[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

本發明使用神經網絡來檢測轉子位置，是為了將位置檢測的計算速度提高，其利用BP神經網絡擬合非線性函數的特性，直接輸入采集到電機的三相電流，經規格化后傳輸到神經網絡輸入端，使用ReLU變體函數作為本發明神經網絡的激活函數，并采用在線訓練方式，進行神經網絡權值更新，添加可變學習率，防止出現BP神經網絡常見的過擬合問題，最終達到經神經網絡訓練的輸出函數更逼近真實輸出函數，使得轉子位置檢測更加的精準。

技術領域

本發明涉及永磁同步電機的控制系統，基于神經網絡的轉子位置檢測方法的技術領 域，具體來說，涉及以電機三相電流作為輸入，通過神經網絡運算直接得到轉子電角度的方法。

背景技術

在永磁同步電機(PMSM)的控制系統中，轉子的位置計算是一個重要環節。傳統 的轉子位置計算一般分為有傳感器(有感)和無傳感器(無感)的位置計算。有傳感器的 位置計算一般依靠如霍爾傳感器，旋轉編碼器等方式進行位置檢測，以此進行位置檢測。 無傳感器的位置計算一般通過分析電機模型，通過采集電機三相電流，并使用一定算法 進行轉子位置檢測。使用霍爾傳感器能夠將轉子位置的大致角度返回給控制系統，由于 轉子角度不夠精確，所以有許多基于霍爾傳感器的位置計算方法出現。使用旋轉編碼器 可以很容易的進行轉子位置檢測，如常見的2500線增量式旋轉編碼器可以通過對兩相 輸入進行異或運算得到4倍的精度，也就是每一格為360°/(2500*4)。

近年來PMSM的無傳感器控制研究已經成為主流，發展出了很多基于電流采樣的無傳感器算法。如使用滑模觀測器和角度補償的無傳感器算法，使用鎖相環對轉子磁鏈位 置進行跟蹤，利用表貼式永磁同步電機的凸極效應進行高頻注入，并對相電流進行濾波 來檢測轉子位置的技術。

基于神經網絡的位置檢測是目前業界的發展趨勢，神經網絡模擬人類神經元的特性，通過改變不同神經元對輸入信號的激活特性來改變輸出結果。單個神經元的結構比 較簡單，可以實現的功能有限，但通過將不同神經元之間相互聯系，可以將實現許多強 大的功能，如提取數據特征、分類以及模擬非線性函數等。

神經網絡是由單個神經元使用不同連接方式互聯而成的，根據連接方式的不同，可 以分為層次型拓撲結構和互聯型拓撲結構。如常見的誤差反向傳播神經網絡(BPNN) 就是一種層次型拓撲結構的神經網絡。

神經網絡訓練有多種方法，常見的訓練方式分為有監督型的訓練方法和無監督型的 訓練方法。其中有監督型訓練方式可以通過訓練和學習建立輸入與輸出之間的關系，建立這種關系幾乎不需要受到人為干預，甚至避免了大量的建模工作。對于某些不易于獲 取訓練樣本的應用，且對擬合度要求不太高，只要求監測狀態的應用場合，適用于無監 督型的訓練方法。由于在電機轉子位置檢測當中，需要得到比較精確的轉子電角度，即 通過特定輸入量，擬合出特定輸出量，因此適合使用有監督型的訓練方式。

由于電機轉速、電機負載、干擾等會隨著時間變化，如果使用離線時訓練的神經網絡，很可能會造成實際系統與建模時訓練的系統不同，造成神經網絡的輸出誤差增加, 因此使用在線訓練可以實時調整神經網絡的權值和輸出，達到減小誤差的效果。若要使 得神經網絡正確提取系統的特征，需要獲得系統處于穩定運行環境下時的輸入輸出量作 為訓練樣本。

近年來，在無傳感器轉子位置檢測領域使用神經網絡的算法時有出現，如《基于神經網絡的無刷直流電機轉子位置估計》中使用神經網絡來產生BLDC六步換相扇區號 的算法，但缺點是扇區號為階躍函數，其神經網絡輸出在階躍點附近區域會產生不確定 輸出，還有《基于神經網絡觀測器的PMSM無傳感器矢量控制》中透過輸入三相電流至 神經網絡來導出反電動勢的算法，并不能直接得出轉子位置。

發明內容

本發明基于神經網絡轉子位置檢測在確保精度損失在可接受范圍內的情況下，提高 位置計算速度。

本發明所解決的技術問題可以采用以下技術方案實現：