[發明專利]一種基于NLMS算法的永磁同步電機參數在線辨識方法

在審

• 申請號: 202010114865.6
• 申請日: 2020-02-25
• 公開（公告）號: CN111313774A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 游林儒;梁百泉;文小琴
• 申請（專利權）人: 華南理工大學
• 主分類號: H02P6/34
• 分類號: H02P6/34;H02P21/00;H02P21/14
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 馮炳輝

1.一種基于NLMS算法的永磁同步電機參數在線辨識方法，其特征在于，包括以下步驟：

1)構建Adaline神經網絡辨識系統，采用NLMS算法對Adaline神經網絡辨識系統的權值進行更新；

2)考慮逆變器非線性因素，構建永磁同步電機控制系統的離散域數學模型，結合步驟1)中Adaline神經網絡辨識系統的辨識原理，簡化永磁同步電機控制系統的離散域數學模型，得到分別用于迭代計算電機定子電阻、電感、轉子磁鏈的辨識方程；

3)由步驟2)得到的電機定子電阻、電感、轉子磁鏈的辨識方程計算得到Adaline神經網絡辨識系統的各個矢量，構建基于NLMS算法的參數辨識器，用于辨識電機定子電阻、電感、轉子磁鏈的值。

2.根據權利要求1所述的一種基于NLMS算法的永磁同步電機參數在線辨識方法，其特征在于：在步驟1)中，所述Adaline神經網絡辨識系統稱為自適應性神經網絡辨識系統，其輸入和輸出關系如下式：

y＝WX＝∑W_iX_i (1)

式中：X、y、W分別是自適應線性神經網絡辨識系統的輸入、輸出和權值，W_i、X_i分別是權值和輸入的第i個分量；在該自適應線性神經網絡辨識系統中，采用NLMS算法進行迭代更新權值，辨識系統方程如下：

式中：X(k)、y(k)、W(k)為第k個采樣時刻自適應線性神經網絡辨識系統的輸入矢量、輸出矢量和權值矢量；d(k)是第k次采樣的期望輸出矢量；ε(k)是自適應線性神經網絡辨識系統輸出與期望輸出的偏差；W(k+1)為第k+1個采樣時刻的權值矢量；X^T(k)為輸入信號X(k)的轉置矩陣；η為權值計算的步長，取值范圍是0＜η＜2；δ是為了防止輸入矢量X(k)的內積過小導致權值步長變化過大而引入的小整數，取0.0001；通過不停的迭代計算，每次迭代根據目標輸出值及Adaline神經網絡辨識系統輸出的偏差ε(k)，采用NLMS算法更新權值矢量W(k+1)，并且繼續進行迭代計算，直到ε(k)小于要求值。

3.根據權利要求1所述的一種基于NLMS算法的永磁同步電機參數在線辨識方法，其特征在于：在步驟2)中，所述考慮逆變器非線性因素是指忽略表貼式永磁同步電機的磁飽和以及鐵損耗；所述Adaline神經網絡辨識系統的辨識原理是指分別將電機定子電阻、電感、轉子磁鏈作為Adaline神經網絡辨識系統的權值矢量進行迭代計算；所述電機定子電阻、電感、轉子磁鏈的辨識方程由以下步驟求得：

2.1)永磁同步電機在d-q同步旋轉坐標系下的電壓方程為：

式中：u_d、u_q分別是定子電壓的d、q軸分量；i_d、i_q分別是定子電流的d、q軸分量；R為定子繞組的電阻；L_s為電機電感；ω為電機的電角速度；Ψ_m為轉子磁鏈幅值；

2.2)在考慮逆變器非線性因素時，式(3)的離散域數學模型為：

其中，

式中：V_dead為考慮逆變器非線性因素的等效補償電壓；k為采樣次數；θ為轉子位置；i_as、i_bs、i_cs為電機三相電流；D_d(k)函數是均值為0的6次諧波；D_q(k)是含有直流分量的6次諧波，函數sgn(i)的定義為：

電機在起動到轉速穩定的短時間階段，定子電阻不會發生大變化，注入d軸電流可實現電機定子電阻的初步辨識；

2.3)當電機轉速為0時，即ω＝0，注入d軸電流，式(4)簡化為：

式中：u_d0(k)、u_q0(k)和i_d0(k)、i_q0(k)分別為電機靜止狀態下第k次采樣得到d、q軸電壓和電流；對式(7)進行變換，消除誤差電壓得到：

u_d0(k)D_q0(k)-u_q0(k)D_d(k)＝Ri_d0(k)D_q(k)-Ri_q0(k)D_d(k) (8)

定子電阻通過式(8)進行初步辨識；

2.4)在i_d＝0的控制策略下，式(4)簡化為：

對式(9)中的第一個方程進行平均得到：

式中：分別是u_d(k)、ω(k)、i_q(k)經過濾波后的直流分量；D_d(k)是均值為0的6次諧波，V_deadD_d(k)的直流分量為0；式(10)中不含誤差電壓且其未知參數只有L_s，將式(10)用作迭代計算電感的辨識方程；

2.5)對式(7)中第二個方程進行變換，消除誤差電壓得到：

u_d(k)D_q(k)-u_q(k)D_d(k)＝-L_sω(k)i_q(k)D_q(k)-Ri_q(k)D_d(k)-ψ_mω(k)D_d(k) (11)

式(11)中的定子電阻已通過電機靜止時電流注入的方式計算出來，電感L_s也通過式(10)計算得到，因此，式(11)能夠用作迭代計算轉子永磁體磁鏈ψ_m的辨識方程。

4.根據權利要求1所述的一種基于NLMS算法的永磁同步電機參數在線辨識方法，其特征在于：在步驟3)中，所述Adaline神經網絡辨識系統的各個矢量分別指的是輸入矢量、輸出矢量、期望輸出矢量和權值矢量；構建基于NLMS算法的參數辨識器，用于辨識電機定子電阻、電感、轉子磁鏈的值，包括以下步驟：

3.1)由式u_d0(k)D_q0(k)-u_q0(k)D_d(k)＝Ri_d0(k)D_q(k)-Ri_q0(k)D_d(k)得，電機定子電阻R的初步辨識器為：

式中：k表示采樣次數；u_d0(k)、u_q0(k)和i_d0(k)、i_q0(k)分別為電機靜止狀態下第k次采樣得到d、q軸電壓和電流；D_d(k)函數是均值為0的6次諧波；D_q(k)是含有直流分量的6次諧波；

在電機起動后，短時間運行狀態下電機的電阻保持不變；在電機運行至穩定轉速后，通過辨識得到的電感L_s和轉子磁鏈Ψ_m對電阻值進行更新辨識，基于NLMS算法的電機定子電阻辨識器為：

式中：k表示采樣次數；X(k)是在第k時刻的輸入矢量；u_d(k)、u_q(k)和i_d(k)、i_q(k)分別為第k次采樣得到d、q軸電壓和電流；D_d(k)函數是均值為0的6次諧波；D_q(k)是含有直流分量的6次諧波；O(k)是第k個采樣時刻的Adaline神經網絡辨識系統輸出矢量；ε(k)是第k次采樣的誤差信號；d(k)是第k次采樣的期望輸出矢量；ω(k)是第k次采樣的角速度；Ψ_m是轉子磁鏈；η為權值計算的步長，取值范圍是0＜η＜2；δ是為了防止輸入矢量X(k)的內積過小導致權值步長變化過大而引入的小整數，取0.0001；R(k)和R(k+1)分別是第k次采樣和第k+1個采樣的電機定子電阻R的辨識值；

3.2)由式得，基于NLMS算法的電感辨識器為

式中：L_s(k)和L_s(k+1)分別是第k次采樣和第k+1次采樣的電感辨識值；分別是u_d(k)、ω(k)、i_q(k)經過濾波后的直流分量；

3.3)由式u_d(k)D_q(k)-u_q(k)D_d(k)＝-L_sω(k)i_q(k)D_q(k)-Ri_q(k)D_d(k)-ψ_mω(k)D_d(k)得，基于NLMS算法的轉子磁鏈辨識器為：

式中：ψ_m(k)和ψ_m(k+1)分別是第k個采樣時刻和第k+1個采樣時刻的轉子磁鏈的辨識值。