CN111293952A - 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 - Google Patents

Abstract

本发明公开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，在基于线性电感模型的闭环控制系统中，根据电感变化率特性曲线，设计神经网络隐含层的特殊分段非线性激励函数，并在线描述SRM非线性电感变换率的强非线性特性，以构建电感变化率神经网络模型。通过电感变化率神经网络电感变化率信息，在恒定转矩下，推算出理想参考电流，实现了SRM恒转矩控制，达到了有效抑制SRM转矩脉动的目的。基于电感变换率特性神经网络建模，直接得到恒转矩下理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。

Description

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

技术领域

本发明涉及新能源汽车控制技术领域，具体涉及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。

背景技术

减少碳排放已经成为世界各国重点关注的议题，许多科研人员致力于实现这个目标，而在交通运输领域，新能源汽车已成为世界各国的研究重点。由于开关磁阻电机(SwitchedReluctanceMotor，SRM)具有结构简单坚固、制造成本低、功率密度高、可作为发电机与电动机、调速范围广等优点，成为新一代新能源汽车驱动装置的重要候选。然而，由于SRM低速运行时产生较大转矩脉动以及由此而引起的噪声，严重制约了SRM的发展与应用。因此，利用先进控制理论设计合适的控制策略，减小SRM低速运行时的转矩脉动，具有重要的产业应用价值。

SRM内部电磁关系极其复杂，为了运算方便，在忽略电机运行时磁路饱和影响以及磁通边缘效应次要因素下，则SRM电流-转矩模型如下：

其中，L为绕组电感、i为绕组电流、T为电磁转矩、θ为转子位置角。

SRM相电感近似表达式如下：

L_a,b,c≈L₀+L₁ cos(N_rθ)+L₂ cos(2N_rθ)+L₃ cos(3N_rθ)+L₄ cos(4N_rθ) (2)

其中，L₀、L₁、L₂、L₃、L₄为电感系数，N_r为转子级数。

对于三相6/4极SRM等效总电感近似表达式可写为：

L＝L_a+L_b+L_c+k₁L_ab+k₂L_bc+k₃L_ca (3)

其中，L_a、L_b、L_c分别表示三相电感，L_ab、L_bc、L_ca分别表示相邻相电感之间的耦合，k₁、k₂、k₃是系数。

而由式(2)与式(3)可知，电感近似解析表达式非常复杂，电感表现为高度非线性特性。

SRM控制系统中，电感特性为高度非线性，然而，现有的研究大多利用传统数学建模方法对电感特性进行非线性建模，以获得非线性电感的模型。有文献利用傅里叶级数表示SRM非线性电感模型，为便于运算，忽略傅里叶展开式高次项，利用有限元分析法获取几个特殊转子位置处电感值，计算得到傅里叶级数中各项电感系数，从而得到非线性电感的近似模型。有文献对电感模型进行分段处理，利用多项式拟合法构建SRM非线性电感模型。以上均通过传统数学建模方法对电感进行非线性建模，但由于SRM电感特性为高度非线性，因此建模过程复杂，计算量大，难以得到非线性电感的准确并具有在线学习能力的数学模型。有文献对SRM非线性电感特性进行近似线性化处理，利用近似线性电感模型进行SRM恒转矩控制。此方法虽计算量小、控制简便、易于实现，但电感模型的不精确引起较大转矩偏差、导致转矩脉动过大，不利于SRM的精确控制。

发明内容

本发明针对现有开关磁阻电机的转矩控制系统的电感模型的不精确所导致的开关磁阻电机在低速下，较大转矩脉动大难以有效解决的问题，提供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。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于电感率模型的开关磁阻电机转矩控制方法，包括步骤如下：

步骤1、设定开关磁阻电机的参考转矩T_ref，并将其送入电流-转矩模型单元和电感变化率神经网络模型单元的输入端；

步骤2、位置检测器检测开关磁阻电机的转子位置角θ，并将其送入电流分配单元和电感变化率神经网络模型单元；

步骤3、相电流检测器检测开关磁阻电机的各相当前相电流i_kk，并将其送至电流滞环单元；

步骤4、电感变化率神经网络模型单元采用在线训练的方法，根据当前开关磁阻电机的当前转矩T_e与参考转矩T_ref的转矩偏差u_p不断调节神经网络权值，以得到最佳电感变化率神经网络模型，并输出开关磁阻电机的电感变化率u_n送至电流-转矩模型单元；

步骤5、电流-转矩模型单元根据开关磁阻电机的电感变化率u_n，将开关磁阻电机的参考转矩T_ref转换为开关磁阻电机的参考总电流i_ref；

步骤6、电流分配单元将开关磁阻电机的参考总电流i_ref分配为开关磁阻电机的各相参考相电流i_kk ^*；

步骤7、电流滞环单元实现开关磁阻电机的各相当前相电流i_kk对开关磁阻电机的各相参考相电流i_kk ^*的跟踪，以得到开关磁阻电机的各相控制相电流i_kk′；

步骤8、功率变换器将电流滞环单元输出的开关磁阻电机的各相控制相电流i_kk′送至开关磁阻电机，以实现对开关磁阻电机的转矩控制；

上述kk为开关磁阻电机的相数，kk＝1,2,3。

电感变化率神经网络模型单元的转矩偏差u_p为：

u_p＝T_ref-T_e

其中，T_ref表示开关磁阻电机的参考转矩，T_e表示开关磁阻电机的当前转矩。

电感变化率神经网络模型单元的电感变化率u_n为：

其中，L表示开关磁阻电机的绕组电感、θ表示开关磁阻电机的转子位置角。

电感变化率神经网络模型单元的电感变化率神经网络为：

其中，u_n表示电感变化率，w_j表示隐含层第j个隐含节点对应加权系数，h_j表示隐含层第j个隐含节点的激励函数，T_ref表示开关磁阻电机的参考转矩，θ表示开关磁阻电机的转子位置角，θ₀表示位置度阈值，α表示增益系数，c表示中心点系数，b表示宽度系数，d表示修正系数，j＝1,…,L，L表示电感变化率神经网络的隐含层隐含节点数。

电感变化率神经网络的隐含层的电流分配函数为：

其中，g_kk(θ)表示第kk相电流分配函数，kk表示开关磁阻电机的相数，kk＝1,2,3，θ_on表示开通角，θ_off表示关断角，θ_ov表示换相重叠角。

实现上述转矩控制方法的一种基于电感率模型的开关磁阻电机转矩控制系统，包括位置检测器、相电流检测器、微控制器和功率变换器；位置检测器和相电流检测器与开关磁阻电机连接；位置检测器和相电流检测器的输出端与微控制器相连；微控制器的输出端连接功率变换器的输入端，功率变换器三相输出分别连接控制开关磁阻电机的三相线。

上述方案中，微控制器包括电流-转矩模型单元、电流分配单元、电流滞环单元和电感变化率神经网络模型单元；

设定开关磁阻电机的参考转矩T_ref送入电流-转矩模型单元和电感变化率神经网络模型单元的输入端；

位置检测器将检测到的开关磁阻电机的转子位置角θ送入电流分配单元和电感变化率神经网络模型单元；

相电流检测器将检测到的开关磁阻电机的各相当前相电流i_kk送至电流滞环单元；

电感变化率神经网络模型单元根据当前开关磁阻电机的当前转矩T_e与参考转矩T_ref的转矩偏差u_p不断调节神经网络权值，以得到最佳电感变化率神经网络模型，并输出开关磁阻电机的电感变化率u_n送至电流-转矩模型单元；

电流-转矩模型单元根据开关磁阻电机的电感变化率u_n，将开关磁阻电机的参考转矩T_ref转换为开关磁阻电机的参考总电流i_ref；

电流分配单元将开关磁阻电机的参考总电流i_ref分配为开关磁阻电机的各相参考相电流i_kk ^*；

电流滞环单元实现开关磁阻电机的各相当前相电流i_kk对开关磁阻电机的各相参考相电流i_kk ^*的跟踪，得到开关磁阻电机的各相控制相电流i_kk′；

上述kk为开关磁阻电机的相数，kk＝1,2,3。

上述方案中，电感变化率神经网络模型单元的电感变化率神经网络为：

其中，u_n表示电感变化率，w_j表示隐含层第j个隐含节点对应加权系数，h_j表示隐含层第j个隐含节点的激励函数，T_ref表示开关磁阻电机的参考转矩，θ表示开关磁阻电机的转子位置角，θ₀表示位置度阈值，α表示增益系数，c表示中心点系数，b表示宽度系数，d表示修正系数，j＝1,…,L，L表示电感变化率神经网络的隐含层隐含节点数。

上述方案中，电感变化率神经网络的隐含层的电流分配函数为：

其中，g_kk(θ)表示第kk相电流分配函数，kk表示开关磁阻电机的相数，kk＝1,2,3，θ_on表示开通角，θ_off表示关断角，θ_ov表示换相重叠角。

与现有技术相比，本发明具有如下特点：

1、在基于线性电感模型的闭环控制系统中，根据电感变化率特性曲线，设计神经网络隐含层的特殊分段非线性激励函数，并在线描述SRM非线性电感变换率的强非线性特性，构建了电感变化率神经网络模型。

2、通过电感变化率神经网络电感变化率信息，在恒定转矩下，推算出理想参考电流，实现了SRM恒转矩控制，达到了有效抑制SRM转矩脉动的目的。

3、本系统可构成嵌入式系统，基于电感变换率特性神经网络建模，直接得到恒转矩下理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。

附图说明

图1为传统开关磁阻电机的转矩控制系统的原理图。

图2为本发明开关磁阻电机的转矩控制系统的原理图。

图3为电感变化率神经网络的结构图。

图4为电感变化率波形图。

图5为单周期电感变化率波形图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。

参见图1，传统三相6-4极开关磁阻电机的转矩控制系统是基于线性电感模型的闭环控制系统，其主要由相电流检测器、位置检测器、电流-转矩模型单元、电流分配单元、电流滞环单元和功率变换器组成。首先，利用位置检测器检测SRM的转子位置角θ，并将转子位置角θ送至电流-转矩模型单元和电流分配单元。基于转子位置角θ，电流-转矩模型单元先将给定的参考转矩T_ref转换为参考总电流i_ref；电流分配单元再利用电流分配函数，将参考总电流i_ref合理地分配为SRM的参考相电流i_kk ^*。接着，利用相电流检测器检测SRM的当前相电流i_kk，并将当前相电流i_kk送至电流滞环单元。电流滞环单元先实现当前相电流i_kk对参考相电流i_kk ^*的跟踪得到控制相电流i_kk′；功率变换器再对跟踪所得的控制相电流i_kk′进行功率变换后送至SRM，以对其实际输出转矩T_e进行控制。上述kk＝1,2,3。传统开关磁阻电机的转矩控制系统中的电流-转矩模型单元将式(1)中电感变化率dL/dθ取常数近似进行模型设计，以实现SRM转矩控制。然而，由于此系统没有充分考虑SRM电感特性为强非线性特性，因此不可避免会引入一定误差，直接影响SRM控制效果。

为避免传统基于线性电感模型进行转矩控制引起较大转矩偏差，导致转矩脉动过大的问题，本发明在上述基于线性电感模型的闭环控制系统的基础上，设计了一种基于电感率模型的闭环控制系统，其通过构建电感变化率神经网络来实现SRM的有效控制。

参见图2，本发明所设计的一种基于电感率模型的开关磁阻电机转矩控制系统，包括位置检测器、相电流检测器、微控制器和功率变换器。位置检测器和相电流检测器与开关磁阻电机连接，其中位置检测器采集开关磁阻电机的转子位置角θ，相电流检测器检测开关磁阻电机的各相当前相电流i_kk。位置检测器和相电流检测器的输出端通过模数转换模块与微控制器相连。在本发明中，微控制器包括电流-转矩模型单元、电流分配单元、电流滞环单元和电感变化率神经网络模型单元。微处理器先根据位置检测器实时采集的转子位置角θ计算当前转速

并由当前转速和SRM电流信息，通过对电感变化率神经网络模块的神经网络参数更新，得到过电感变化率信息；再结合电流-转矩模块，计算得到设定转矩对应参考总电流；后通过电流分配单元对参考总电流进行分配得到各相参考电流，并利用电流滞环单元实现相电流检测器所采集的各相当前相电流对各相参考相电流的跟踪。微控制器的输出端连接功率变换器的输入端，功率变换器三相输出分别连接控制开关磁阻电机的三相线，在三相半桥功率变换器驱动下，控制SRM，实现SRM恒转矩控制，有效抑制转矩脉动。此外，所述微处理器还可以配有常规的控制器局域网络CANopen(ControllerAreaNetwork，CAN)接口，经该接口连接显示屏，实时显示开关磁阻电机的各相电流、转矩及转速等电机实时运行信息。

上述转矩控制系统所实现的一种基于电感率模型的开关磁阻电机转矩控制方法，其具体包括步骤如下：

步骤1、设定开关磁阻电机的参考转矩T_ref，并将其送入电流-转矩模型单元和电感变化率神经网络模型单元的输入端；

步骤2、位置检测器检测SRM的转子位置角θ，并将其送入电流分配单元和电感变化率神经网络模型单元；

步骤3、相电流检测器检测SRM的各相当前相电流i_kk，并将其送至电流滞环单元；

步骤4、电感变化率神经网络模型单元采用在线训练的方法，根据当前开关磁阻电机的转矩与参考转矩的转矩偏差u_p不断调节神经网络权值，以得到最佳电感变化率模型，并输出电感变化率u_n送至电流-转矩模型单元；

步骤5、电流-转矩模型单元根据电感变化率u_n，将参考转矩T_ref转换为参考总电流i_ref；

步骤6、电流分配单元将参考总电流i_ref合理地分配为SRM的各相参考相电流i_kk ^*；

步骤7、电流滞环单元实现SRM的各相当前相电流i_kk对SRM的各相参考相电流i_kk*的跟踪，得到SRM的各相控制相电流i_kk′；

步骤8、功率变换器将电流滞环单元输出的SRM的各相控制相电流i_kk′送至SRM，以实现对SRM的转矩控制；

上述kk为开关磁阻电机的相数，kk＝1,2,3。

本发明是对式(1)中电感变化率dL/dθ进行神经网络建模，建模后的SRM电感模型能体现电感的强非线性特性，这是发明总体的设计思路。通过电感变化率神经网络输出的电感变化率信息，在恒定转矩下，易于直接推算出理想参考电流，实现了SRM恒转矩控制，达到了有效抑制SRM转矩脉动的目的。

本发明根据SRM电感变化率特性特殊变化曲线，设计了反映SRM电感非线性特性的电感变化率神经网络，神经网络隐含层的特殊分段非线性激励函数，在线描述SRM电感变化率的强非线性特性，使电感变化率神经网络更接近SRM非线性电感的本质特性，提高电感变化率网络建模速度与建模精度，用于控制系统设计，能更加有效地减小系统转矩脉动。

电感变化率神经网络模型单元所构建的电感变化率神经网络由输入层、隐含层和输出层组成；输入层的输入端输入开关磁阻电机的参考转矩T_ref和转子位置角θ；输入层的输出端与隐含层的输入端连接，隐含层的输出端与输出层的输出端连接；输出层的输出端输出开关磁阻电机的电感变化率u_n。

转矩偏差u_p和电感变化率u_n分别为电感变化率神经网络模型的输入(即参数学习偏差)和输出。

转矩偏差u_p为：

u_p＝T_ref-T_e (4)

其中，T_ref为参考转矩，T_e为当前开关磁阻电机的转矩；

电感变化率u_n为：

其中，L为绕组电感、θ为转子位置角。

本发明所设计的非线性特性的电感变化率神经网络模型，采用在线训练的方法，根据转矩偏差不断调节神经网络权值，以得到最佳电感变化率神经网络模型，用电感变化率易于得到控制电流

实施对SRM进行控制，达到减小系统转矩脉动的目的。

由文献可知，SRM转矩与电感为绕组电流及转矩位置的高度非线性函数，可简写为：

其中，f₁分别表示非线性映射关系。

由式(6)可知，电感变化率为转矩与转子位置角的非线性函数，以此为依据构建以转矩T及转子位置角θ为输入变量、电感变化率dL/dθ为输出变量的神经网络，具体结构图如图3所示，电感变化率神经网络的输出

SRM相邻两相开通角依次错开一个角度θ_step，θ_step定义如下：

θ_step＝360/(mN_r) (7)

其中，N_r为转子级数，m电机相数。

实验发现：三相6/4极SRM运行时，等效总电感变化率随时间变化波形及单周期波形分别如图4、图5所示。

根据图5所示单周期电感随位置的变化波形曲线，构建电感变化率神经网络隐含层为一种分段非线性激励函数h，如式(8)所示，以SRM电感本质特征，设计神经网络，加快了神经网络建模速度与精度，减小系统转矩脉动。

1)神经网络训练算法设计：

所构建的电感变化率神经网络模型，如公式(9)所示。

其中，u_n表示电感变化率，w_j表示第j个隐含节点对应加权系数，h_j表示第j个隐含节点的激励函数，T_ref表示开关磁阻电机的参考转矩，θ表示开关磁阻电机的转子位置角，θ₀表示位置度阈值，α表示增益系数，c表示中心点系数，b表示宽度系数，d表示修正系数。j＝1,…,L，L表示电感变化率神经网络的隐含层节点数。4≤L≤10，在本实施中，取L＝5。28≤θ₀≤32，实施中取θ₀＝30。

取电感变化率神经网络的误差指标为：

利用梯度下降法进行电感变化率神经网络权值修正。

利用动量梯度下降法同样方法得到△a(k)，△b(k)，△c(k)和△d(k)。

最后得到电感变化率神经网络加权参数更新公式如下：

其中，k是当前时刻，k-1是当前的前一时刻，k-2是k-1时刻前一时刻。w_j(k),w_j(k-1),w_j(k-2),分别表示对应k当前时刻，k前一时刻，k-1时刻前一时刻的第j隐含节点加权系数w值。△w_j(k)第j隐含节点k当前时刻的加权系数w增量值，其他参数a,b,c,d含义与w类似。学习率0<η<1，0<α<1。在本实施中，取η＝0.6，α＝0.2。

2)电流分配函数设计：

SRM常用转矩分配函数有四种，分别为线性型、指数型、余弦型以及立方型分配函数。发明中采用立方型分配函数进行转矩分配，其表达式为：

其中，θ_on为开通角，θ_off为关断角，θ_ov为换相重叠角。

根据式(1)可知，对恒转矩T_ref，结合神经网络输出得到SRM的总电流达i_ref表式为：

在换相阶段，采用电流分配策略进行三相电流的分配，则电流分配应满足：

其中，g_kk(θ)为第k相电流分配函数，kk为SRM相数。

电流分配函数为：

需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方其中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims (9)

1.一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，包括步骤如下：

步骤1、设定开关磁阻电机的参考转矩T_ref，并将其送入电流-转矩模型单元和电感变化率神经网络模型单元的输入端；

步骤2、位置检测器检测开关磁阻电机的转子位置角θ，并将其送入电流分配单元和电感变化率神经网络模型单元；

步骤3、相电流检测器检测开关磁阻电机的各相当前相电流i_kk，并将其送至电流滞环单元；

步骤4、电感变化率神经网络模型单元采用在线训练的方法，根据当前开关磁阻电机的当前转矩T_e与参考转矩T_ref的转矩偏差u_p不断调节神经网络权值，以得到最佳电感变化率神经网络模型，并输出开关磁阻电机的电感变化率u_n送至电流-转矩模型单元；

步骤5、电流-转矩模型单元根据开关磁阻电机的电感变化率u_n，将开关磁阻电机的参考转矩T_ref转换为开关磁阻电机的参考总电流i_ref；

步骤6、电流分配单元将开关磁阻电机的参考总电流i_ref分配为开关磁阻电机的各相参考相电流i_kk ^*；

步骤7、电流滞环单元实现开关磁阻电机的各相当前相电流i_kk对开关磁阻电机的各相参考相电流i_kk ^*的跟踪，以得到开关磁阻电机的各相控制相电流i_kk′；

步骤8、功率变换器将电流滞环单元输出的开关磁阻电机的各相控制相电流i_kk′送至开关磁阻电机，以实现对开关磁阻电机的转矩控制；

上述kk为开关磁阻电机的相数，kk＝1,2,3。

2.根据权利要求1所述一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，转矩偏差u_p为：

u_p＝T_ref-T_e

其中，T_ref表示开关磁阻电机的参考转矩，T_e表示开关磁阻电机的当前转矩。

3.根据权利要求1所述一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，电感变化率u_n为：

其中，L表示开关磁阻电机的绕组电感、θ表示开关磁阻电机的转子位置角。

4.根据权利要求1所述一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，电感变化率神经网络模型单元的电感变化率神经网络为：

其中，u_n表示电感变化率，w_j表示隐含层第j个隐含节点对应加权系数，h_j表示隐含层第j个隐含节点的激励函数，T_ref表示开关磁阻电机的参考转矩，θ表示开关磁阻电机的转子位置角，θ₀表示位置度阈值，α表示增益系数，c表示中心点系数，b表示宽度系数，d表示修正系数，j＝1,…,L，L表示电感变化率神经网络的隐含层隐含节点数。

5.根据权利要求4所述一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，电感变化率神经网络的隐含层的电流分配函数为：

其中，g_kk(θ)表示第kk相电流分配函数，kk表示开关磁阻电机的相数，kk＝1,2,3，θ_on表示开通角，θ_off表示关断角，θ_ov表示换相重叠角。

6.实现权利要求1所述转矩控制方法的一种基于电感率模型的开关磁阻电机转矩控制系统，其特征是，包括位置检测器、相电流检测器、微控制器和功率变换器；位置检测器和相电流检测器与开关磁阻电机连接；位置检测器和相电流检测器的输出端与微控制器相连；微控制器的输出端连接功率变换器的输入端，功率变换器三相输出分别连接控制开关磁阻电机的三相线。

7.根据权利要求6所述一种基于电感率模型的开关磁阻电机转矩控制方法，其特征是，微控制器包括电流-转矩模型单元、电流分配单元、电流滞环单元和电感变化率神经网络模型单元；

设定开关磁阻电机的开关磁阻电机的参考转矩T_ref送入电流-转矩模型单元和电感变化率神经网络模型单元的输入端；

位置检测器将检测到的开关磁阻电机的转子位置角θ送入电流分配单元和电感变化率神经网络模型单元；

相电流检测器将检测到的开关磁阻电机的各相当前相电流i_kk送至电流滞环单元；

电感变化率神经网络模型单元根据当前开关磁阻电机的当前转矩T_e与参考转矩T_ref的转矩偏差u_p不断调节神经网络权值，以得到最佳电感变化率神经网络模型，并输出开关磁阻电机的电感变化率u_n送至电流-转矩模型单元；

电流-转矩模型单元根据开关磁阻电机的电感变化率u_n，将开关磁阻电机的参考转矩T_ref转换为开关磁阻电机的参考总电流i_ref；

电流分配单元将开关磁阻电机的参考总电流i_ref分配为开关磁阻电机的各相参考相电流i_kk ^*；

电流滞环单元实现开关磁阻电机的各相当前相电流i_kk对开关磁阻电机的各相参考相电流i_kk ^*的跟踪，得到开关磁阻电机的各相控制相电流i_kk′；

上述kk为开关磁阻电机的相数，kk＝1,2,3。

8.根据权利要求7所述一种基于电感率模型的开关磁阻电机转矩控制系统，其特征是，电感变化率神经网络模型单元的电感变化率神经网络为：

其中，u_n表示电感变化率，w_j表示隐含层第j个隐含节点对应加权系数，h_j表示隐含层第j个隐含节点的激励函数，T_ref表示开关磁阻电机的参考转矩，θ表示开关磁阻电机的转子位置角，θ₀表示位置度阈值，α表示增益系数，c表示中心点系数，b表示宽度系数，d表示修正系数，j＝1,…,L，L表示电感变化率神经网络的隐含层隐含节点数。

9.根据权利要求8所述一种基于电感率模型的开关磁阻电机转矩控制系统，其特征是，电感变化率神经网络的隐含层的电流分配函数为：

其中，g_kk(θ)表示第kk相电流分配函数，kk表示开关磁阻电机的相数，kk＝1,2,3，θ_on表示开通角，θ_off表示关断角，θ_ov表示换相重叠角。

Images