的永磁同步电机预测磁链控制方法
CN107276443A (zh) 基于控制型软开关的改进式定频滞环电流控制方法和电路
CN108895954A (zh) 一种无传感器的阀芯位移自感知方法
CN105553373A (zh) 一种用于永磁同步电机控制的方法及装置
CN110518822A (zh) 任意多电平的级联h桥逆变器空间矢量脉宽调制方法
CN108390612A (zh) 一种基于查表方式的永磁同步电机的弱磁控制方法
CN205051611U (zh) 抑制开关磁阻电机转矩脉动的电机驱动系统
CN111293952A (zh) 一种基于电感率模型的开关磁阻电机转矩控制系统和方法
CN104820752B (zh) 高压直流输电系统暂态响应解析计算方法
CN104253550B (zh) 一种基于npc三电平svpwm整流器死区补偿方法

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
GR01 Patent grant
GR01 Patent grant