[发明专利]DTC系统中转矩滞环宽度的混合智能调节方法

权利要求书

1.一种DTC系统中转矩滞环宽度的混合智能调节方法，其特征在于：其步骤为：1）以                                               和作为两个输入量，作为输出量，建立二维模糊规则表；其中，为转子速度变化量，为定子电流变化量，为转矩滞环宽度变化量；

2）根据下式确定转矩滞环宽度的基值：

式中，为电机极对数，为定子磁链向量，为定子电压空间向量，为逆变器的最小开关周期，为采样时间，为电机漏电感：，其中，为定子电感，为转子电感，为互感系数；

3）定期对转子速度和定子电流进行采样，计算当前采样周期与前一采样周期的的差值，得到当前周期内的数值，计算当前采样周期与前一采样周期的的差值，得到当前周期内的数值；

4）根据二维模糊规则表，得到当前周期内的和数值条件下对应的；

5）根据下式计算当前和数值条件下的转矩滞环宽度：

根据调整滞环比较器的输出量；

6）重复步骤3）、4）、5），重新计算。

2.根据权利要求1所述的DTC系统中转矩滞环宽度的混合智能调节方法，其特征在于：步骤1）中所述的二维模糊规则表如下表：

其中，为对应的模糊量，为对应的模糊量；NB1、NM1、NS1、ZO1、PS1、PM1、PB1为的子集；NB2、NM2、NS2、ZO2、PS2、PM2、PB2为的子集；NB3、NM3、NS3、ZO3、PS3、PM3、PB3为的子集；为对应的模糊量；

和的子集取值见下表：

的子集取值见下表：

，，，其中，、为模糊处理中的量化因子，为模糊处理中的比例因子。

3.根据权利要求1或2所述的DTC系统中转矩滞环宽度的混合智能调节方法，其特征在于：将二维模糊规则表中的每条模糊规则都转化为神经网络的输入/输出样本，再利用输入/输出样本，采用BP学习算法对神经网络进行训练；神经网络训练完成后，将神经网络置于系统中，用于步骤4）中的计算。