[发明专利]基于惩罚因子的同步电机模型参数非线性回归调优方法

说明书

本发明提供了一种针对基于惩罚因子的同步电机模型参数非线性回归调优方法，该电机模型参数非线性回归调优方法，包括如下几点步骤：建立数学模型、峰谷点关键数据点提取、非线性回归问题、大残差下的非线性参数回归求解；LM算法对于没有残差存在的非线性回归参数问题能很好求解，如果有残差存在的，LM算法不能求出理想解；本发明针对有残差存在的同步电机突然短路的参数回归分析，求解非线性参数回归分析，针对同步电机突然短路试验非线性参数回归分析，在有残差时，使得在非线性回归分析时对初始值不敏感，能得到较好的拟合效果，本发明具有解决所有非线性参数回归的通用性；通过此本发明，对有残差非线性参数回归分析问题提供了工程解决方法。

技术领域

本发明涉及实际工程技术领域，更具体的说，尤其涉及电机模型参数非线性回归调优方法。

背景技术

在实际工程领域中常常是知道系统模型，但系统内的各参数未知，通过试验可以测得系统的时间响应；通过时间响应求系统参数的方法叫回归分析；如果系统模型是线性关系，线性回归比较好求得；如果系统模型是非线性关系，特别是多指数函数的和非线性关系，此时非线性回归的最优解就特别难求得。

在实际工程中，系统模型已知，系统内各参数未知，需要求系统的几个参数；同步电机突然短路模型是已知的，但制造出来的电机各参数是未知的，同步电机突然短路的电流模型是8个参数非线性关系，其中含有3个指数函数的和；电机突然短路模型的参数求取是通过试验方法测量电枢突然短路时各时间坐标下的电机短路电流响应，根据响应曲线求出电机的模型参数值；现在电机模型参数值的求取方法主要是两类：①手工作图计算；②计算机编程计算。手工计算工作量大，计算人员要有很强的专业知识；计算机编程计算主要使用的方法有非线性最小二乘参数辨识法、基于LM的非线性回归参数辨识法等；电机模型是非线性系统，非线性最小二乘对于电机模型参数回归不适用，分析结果很不准确；Levenbery-Marquardt非线性回归分析的方法是在解方程时引入λ解决计算中的收敛与发散问题，在有大残差存在的情况下该方法的计算结果与初值相关，对于不同的初值可能会有不同的计算结果。原因是一般情况下由于有噪声、干扰的存在，测量结果难以十分准确，通过LM算法求出来的参数多数情况下并不能做为系统的最佳解；对于实际的工程问题如果数据中有干扰(即测量结果不是100％的准确的情况)，LM算法求出来的结果，与初始值相关，因此，计算出来的结果就不是最优的结果；解决有残差时的非线性回归的实际工程问题是本发明的关键。

回归分析(regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法；运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析；如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析；如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

对于单一的指数函数，可以通过坐标变换，转换为线性关系，使用线性回归；但如果模型是多指数函数的和，即多元非线性关系就只能使用非线性回归；如电机模型等就是多指数函数的和。

对于没有噪声、干扰的数据情况，LM算法对初始值、计算区间的大小等不敏感，可以很好解决这类非线性参数回归问题；但工程上采集的实验数据是有干扰、噪声的，很难测量准确，直接使用LM算法，得不到想要的最佳结果；这时需要对LM计算的初始值、计算区间、迭代计算时的步长进行改变，以求得到真正的最优结果。

有鉴于此，针对现有的问题予以研究改良，提供电机模型参数非线性回归调优方法，旨在通过该技术，达到解决问题与提高实用价值性的目的。

发明内容

本发明的目的在于提供电机模型参数非线性回归调优方法，以解决上述背景技术中提出的现有方法的计算结果不够准确，无法获取最佳结果的问题和不足。