[發(fā)明專利]一種基于數(shù)據(jù)生成模型的異步電機參數(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）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

本發(fā)明公開了一種基于數(shù)據(jù)生成模型的異步電機參數(shù)在線辨識方法。該方法融合了基于模型的辨識方法和基于數(shù)據(jù)的辨識方法的優(yōu)點，整體思路為：①，首先通過離線數(shù)據(jù)建立輸出轉(zhuǎn)矩與狀態(tài)間的概率模型，②，在線辨識過程中，將基于模型的辨識方法作為“數(shù)據(jù)產(chǎn)生器”，再采用基于數(shù)據(jù)的方法，結(jié)合①中的轉(zhuǎn)矩概率模型，進行電機參數(shù)的在線辨識，最終得到電機參數(shù)辨識值的概率模型。本發(fā)明提出的方法的優(yōu)點在于：辨識過程中，訓(xùn)練數(shù)據(jù)集很容易獲得；辨識的參數(shù)不受模型誤差的影響；辨識的參數(shù)使電機在運行中保持最優(yōu)轉(zhuǎn)矩電流比；辨識的參數(shù)考慮了電機運行過程中的不確定性，具有很高的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及電機控制技術(shù)領(lǐng)域，特別涉及一種基于數(shù)據(jù)生成模型的異步電機參數(shù)在線辨識方法。

背景技術(shù)

異步電機在運行過程中，輸出特性會隨著內(nèi)部參數(shù)的變化而改變。因此，有必要在電機運行的過程中，在線的對其參數(shù)進行辨識。傳統(tǒng)的異步電機參數(shù)方法大多是基于電機的電壓-電流動力學(xué)模型或等效電路模型，稱為基于模型的方法，如模型參考自適應(yīng)法(MRAS)、滑模觀測器法(SMO)以及線性最小二乘法(LSM)等等。然而，基于模型的方法具有如下缺點：

1)參數(shù)的辨識精度和辨識收斂性極大的依賴于電機的等效模型，容易受到噪聲和模型穩(wěn)定性的影響。因此，在某些極端工況下(例如極低速、高速弱磁等)，存在著辨識精度低，魯棒性差等缺點。

2)只能辨識出參數(shù)的物理值，然而，在一些情況下，這些參數(shù)的物理值并不能使電機運行在最優(yōu)狀態(tài)。例如，在使用間接矢量控制方法對電機進行控制時，為了保證轉(zhuǎn)矩電流比最優(yōu)，有時會人為的過估計或欠估計電機的轉(zhuǎn)子時間常數(shù)，而并非使用轉(zhuǎn)子時間常數(shù)的物理值。

3)電機在運行的過程中，參數(shù)的變化會經(jīng)常受到各種不確定因素的影響，例如溫度，濕度，振動，老化等等。然而，基于模型的辨識方法大多使用簡化的等效模型，并沒有考慮上述不確定性因素，因此，隨著電機運行過程中不確定性因素的增多，辨識值與實際值之間的偏差會越來越大。

針對基于模型方法的上述缺點，學(xué)者和工程人員提出了一系列基于實測數(shù)據(jù)的電機參數(shù)辨識方法。如基于支持向量機的辨識方法(SVM)、基于粒子群優(yōu)化的辨識方法(PSO)以及基于深度Q學(xué)習(xí)的辨識方法(DQL)等。此類方法不使用電機的等效模型，而是完全依賴于實測數(shù)據(jù)，因此不會受到模型誤差的制約，具有更高的精確性和魯棒性。然而，這類方法同樣也存在一些缺陷：

1)基于數(shù)據(jù)的方法需要大量的帶有標(biāo)簽的數(shù)據(jù)進行訓(xùn)練，此類數(shù)據(jù)的獲取較為困難。

2)訓(xùn)練的過程為離線運行，和基于模型的方法一樣，無法消除在線運行時各種不確定性因素的影響。因此，僅僅適用于電機參數(shù)的離線辨識。

發(fā)明內(nèi)容

針對上述兩類方法的缺陷，本發(fā)明提出了一種基于數(shù)據(jù)生成模型的異步電機參數(shù)在線辨識方法，該方法的思路為：在電機的運行過程中使用基于模型的方法實時產(chǎn)生訓(xùn)練數(shù)據(jù)，再使用該訓(xùn)練數(shù)據(jù)實時地生成一個概率模型。最后，通過生成的概率模型進行電機參數(shù)的辨識。

本發(fā)明采用的技術(shù)方案為：一種基于數(shù)據(jù)生成模型的異步電機參數(shù)在線辨識方法，本發(fā)明所述的方法分為兩個階段：