[發明專利]一種基于神經網絡的超高速永磁同步電機速度觀測方法

有效

• 申請號: 201710838915.3
• 申請日: 2017-09-18
• 公開（公告）號: CN107681937B
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 郭健;洪宇;吳益飛;薛舒嚴;錢抒婷;沈宏麗;周夢蘭;林立斌;黃迪;王天野
• 申請（專利權）人: 南京理工大學
• 主分類號: H02P21/13
• 分類號: H02P21/13;H02P21/18;H02P21/00
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 孟睿

本發明涉及一種基于神經網絡的超高速永磁同步電機速度觀測方法。本發明方法將速度估計方程離散化，將離散線性方程帶入三層動態遞歸神經網絡計算轉速估計值和轉子角度估計值，通過電流估計誤差修正轉子角度估計值，然后繼續帶入遞歸神經網絡進行運算，最終在超高速永磁電機的動態運行過程中實時估計電機轉速。本發明方法實現了無傳感器轉速觀測，同時提高了電機的轉速控制精度。

技術領域

本發明屬于電機控制技術領域，具體涉及一種基于神經網絡的無傳感器電機速度觀測方法。

背景技術

超高速永磁電機在現代社會的廣泛應用，引起了國內外眾多學者和機構對其進行研究。超高速永磁同步電機(PMSM)具有體積小、重量輕、功率密度高、可靠性高、動態響應性能好等優點，因此，在工業制造、醫療、能源、船舶和國防領域，超高速PMSM應用前景十分廣闊，如可應用于工業超高速銑削加工技術、醫療超高速離心機、離心式空氣壓縮機等。

在超高速PMSM的控制系統中，速度檢測必不可少。但是通過安裝編碼器等機械式傳感器來測量速度會存在很多弊端。例如，電機空間尺寸大、功率密度小，增加連接元件使抗干擾能力變差，機械式傳感器精度易受電磁干擾、溫度、濕度、振動的影響。因此，超高速PMSM控制系統中采用無傳感器技術，以實現高精度、高動態性能的速度控制。

在研究PMSM的無傳感器控制技術的過程中，出現了許多種估算轉子位置、速度的策略，如直接計算法、模型參考自適應法、觀測器法、人工智能算法等。直接計算、模型參考自適應、觀測器等方法，都依賴于PMSM的非線性數學模型和內部參數，這些方法存在對電機參數和負載擾動的自適應問題以及對測量噪聲的敏感性問題。人工智能算法在超高速PMSM無位置傳感器控制的應用中尚處于起步階段，該方法通過模仿、跟隨和學習等手段，對非線性系統動靜態特征進行辨識，具有較高的逼近能力和自適應、自學習特性。

神經網絡在解決非線性和不確定系統控制方面具有巨大潛力，可以為超高速PMSM的轉速、位置觀測開辟新的方向。通過學習和訓練，神經網絡可以充分逼近未知非線性對象的動態特性，只要應用神經網絡辨識了系統的動態特性，就可以結合傳統控制技術來實現超高速PMSM的高精度控制。

發明內容

本發明的目的在于提供一種基于神經網絡的超高速永磁同步電機速度觀測方法，實現無傳感器轉速觀測，可以提高電機的轉速控制精度、保證電機運行的穩定性。

實現本發明目的的技術解決方案為：一種基于神經網絡的無傳感器電機速度觀測方法，步驟如下：

步驟1、檢測電機母線端，讀取k時刻的三相電流i_a(k)、i_b(k)、i_c(k)以及三相電壓u_a(k)、u_b(k)、u_c(k)，經過Clark變換得到k時刻α-β兩相靜止坐標系下的電流i_α(k)、i_β(k)和電壓u_α(k)、u_β(k)；

步驟2、將k時刻α-β兩相靜止坐標系下的電流i_α(k)、i_β(k)和電壓u_α(k)、u_β(k)以及k-1時刻的轉子轉速估計值和轉子角度估計值作為輸入量送三層動態遞歸神經網絡轉子轉速估計模塊，估計k時刻的轉子轉速，得到k時刻的轉子轉速一步預估值

步驟3、對k時刻轉子轉速一步預估值在一個采樣周期Ts上積分，并與k-1時刻的轉子角度求和，得到k時刻的轉子角度一步預估值