[發明專利]基于神經網絡的轉子位置檢測方法

在審

• 申請號: 201910247543.6
• 申請日: 2019-03-29
• 公開（公告）號: CN111835257A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 嚴偉;王曉軍;陳融;呂浩;方華斌
• 申請（專利權）人: 上海華虹摯芯電子科技有限公司
• 主分類號: H02P21/18
• 分類號: H02P21/18;H02P21/00
• 代理公司: 上海浦一知識產權代理有限公司 31211
• 代理人: 戴廣志

1.一種基于神經網絡的轉子位置檢測方法，其特征在于：利用誤差反向傳播神經網絡擬合非線性函數的特性，直接輸入采集到的電機三相電流，經規格化后傳輸至神經網絡輸入端，并使用誤差反向傳播算法進行在線訓練，使得神經網絡直接輸出電機轉子當前電角度θ的正弦值sinθ和余弦值cosθ。

2.如權利要求1所述的基于神經網絡的轉子位置檢測方法，其特征在于：對直接采樣得到的電機三相電流由于其電流大小和方向均在很大范圍內波動，因此不能直接作為神經網絡的輸入，需要對其進行規格化，以優化神經網絡的輸入。

3.如權利要求1或2所述的基于神經網絡的轉子位置檢測方法，其特征在于：所述的規格化是采用電流規格化模塊將采集的電機三相電流規格化至[-a,a]范圍之間，a的取值范圍為0a≤1，優化神經網絡的輸入，易于神經網絡歸納輸入與輸出之間的關系，提高學習效果。

4.如權利要求1所述的基于神經網絡進行轉子位置檢測方法，其特征在于：所述神經網絡采用激活函數擬合非線性函數，所述激活函數采用ReLU變體函數,正半軸間采用非線性的二次函數，加強非線性函數的擬合；負半軸采用低斜率的一次函數，防止神經網絡死亡。

5.如權利要求4所述的基于神經網絡進行轉子位置檢測方法，其特征在于：所述的ReLU變體函數為：

6.如權利要求1所述的基于神經網絡進行轉子位置檢測方法，其特征在于：所述的誤差反向傳播算法，具體為：

定義計算誤差次數p_MGD變量，單次誤差為Es，E_MGD是每經過p_MGD變量的誤差，p_MGD為小批量訓練參數：

定義可變學習率k，隨著神經網絡的輸出函數逼近實際輸出函數，學習率k值會自適應變化：

Wi＝Wi-k*dWi

其中dWi為總誤差Etotal對Wi的偏導。

7.如權利要求6所述的基于神經網絡進行轉子位置檢測方法，其特征在于：每次計算出誤差后，與上一次誤差進行比較，若比上一次誤差大，則判斷當前誤差是否遠大于原本誤差；若為“是”，則可能為噪聲或干擾輸入，跳過這一次誤差更新和k值更新；若為“否”，則更新誤差而不更新學習率k；若當前誤差比上一次誤差小，則進一步判斷當前誤差是否遠小于原本誤差，若為“是”，則將學習率減半；若為“否”，則將學習率減小為原來的0.9倍。