CN111525863B - 一种电机调速装置及其控制方法 - Google Patents

一种电机调速装置及其控制方法 Download PDF

Info

Publication number
CN111525863B
CN111525863B CN202010490379.4A CN202010490379A CN111525863B CN 111525863 B CN111525863 B CN 111525863B CN 202010490379 A CN202010490379 A CN 202010490379A CN 111525863 B CN111525863 B CN 111525863B
Authority
CN
China
Prior art keywords
speed regulation
motor
training
module
stator current
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
CN202010490379.4A
Other languages
English (en)
Other versions
CN111525863A (zh
Inventor
李敬
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.)
Jiangsu Langsheng Laser Technology Co., Ltd
Original Assignee
Jiangsu Langsheng Laser Technology Co 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 Jiangsu Langsheng Laser Technology Co ltd filed Critical Jiangsu Langsheng Laser Technology Co ltd
Priority to CN202010490379.4A priority Critical patent/CN111525863B/zh
Publication of CN111525863A publication Critical patent/CN111525863A/zh
Application granted granted Critical
Publication of CN111525863B publication Critical patent/CN111525863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
    • 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
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种电机调速装置，包括：电机转速检测模块，用于检测电机的转速；定子电流检测模块，用于检测定子电流；转子电压检测模块，用于检测转子电压；定子电流谐波失真度计算模块，用于计算定子电流的谐波失真度；调速参数优化模块，用于根据电机的实时运行状态对调速参数进行优化；反馈模块，用于对调速参数优化模块进行反馈训练；调速执行模块，根据优化后的调速参数对电机进行调速控制。本发明能够改进现有技术的不足，提高电机调速的效率和准确性。

Description

一种电机调速装置及其控制方法
技术领域
本发明涉及电机调速技术领域，尤其是一种电机调速装置及其控制方法。
背景技术
电机调速是电机控制中非常重要的一项任务。现有的电机调速方法中，通过神经网络进行调速参数的优化是常用的一种方式。但是，由于电机运行过程参数众多、运行状态变化快，导致通过神经网络进行参数优化会出现速度慢、准确性低的问题。
发明内容
本发明要解决的技术问题是提供一种电机调速装置及其控制方法，能够解决现有技术的不足，提高电机调速的效率和准确性。
为解决上述技术问题，本发明所采取的技术方案如下。
一种电机调速装置，包括：
电机转速检测模块，用于检测电机的转速；
定子电流检测模块，用于检测定子电流；
转子电压检测模块，用于检测转子电压；
定子电流谐波失真度计算模块，用于计算定子电流的谐波失真度；
调速参数优化模块，用于根据电机的实时运行状态对调速参数进行优化；
反馈模块，用于对调速参数优化模块进行反馈训练；
调速执行模块，根据优化后的调速参数对电机进行调速控制。
一种上述的电机调速装置的控制方法，包括以下步骤：
A、电机转速检测模块、定子电流检测模块和转子电压检测模块分别检测电机的转速、定子电流和转子电压，定子电流谐波失真度计算模块计算定子电流的谐波失真度；
B、调速参数优化模块建立神经网络控制器，神经网络控制器包括一个输入层、三个隐藏层和第一输出层；
C、反馈模块使用训练数据对神经网络控制器进行反馈训练；
D、调速参数优化模块根据目标转速得到调速参数，并发送至调速执行模块；
E、调速执行模块根据收到的调速参数对电机进行调速控制。
作为优选，步骤B中，在三个隐藏层上分别设置有权重函数集，用于对每个节点赋予权重。
作为优选，步骤C中，对神经网络控制器进行反馈训练包括以下步骤，
C1、分别将定子电流、转子电压和定子电流的谐波失真度作为训练目标，使用电机转速构成训练数据集，对神经网络控制器进行迭代训练；
C2、迭代训练中，建立每次训练结果的满意度函数，满意度与转速偏差和相邻两次的训练数据偏差相关，根据满意度的变化对下一次训练的训练数据进行调整，提高一下次训练的满意度；
C3、迭代训练中，分别对三个隐藏层上的权重函数集进行优化。
作为优选，步骤C3中，对隐藏层上的权重函数集进行优化包括以下步骤，
C31、建立权重函数集与对应隐藏层中每个节点的适应度函数；
C32、每次迭代训练时，使用权重函数集对隐藏层中不同节点赋予权重值；
C33、将训练结果代入适应度函数，通过向同一权重函数集赋予一个调整因子，实现同一隐藏层的输出结果平均适应度最大。
采用上述技术方案所带来的有益效果在于：本发明使用五层神经网络模型，仅使用定子电流、转子电压和定子电流的谐波失真度作为神经网络的训练目标，大大提高了神经网络的训练效率，实现了在正常工作过程中进行重复训练的可能性。隐藏层中的权重函数集可以在生成调速参数时提高不同输入变量之间的一致性，从而降低多个训练目标对优化精度的影响。在神经网络的训练过程中，通过对权重函数集的针对性优化，计算出调整因子，可以实现对隐藏层运算偏差的快速校正。
附图说明
图1是本发明一个具体实施方式的原理图。
图中：1、电机转速检测模块；2、定子电流检测模块；3、转子电压检测模块；4、定子电流谐波失真度计算模块；5、调速参数优化模块；6、反馈模块；7、调速执行模块。
具体实施方式
本发明中使用到的标准零件均可以从市场上购买，异形件根据说明书的和附图的记载均可以进行订制，各个零件的具体连接方式均采用现有技术中成熟的螺栓、铆钉、焊接、粘贴等常规手段，在此不再详述。
参照图1，本发明一个具体实施方式包括，
电机转速检测模块1，用于检测电机的转速；
定子电流检测模块2，用于检测定子电流；
转子电压检测模块3，用于检测转子电压；
定子电流谐波失真度计算模块4，用于计算定子电流的谐波失真度；
调速参数优化模块5，用于根据电机的实时运行状态对调速参数进行优化；
反馈模块6，用于对调速参数优化模块5进行反馈训练；
调速执行模块7，根据优化后的调速参数对电机进行调速控制。
一种上述的电机调速装置的控制方法，包括以下步骤：
A、电机转速检测模块1、定子电流检测模块2和转子电压检测模块3分别检测电机的转速、定子电流和转子电压，定子电流谐波失真度计算模块4计算定子电流的谐波失真度；
B、调速参数优化模块5建立神经网络控制器，神经网络控制器包括一个输入层、三个隐藏层和第一输出层；
C、反馈模块6使用训练数据对神经网络控制器进行反馈训练；
D、调速参数优化模块5根据目标转速得到调速参数，并发送至调速执行模块7；
E、调速执行模块7根据收到的调速参数对电机进行调速控制。
步骤B中，在三个隐藏层上分别设置有权重函数集，用于对每个节点赋予权重。
步骤C中，对神经网络控制器进行反馈训练包括以下步骤，
C1、分别将定子电流、转子电压和定子电流的谐波失真度作为训练目标，使用电机转速构成训练数据集，对神经网络控制器进行迭代训练；
C2、迭代训练中，建立每次训练结果的满意度函数，满意度与转速偏差和相邻两次的训练数据偏差相关，根据满意度的变化对下一次训练的训练数据进行调整，提高一下次训练的满意度；
C3、迭代训练中，分别对三个隐藏层上的权重函数集进行优化。
步骤C3中，对隐藏层上的权重函数集进行优化包括以下步骤，
C31、建立权重函数集与对应隐藏层中每个节点的适应度函数；
C32、每次迭代训练时，使用权重函数集对隐藏层中不同节点赋予权重值；
C33、将训练结果代入适应度函数，通过向同一权重函数集赋予一个调整因子，实现同一隐藏层的输出结果平均适应度最大。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种电机调速装置的控制方法，所述电机调速装置包括：
电机转速检测模块（1），用于检测电机的转速；
定子电流检测模块（2），用于检测定子电流；
转子电压检测模块（3），用于检测转子电压；
定子电流谐波失真度计算模块（4），用于计算定子电流的谐波失真度；
调速参数优化模块（5），用于根据电机的实时运行状态对调速参数进行优化；
反馈模块（6），用于对调速参数优化模块（5）进行反馈训练；
调速执行模块（7），根据优化后的调速参数对电机进行调速控制；
其特征在于包括以下步骤：
A、电机转速检测模块（1）、定子电流检测模块（2）和转子电压检测模块（3）分别检测电机的转速、定子电流和转子电压，定子电流谐波失真度计算模块（4）计算定子电流的谐波失真度；
B、调速参数优化模块（5）建立神经网络控制器，神经网络控制器包括一个输入层、三个隐藏层和第一输出层；
在三个隐藏层上分别设置有权重函数集，用于对每个节点赋予权重；
C、反馈模块（6）使用训练数据对神经网络控制器进行反馈训练；
对神经网络控制器进行反馈训练包括以下步骤，
C1、分别将定子电流、转子电压和定子电流的谐波失真度作为训练目标，使用电机转速构成训练数据集，对神经网络控制器进行迭代训练；
C2、迭代训练中，建立每次训练结果的满意度函数，满意度与转速偏差和相邻两次的训练数据偏差相关，根据满意度的变化对下一次训练的训练数据进行调整，提高下一次训练的满意度；
C3、迭代训练中，分别对三个隐藏层上的权重函数集进行优化；
对隐藏层上的权重函数集进行优化包括以下步骤，
C31、建立权重函数集与对应隐藏层中每个节点的适应度函数；
C32、每次迭代训练时，使用权重函数集对隐藏层中不同节点赋予权重值；
C33、将训练结果代入适应度函数，通过向同一权重函数集赋予一个调整因子，实现同一隐藏层的输出结果平均适应度最大；
D、调速参数优化模块（5）根据目标转速得到调速参数，并发送至调速执行模块（7）；
E、调速执行模块（7）根据收到的调速参数对电机进行调速控制。
CN202010490379.4A 2020-06-02 2020-06-02 一种电机调速装置及其控制方法 Active CN111525863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010490379.4A CN111525863B (zh) 2020-06-02 2020-06-02 一种电机调速装置及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010490379.4A CN111525863B (zh) 2020-06-02 2020-06-02 一种电机调速装置及其控制方法

Publications (2)

Publication Number Publication Date
CN111525863A CN111525863A (zh) 2020-08-11
CN111525863B true CN111525863B (zh) 2021-12-07

Family

ID=71911283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010490379.4A Active CN111525863B (zh) 2020-06-02 2020-06-02 一种电机调速装置及其控制方法

Country Status (1)

Country Link
CN (1) CN111525863B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112366998B (zh) * 2020-11-06 2023-04-07 珠海格力电器股份有限公司 电机控制方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201878079U (zh) * 2010-12-20 2011-06-22 青岛科技大学 一种龙门刨床的调速控制系统
CN103259479A (zh) * 2013-05-28 2013-08-21 江苏大学 一种永磁同步电机神经网络左逆状态观测方法
CN104836498A (zh) * 2015-04-21 2015-08-12 苏州德锐朗智能科技有限公司 一种基于人工神经网络的自整定pid发电机控制系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201878079U (zh) * 2010-12-20 2011-06-22 青岛科技大学 一种龙门刨床的调速控制系统
CN103259479A (zh) * 2013-05-28 2013-08-21 江苏大学 一种永磁同步电机神经网络左逆状态观测方法
CN104836498A (zh) * 2015-04-21 2015-08-12 苏州德锐朗智能科技有限公司 一种基于人工神经网络的自整定pid发电机控制系统

Also Published As

Publication number Publication date
CN111525863A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN111525863B (zh) 一种电机调速装置及其控制方法
CN105022269B (zh) 仿生机器鱼关节的控制方法及装置
CN105116733B (zh) 改良型粒子群寻优神经网络超声波电机控制系统及其方法
CN112883652B (zh) 考虑动态尾流的风电场有功功率离线预测控制器设计方法
CN109842342B (zh) 一种纯电动汽车用轮毂电机抗干扰智能控制器
CN105888971A (zh) 一种大型风力机叶片主动降载控制系统及方法
CN109190270A (zh) 一种基于apso-bp的双配重盘自动平衡控制方法
WO2021237910A1 (zh) 一种基于查表法的主动磁轴承控制器的构造方法
CN113266318B (zh) 一种基于自学习的有杆抽油机井冲次调节方法
CN104270046B (zh) 基于转速‑电流二维模糊模型自学习的电机控制方法
CN111146807A (zh) 极坐标下的变流器并网系统小干扰稳定性判断方法
CN108228977A (zh) 一种基于飞行状态参数的直升机振动特征折算方法
CN107370429B (zh) 无轴承永磁同步电机模糊神经网络逆解耦控制器
CN112072961A (zh) 一种基于anfis的无刷直流电机调速系统
CN115903457B (zh) 一种基于深度强化学习的低风速永磁同步风力发电机控制方法
CN117052596A (zh) 基于深度强化学习的风机偏航控制方法及系统
CN114757111B (zh) 一种基于数字孪生技术的智能装备健康管理方法
CN110601213A (zh) 风电经柔性直流外送近区的分解协调电压控制方法
CN114094896A (zh) 一种永磁同步电机的自构式t-s型模糊神经网络控制方法
CN109639207A (zh) 同步电动机节能模糊控制器方法
CN105223806B (zh) 基于基底函数网络的超声波电机模糊神经网络控制方法
CN108206533A (zh) 一种柔性直流输电系统逆变站控制参数整定方法
CN107294460A (zh) 一种电动自行车控制器软硬启动调整的控制方法
CN114221599B (zh) 一种交流电机调速系统及其控制方法
CN114520610A (zh) 伺服驱动器的电机参数自学习模糊控制方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211115

Address after: 221200 in Qingnian Road industrial concentration zone, Suining County, Xuzhou City, Jiangsu Province

Applicant after: Jiangsu Langsheng Laser Technology Co., Ltd

Address before: 071000 No. 30, zone 1, Fanhe village, qijiazuo Township, Tang County, Baoding City, Hebei Province

Applicant before: Li Jing

GR01 Patent grant
GR01 Patent grant