[发明专利]一种基于极限学习机分类的无刷直流电机无位置传感器控制方法

说明书

本发明针对无刷直流电机转子位置检测问题，提出了一种基于极限学习机(ELM)分类的无刷直流电机无位置传感器控制方法。本发明提出的基于极限学习机的无位置传感器控制是将无刷直流电机定子电压和电流作为极限学习机网络的输入，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，每个区域又对应相应开关管的开通，即换相逻辑信号。通过ELM网络的训练确定网络参数，再把训练好的网络模型运用到电机运行中，即可利用电机定子电压和电流求出转子位置信息。本发明的无位置传感器控制方法不仅具有动态性能好，鲁棒性高等优点，同时极限学习机的运用提高了控制器的精确度，算法的学习速率快，提高了控制器反应速度。

技术领域

本发明涉及的是一种无刷直流电机领域的控制方法，具体的说就是一种基于极限学习机分类的无刷直流电机无位置传感器控制的方法。

背景技术

无刷直流电机由于没有电刷，需要通过电子换向电路来进行电流换向，而要实现电子换向必须要有位置信号。通过转子位置信号来控制电子换相电路使定子电枢各绕组不断的换相通电，从而使的定子磁场随着转子的位置在不断的变化，使定子磁场与转子永磁磁场始终保持左右的空间角，产生转矩推动转子运转。

由于电子换相电路需要转子位置信号控制，因此需要测量转子位置，传统无刷直流电机的转子位置信息是通过位置传感器测得的，但有位置传感器的无刷直流电机存在以下缺点：(1)电机体积过大，不利于电机小型化；(2)位置传感器难于安装在电机内部很有限的空间里，并且维修困难；(3)难于适应恶劣的环境；(4)传感器接线复杂，容易引入干扰。因此无位置传感器无刷直流电机成了人们研究的热点。

目前转子位置传感器测量技术主要有反电势法、电流检测法、智能算法。反电势与速度成正比，因此在转速很低甚至为零时不能通过检测反电势来得到过零信号；而电流法的实现主要依赖于电流传感器的精度，一般情况下，传感器能够较好的获得电流大小的信号，而对电流相位和波形的细小变化则很难检测到。故此反电势法和电流法都有其局限性。智能算法控制精度较高领先于反电势法和电流法，但各种先进算法精度和复杂程度以及对控制器的运算速度都是不同的。因此智能算法的精度、复杂度以及对控制器的运算速度都是需要考虑的问题。

发明内容

技术问题：多种无位置传感器转子信号检测方法都有其局限性，且精度都不是很高，因此较难运用到对电机运行要求比较高的场合。

技术方案：为了解决上述问题，将极限学习机应(ELM)用到转子位置检测中去，结合电流速度双闭环控制使得电机能够按照要求稳定运转。对于无刷直流电机来说，只有知道转子位置信息，才能获取逻辑换相信号，因此将转子位置信号与电机电压、电流之间的映射建立起来，然后将转子位置信息转换为换相逻辑信号，便可以实现无位置传感器控制，而极限学习机刚好可以实现这一目的。将电机A、B两项电压和电流作为极限学习机的输入，转子位置信息作为输出。将获得的换相信号与电流速度双闭环控制输出的PWM波进行与运算从而实现电机的稳定运转。

本发明是基于ELM的网络基础上的转子位置检测系统，因此必须确定ELM网络的输入和输出，由无刷电机工作原理可知绕组A、B、C相绕组的感应磁链是电角度θ的函数，而绕组A、B、C相绕组的感应磁链与三相端电压和电流存在一定的关系，因此可由三相端电压和电流预测出电角度θ，即转子位置信号。

本发明提出的基于极限学习机分类的无刷直流无位置传感器控制系统由由上述可知，A、B相电压u_a(k),u_b(k)电流i_a(k),i_b(k),i_a(k-1),i_b(k-1)作为网络的输入，S(K)为转子位置信号，将其作为网络的输出，L为隐含层神经元个数，其结构图如图1所示

本发明提出的一种基于ELM分类的位置检测算法，主要包括极限学习机分类处理和逻辑换相信号的推算两个部分。

1.极限学习机分类处理部分主要实现步骤如下：