CN108551288A - 一种神经网络电流控制器及装置和该控制器的运行方法 - Google Patents

一种神经网络电流控制器及装置和该控制器的运行方法 Download PDF

Info

Publication number
CN108551288A
CN108551288A CN201810634831.2A CN201810634831A CN108551288A CN 108551288 A CN108551288 A CN 108551288A CN 201810634831 A CN201810634831 A CN 201810634831A CN 108551288 A CN108551288 A CN 108551288A
Authority
CN
China
Prior art keywords
current
neural network
module
controller
motor
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
Application number
CN201810634831.2A
Other languages
English (en)
Inventor
张光宇
王鹏
黄联铭
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.)
Shenzhen Japan Sea Amperex Technology Ltd
Original Assignee
Shenzhen Japan Sea Amperex Technology Ltd
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 Shenzhen Japan Sea Amperex Technology Ltd filed Critical Shenzhen Japan Sea Amperex Technology Ltd
Priority to CN201810634831.2A priority Critical patent/CN108551288A/zh
Publication of CN108551288A publication Critical patent/CN108551288A/zh
Pending legal-status Critical Current

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
    • 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
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • 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
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/24—Vector control not involving the use of rotor position or rotor speed sensors
    • H02P21/28—Stator flux based control
    • 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
    • H02P25/022—Synchronous motors
    • H02P25/03—Synchronous motors with brushless excitation
    • 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
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
    • 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
    • H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
    • H02P2205/01—Current loop, i.e. comparison of the motor current with a current reference
    • 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
    • H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
    • H02P2205/07—Speed loop, i.e. comparison of the motor speed with a speed reference
    • 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
    • H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
    • H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
    • 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
    • H02P2209/00—Indexing scheme relating to controlling arrangements characterised by the waveform of the supplied voltage or current
    • H02P2209/11—Sinusoidal waveform

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明公开了一种神经网络电流控制器及装置和该控制器的运行方法，该神经网络电流控制器至少包括：电机、电压型逆变器、CLARK变换模块、PARK变换模块、IPARK变换模块、转速估计模块、PID神经网络电流控制器、SVPWM模块；电机通过电路分别与电压型逆变器、CLARK变换模块、转速估计模块相连，其用于产生驱动转矩以用做动力源；PID神经网络电流控制器与IPARK变换模块相连，其用于接收调速控制器输出的信号作为PID神经网络电流控制器的给定量以及PARK变换模块的直轴、交轴电流反馈量，将PID神经网络电流控制器的运算结果输出至IPARK变换模块。本发明控制器能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。

Description

一种神经网络电流控制器及装置和该控制器的运行方法
技术领域
本发明涉及电机控制领域，具体的说是涉及一种神经网络电流控制器及装置和该控制器的运行方法。
背景技术
电机是依据电磁感应定律实现电能转换或传递的一种电磁装置。其主要作用是产生驱动转矩，作为其他用电器或各种机械的动力来源。也是现代加工技术中最为关键的部件。
电机控制器是指通过集成电路的主动工作来控制电机按照设定的位置，方向，速度，角度及响应时间进行工作。专用的电机控制器可以使电机的应用更为广泛，输出效率更高。
目前电机的整体控制方案主要由控制器和驱动器组成。其中控制器通过转子位置传感器，定子电流传感器及电压传感器完成对电机转子位置，电流，电压等信号的采集，根据期望的转矩指令，计算出相应的功率信号，通过特定型号的功率器件进行放大后，输出到电机，实现电机的的驱动与运行，输出期望的速度与转矩，实现电机的控制。
其中电流控制器作为传统电机三环控制器的最内环，在一个非线性、强耦合、参数敏感、易受扰动的多变量系统中，在电机模型一定，系统参数固定，系统工况维持基本稳定的情况下，传统控制器能够取得令人满意的静、动态响应特性需求。但当控制系统受到外界扰动或者电机内部参数发生变化时，传统的如PI等控制算法可能无法满足实际需求。
永磁同步电机的智能控制包括神经网络、模糊控制等，通过跟随、学习等手段，在线辨识非线性系统的动静态特征，具备自适应、自学习、自组织特性。随着神经网络的研究不断深入，神经网络控制已然成为只能控制的一个重要分支，神经网络控制在解决复杂非线性、时变、不确定系统等控制问题方面有着较广泛的应用。在研究神经网络的过程中，人们发现将神经网络与PID控制方法结合，一方面，不仅可以增强神经网络在控制复杂非线性、强耦合性系统的能力，另一方面，也由于PID控制器结构简单、控制容易而使得PID神经网络的可行性更高，使得控制系统具备更好的控制性能。
发明内容
针对现有技术中的不足，本发明要解决的技术问题在于提供了一种神经网络电流控制器及装置和该控制器的运行方法。用于解决在非线性、强耦合、参数敏感、易受扰动的多变量电机控制系统中，鲁棒性差，稳定性不好等缺点。能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。
为解决上述技术问题，本发明通过以下方案来实现：一种神经网络电流控制器，该神经网络电流控制器至少包括：电机、电压型逆变器、CLARK变换模块、PARK变换模块、IPARK变换模块、转速估计模块、PID神经网络电流控制器、SVPWM模块；
所述电机通过电路分别与所述电压型逆变器、所述CLARK变换模块、所述转速估计模块相连，其用于产生驱动转矩以用做动力源；
所述PID神经网络电流控制器与所述IPARK变换模块相连，其用于接收调速控制器输出的信号作为PID神经网络电流控制器的给定量以及PARK变换模块的直轴、交轴电流反馈量，将PID神经网络电流控制器的运算结果输出至IPARK变换模块。
进一步的，所述PID神经网络电流控制器分别对所述直轴、所述交轴电流进行控制；
所述PARK变换模块，其分别与所述CLARK模块、所述PID神经网络电流控制器通过电路相连，其用于将两相静止坐标系αβ下的定子电流转换成两相旋转坐标系下的直轴和交轴电流分量，PARK变换模块的输入为CALRK变换模块输出的两相静止坐标系下的定子电流，输出两相旋转坐标系下的直轴和交轴电流分量至ACR电流控制器。
进一步的，所述IPARK变换模块为PARK变换模块的逆变换，其分别与PID神经网络电流控制器和SVPWM模块通过电路相连，所述IPARK变换模块用于将两相旋转坐标系下的直轴和交轴电压分量转换成两相静止坐标系αβ下的电压；
所述IPARK变换模块的输入为PID神经网络电流控制器输出的两相旋转坐标系下直轴和交轴电压分量，输出两相静止坐标系αβ下的定子电压至SVPWM模块。
进一步的，所述CLARK变换模块，其分别与电机定子侧电流传感器输出和PID神经网络电流控制器通过电路相连，所述CLARK变换模块用于将三相静止坐标系下的定子电流转换成两相静止坐标系下的电流分量，CLARK变换模块的输入为采样得到的三相静止坐标系下的定子电流，输出两相静止坐标系下的电流分量至PARK变换模块。
进一步的，所述SVPWM模块，其分别与IPARK变换模块和电压型逆变器通过电路相连，所述SVPWM模块用于在电机定子侧产生等效定子电压，输入为IPARK变换模块输出的两相静止坐标系αβ下的定子电压，输出相应开关信号至逆变器。
进一步的，所述转速估计模块，其分别与定子侧电流传感器输出和IPARK变换模块、PARK变换模块通过电路相连，所述转速估计模块用于在线辨识电机转速；无传感器转速估计模块输入为电机的三相电流、电压信号，输出转速估计值和位置信息。
一种神经网络电流控制装置，该神经网络电流控制装置包括PID神经网络电流控制器、故障信号与温度检测脉冲产生模块、驱动子系统、电机、转速估计模块；
所述电机，其与所述驱动子系统通过电路相连，电机用于产生驱动转矩以做为动力源；
所述驱动子系统，其分别与所述电机、故障信号与温度检测脉冲转换模块、PID神经网络电流控制器通过电路相连，该驱动子系统用于将所述PID神经网络电流控制器的控制信号放大成功率信号并向电机输出，其设有整流逆变电路、电压电流模拟量采集比较电路和温度采集电路；
所述转速估计模块，其与所述电机定子侧电流传感器通过电路相连，所述转速估计模块用于在线辨识电机转速；
所述上位机监控模块，其与所述PID神经网络电流控制器通过电路相连，所述上位机监控模块用于给PID神经网络电流控制器发送电流控制指令，并实时接收电机的运行状态并显示分析；
所述故障信号与温度检测脉冲产生模块，其分别与所述驱动子系统、PID神经网络电流控制器通过电路相连，所述故障信号与温度检测脉冲产生模块用于将驱动子系统检测到的故障信号与温度信息转换成脉冲信息，向PID神经网络电流控制器传输；
所述PID神经网络电流控制器，其分别与所述驱动子系统、上位机监控模块、故障信号与温度检测脉冲转换模块通过电路相连，所述PID神经网络电流控制器用于接收上位机监控端用户的特定指令，在PID神经网络电流控制器内作出命令协议解析和计算后，得到控制量的给定数据；根据给定电流等参数，实时采集由转速估计模块传输的电机转子位置信号，由电流传感器、电压传感器采集的三相电流与母线电压信号，通过PID神经网络控制策略，得出下个控制周期的输出设定，并向驱动子系统输出。
进一步的，所述PID神经网络电流控制器至少包括DSP构成的神经网络控制单元、电源管理模块、信号调理模块、三态缓冲模块以及总线通信模块；
所述电源管理模块用于将驱动子系统中的整流模块输出电压转换成PID神经网络电流控制器所需的±15V，+3.3V，+1.2V，+1.5V；
所述调理模块用于接收霍尔模块传输的电机定子电压电流信号、直流母线电压，并将接收到的信号调理成PID神经网络电流控制器中符合AD模块要求的信号，并将调理好的电机的定子电压电流信号传递给AD模块；
所述调理模块中的定子电压信号调理电路包括滤波电路、跟随电路与比较电路；
所述调理模块中的定子电流信号调理电路包括滤波电路、绝对值电路、过流比较电路、方向比较电路；
所述AD模块用于将接收到的调理后的电机的定子电压电流信号转换成数字芯片可以接收的数字信号，并传递给神经网络控制单元；
所述PID神经网络电流控制器设置有电平转换与光耦隔离模块，所述电平转换与光耦隔离模块用于对驱动子系统、故障与温度检测脉冲转产生模块、主控制模块进行信号电平的匹配；
所述总线通信模块包括CAN总线通信模块、以太网接口通信模块、485通信接口模块、232通信接口模块；
所述CAN总线通信模块与神经网络处理器的CAN总线控制器相连；
所述以太网接口通信模块、485通信接口模块、232通信接口模块分别与PID神经网络电流控制器的SCIA、SCIB、SCIC通道相连；
所述上位机监控模块为安装有专用电机监控软件的PC终端。
一种神经网络电流控制器的运行方法，其特征在于，该运行方法包括以下步骤：
步骤S1：电机为永磁同步电机，根据永磁同步电机的三相电流ia、ib、ic、三相电压ua、ub、uc，利用无传感器转速估计模块得到电机转速估计值ωr，将转速估计值积分得到电机角度估计值θr；
步骤S2：将交轴电流设定值iq *设定值与电流传感器反馈值iq输入PID神经网络电流控制器进行比较、处理，计算出交轴电压给定值uq *；
包括：
1)PID神经网络控制器输入层包括2个神经元，2个神经元均接收外部的输入信息，即电流设定值iq *和电流反馈值iq，在任意采样时刻k，其输入函数为：
输入层神经元的状态函数为：
输入层神经元的输出函数为：
其中，iq *(k)表示电机转速的设定值；iq(k)表示转速估计模块测出的实际值；U表示输出阈值；i表示输入层神经元序号，i＝1，2；
2)
PID神经网络控制器隐含层包括3个神经元，分别为比例元、积分元及微分元构成，在任意采样时刻k，其输入函数为：
其中，i表示输入层神经元序号，i＝1，2；wij表示输入层到隐含层的连接权值；
比例元状态函数为：
u′1(k)＝net′1(k)
积分元状态函数为：
u′2(k)＝u′2(k-1)+net′2(k)
微分元状态函数为：
u′3(k)＝net′3(k)-net′3(k-1)
隐含层的输出函数为：
其中，j表示隐含层神经元序号，j＝1，2，3；
3)
PID神经网络控制器输出层由1个神经元构成，其输入为隐含层所有神经元的输出的加权和，在任意采样时刻k，其输入函数为：
输出层神经元的状态函数为：
u″(k)＝net″(k)
输出层神经元的输出函数为：
PID神经网络电流控制器的输出值为：
v(k)＝x″(k)；
即交轴电流给定值uq*(k)＝v(k)；
4)
PID神经网络控制器通过反传算法进行动态修改网络权值，实现控制器的学习、记忆功能；反传算法的学习主要包括：隐含层至输出层的连接权值学习，输入层至隐含层的连接权值学习；反传学习算法以目标函数E数值达到最小为准则，目标函数为：
表示电机转速的设定值；ωr(k)表示转速估计模块测出的实际值；l表示每批采样的点数；
步骤S3：
根据步骤2得到的控制信号采用SVPWM控制技术来产生PWM信号，以此实现高速永磁同步电机的定子磁链的圆形运动轨迹，SVPWM产生的信号通过电压型逆变器对电机产生控制作用；
步骤S4：
重复步骤S1至步骤S3，直至电机电流达到给定控制指标。
综上所述，本发明的神经网络电流控制器及装置具有以下有益效果：
本发明控制器用于解决在非线性、强耦合、参数敏感、易受扰动的多变量电机控制系统中，鲁棒性差，稳定性不好等缺点。能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。
本发明的电流控制器用于解决在非线性、强耦合、参数敏感、易受扰动的多变量电机控制系统中，鲁棒性差，稳定性不好等问题；能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。
在矢量控制的基础上，通过PID神经网络控制器对电流进行控制，既包含了静态函数，也包含了动态函数，具有良好的动态性能，提高了系统的自适应性和电流控制精度；控制同时对网络连接权值进行动态修改，可以实现系统的学习、记忆功能。
附图说明
图1为本发明的神经网络电流控制器控制系统原理框图；
图2为本发明神经网络电流控制装置原理框图；
图3为图2的中上部区域放大图；
图4为图2的左侧区域放大图；
图5为图2的右侧区域放大图。
附图中标记：驱动子系统2、转速估计模块3、上位机监控模块4、故障信号与温度检测脉冲转换模式5、电机6、电流控制器电源管理模块11、电流控制器调理模块12、神经网络处理器14、神经网络处理单元141、主控制系统通信模块15、通信模块232接口模块151、通信模块485接口模块152、通信模块以太网接口模块153、通信模块CAN总线接口模块154。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
实施例1：
在以下实施例中，图2中的PMSM永磁同步电机。
请参照附图1-5，本发明的一种神经网络电流控制器，该神经网络电流控制器至少包括：电机、电压型逆变器、CLARK变换模块、PARK变换模块、IPARK变换模块、转速估计模块、PID神经网络电流控制器、SVPWM模块；
所述电机通过电路分别与所述电压型逆变器、所述CLARK变换模块、所述转速估计模块相连，其用于产生驱动转矩以用做动力源；
所述PID神经网络电流控制器与所述IPARK变换模块相连，其用于接收调速控制器输出的信号作为PID神经网络电流控制器的给定量以及PARK变换模块的直轴、交轴电流反馈量，将PID神经网络电流控制器的运算结果输出至IPARK变换模块。
本发明实施例的一种优选技术方案：所述PID神经网络电流控制器分别对所述直轴、所述交轴电流进行控制；
所述PARK变换模块，其分别与所述CLARK模块、所述PID神经网络电流控制器通过电路相连，其用于将两相静止坐标系αβ下的定子电流转换成两相旋转坐标系下的直轴和交轴电流分量，PARK变换模块的输入为CALRK变换模块输出的两相静止坐标系下的定子电流，输出两相旋转坐标系下的直轴和交轴电流分量至ACR电流控制器。
本发明实施例的一种优选技术方案：所述IPARK变换模块为PARK变换模块的逆变换，其分别与PID神经网络电流控制器和SVPWM模块通过电路相连，所述IPARK变换模块用于将两相旋转坐标系下的直轴和交轴电压分量转换成两相静止坐标系αβ下的电压；
所述IPARK变换模块的输入为PID神经网络电流控制器输出的两相旋转坐标系下直轴和交轴电压分量，输出两相静止坐标系αβ下的定子电压至SVPWM模块。
本发明实施例的一种优选技术方案：所述CLARK变换模块，其分别与电机定子侧电流传感器输出和PID神经网络电流控制器通过电路相连，所述CLARK变换模块用于将三相静止坐标系下的定子电流转换成两相静止坐标系下的电流分量，CLARK变换模块的输入为采样得到的三相静止坐标系下的定子电流，输出两相静止坐标系下的电流分量至PARK变换模块。
本发明实施例的一种优选技术方案：所述SVPWM模块，其分别与IPARK变换模块和电压型逆变器通过电路相连，所述SVPWM模块用于在电机定子侧产生等效定子电压，输入为IPARK变换模块输出的两相静止坐标系αβ下的定子电压，输出相应开关信号至逆变器。
本发明实施例的一种优选技术方案：所述转速估计模块，其分别与定子侧电流传感器输出和IPARK变换模块、PARK变换模块通过电路相连，所述转速估计模块用于在线辨识电机转速；无传感器转速估计模块输入为电机的三相电流、电压信号，输出转速估计值和位置信息。
实施例2：
本发明的一种神经网络电流控制装置，该神经网络电流控制装置包括PID神经网络电流控制器1、故障信号与温度检测脉冲产生模块5、驱动子系统2、电机6、转速估计模块3；
所述电机6，其与所述驱动子系统2通过电路相连，电机6用于产生驱动转矩以做为动力源；
所述驱动子系统2，其分别与所述电机6、故障信号与温度检测脉冲转换模块5、PID神经网络电流控制器通过电路相连1，该驱动子系统2用于将所述PID神经网络电流控制器1的控制信号放大成功率信号并向电机6输出，其设有整流逆变电路、电压电流模拟量采集比较电路和温度采集电路；
所述转速估计模块3，其与所述电机定子侧电流传感器通过电路相连，所述转速估计模块3用于在线辨识电机转速；
所述上位机监控模块4，其与所述PID神经网络电流控制器1通过电路相连，所述上位机监控模块4用于给PID神经网络电流控制器1发送电流控制指令，并实时接收电机的运行状态并显示分析；
所述故障信号与温度检测脉冲产生模块5，其分别与所述驱动子系统2、PID神经网络电流控制器1通过电路相连，所述故障信号与温度检测脉冲产生模块5用于将驱动子系统2检测到的故障信号与温度信息转换成脉冲信息，向PID神经网络电流控制器1传输；
所述PID神经网络电流控制器1，其分别与所述驱动子系统2、上位机监控模块4、故障信号与温度检测脉冲转换模块5通过电路相连，所述PID神经网络电流控制器1用于接收上位机监控端4用户的特定指令，在PID神经网络电流控制器1内作出命令协议解析和计算后，得到控制量的给定数据；根据给定电流等参数，实时采集由转速估计模块3传输的电机转子位置信号，由电流传感器、电压传感器采集的三相电流与母线电压信号，通过PID神经网络控制策略，得出下个控制周期的输出设定，并向驱动子系统2输出。
本发明实施例的一种优选技术方案：所述PID神经网络电流控制器1至少包括DSP构成的神经网络控制单元141、电源管理模块11、信号调理模块12、三态缓冲模块6以及总线通信模块15；
所述电源管理模块11用于将驱动子系统2中的整流模块输出电压转换成PID神经网络电流控制器1所需的±15V，+3.3V，+1.2V，+1.5V；
所述调理模块11用于接收霍尔模块传输的电机定子电压电流信号、直流母线电压，并将接收到的信号调理成PID神经网络电流控制器1中符合AD模块要求的信号，并将调理好的电机的定子电压电流信号传递给AD模块；
所述调理模块12中的定子电压信号调理电路包括滤波电路、跟随电路与比较电路；
所述调理模块12中的定子电流信号调理电路包括滤波电路、绝对值电路、过流比较电路、方向比较电路；
所述AD模块用于将接收到的调理后的电机的定子电压电流信号转换成数字芯片可以接收的数字信号，并传递给神经网络控制单元141；
所述PID神经网络电流控制器设置有电平转换与光耦隔离模块，所述电平转换与光耦隔离模块用于对驱动子系统、故障与温度检测脉冲转产生模块、主控制模块进行信号电平的匹配；
所述总线通信模块15包括CAN总线通信模块、以太网接口通信模块、485通信接口模块、232通信接口模块；
所述CAN总线通信模块154与神经网络处理器的CAN总线控制器相连；
所述以太网接口通信模块153、485通信接口模块152、232通信接口模块151分别与PID神经网络电流控制器1的SCIA、SCIB、SCIC通道相连；
所述上位机监控模块4为安装有专用电机监控软件的PC终端。
实施例3：
本发明的一种神经网络电流控制器的运行方法，该运行方法包括以下步骤：
步骤S1：电机为永磁同步电机，根据永磁同步电机的三相电流ia、ib、ic、三相电压ua、ub、uc，利用无传感器转速估计模块得到电机转速估计值ωr，将转速估计值积分得到电机角度估计值θr；
步骤S2：将交轴电流设定值iq *设定值与电流传感器反馈值iq输入PID神经网络电流控制器进行比较、处理，计算出交轴电压给定值uq *；
包括：
1)PID神经网络控制器输入层包括2个神经元，2个神经元均接收外部的输入信息，即电流设定值lq *和电流反馈值lq，在任意采样时刻k，其输入函数为：
输入层神经元的状态函数为：
输入层神经元的输出函数为：
其中，iq *(k)表示电机转速的设定值；iq(k)表示转速估计模块测出的实际值；U表示输出阈值；i表示输入层神经元序号，i＝1，2；
2)
PID神经网络控制器隐含层包括3个神经元，分别为比例元、积分元及微分元构成，在任意采样时刻k，其输入函数为：
其中，i表示输入层神经元序号，i＝1，2；wij表示输入层到隐含层的连接权值；
比例元状态函数为：
u＇1(k)＝net′1(k)
积分元状态函数为：
u′2(k)＝u′2(k-1)+net′2(k)
微分元状态函数为：
u′3(k)＝net′3(k)-net′3(k-1)
隐含层的输出函数为：
其中，j表示隐含层神经元序号，j＝1，2，3；
3)
PID神经网络控制器输出层由1个神经元构成，其输入为隐含层所有神经元的输出的加权和，在任意采样时刻k，其输入函数为：
输出层神经元的状态函数为：
u″(k)＝net″(k)
输出层神经元的输出函数为：
PID神经网络电流控制器的输出值为：
v(k)＝x″(k).
即交轴电流给定值uq*(k)＝v(k)；
4)
PID神经网络控制器通过反传算法进行动态修改网络权值，实现控制器的学习、记忆功能；反传算法的学习主要包括：隐含层至输出层的连接权值学习，输入层至隐含层的连接权值学习；反传学习算法以目标函数E数值达到最小为准则，目标函数为：
表示电机转速的设定值；ωr(k)表示转速估计模块测出的实际值；l表示每批采样的点数；
步骤S3：
根据步骤2得到的控制信号采用SVPWM控制技术来产生PWM信号，以此实现高速永磁同步电机的定子磁链的圆形运动轨迹，SVPWM产生的信号通过电压型逆变器对电机产生控制作用；
步骤S4：
重复步骤S1至步骤S3，直至电机电流达到给定控制指标。
本发明控制器用于解决在非线性、强耦合、参数敏感、易受扰动的多变量电机控制系统中，鲁棒性差，稳定性不好等缺点。能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。
本发明的电流控制器用于解决在非线性、强耦合、参数敏感、易受扰动的多变量电机控制系统中，鲁棒性差，稳定性不好等问题；能够适应电机强耦合、高阶、非线性的特点，从而提高控制精度和稳定性。
在矢量控制的基础上，通过PID神经网络控制器对电流进行控制，既包含了静态函数，也包含了动态函数，具有良好的动态性能，提高了系统的自适应性和电流控制精度；控制同时对网络连接权值进行动态修改，可以实现系统的学习、记忆功能。
以上所述仅为本发明的优选实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种神经网络电流控制器，其特征在于：该神经网络电流控制器至少包括：电机、电压型逆变器、CLARK变换模块、PARK变换模块、IPARK变换模块、转速估计模块、PID神经网络电流控制器、SVPWM模块；
所述电机通过电路分别与所述电压型逆变器、所述CLARK变换模块、所述转速估计模块相连，其用于产生驱动转矩以用做动力源；
所述PID神经网络电流控制器与所述IPARK变换模块相连，其用于接收调速控制器输出的信号作为PID神经网络电流控制器的给定量以及PARK变换模块的直轴、交轴电流反馈量，将PID神经网络电流控制器的运算结果输出至IPARK变换模块。
2.根据权利要求1所述的一种神经网络电流控制器，其特征在于：所述PID神经网络电流控制器分别对所述直轴、所述交轴电流进行控制；
所述PARK变换模块，其分别与所述CLARK模块、所述PID神经网络电流控制器通过电路相连，其用于将两相静止坐标系αβ下的定子电流转换成两相旋转坐标系下的直轴和交轴电流分量，PARK变换模块的输入为CALRK变换模块输出的两相静止坐标系下的定子电流，输出两相旋转坐标系下的直轴和交轴电流分量至ACR电流控制器。
3.根据权利要求1所述的一种神经网络电流控制器，其特征在于：所述IPARK变换模块为PARK变换模块的逆变换，其分别与PID神经网络电流控制器和SVPWM模块通过电路相连，所述IPARK变换模块用于将两相旋转坐标系下的直轴和交轴电压分量转换成两相静止坐标系αβ下的电压；
所述IPARK变换模块的输入为PID神经网络电流控制器输出的两相旋转坐标系下直轴和交轴电压分量，输出两相静止坐标系αβ下的定子电压至SVPWM模块。
4.根据权利要求1所述的一种神经网络电流控制器，其特征在于：所述CLARK变换模块，其分别与电机定子侧电流传感器输出和PID神经网络电流控制器通过电路相连，所述CLARK变换模块用于将三相静止坐标系下的定子电流转换成两相静止坐标系下的电流分量，CLARK变换模块的输入为采样得到的三相静止坐标系下的定子电流，输出两相静止坐标系下的电流分量至PARK变换模块。
5.根据权利要求1所述的一种神经网络电流控制器，其特征在于：所述SVPWM模块，其分别与IPARK变换模块和电压型逆变器通过电路相连，所述SVPWM模块用于在电机定子侧产生等效定子电压，输入为IPARK变换模块输出的两相静止坐标系αβ下的定子电压，输出相应开关信号至逆变器。
6.根据权利要求1所述的一种神经网络电流控制器，其特征在于：所述转速估计模块，其分别与定子侧电流传感器输出和IPARK变换模块、PARK变换模块通过电路相连，所述转速估计模块用于在线辨识电机转速；无传感器转速估计模块输入为电机的三相电流、电压信号，输出转速估计值和位置信息。
7.一种神经网络电流控制装置，其特征在于：该神经网络电流控制装置包括PID神经网络电流控制器(1)、故障信号与温度检测脉冲产生模块(5)、驱动子系统(2)、电机(6)、转速估计模块(3)；
所述电机(6)，其与所述驱动子系统(2)通过电路相连，电机(6)用于产生驱动转矩以做为动力源；
所述驱动子系统(2)，其分别与所述电机(6)、故障信号与温度检测脉冲转换模块(5)、PID神经网络电流控制器通过电路相连(1)，该驱动子系统(2)用于将所述PID神经网络电流控制器(1)的控制信号放大成功率信号并向电机(6)输出，其设有整流逆变电路、电压电流模拟量采集比较电路和温度采集电路；
所述转速估计模块(3)，其与所述电机定子侧电流传感器通过电路相连，所述转速估计模块(3)用于在线辨识电机转速；
所述上位机监控模块(4)，其与所述PID神经网络电流控制器(1)通过电路相连，所述上位机监控模块(4)用于给PID神经网络电流控制器(1)发送电流控制指令，并实时接收电机的运行状态并显示分析；
所述故障信号与温度检测脉冲产生模块(5)，其分别与所述驱动子系统(2)、PID神经网络电流控制器(1)通过电路相连，所述故障信号与温度检测脉冲产生模块(5)用于将驱动子系统(2)检测到的故障信号与温度信息转换成脉冲信息，向PID神经网络电流控制器(1)传输；
所述PID神经网络电流控制器(1)，其分别与所述驱动子系统(2)、上位机监控模块(4)、故障信号与温度检测脉冲转换模块(5)通过电路相连，所述PID神经网络电流控制器(1)用于接收上位机监控端(4)用户的特定指令，在PID神经网络电流控制器(1)内作出命令协议解析和计算后，得到控制量的给定数据；根据给定电流等参数，实时采集由转速估计模块(3)传输的电机转子位置信号，由电流传感器、电压传感器采集的三相电流与母线电压信号，通过PID神经网络控制策略，得出下个控制周期的输出设定，并向驱动子系统(2)输出。
8.根据权利要求7所述的一种神经网络电流控制装置，其特征在于：所述PID神经网络电流控制器(1)至少包括DSP构成的神经网络控制单元(141)、电源管理模块(11)、信号调理模块(12)、三态缓冲模块(6)以及总线通信模块(15)；
所述电源管理模块(11)用于将驱动子系统(2)中的整流模块输出电压转换成PID神经网络电流控制器(1)所需的±15V，+3.3V，+1.2V，+1.5V；
所述调理模块(11)用于接收霍尔模块传输的电机定子电压电流信号、直流母线电压，并将接收到的信号调理成PID神经网络电流控制器(1)中符合AD模块要求的信号，并将调理好的电机的定子电压电流信号传递给AD模块；
所述调理模块(12)中的定子电压信号调理电路包括滤波电路、跟随电路与比较电路；
所述调理模块(12)中的定子电流信号调理电路包括滤波电路、绝对值电路、过流比较电路、方向比较电路；
所述AD模块用于将接收到的调理后的电机的定子电压电流信号转换成数字芯片可以接收的数字信号，并传递给神经网络控制单元(141)；
所述PID神经网络电流控制器设置有电平转换与光耦隔离模块，所述电平转换与光耦隔离模块用于对驱动子系统、故障与温度检测脉冲转产生模块、主控制模块进行信号电平的匹配；
所述总线通信模块(15)包括CAN总线通信模块、以太网接口通信模块、485通信接口模块、232通信接口模块；
所述CAN总线通信模块(154)与神经网络处理器的CAN总线控制器相连；
所述以太网接口通信模块(153)、485通信接口模块(152)、232通信接口模块(151)分别与PID神经网络电流控制器(1)的SCIA、SCIB、SCIC通道相连；
所述上位机监控模块(4)为安装有专用电机监控软件的PC终端。
9.一种以权利要求1-6任意一项所述的神经网络电流控制器的运行方法，其特征在于，该运行方法包括以下步骤：
步骤S1：电机为永磁同步电机，根据永磁同步电机的三相电流ia、ib、ic、三相电压ua、ub、uc，利用无传感器转速估计模块得到电机转速估计值ωr，将转速估计值积分得到电机角度估计值θr；
步骤S2：将交轴电流设定值iq *设定值与电流传感器反馈值iq输入PID神经网络电流控制器进行比较、处理，计算出交轴电压给定值uq *；
包括：
1)PID神经网络控制器输入层包括2个神经元，2个神经元均接收外部的输入信息，即电流设定值iq *和电流反馈值iq，在任意采样时刻k，其输入函数为：
输入层神经元的状态函数为：
输入层神经元的输出函数为：
其中，iq *(k)表示电机转速的设定值；iq(k)表示转速估计模块测出的实际值；U表示输出阈值；i表示输入层神经元序号，i＝1，2；
2)
PID神经网络控制器隐含层包括3个神经元，分别为比例元、积分元及微分元构成，在任意采样时刻k，其输入函数为：
其中，i表示输入层神经元序号，i＝1，2；wij表示输入层到隐含层的连接权值；
比例元状态函数为：
u＇1(k)＝net′1(k)
积分元状态函数为：
u′2(k)＝u′2(k-1)+net′2(k)
微分元状态函数为：
u′3(k)＝net′3(k)-net′3(k-1)
隐含层的输出函数为：
其中，j表示隐含层神经元序号，j＝1，2，3；
3)
PID神经网络控制器输出层由1个神经元构成，其输入为隐含层所有神经元的输出的加权和，在任意采样时刻k，其输入函数为：
输出层神经元的状态函数为：
u″(k)＝net″(k)
输出层神经元的输出函数为：
PID神经网络电流控制器的输出值为：
v(k)＝x″(k)；
即交轴电流给定值uq*(k)＝v(k)；
4)
PID神经网络控制器通过反传算法进行动态修改网络权值，实现控制器的学习、记忆功能；反传算法的学习主要包括：隐含层至输出层的连接权值学习，输入层至隐含层的连接权值学习；反传学习算法以目标函数E数值达到最小为准则，目标函数为：
表示电机转速的设定值；ωr(k)表示转速估计模块测出的实际值；l表示每批采样的点数；
步骤S3：
根据步骤2得到的控制信号采用SVPWM控制技术来产生PWM信号，以此实现高速永磁同步电机的定子磁链的圆形运动轨迹，SVPWM产生的信号通过电压型逆变器对电机产生控制作用；
步骤S4：
重复步骤S1至步骤S3，直至电机电流达到给定控制指标。
CN201810634831.2A 2018-06-20 2018-06-20 一种神经网络电流控制器及装置和该控制器的运行方法 Pending CN108551288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810634831.2A CN108551288A (zh) 2018-06-20 2018-06-20 一种神经网络电流控制器及装置和该控制器的运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810634831.2A CN108551288A (zh) 2018-06-20 2018-06-20 一种神经网络电流控制器及装置和该控制器的运行方法

Publications (1)

Publication Number Publication Date
CN108551288A true CN108551288A (zh) 2018-09-18

Family

ID=63493062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810634831.2A Pending CN108551288A (zh) 2018-06-20 2018-06-20 一种神经网络电流控制器及装置和该控制器的运行方法

Country Status (1)

Country Link
CN (1) CN108551288A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595451A (zh) * 2021-08-30 2021-11-02 上海东软载波微电子有限公司 多电机运行控制系统
DE102022211107A1 (de) 2022-10-20 2024-04-25 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Überwachung dreiphasiger periodischer elektrischer Signale unter Verwendung eines künstlichen neuronalen Netzes

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107547026A (zh) * 2017-09-18 2018-01-05 南京理工大学 一种基于双内核的超高速永磁同步电机驱动控制器
CN107579689A (zh) * 2017-08-28 2018-01-12 南京理工大学 一种基于pid神经网络控制器的超高速永磁同步电机转速控制方法
CN211296611U (zh) * 2018-06-20 2020-08-18 深圳日海新能源科技有限公司 一种神经网络电流控制器及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107579689A (zh) * 2017-08-28 2018-01-12 南京理工大学 一种基于pid神经网络控制器的超高速永磁同步电机转速控制方法
CN107547026A (zh) * 2017-09-18 2018-01-05 南京理工大学 一种基于双内核的超高速永磁同步电机驱动控制器
CN211296611U (zh) * 2018-06-20 2020-08-18 深圳日海新能源科技有限公司 一种神经网络电流控制器及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595451A (zh) * 2021-08-30 2021-11-02 上海东软载波微电子有限公司 多电机运行控制系统
DE102022211107A1 (de) 2022-10-20 2024-04-25 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Überwachung dreiphasiger periodischer elektrischer Signale unter Verwendung eines künstlichen neuronalen Netzes

Similar Documents

Publication Publication Date Title
CN108551288A (zh) 一种神经网络电流控制器及装置和该控制器的运行方法
CN108418487A (zh) 一种用于电动汽车的速度脉动抑制方法
CN107834919A (zh) 电流响应型永磁同步电机及其驱动系统的单相模拟器
Ting et al. Nonlinear backstepping control of SynRM drive systems using reformed recurrent Hermite polynomial neural networks with adaptive law and error estimated law
CN110112971A (zh) 一种基于有限时间动态面的异步电动机位置跟踪控制方法
CN105591575B (zh) 一种隐极式永磁同步电机直接特征控制系统及控制方法
CN102611380A (zh) 一种双馈电机参数在线辨识方法
CN107370429B (zh) 无轴承永磁同步电机模糊神经网络逆解耦控制器
CN104977850B (zh) 一种基于分数阶预测器的无时滞鲁棒伺服电机控制方法
Elgbaily et al. Genetic and particle swarm optimization algorithms based direct torque control for torque ripple attenuation of induction motor
CN106655903A (zh) 基于模糊自适应云模型的双永磁同步电机矢量控制方法
CN101299580A (zh) 两电机矢量控制变频调速系统的协调控制器及其构造方法
CN107872182A (zh) 一种基于广义模型预测的永磁同步电机控制方法
CN111082726A (zh) 一种永磁电机伺服系统的电流控制方法
Abdelfattah et al. Adaptive neuro fuzzy technique for speed control of six-step brushless DC motor
CN104935231B (zh) 基于预测方式的感应电机电流控制方法及其电流控制器
Ko et al. Maximum torque control of an IPMSM drive using an adaptive learning fuzzy-neural network
Bača et al. Induction motor drive with field-oriented control and speed estimation using feedforward neural network
Chunmei et al. Application of neural networks for permanent magnet synchronous motor direct torque control
CN211296611U (zh) 一种神经网络电流控制器及装置
Liu et al. Decoupling control of permanent magnet synchronous motor based on parameter identification of fuzzy least square method
CN107340472A (zh) 一种步进电机运动状态的检测装置及方法
CN107093971B (zh) 一种永磁同步电机的转矩控制系统及控制方法
CN108809192A (zh) 一种参数自整定永磁同步电机控制系统
CN108155836A (zh) 基于全局在线启发式动态规划永磁同步电机矢量控制方法

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