[发明专利]基于LSSVM决策分类的无刷直流电机位置传感方法

摘要

本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)决策分类的无刷直流电机位置传感方法。其特征在于将无刷直流电机定子电压和电流作为决策LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，转子位置用所在区域序号1‑6表示，设置15个LSSVM二分类器，进行分层分类决策；通过网格优化法对SVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，通过分层决策确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。

主权项

1.一种基于最小二乘支持向量机(LSSVM)多分类的无刷直流电机位置传感方法，其特征在于通过SVM多分类器获取无刷直流电机转子的位置信号，减少电机因位置传感器的存在而带来的误差以及减小电机体积。本发明提出的一种基于LSSVM决策分类的位置检测算法，采用LSSVM二分类结构，通过分层决策确定最终分类输出，主要包括LSSVM分类建模和模型运行部分：1)LSSVM分类建模部分主要实现步骤如下：Step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k‑1),ib(k‑1)作为LSSVM的输入，S(K)为转子位置信号，将其作为LSSVM的输出，每个SVM输出对应一个区域样本(非)，不断决策，直至分出每一类别。将直流电机的转子旋转的0‑360度电角度分为每60度一个区域共6个区域，转子位置用所在区域序号1‑6表示，将测得的训练数据和测试数据进行归一化处理；Step2：共设置15个LSSVM2分类器，第一层1个分类器就把类别非1(2‑6类别)的样本定为正样本，类别非6(1‑5类别)的样本定为负样本，第二层2个分类器，沿非1区域(2‑6)类别把非2类别的样本定为正样本，把非6类别的样本定为负样本，得到第二个分类器，如此下去，我们可以得到15个这样的两类分类器如表1所示。表1分层决策分类器确定核函数Gj，核函数可选取多项式、径向基等函数、sig函数等。Step3：根据分类器输出分别选取相应类的训练样本，正样本为+1，负样本为‑1，采用Vapnik算法对15个LSSVM进行训练，采用网格优化法交叉验证测试获取最优模型参数惩罚系数C、核函数参数得到15个最优LSSVM二分类器。2)LSSVM决策分类运行部分主要实现步骤如下：Step1：实时采集相关的电压电流输入信号并归一化；Step2：将相关的电压电流输入信号输入建立好的LSSVM分类器得到转子所在区域Ki分类结果；当属于1、2、…、6类有两个及以上结果时保持上次分类结果不变；当属于1、2、…、6类全无结果时保持上次分类结果不变。Step3根据分类得到的转子位置进行实时控制。通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。