[發(fā)明專利]一種基于數(shù)據(jù)生成模型的異步電機(jī)參數(shù)在線辨識方法

有效

• 申請?zhí)枺?/td>: 201811119061.4
• 申請日: 2018-09-25
• 公開（公告）號: CN109167546B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 漆星;鄭常寶
• 申請（專利權(quán)）人: 安徽大學(xué)
• 主分類號: H02P21/14
• 分類號: H02P21/14
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 楊學(xué)明;顧煒

1.一種基于數(shù)據(jù)生成模型的異步電機(jī)參數(shù)在線辨識方法，其特征在于：所述的方法分為兩個(gè)階段：

階段1，離線訓(xùn)練階段，此階段的目標(biāo)為訓(xùn)練出一個(gè)轉(zhuǎn)矩預(yù)測模型，使得電機(jī)可以在任意給定狀態(tài)下預(yù)測出輸出轉(zhuǎn)矩的大小，從而保證了在線辨識階段，辨識出的參數(shù)值可以使得電機(jī)保持最優(yōu)轉(zhuǎn)矩電流比；在此階段下電機(jī)需在裝有轉(zhuǎn)矩傳感器的對拖臺架上帶載運(yùn)行；運(yùn)行時(shí)，記錄當(dāng)前時(shí)刻d-q軸電流i_d,i_q、d-q軸電壓u_d,u_q，記為{i_d^*,i_q^*,u_d^*,u_q^*}，作為訓(xùn)練集的輸入數(shù)據(jù)x^*；記錄當(dāng)前時(shí)刻輸出轉(zhuǎn)矩T_e，作為訓(xùn)練集的標(biāo)簽數(shù)據(jù)在不同時(shí)刻t記錄x^*和記為考慮不確定性，假設(shè)服從以x^*為自變量的高斯分布，因此可以高斯過程回歸，訓(xùn)練出在未知輸入x下輸出轉(zhuǎn)矩T_e的概率分布模型，記為：

其中表示高斯分布；

階段2，在線辨識階段，此階段的目的是使電機(jī)在運(yùn)行過程中可以在線的調(diào)整參數(shù)，使得電機(jī)保持最優(yōu)轉(zhuǎn)矩電流比；在此階段下電機(jī)運(yùn)行于實(shí)際工況中，首先采用基于模型的方法進(jìn)行參數(shù)辨識，記錄t時(shí)刻參數(shù)變化前的d-q軸電流、d-q軸電壓，記為x_t＝{i_dt,i_qt,u_dt,u_qt}，當(dāng)參數(shù)辨識值變化后，記錄變化后的參數(shù)辨識值θ_t，辨識的參數(shù)可以是定子電阻，轉(zhuǎn)子電阻，定轉(zhuǎn)子漏感以及激磁電感，以及參數(shù)變化后t+1時(shí)刻的d-q軸電流、d-q軸電壓，記為x_t+1＝{i_dt+1,i_qt+1,u_dt+1,u_qt+1}；假設(shè)x_t與x_t+1均服從高斯分布，使用高斯過程回歸，生成在x_t以及θ_t條件下x_t+1出現(xiàn)的概率模型p(x_t+1|x_t,θ_t)，同樣p(x_t+1|x_t,θ_t)也服從高斯分布，即(μ(x_t,θ_t),Σ(x_t,θ_t))；

最終目標(biāo)問題是在t時(shí)刻，觀測為x_t的條件下，如何選擇參數(shù)辨識值θ，使得在t+1時(shí)刻，轉(zhuǎn)矩T_e最大，記為argmax_θ(T_e|x_t,θ_t)，則首先要求出p(T_e|x_t,θ_t)的分布；由統(tǒng)計(jì)學(xué)知識得：

p(T_e|x_t,θ_t)＝∫p(T_e|x_t+1)p(x_t+1|x_t,θ_t)dx_t+1 (2)

其中p(T_e|x_t+1)由階段1算得，p(x_t+1|x_t,θ_t)由階段2算得；

計(jì)算出p(T_e|x_t,θ)后，取p(T_e|x_t,θ)均值μ(x_t,θ_t)，并令：

即可計(jì)算出參數(shù)辨識值；

經(jīng)過若干次計(jì)算后，將基于模型方法切換為數(shù)據(jù)生成模型，即可完成在線辨識。