CN116155145A - 一种基于神经网络的电机转子位置的补偿方法及装置 - Google Patents
一种基于神经网络的电机转子位置的补偿方法及装置 Download PDFInfo
- Publication number
- CN116155145A CN116155145A CN202211726967.9A CN202211726967A CN116155145A CN 116155145 A CN116155145 A CN 116155145A CN 202211726967 A CN202211726967 A CN 202211726967A CN 116155145 A CN116155145 A CN 116155145A
- Authority
- CN
- China
- Prior art keywords
- rotor
- angle value
- motor
- motor rotor
- neural network
- 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
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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/14—Electronic commutators
- H02P6/16—Circuit arrangements for detecting position
-
- 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
- H02P23/0004—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
-
- 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
- H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- 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
- H02P23/0077—Characterised by the use of a particular software algorithm
-
- 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
- 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
-
- 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
-
- 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
- H02P2203/00—Indexing scheme relating to controlling arrangements characterised by the means for detecting the position of the rotor
- H02P2203/03—Determination of the rotor position, e.g. initial rotor position, during standstill or low speed operation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种基于神经网络的电机转子位置的补偿方法及装置,方法包括:获取电机转子在多种预设转速下的标定值以及实测角度值;将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;依据所述第一转子模型获取电机转子标准角度值;通过转子角度值自学习算法对所述电机转子的实测角度值进行修正。本发明确定了转子实测角度值与标准角度值的映射模型,能够在电机全速度范围内获取转子的准确位置,提高了获取转子位置的精度。通过转子角度值自学习算法对计算出的电机转子实测角度值进行修正,避免转子角度偏移误差补偿过度或不足,进一步提高了获取转子角度值的精确性。
Description
技术领域
本发明涉及电机检测和控制技术领域,尤其涉及一种基于神经网络的电机转子位置的补偿方法及装置。
背景技术
在永磁同步电机的使用过程中,转子位置的精确检测是对其实现高精度控制的前提,永磁同步电机采用电子换向,因此转子的位置信息直接影响着电机速度、位置控制的精度和动态性能,转子的位置精度关系着电机能否实现高精度控制。
现在普遍采用的是旋转变压器测量电机的位置,但是这种测量方案会因为通讯信号的延时、模拟信号到数字信号的解析过程以及调制频率等等一系列的因素,导致电机的零位即便很准确,在电机较高转速下仍会产生位置的测量偏差,速度越高测量的误差值也就越来越大,将严重影响电机在高转速下的控制性能。由此产生的小角度偏差在实际运行过程中表现为抖动、动力输出不平顺等现象,会严重影响车上人员的驾乘感受。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种基于神经网络的电机转子位置的补偿方法解决目前电机转测测量方法在高转速下仍会产生位置的测量偏差,速度越高测量的误差值也就越大,将严重影响电机在高转速下的控制性能的问题。
为解决上述技术问题,本发明提供如下技术方案:
第一方面,本发明提供了一种基于神经网络的电机转子位置的补偿方法,其特征在于,包括:
获取电机转子在多种预设转速下的标定值以及实测角度值;
将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
依据所述第一转子模型获取电机转子标准角度值;
通过转子角度值自学习算法对所述电机转子的实测角度值进行修正。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述标定值获取过程包括,
将电机转速按照顺序设置为v、2v、3v…nv,其中,n为正整数;
采用电流模式,设定一个固定电流,调节电流角度,使电机扭矩为0,记录每种转速下的电机转子标定值;
所述实测角度值获取过程包括,
依据所述电机转速,基于最小二乘法的拟合函数计算得到的电机转子实测角度值,表示为:
y=a0+a1x
其中,x代表电机转速,y代表电机转子实测角度值,a0和a1代表任意值。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述第一转子模型包括,
将电机转子的实测角度值作为输入,标定角度值作为输出;
获得实测角度值与标定角度值的映射关系。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述依据所述第一转子模型获取电机转子标准角度值,包括,
将新的实测转子角度值S1导入第一转子模型;
经过第一转子模型训练后从而获取电机转子标准角度值S2。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述转子角度值自学习算法,包括,
每间隔时间X,计算获取转子的实测角度值S1,同时获取对应的转子准确角度值S2;
设置转子位置偏移量的允许偏差S0;
对实测角度值S1与转子准确角度值S2的差值进行判断。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述判断包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值小于允许偏差S0,则继续运行。
作为本发明所述的基于神经网络的电机转子位置的补偿方法的一种优选方案,其中:所述判断还包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值大于允许偏差S0,则进行转子角度修正,将电机转子角度修正为转子准确角度值S2。
第二方面,本发明提供了一种基于神经网络的电机转子位置的补偿的装置,包括,
第一获取模块,用于获取电机转子在多种预设转速下的标定值以及实测角度值;
训练模块,用于将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
第二获取模块,用于依据所述第一转子模型获取电机转子标准角度值;
修正模块,用于通过转子角度值自学习算法对所述电机转子的实测角度值进行修正。
第三方面,本发明提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现所述基于神经网络的电机转子位置的补偿方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现基于神经网络的电机转子位置的补偿方法的步骤。
与现有技术相比,本发明的有益效果:本发明能够通过拟合函数得出电机转速与电机转子实测角度值的关系,从而可以实时确定转子实测角度,再利用神经网络训练,确定了转子实测角度值与标准角度值的映射模型,能够再电机全速度范围内获取转子的准确位置,提高了获取转子位置的精度。通过转子角度值自学习算法对计算出的电机转子实测角度值进行修正,避免转子角度偏移误差补偿过度或不足,进一步提高了获取转子角度值的精确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例所述的基于神经网络的电机转子位置的补偿方法的整体流程示意图;
图2为本发明一个实施例所述的基于神经网络的电机转子位置的补偿方法的中转子角度值自学习算法流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”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和简化描述,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。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1-2,为本发明的一个实施例,提供了一种基于神经网络的电机转子位置的补偿方法,包括:
S1:获取电机转子在多种预设转速下的标定值以及实测角度值;
更进一步的,标定值获取过程包括,
将电机转速按照顺序设置为v、2v、3v…nv,其中,n为正整数;
采用电流模式,设定一个固定电流,调节电流角度,使电机扭矩为0,记录每种转速下的电机转子标定值;
应说明的是,标定值获取过程可将电机放置在实验台架上,固定电流通过上位机给定。
实测角度值获取过程包括,
依据电机转速,基于最小二乘法的拟合函数计算得到的电机转子实测角度值,表示为:
y=a0+a1x
其中,x代表电机转速,y代表电机转子实测角度值,a0和a1代表任意值。
应说明的是,采用与标定值相对应的电机转速测实测角度值,便于将两种情况下测得的电机转子角度一一对应上。
S2:将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
更进一步的,第一转子模型包括,
将电机转子的实测角度值作为输入,标定角度值作为输出;
获得实测角度值与标定角度值的映射关系。
应说明的是,神经网络类型可为BP神经网络或卷积神经网络等多种类型。
S3:依据第一转子模型获取电机转子标准角度值;
更进一步的,依据第一转子模型获取电机转子标准角度值,包括,
将新的实测转子角度值S1导入第一转子模型;
经过第一转子模型训练后从而获取电机转子标准角度值S2。
应说明的是,选择实测角度值和标准角度值首先是对应关系,其次得到两者的函数模型后,就可以利用实测转子角度值确定标准角度值。
S4:参照图2,通过转子角度值自学习算法对电机转子的实测角度值进行修正。
更进一步的,转子角度值自学习算法,包括,
每间隔时间X,计算获取转子的实测角度值S1,同时获取对应的转子准确角度值S2;
设置转子位置偏移量的允许偏差S0;
对实测角度值S1与转子准确角度值S2差值进行判断。
更进一步的,判断包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值小于允许偏差S0,则继续运行。
更进一步的,判断还包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值大于允许偏差S0,则进行转子角度修正,将电机转子角度修正为转子准确角度值S2。
应说明的是,转子位置偏移量的允许偏差S0是确定且固定的,因此需要设定满足或不满足两种情况进行判断是否需要修正。
上述为本实施例的一种基于神经网络的电机转子位置的补偿方法的示意性方案。需要说明的是,该基于神经网络的电机转子位置的补偿装置的技术方案与上述的基于神经网络的电机转子位置的补偿方法的技术方案属于同一构思,本实施例中基于神经网络的电机转子位置的补偿装置的技术方案未详细描述的细节内容,均可以参见上述基于神经网络的电机转子位置的补偿方法的技术方案的描述。
本实施例中基于神经网络的电机转子位置的补偿装置,包括:
第一获取模块,用于获取电机转子在多种预设转速下的标定值以及实测角度值;
训练模块,用于将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
第二获取模块,用于依据第一转子模型获取电机转子标准角度值;
修正模块,用于通过转子角度值自学习算法对电机转子的实测角度值进行修正。
本实施例还提供一种计算设备,包括,存储器和处理器;存储器用于存储计算机可执行指令,处理器用于执行计算机可执行指令,实现如上述实施例提出的隐身环境下实现基于神经网络的电机转子位置的补偿方法。
本实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例提出的基于神经网络的电机转子位置的补偿方法。
本实施例提出的存储介质与上述实施例提出的实现基于神经网络的电机转子位置的补偿方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例与上述实施例具有相同的有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(ReadOnly,Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
实施例2
参照表1,为本发明的一个实施例,提供了一种基于神经网络的电机转子位置的补偿方法,为了验证其有益效果,提供了两种方案的对比结果。
表1 对比表
传统方法 | 本发明方法 | |
转子位置精准度 | 约75.8% | 约90.3% |
适宜电机速度范围 | 部分速度,中间速度 | 全部速度 |
转子角度精准度 | 约79.2% | 约93.3% |
由表1可知,我方技术方案在转子位置和转子角度精准度的测量上都具有很大的提升,通过拟合函数得出电机转速与电机转子实测角度值的关系,从而可以实时确定转子实测角度,再利用神经网络训练,确定了转子实测角度值与标准角度值的映射模型,能够再电机全速度范围内获取转子的准确位置,提高了获取转子位置的精度。通过转子角度值自学习算法对计算出的电机转子实测角度值进行修正,避免转子角度偏移误差补偿过度或不足,进一步提高了获取转子角度值的精确性。并且我方适用于全速度范围,相比之前的检测方式能够更快速更精确的检测。
应说明的是,以上实施例仅用于说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于神经网络的电机转子位置的补偿方法,其特征在于,包括:
获取电机转子在多种预设转速下的标定值以及实测角度值;
将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
依据所述第一转子模型获取电机转子标准角度值;
通过转子角度值自学习算法对所述电机转子的实测角度值进行修正。
2.如权利要求1所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述标定值获取过程包括,
将电机转速按照顺序设置为v、2v、3v…nv,其中,n为正整数;
采用电流模式,设定一个固定电流,调节电流角度,使电机扭矩为0,记录每种转速下的电机转子标定值;
所述实测角度值获取过程包括,
依据所述电机转速,基于最小二乘法的拟合函数计算得到的电机转子实测角度值,表示为:
y=a0+a1x
其中,x代表电机转速,y代表电机转子实测角度值,a0和a1代表任意值。
3.如权利要求1或2所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述第一转子模型包括,
将电机转子的实测角度值作为输入,标定角度值作为输出;
获得实测角度值与标定角度值的映射关系。
4.如权利要求3所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述依据所述第一转子模型获取电机转子标准角度值,包括,
将新的实测转子角度值S1导入第一转子模型;
经过第一转子模型训练后从而获取电机转子标准角度值S2。
5.如权利要求4所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述转子角度值自学习算法,包括,
每间隔时间X,计算获取转子的实测角度值S1,同时获取对应的转子准确角度值S2;
设置转子位置偏移量的允许偏差S0;
对实测角度值S1与转子准确角度值S2的差值进行判断。
6.如权利要求5所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述判断包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值小于允许偏差S0,则继续运行。
7.如权利要求6所述的基于神经网络的电机转子位置的补偿方法,其特征在于,所述判断还包括,
若实测角度值S1与转子准确角度值S2的差值的绝对值大于允许偏差S0,则进行转子角度修正,将电机转子角度修正为转子准确角度值S2。
8.一种基于神经网络的电机转子位置的补偿装置,其特征在于,包括,
第一获取模块,用于获取电机转子在多种预设转速下的标定值以及实测角度值;
训练模块,用于将标定值和实测角度值一一对应至神经网络进行训练,获得第一转子模型;
第二获取模块,用于依据所述第一转子模型获取电机转子标准角度值;
修正模块,用于通过转子角度值自学习算法对所述电机转子的实测角度值进行修正。
9.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于神经网络的电机转子位置的补偿方法的步骤。
10.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于神经网络的电机转子位置的补偿方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211726967.9A CN116155145A (zh) | 2022-12-30 | 2022-12-30 | 一种基于神经网络的电机转子位置的补偿方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211726967.9A CN116155145A (zh) | 2022-12-30 | 2022-12-30 | 一种基于神经网络的电机转子位置的补偿方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116155145A true CN116155145A (zh) | 2023-05-23 |
Family
ID=86351936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211726967.9A Pending CN116155145A (zh) | 2022-12-30 | 2022-12-30 | 一种基于神经网络的电机转子位置的补偿方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116155145A (zh) |
-
2022
- 2022-12-30 CN CN202211726967.9A patent/CN116155145A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104052358B (zh) | 用以控制无刷电动机的电流基准的生成 | |
CN107919830B (zh) | 一种电机位置传感器的标定方法及装置 | |
KR950010191B1 (ko) | 유도전동기의 회전자저항 추정장치 | |
CN110943661B (zh) | 一种转子磁场定向偏差在线校正方法和装置 | |
CN106837837B (zh) | 直流风机的控制方法及控制系统 | |
CN112946560B (zh) | 电能表校准方法、装置、电能表及电能表系统 | |
BR102012025991A2 (pt) | Método e sistema para estimar ângulo do rotor de uma máquina elétrica | |
JP2012519464A (ja) | 永久磁石励磁形同期機械の回転子シャフトの位置を、電流信号と電圧信号に基づいて角度センサなしで決定する方法および装置 | |
CN111106764B (zh) | 一种正余弦编码器校正方法和系统 | |
CN115355937B (zh) | 磁性编码器的自校准方法及电机 | |
CN110581681A (zh) | 永磁同步电机位置传感器的零位标定方法、装置 | |
CN113972860B (zh) | 一种电机转子位置的补偿方法及电子设备 | |
CN106788056B (zh) | 电机定子电阻的在线辨识方法、装置和电机控制系统 | |
JP3665733B2 (ja) | レゾルバの位相誤差補正方法及び装置 | |
CN111082725A (zh) | 磁旋转编码器角度补偿方法、补偿系统和电机 | |
CN112701983B (zh) | 基于线性霍尔传感器的转子角度校准方法和装置 | |
CN116155145A (zh) | 一种基于神经网络的电机转子位置的补偿方法及装置 | |
CN110530618B (zh) | 一种动力系统扭矩测量装置及方法 | |
CN113992102B (zh) | 永磁同步电机扭矩的控制方法、装置、介质、电子设备 | |
US20040060348A1 (en) | Method for detecting the magnetic flux the rotor position and/or the rotational speed | |
CN111726050B (zh) | 确定永磁同步电机的铁损的方法及装置 | |
CN114157186A (zh) | 一种永磁同步电机的电角度标定方法、评价方法及其系统 | |
KR20180038656A (ko) | 교류전동기의 회전자 위치보정 방법 및 그 장치 | |
CN112782425A (zh) | 一种激光捷联惯组的加速度测量通道温度补偿方法及系统 | |
CN113726247B (zh) | 一种永磁电机定子磁链检测方法、转矩检测方法及其装置 |
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 |