[发明专利]一种无轴承异步电机无速度传感器构造方法无效

专利信息
申请号: 201210124559.6 申请日: 2012-04-26
公开(公告)号: CN102629848A 公开(公告)日: 2012-08-08
发明(设计)人: 杨泽斌;孙晓东;李可;黄振跃;张新华 申请(专利权)人: 江苏大学
主分类号: H02P21/14 分类号: H02P21/14
代理公司: 南京经纬专利商标代理有限公司 32200 代理人: 楼高潮
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 轴承 异步电机 速度 传感器 构造 方法
【说明书】:

技术领域

发明是一种基于支持向量机左逆的无轴承异步电机无速度传感器构造方法,为无轴承异步电机的无速度运行提供了一种新控制策略,适用于无轴承异步电机的高性能控制,属于电力传动控制设备的技术领域。

背景技术

无轴承异步电机的高性能控制离不开转速的闭环控制,从而需要检测转子的速度,传统电机转子速度采用机械式速度传感器来检测,存在安装、连接和可靠性等问题。对无轴承异步电机而言,使用机械式速度传感器有更大局限性,因为传感器本身在机械上难以实现电机高速、超高速运行,从而严重限制无轴承异步电机优良高速性能的发挥。因此,无速度传感器技术成为解决无轴承异步电机这一问题的有效手段。 

对于无轴承异步电机的无速度传感器运行,目前才刚刚起步,主要有采用模型参考自适应法策略对无轴承异步电机无速度传感器运行进行研究,实现转子速度和定子电阻在线辨识,进行了仿真研究;采用参数辨识方法配合灰色系统理论对转子位置和转速进行辨识,实现了无轴承永磁电机无速度传感器运行。这些速度辨识方法都没有考虑高速运行时转子偏心、磁饱和、温升及负载变化等因素影响,并未真正实现转速参数准确在线辨识。基于神经网络逆系统的无速度传感器方法利用静态神经网络对非线性函数的强大逼近能力,突破逆系统在实现或应用中的瓶颈,但是神经网络自身存在局部极点小、过学习、运算量大等缺陷,限制了神经网络逆方法的进一步应用,也影响了其控制性能。

发明内容

本发明目的是为了能在全速范围内快速准确检测无轴承异步电机的转速,实现无轴承异步电机无速度传感器运行,提高无轴承异步电机工作性能,推广无轴承异步电机的应用而提供一种无轴承异步电机无速度传感器构造方法。

本发明采用的技术方案是:1)对无轴承异步电机原系统构造内含转速子系统,无轴承异步电机原系统的输入变量是转矩绕组的定子电压us1dus1q和同步转速ω1,输出变量是转矩绕组的定子电流is1dis1q;内含转速子系统的输入变量是待测转速ωr,输出变量是转矩绕组的定子电压us1dus1q、定子电流is1dis1q、同步转度ω1以及定子电流的一阶导数                                               、;2)建立内含转速子系统的无轴承异步电机转速左逆系统,无轴承异步电机转速左逆系统的输入为内含转速子系统的7个输出变量、输出为待测转速ωr;3)采用7个输入节点、1个输出节点的支持向量机加2个微分器S构成支持向量机逆,支持向量机逆的输入分别为定子电压us1dus1q,定子电流is1dis1q和同步转速ω1,输出为待测转速ωr;4)对支持向量机进行训练,调整并确定支持向量机的向量系数和阈值以实现无轴承异步电机转速左逆系统;5)将支持向量机逆串接于无轴承异步电机原系统之后构造成无速度传感器。

本发明的有益效果是:

1.本发明给出了左逆系统与支持向量机相结合的方法,利用支持向量机对非线性函数的强大逼近能力,突破逆系统在实现或应用中的瓶颈。采用的支持向量机是在工业工程中建立非线性模型的一个强有力工具,可以以任意精度逼近任意复杂的静态非线性映射(函数),具有较强的泛化能力和自适应能力,而且可以自学习和自适应未知或不确定的系统。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201210124559.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top