一種開關磁阻電機轉子位置自檢測方法
【專利摘要】本發(fā)明公開一種開關磁阻電機轉子位置自檢測方法，方法包括相關向量機預測建模與微粒群優(yōu)化模型參數(shù)，利用轉子位置的非線性預測模型，估計轉子位置角，實現(xiàn)電機的轉子位置自檢測，克服了傳統(tǒng)智能檢測方法中由于模型復雜而導致的決策時間長、實時性差等缺點，具有泛化能力好、在線計算時間短、預測精度高等優(yōu)點，適合于開關磁阻電機全速度運行范圍內的轉子位置快速自檢測。
【專利說明】—種開關磁阻電機轉子位置自檢測方法
【技術領域】
[0001]本發(fā)明屬于特種電力傳動與信息科學交叉的【技術領域】，尤其是一種開關磁阻電機轉子位置自檢測方法。
【背景技術】
[0002]開關磁阻電機因其效率高、成本低、結構簡單、工作可靠、調速范圍寬等優(yōu)點，在牽引運輸、航空工業(yè)、采礦紡織等領域得到了廣泛應用。開關磁阻電機采用位置閉環(huán)控制，一般通過安裝位置傳感器直接測量轉子位置信號，但機械式傳感器不僅提高了系統(tǒng)的成本和復雜度，還影響了整個電機驅動系統(tǒng)的可靠性，尤其是在高速運行階段。
[0003]目前對于開關磁阻電機，已有很多文獻提出了轉子位置的檢測方法，如電壓脈沖注入法、電感模型法、神經(jīng)網(wǎng)絡法、支持向量機法等。其中，電壓脈沖法在電機低速運行區(qū)域可實現(xiàn)無位置傳感控制，但產生的負轉矩降低了電機效率，增加了轉矩脈動；電感模型法易實現(xiàn)，但由于開關磁阻電機強非線性的電磁特性，難以獲得精確的電感模型，導致轉子位置角的檢測精度較低；神經(jīng)網(wǎng)絡(NN)和支持向量機(SVM)方法是通過建立轉子位置的“黑箱”模型來檢測轉子位置，但是這兩種方法隨著樣本規(guī)模的增加，模型參數(shù)(如NN的隱含節(jié)點個數(shù)、SVM的支持向量個數(shù))逐漸增多、模型結構逐漸復雜、在線決策時間逐漸變長，這些缺點導致NN、SVM算法僅能實現(xiàn)低速開關磁阻電機的轉子位置自檢測，而難以滿足開關磁阻電機中高速運行階段的實時性要求。

【發(fā)明內容】

[0004]本發(fā)明的目的是為了解決現(xiàn)有開關磁阻電機轉子位置檢測方法在電機中高速運行時檢測精度與實時性較低的難題，提出了一種適用于開關磁阻電機全速運行范圍內的轉子位置自檢測方法。
[0005]本發(fā)明采用的技術方案依次具有如下步驟:I)通過開關磁阻電機實驗系統(tǒng)進行采樣，獲取學習樣本，其中相電流i和轉子位置Θ可通過傳感器直接檢測，磁鏈Ψ可通過電壓u和相電流i間接檢測；2)以磁鏈Ψ和電流i作為輸入變量、轉子位置Θ作為輸出變量，采用Matlab軟件訓練相關向量機網(wǎng)絡，獲得相關向量，建立轉子位置Θ的相關向量機預測模型；3)以相關向量機模型中的最優(yōu)核函數(shù)參數(shù)δ 2為優(yōu)化變量，利用微粒群的全局搜索能力獲得S2的最優(yōu)值，并將其帶入相關向量機模型，最終獲得經(jīng)優(yōu)化的相關向量機預測模型；4)通過傳感器實時檢測相電流i和電壓U，在DSP中計算磁鏈Ψ，并將相電流i和磁鏈Ψ輸入優(yōu)化相關向量機預測模型，獲得該時刻的轉子位置Θ，實現(xiàn)電機轉子位置的自檢測。
[0006]本發(fā)明的有益效果是:
[0007]1.利用相關向量機建立的開關磁阻電機轉子位置預測模型，其模型參數(shù)個數(shù)隨樣本規(guī)模的增大而增加的速度較慢，模型簡單，決策時間短，尤其適合開關磁阻電機中高速運行時的轉子位置檢測。[0008]2.利用微粒群的全局搜索能力優(yōu)化相關向量機的核函數(shù)參數(shù)，算法收斂快、規(guī)則簡單、易于實現(xiàn)，經(jīng)優(yōu)化的相關向量機預測模型能夠較好地反映開關磁阻電機的非線性特性，模型泛化能力較好、預測精度較高。
[0009]3.微粒群優(yōu)化相關向量機預測算法可移植性強，適用于更為一般性的電機非線性建模與轉子位置快速檢測。
【專利附圖】

【附圖說明】
[0010]圖1:基于優(yōu)化相關向量機的開關磁阻電機轉子位置自檢測方法實現(xiàn)框圖；
[0011]圖2:轉子位置的微粒群優(yōu)化相關向量機預測模型結構；
[0012]圖3:微粒群優(yōu)化相關向量機的算法流程。
【具體實施方式】
[0013]本發(fā)明實施分為三個部分，第一部分為通過開關磁阻電機實驗系統(tǒng)采樣獲取學習樣本，第二部分為電機轉子位置的微粒群優(yōu)化相關向量機離線預測模型的建立，第三部分為通過檢測相電流與相電壓實時預測電機轉子位置角，具體如下:
[0014]步驟1:通過開關磁阻電機實驗系統(tǒng)進行閉環(huán)采樣，獲取訓練與測試樣本。對相電流1、電壓U、轉子位置Θ進行采樣,并根據(jù)ψ」00 = ψ」(1?-1)+0.5T[Uj(k)-rij(k)+Uj(k-l)-rij(k-l)]獲得磁鏈Ψ」；其中，Ψ j (k), Vj (k-1)分別為第k次采樣時刻與第k-1次采樣時刻的磁鏈計算值，Uj (k)、Uj (k-1)、Ij (k)、Ij (k-1)分別為第k次采樣時刻和第k-Ι次采樣時刻的電壓、電流檢測值，T為采樣時間，r為相繞組電阻。為了保證樣本數(shù)據(jù)覆蓋電機磁鏈的非線性特性，結合電機實際運行時的過載系數(shù)，確定繞組電流測試范圍為OA~20A。測試獲得500組樣本集，采用小數(shù)定標規(guī)范化處理方法將樣本數(shù)據(jù)歸一化，選擇其中300組作為訓練樣本集，用于離線訓練轉子位置的優(yōu)化相關向量機模型，選擇另外200組作為測試樣本集，用于測試所建模型的精度。
[0015]步驟2:將采樣與計算獲得的
【權利要求】
1.一種開關磁阻電機轉子位置自檢測方法，其特征在于包括如下步驟: 1)通過開關磁阻電機實驗系統(tǒng)進行采樣，獲取學習樣本，包括訓練樣本集和測試樣本集，其中相電流i和轉子位置Θ通過傳感器直接檢測，磁鏈Ψ通過電壓u和相電流i間接檢測； 2)以磁鏈Ψ和電流i作為輸入變量、轉子位置Θ作為輸出變量，采用Matlab軟件訓練相關向量機，獲得相關向量，建立轉子位置Θ的相關向量機預測模型； 3)以相關向量機預測模型中的最優(yōu)核函數(shù)參數(shù)S2為優(yōu)化變量，利用微粒群的全局搜索能力獲得S2的最優(yōu)值，并將其帶入相關向量機預測模型，最終獲得經(jīng)優(yōu)化的相關向量機預測模型； 4)通過傳感器實時檢測相電流i和電壓U，計算磁鏈Ψ，并將相電流i和磁鏈Ψ輸入經(jīng)優(yōu)化的相關向量機預測模型，獲得該時刻的轉子位置Θ，實現(xiàn)電機轉子位置的自檢測。
2.如權利要求1所述的一種開關磁阻電機轉子位置自檢測方法，其特征在于所述步驟I)具體為:對電壓U、電流i與轉子位置Θ進行采樣，獲得若干組樣本集，采用小數(shù)定標規(guī)范化處理方法將樣本數(shù)據(jù)歸一化，選擇其中若干組作為訓練樣本集，用于離線訓練轉子位置Θ的相關向量機預測模型，選擇另外若干組作為測試樣本集，用于測試所建模型的精度；根據(jù) ψ」00 = ψ」(1?-1)+0.5T[Uj(k)-rij(k)+Uj(k-l)-rij(k-l)]計算磁鏈 Ψ,其中，k 為采樣個數(shù)且k=l，2，...，Vj(k), Vj(k-1)分別為第k次采樣時刻與第k-Ι次采樣時刻的磁鏈計算值，Uj (k)、Uj (k-1)、Ij (k)、Ij (k-1)分別為第k次采樣時刻和第k-Ι次采樣時刻的電壓、電流檢測值，Ψ (O) =u (O) =i(0)=0, T為采樣時間，r為相繞組電阻。
3.如權利要求1所述的一種開關磁阻電機轉子位置自檢測方法，其特征在于所述步驟2)具體為:將采樣與計算獲得的作為輸入變量，轉子位置Θ作為輸
出變量，利用
4.如權利要求1所述的一種開關磁阻電機轉子位置自檢測方法，其特征在于所述步驟3)具體包括如下步驟: 1)初始化微粒群算法的相關參數(shù)，包括微粒個數(shù)η、搜索空間維數(shù)d、最大迭代次數(shù)kmax、慣性權重《、學習因子C1和c2、S 2的搜索空間與迭代初值，導入訓練樣本，對相關向量機預測模型進行訓練； 2)導入預測樣本，根據(jù)步驟I)計算獲得的δ2與訓練樣本一起對相關向量機進行預測，獲得相關向量機模型預測輸出值Gi，計算適應度函數(shù)
【文檔編號】H02P6/18GK103633903SQ201310651790
【公開日】2014年3月12日 申請日期:2013年12月5日 優(yōu)先權日:2013年12月5日
【發(fā)明者】項倩雯, 吉敬華, 嵇小輔, 康梅 申請人:江蘇大學