[发明专利]基于支持向量机多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，提出了一种基于支持向量机(SVM)多分类的无刷直流电机位置传感方法。其主要特征是将无刷直流电机定子电压和电流作为SVM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，每个SVM分类器输出对应一个区域，组合成15个SVM二分类器，通过网格优化法对SVM网络训练确定SVM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SVM的输入，输出则为转子位置信息，采用投票法确定最终位置结果，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

1.一种基于支持向量机(SVM)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。基于SVM多分类的位置检测算法，主要包括支持向量机多分类建模和模型运行部分，本发明提出的一种基于SVM多分类的位置检测算法，采用支持向量机二分类结构，通过投票确定最终分类输出，主要包括支持向量机分类建模和模型运行部分：1)支持向量机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)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机决策分类的输出，共设置15个支持向量机2分类器，第一个就把类别1的样本定为正样本(+1))，2定为负样本(‑1)，如此下去，6个位置输出样本分别组合成15个二分类器输出，对采集的训练和测试数据进行归一化预处理。Step2：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。采用Vapnik算法进行训练，通过网格优化法对不同模型参数(惩罚系数C、松弛变量ξ和核函数参数)对SVM进行学习和交叉验证测试，得到15个最佳支持向量机二分类模型。2)支持向量机多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15个支持向量机二分类器得到相应的分类结果，采用投票法对分类结果进行计数，得票最多的类别为转子所在区域Ki分类结果；当属于1、2、…、6类有两个及以上结果相同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。