[发明专利]一种基于极限学习机的开关磁阻电机磁链在线建模方法

说明书

技术领域

本发明涉及一种基于极限学习机的开关磁阻电机磁链在线建模方法，属于开关磁阻电机智能控制领域。

背景技术

磁链特性是开关磁阻电机的重要特性。由于开关磁阻电机的双凸极结构及运行时磁路深饱和等特点，精确掌握磁链特性对于优化电机设计、改善运行性能、实现无位置传感等都具有重要意义。开关磁阻电机的磁链特性可通过有限元计算或实验测量的方法得到。有限元方法考虑因素复杂，计算量大，因此实测法依然是目前获取磁链特性的主要方法。

开关磁阻电机的定子磁链是转子位置和绕组电流的非线性函数，建立精确而实用的磁链模型颇受关注。传统的查表法虽然具有较高的精度，但计算周期长，无法满足实时控制和电机设计快速建模的要求。函数解析法可以在一定程度上优化系统性能，但对负载及环境变化的适应性不强。随着人工智能技术的发展，学习算法在开关磁阻电机建模中的应用越来越广泛，已经被提出的开关磁阻电机磁链建模方法有：BP神经网络、RBF神经网络、支持向量机等，而BP神经网络、RBF神经网络在开关磁阻电机磁链建模需要大量数据才能实现，且学习速度慢；在无智能算法(如粒子群算法、遗传算法等)对支持向量机参数进行优化的情况下，支持向量机学习得到的磁链模型精度一般；极限学习机是一种单隐层前馈神经网络，在实现开关磁阻电机的磁链建模过程中无需大量数据，学习“极端”迅速，且得到的开关磁阻电机磁链模型精度很高，以上原因使得基于极限学习机的开关磁阻电机磁链建模方法，具有很高的研究价值。同时，现有的开关磁阻电机磁链建模基本是离线建模，得到的磁链离线模型难以适应开关磁阻电机工作环境的改变，部分学者在开关磁阻电机的磁链在线建模方面做出了研究，其中有一种方法是：以预先建立好的磁链离线模型对开关磁阻电机磁链进行预测，预测结果与开关磁阻电机实时的磁链数据进行比对，得到预先建立好的磁链离线模型实时预测误差，根据实时的磁链预测误差在线重新建立磁链模型，该方法的有效性必然会要求：在线的开关磁阻电机重新建模过程需要快速实现，这点要求在开关磁阻电机高速运转时尤为突出，而该磁链在线建模方法使用的是学习速度较慢、需要大量数据进行学习的RBF神经网络，很大程度上限制了该磁链在线建模方法在开关磁阻电机于较高速、高速运转下的应用，极限学习机便很好的解决了这一问题。

发明内容

本发明的目的是提供一种基于极限学习机的开关磁阻电机磁链在线建模方法。

开关磁阻电机绕组磁链的离散积分公式如下：

ψ(k)＝ψ(k-1)+0.5T[u(k)-ri(k)+u(k-1)-ri(k-1)]    (1)

式(1)中，

ψ  相绕组磁链值，

u  相绕组端电压，

T  采样周期，

i  相电流，

r  相绕组内阻，

k  采样点序号。

开关磁阻电机磁链模型建立所需的磁链数据获取，是基于现已发表公开的开关磁阻电机磁链特性检测系统，其采用阶跃电压测量相绕组的电压与电流，核心是DSP。驱动线路模块中，220V交流电压经过变压器降压、四个二极管的简易整流器整流后得到所需要的直流电压；为维持电压恒定并防止电源和绕组构成LC电路振荡，在电源后并联一个较大容值的电解电容C，刀闸S闭合时为电容C充电；二极管VD用于在MOS开关管断开时为相绕组续流；R为限流电阻，防止绕组电流过大烧毁器件。检测线路模块中，R₁、R₂用于相绕组端电压测量，阻值较大，使得R₁、R₂线路电流较小，以致对其他线路影响可以忽略不计；R_C为电流采样电阻。电机转子末端固定一个旋转编码器，实时地将电机转子角位置转换成电脉冲信号。若将R₂、R_C两端电压分别记为u₂、u_c，则式(1)可改写为：