[发明专利]一种超高速电机参数在线辨识方法

说明书

本发明提供了一种超高速电机参数在线辨识方法，包括以下步骤：1、初始化LMS神经网络模型参数；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及电压值；3、进行Clark变换得到定子电压和定子电流d、q轴分量；4、输入到双层模型，得到双层模型输出的电流向量；5、作为LMS算法的输入，计算误差函数的值；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；7、训练过程结束，输出超高速电机角速度估计值，积分得到电机转子角度估计值。采用本发明方法，能准确识别超高速电机参数，精确输出超高速电机角速度估计值和电机转子角度估计值。

技术领域

本发明涉及电机技术领域，特别是涉及一种超高速电机参数在线辨识方法。

背景技术

现阶段，我国汽车保有量的急剧增长在方便居民出行的同时，也带来一系列的能源和环境问题。近年来，全球大范围内变暖和多地持续出现的“雾霾”，对人类现有的能源消费模式给以警示。面对汽车排放带给环境的巨大挑战,目前全世界正在大力发展燃料汽车。燃料电池空压机是燃料汽车的重要组成部分,而其内置超高速电机的精确控制又是决定燃料电池空压机性能很重要的一个因素。随着PMSM(永磁同步电机)应用在空压机上的占比不断增加，研究尽可能大的发挥出PMSM自身的性能已成该领域的研究热点之一。

提高PMSM性能不仅电机本体的性能需要不断的提高，而且MCU(电机控制器)的控制品质也要不断的提升，以达到能够精确平稳且响应快速的进行输出。对于上面所描述的情况，很多先进的控制算法被使用，但是基本上都是在能准确识别的PMSM参数的基础上才能使用。所以说电机参数辨识的精确与否直接影响空压机的性能。PMSM是一个多变量、强耦合的非线性系统，其数学模型比较复杂,PMSM现在主要的控制技术是直接转矩控制和矢量控制，而且控制效果都不错。矢量控制可以很好地解决电机动态运行时瞬态电磁转矩的控制。矢量控制的基础是获得实时的转子转速信号，故要求PMSM控制器对电机本体的参数变化进行实时的监控和在线辨识。同时根据已经辨识出的实时参数输入到矢量控制模块中使PMSM控制器进行相应的动作，以达到对超高速电机转速的准确控制。

因此本领域技术人员致力于开发一种超高速电机参数在线辨识方法，对实现无位置传感器超高速电机的高精度和高实时性控制具有重大意义。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种超高速电机参数在线辨识方法，能够精确识别电机参数，从而能实现对超高速电机转速的准确控制。

为实现上述目的，本发明提供了一种超高速电机参数在线辨识方法，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(最小均方误差)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；