CN111181462A - 基于变步长神经网络的表贴式永磁同步电机参数辨识方法 - Google Patents

Abstract

一种基于变步长神经网络的表贴式永磁同步电机参数辨识方法：在电机控制系统的第k个控制周期，控制系统进行采样；根据采样得到的电机三相定子电流和电机转子位置角，求解第k个控制周期的电机实际电流d轴系和q轴系分量，以及参考电压d轴系和q轴系分量，得到相应的脉冲；给出第k+1个控制周期的单相定子电阻、定子电感、转子磁链参数的迭代收敛模型；迭代收敛模型稳定收敛后，将电机处于稳定运行状态时辨识出的单相定子电阻、定子电感、转子磁链代入到预测模型中保持电机正常运行。本发明在在辨识结果收敛到稳态后代入到预测模型，消除因控制器模型参数不准确造成电机电流存在稳态静差或震荡的问题。

Description

基于变步长神经网络的表贴式永磁同步电机参数辨识方法

技术领域

本发明涉及一种永磁同步电机参数辨识方法。特别是涉及一种基于变步长神经网络的表贴式永磁同步电机参数辨识方法。

背景技术

预测控制策略被广泛应用于电机控制中，其是利用被控对象的精确数学模型来预测未出下一控制周期应作用的电压矢量，使得理论上作用该电压矢量的一个周期后，电机电流能精确跟随指令电流值。预测控制拥有良好的动态响应性能，能够快速无超调的跟踪指令信号。由于预测控制是基于模型的控制方法，严重依赖被控对象的精确数学模型，因此在控制器中需要准确地使用电机模型的电阻、电感、磁链等参数。而在实际系统中，这些参数有些难以测量，有些会随着电机工作状态而改变。以上情况会使电流控制出现振荡或静差，电流振荡会导致电机机械振荡及驱动器过流报警，电流静差会导致驱动系统效率降低，额定转速下无法输出额定转矩及无法工作在力矩控制模式等很多问题。

发明内容

本发明所要解决的技术问题是，提供一种消除因控制器模型参数不准确造成电机电流存在稳态静差或震荡问题的基于变步长神经网络的表贴式永磁同步电机参数辨识方法。

本发明所采用的技术方案是：一种基于变步长神经网络的表贴式永磁同步电机参数辨识方法，包括以下步骤：

1)在电机控制系统的第k个控制周期，控制系统进行采样，包括：电机转子电角速度、转子位置角、电机ABC三相电流、直流母线电压；

2)根据采样得到的电机ABC三相定子电流和电机转子位置角，通过坐标变换求解第k个控制周期的电机实际电流d轴系和q轴系分量i_d(k)、i_q(k)；

3)对于单个控制周期而言，控制算法根据第k个控制周期的电机转子电角速度ω_e(k)、电机参考电流d轴系和q轴系分量i_d ^ref(k)和i_q ^ref(k)、电机实际电流的d轴系和q轴系分量i_d(k)和i_q(k)以及第k-1个控制周期计算得到的参考电压u_d ^ref(k-1)和u_q ^ref(k-1)，求解第k控制周期的参考电压d轴系和q轴系分量u_d ^ref(k)、u_q ^ref(k)，采用空间矢量脉宽调制方法得到相应的脉冲；

4)根据稳态时d轴系和q轴系电机定子电压方程和最小均方差算法，利用自适应线性神经网络算法写出第k+1个控制周期的单相定子电阻R_s(k+1)、定子电感L_s(k+1)、转子磁链ψ_f(k+1)参数的迭代收敛模型：

式中，Δi_q＝i_q(t₂)-i_q(t₁)，

其中，i_q(t₁)和i_q(t₂)分别为t₁和t₂两个稳定运行状态下的q轴系定子电流值；其中，η(k)为变步长函数，具体形式如下：

式中，α为控制函数取值范围的系数，β为控制函数曲线上升速度的系数，ε(k)为第k个控制周期的网络输出与目标输出之间的误差信号，e为自然常数；

5)待所述的迭代收敛模型稳定收敛后，在电机处于稳定运行状态时将辨识出的单相定子电阻R_s、定子电感L_s、转子磁链ψ_f代入到步骤3)中保持电机正常运行。

本发明的基于变步长神经网络的表贴式永磁同步电机参数辨识方法,在线辨识出表贴式永磁同步电机的定子电阻、电感和转子磁链，在辨识结果收敛到稳态后代入到预测模型，消除因控制器模型参数不准确造成电机电流存在稳态静差或震荡的问题。本发明具有的有益效果是：

(1)通过变步长函数可有效提高辨识过程的收敛速度；

(2)利用系统转矩需求的变化导致的q轴系电流的变化，来解决各电机参数的辨识耦合关系，在线辨识出表贴式永磁同步电机的定子电阻、电感和转子永磁体磁链，并代入到预测模型，消除因控制器模型参数不准确造成电机电流存在稳态静差或震荡的问题。

附图说明

图1是三相两电平PWM整流器主电路与控制系统结构图；

图2是本发明基于变步长神经网络的表贴式永磁同步电机参数辨识方法的流程图。

具体实施方式

下面结合实施例和附图对本发明的基于变步长神经网络的表贴式永磁同步电机参数辨识方法做出详细说明。

两电平PWM整流器主电路及控制系统，如图1所示；图中，PI表示比例积分控制器，电机转速和位置信息由增量式编码器获得，abc/dq表示由ABC三相坐标系转换为dq轴系两相旋转坐标系的变换方程，对应以下公式(2)至公式(3)。

如图2所示，本发明的基于变步长神经网络的表贴式永磁同步电机参数辨识方法，包括以下步骤：

1)在如图1所示的电机控制系统的第k个控制周期，控制系统进行采样，包括：电机转子电角速度、转子位置角、电机ABC三相电流、直流母线电压；

2)根据采样得到的电机ABC三相定子电流和电机转子位置角，通过坐标变换求解第k个控制周期的电机实际电流d轴系和q轴系分量i_d(k)、i_q(k)；

具体是采用如下公式求解第k个控制周期的电机实际电流d、q轴系分量i_d(k)、i_q(k)：

其中，(k)表示第k个控制周期的对应变量值，i_d(k)和i_q(k)分别为第k个控制周期的电机实际电流的d、q轴系分量，i_A(k)、i_B(k)、i_C(k)为第k个控制周期的电机ABC三相定子电流，M_ABC/αβ为由ABC三相静止坐标轴系到αβ两相静止坐标轴系的变换矩阵，M_αβ/dq为由αβ两相静止坐标轴系到dq两相旋转坐标轴系的变换矩阵，具体表达式如下：

式中，θ(k)为第k个控制周期对应的d轴系与α轴系的夹角。

3)对于单个控制周期而言，控制算法根据第k个控制周期的电机转子电角速度ω_e(k)、电机参考电流d轴系和q轴系分量i_d(k)和i_q(k)、电机实际电流的d轴系和q轴系分量以及第k-1个控制周期计算得到的参考电压u_d ^ref(k-1)和u_q ^ref(k-1)，求解第k控制周期的参考电压d轴系和q轴系分量u_d ^ref(k)、u_q ^ref(k)，采用空间矢量脉宽调制策略(Space VectorPulse Width Modulation简称SVPWM)得到相应的脉冲；包括：

(1)在设定时刻控制系统要求电机将输出转矩从当前的稳定运行状态调整至设定的稳定运行状态，并将调整之前的电机稳定运行状态记作t₁，完成转矩调整之后的稳定运行状态记作t₂；将控制系统结合电机实际工况给出的保证两个稳定运行状态的d轴系和q轴系参考电流稳态值分别记作i_d ^ref(t₁)、i_q ^ref(t₁)、i_d ^ref(t₂)和i_q ^ref(t₂)，d轴系和q轴系参考电压稳态值分别记作u_d ^ref(t₁)、u_q ^ref(t₁)、u_d ^ref(t₂)和u_q ^ref(t₂)；由于本发明仅在电机处于稳态时进行辨识，因此所述的i_d ^ref(t₁)、i_q ^ref(t₁)、i_d ^ref(t₂)和i_q ^ref(t₂)以及u_d ^ref(t₁)、u_q ^ref(t₁)、u_d ^ref(t₂)和u_q ^ref(t₂)均为电机稳定后，取1000个控制周期的i_d ^ref、i_q ^ref、u_d ^ref和u_q ^ref参考值的平均值；

(2)本发明是采用传统无差拍电流预测控制，采用传统空间矢量调制方法，具体：对于单个控制周期而言，根据第k个控制周期的电机转子电角速度ω_e(k)、电机参考电流d轴系和q轴系分量i_d ^ref(k)和i_q ^ref(k)、电机实际电流的d轴系和q轴系分量i_d(k)、i_q(k)以及第k-1个控制周期经如下公式计算得到的参考电压u_d ^ref(k-1)和u_q ^ref(k-1)，得到考虑数字控制系统固有延时后的电机定子电流补偿值i_d ^com(k+1)和i_q ^com(k+1)，计算公式如下：

式中，T_s为IGBT开关周期，同时也为系统控制周期；L_s(k)为当前第k个控制周期所用的定子电感值，即为上一次参数辨识得到的结果；R_s(k)为当前第k个控制周期所用的单相定子电阻值，即为上一次参数辨识得到的结果；ψ_f(k)为当前第k个控制周期所用的转子磁链值，即为上一次参数辨识得到的结果；ω_e(k)为第k个控制周期的电机转子电角速度；i_d(k)、i_q(k)分别为第k个控制周期的电机实际电流d轴系和q轴系分量；u_d ^ref(k-1)和u_q ^ref(k-1)为第k-1个控制周期的参考电压；

(3)结合电机离散预测模型，根据无差拍预测控制算法进一步求解第k个控制周期的参考电压d轴系和q轴系分量u_d ^ref(k)、u_q ^ref(k)，计算公式如下；

其中，i_d ^ref(k)、i_q ^ref(k)分别为第k个控制周期的参考电流d、q轴系分量；T_s为IGBT开关周期，同时也为系统控制周期；L_s为定子电感值；L_s(k)为当前第k个控制周期所用的定子电感值，即为上一次参数辨识得到的结果；R_s(k)为当前第k个控制周期所用的单相定子电阻值，即为上一次参数辨识得到的结果；ψ_f(k)为当前第k个控制周期所用的转子磁链值，即为上一次参数辨识得到的结果；ω_e(k)为第k个控制周期的电机转子电角速度；

根据u_d ^ref(k)、u_q ^ref(k)采用空间矢量脉宽调制方法(Space Vector Pulse WidthModulation简称SVPWM)得到相应的脉冲。

4)根据稳态时d轴系和q轴系电机定子电压方程和最小均方差算法，利用自适应线性(Adaline)神经网络算法写出第k+1个控制周期的单相定子电阻R_s(k+1)、定子电感L_s(k+1)、转子磁链ψ_f(k+1)参数的迭代收敛模型：

式中，Δi_q＝i_q(t₂)-i_q(t₁)，Δu_d ^ref＝u_d ^ref(t₂)-u_d ^ref(t₁)；其中，i_q(t₁)和i_q(t₂)分别为t₁和t₂两个稳定运行状态下的q轴系定子电流值；其中，η(k)为变步长函数，具体形式如下：

式中，α为控制函数取值范围的系数，β为控制函数曲线上升速度的系数，ε(k)为第k个控制周期的网络输出与目标输出之间的误差信号，e为自然常数；

5)待所述的迭代收敛模型稳定收敛后，在电机处于稳定运行状态时将辨识出的单相定子电阻R_s、定子电感L_s、转子磁链ψ_f代入到步骤3)中保持电机正常运行，直到系统转矩再次调整时，返回步骤1)再次进行参数辨识的运行。

尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。

Claims (3)

1.一种基于变步长神经网络的表贴式永磁同步电机参数辨识方法，其特征在于，包括以下步骤：

1)在电机控制系统的第k个控制周期，控制系统进行采样，包括：电机转子电角速度、转子位置角、电机ABC三相电流、直流母线电压；

2)根据采样得到的电机ABC三相定子电流和电机转子位置角，通过坐标变换求解第k个控制周期的电机实际电流d轴系和q轴系分量i_d(k)、i_q(k)；

3)对于单个控制周期而言，控制算法根据第k个控制周期的电机转子电角速度ω_e(k)、电机参考电流d轴系和q轴系分量i_d ^ref(k)和i_q ^ref(k)、电机实际电流的d轴系和q轴系分量i_d(k)和i_q(k)以及第k-1个控制周期计算得到的参考电压u_d ^ref(k-1)和u_q ^ref(k-1)，求解第k控制周期的参考电压d轴系和q轴系分量u_d ^ref(k)、u_q ^ref(k)，采用空间矢量脉宽调制方法得到相应的脉冲；

4)根据稳态时d轴系和q轴系电机定子电压方程和最小均方差算法，利用自适应线性神经网络算法写出第k+1个控制周期的单相定子电阻R_s(k+1)、定子电感L_s(k+1)、转子磁链ψ_f(k+1)参数的迭代收敛模型：

式中，Δi_q＝i_q(t₂)-i_q(t₁)，Δu_d ^ref＝u_d ^ref(t₂)-u_d ^ref(t₁)；其中，i_q(t₁)和i_q(t₂)分别为t₁和t₂两个稳定运行状态下的q轴系定子电流值；其中，η(k)为变步长函数，具体形式如下：

式中，α为控制函数取值范围的系数，β为控制函数曲线上升速度的系数，ε(k)为第k个控制周期的网络输出与目标输出之间的误差信号，e为自然常数；

5)待所述的迭代收敛模型稳定收敛后，在电机处于稳定运行状态时将辨识出的单相定子电阻R_s、定子电感L_s、转子磁链ψ_f代入到步骤3)中保持电机正常运行。

2.根据权利要求1所述的基于变步长神经网络的表贴式永磁同步电机参数辨识方法，其特征在于，步骤2)具体是采用如下公式求解第k个控制周期的电机实际电流d、q轴系分量i_d(k)、i_q(k)：

其中，(k)表示第k个控制周期的对应变量值，i_d(k)和i_q(k)分别为第k个控制周期的电机实际电流的d、q轴系分量，i_A(k)、i_B(k)、i_C(k)为第k个控制周期的电机ABC三相定子电流，M_ABC/αβ为由ABC三相静止坐标轴系到αβ两相静止坐标轴系的变换矩阵，M_αβ/dq为由αβ两相静止坐标轴系到dq两相旋转坐标轴系的变换矩阵，具体表达式如下：

式中，θ(k)为第k个控制周期对应的d轴系与α轴系的夹角。

3.根据权利要求1所述的基于变步长神经网络的表贴式永磁同步电机参数辨识方法，其特征在于，步骤3)包括：

(1)在设定时刻控制系统要求电机将输出转矩从当前的稳定运行状态调整至设定的稳定运行状态，并将调整之前的电机稳定运行状态记作t₁，完成转矩调整之后的稳定运行状态记作t₂；将控制系统结合电机实际工况给出的保证两个稳定运行状态的d轴系和q轴系参考电流稳态值分别记作i_d ^ref(t₁)、i_q ^ref(t₁)、i_d ^ref(t₂)和i_q ^ref(t₂)，d轴系和q轴系参考电压稳态值分别记作u_d ^ref(t₁)、u_q ^ref(t₁)、u_d ^ref(t₂)和u_q ^ref(t₂)；所述的i_d ^ref(t₁)、i_q ^ref(t₁)、i_d ^ref(t₂)和i_q ^ref(t₂)以及u_d ^ref(t₁)、u_q ^ref(t₁)、u_d ^ref(t₂)和u_q ^ref(t₂)均为电机稳定后，取1000个控制周期的i_d ^ref、i_q ^ref、u_d ^ref和u_q ^ref参考值的平均值；

(2)对于单个控制周期而言，根据第k个控制周期的电机转子电角速度ω_e(k)、电机参考电流d轴系和q轴系分量i_d ^ref(k)和i_q ^ref(k)、电机实际电流的d轴系和q轴系分量i_d(k)、i_q(k)以及第k-1个控制周期经如下公式计算得到的参考电压u_d ^ref(k-1)和u_q ^ref(k-1)，得到考虑数字控制系统固有延时后的电机定子电流补偿值i_d ^com(k+1)和i_q ^com(k+1)，计算公式如下：

式中，T_s为IGBT开关周期，同时也为系统控制周期；L_s(k)为当前第k个控制周期所用的定子电感值，即为上一次参数辨识得到的结果；R_s(k)为当前第k个控制周期所用的单相定子电阻值，即为上一次参数辨识得到的结果；ψ_f(k)为当前第k个控制周期所用的转子磁链值，即为上一次参数辨识得到的结果；ω_e(k)为第k个控制周期的电机转子电角速度；i_d(k)、i_q(k)分别为第k个控制周期的电机实际电流d轴系和q轴系分量；u_d ^ref(k-1)和u_q ^ref(k-1)为第k-1个控制周期的参考电压；

(3)结合电机离散预测模型，根据无差拍预测控制算法进一步求解第k个控制周期的参考电压d轴系和q轴系分量u_d ^ref(k)、u_q ^ref(k)，计算公式如下；

其中，i_d ^ref(k)、i_q ^ref(k)分别为第k个控制周期的参考电流d、q轴系分量；T_s为IGBT开关周期，同时也为系统控制周期；L_s为定子电感值；L_s(k)为当前第k个控制周期所用的定子电感值，即为上一次参数辨识得到的结果；R_s(k)为当前第k个控制周期所用的单相定子电阻值，即为上一次参数辨识得到的结果；ψ_f(k)为当前第k个控制周期所用的转子磁链值，即为上一次参数辨识得到的结果；ω_e(k)为第k个控制周期的电机转子电角速度；

根据u_d ^ref(k)、u_q ^ref(k)采用空间矢量脉宽调制方法得到相应的脉冲。

Images