[发明专利]一种超高速电机参数在线辨识方法

权利要求书

1.一种超高速电机参数在线辨识方法，其特征在于，包括以下步骤：

步骤1、初始化LMS神经网络模型参数,设定初始学习步长为0.05～0.15、允许误差10^-7～10^-5、初始连接权值[1 2-1 0.5-0.2]；

步骤2、通过母线电压与电流调理电路采样得到超高速永磁同步电机的三相电流值、三相电压值；

步骤3、将上步骤2所得三相电流值、三相电压值进行Clark变换得到d-q同步旋转坐标系下的定子电压d、q轴分量u_d0、u_q0，定子电流d、q轴分量i_d0、i_q0；

步骤4、将上述定子电压d、q轴分量u_d0、u_q0，定子电流d、q轴分量i_d0、i_q0输入到双层模型即PMSM定子电流模型和神经网络模型中，得到双层模型输出的电流向量；

步骤5、将双层模型输出的电流向量作为LMS算法的输入，计算误差函数的值；

步骤6、若该值不收敛或该值大于所述允许误差，则更新学习步长与隐含层连接权值后进入步骤2，若该值收敛且小于等于允许误差则进入步骤7；

步骤7、神经网络训练过程结束，输出超高速电机角速度估计值将电机角速度估计值积分得到电机转子角度估计值

所述神经网络模型由输入层、隐含层、输出层构成,且由LMS算法更新神经网络连接权值；

所述步骤5中，误差函数通过下列公式计算：

其中，J(k)为定义的误差函数，n表示采样的次数，i'(k)表示k时刻电机电流参考模型输出的电流向量，表示k时刻神经网络输出的电流向量值；

所述隐含层至输出层连接权值的修改迭代公式为：

其中，i表示隐含层神经元序号，i＝1,2,3……；W_i(k)表示k时刻隐含层到输出层的连接权值；W_i(k+1)表示k+1时刻隐含层到输出层的连接权值；η_k表示k时刻学习步长；ΔW_i(k)表示k时刻权值的变化量；

所述k时刻的学习步长η_k按下列公式进行更新：

其中，a为第一可调系数，取值90～105；

b为第二可调系数，取值0.01～0.5；

δ为第三可调系数，取值0.41～0.55；

Δc(k)为k时刻动量项，通过以下公式求取：

Δc(k)＝-η_(k-1)*J(k-1)*i＇(k-1)+f*Δc(k-1)

其中，J(k-1)为k-1时刻的误差函数值；i＇(k-1)为k-1时刻电机电流参考模型输出的电流向量，f为动量常数，取0.1～0.8的正常数，Δc(k-1)是k-1时刻动量项。

2.如权利要求1所述的超高速电机参数在线辨识方法，其特征是：所述输入层由4个神经元构成，分别接收定子电压d、q轴分量u_d0、u_q0，定子电流d、q轴分量i_d0、i_q0；

所述隐含层由5个神经元构成；

所述输出层由3个神经元构成，其输入为所述隐含层所有神经元的输出的加权和，其输出值为电流估算值向量与电机角速度估计值