[发明专利]基于BP神经网络的表面式永磁同步电机模型预测控制方法有效
| 申请号： | 201910817695.5 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110518847B | 公开（公告）日： | 2021-03-30 |
| 发明（设计）人： | 李耀华;赵承辉;周逸凡;秦玉贵;秦辉;苏锦仕 | 申请（专利权）人： | 长安大学 |
| 主分类号： | H02P21/00 | 分类号： | H02P21/00;H02P21/14;H02P21/30;G06N3/08;G06N3/04 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 郭瑶 |
| 地址： | 710064*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明首先通过表面式永磁同步电机模型预测控制算法中的输入量和输出量生成最优电压矢量序列，再通过最优电压矢量序列训练BP神经网络拓扑模型，采用训练后的BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，同时具有结构简单、精度较高、反应速度快等优点，而且神经网络分布式并行运算的特点使得大量运算成为可能，可以减轻系统计算负担，提高系统响应及时性，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。 | ||
| 搜索关键词： | 基于 bp 神经网络 表面 永磁 同步电机 模型 预测 控制 方法 | ||
【主权项】：
1.基于BP神经网络的表面式永磁同步电机模型预测控制方法，其特征在于，包括以下步骤：/n步骤一，确定表面式永磁同步电机模型预测控制算法中的输入量和输出量，以及神经网络的输入量与输出量，并确定电机参考转速和负载转矩的变化范围；/n步骤二，按照恒定参考转速下负载转矩阶跃和恒定负载转矩下参考转速阶跃两种方式将不同参考转速下负载转矩变化的情况和不同负载转矩下参考转速变化的情况按照一定的步长和间隔遍历取到，并将相应产生的上述输入量的数据送入表面式永磁同步电机模型预测控制算法中，生成未来控制周期内模型预测控制算法选择的最优电压矢量序列，并且将各个输入量的取值与对应选择出来的最优电压矢量对应组合成BP神经网络的训练样本；/n步骤三，构建BP神经网络拓扑模型；/n步骤四，将步骤二中的训练样本数据进行归一化处理，将归一化处理后的训练样本输入已构建BP神经网络拓扑模型中进行训练学习；/n步骤五，将训练好的BP神经网络模型嵌入到表面式永磁同步电机模型预测直接转矩控制系统中替代模型预测控制算法进行未来控制周期内电机最优电压矢量选择的工作和功能。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于长安大学，未经长安大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910817695.5/，转载请声明来源钻瓜专利网。
