專利名稱：一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法
—種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方技術(shù)領(lǐng)域
本發(fā)明屬于屬于異步電機(jī)領(lǐng)域，涉及一種高性能的變頻調(diào)速系統(tǒng)參數(shù)辨識(shí)方法。
技術(shù)背景
當(dāng)電動(dòng)機(jī)運(yùn)行時(shí)，由于內(nèi)外條件的影響，其本身的參數(shù)會(huì)發(fā)生變化。電機(jī)溫升和頻率的變化都會(huì)影響到轉(zhuǎn)子電阻，其隨電動(dòng)機(jī)溫度變化最高約有50%，而轉(zhuǎn)子電流頻率較高時(shí)，集膚效應(yīng)引起的轉(zhuǎn)子電阻變化可達(dá)數(shù)倍。其變化會(huì)引起電機(jī)轉(zhuǎn)子時(shí)間常數(shù)等的改變，導(dǎo)致基于固定參數(shù)設(shè)定而計(jì)算出來的各種電機(jī)反饋信號(hào)失真?；谶@樣的反饋，電機(jī)磁場(chǎng)定向坐標(biāo)往往會(huì)偏離實(shí)際，造成較大的轉(zhuǎn)速、轉(zhuǎn)矩偏離或脈動(dòng)，控制系統(tǒng)性能會(huì)大打折扣。因此，在變頻調(diào)速系統(tǒng)運(yùn)行當(dāng)中，需要不斷地調(diào)整各計(jì)算模型中的電機(jī)參數(shù)，以使其跟隨真實(shí)電機(jī)參數(shù)值而變化，從而確保正確的閉環(huán)反饋，保證控制系統(tǒng)的性能。發(fā)明內(nèi)容
本發(fā)明為解決上述技術(shù)問題,基于磁鏈模型的MRAS方案,提出了一種基于Elman 神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法，以解決當(dāng)速度調(diào)節(jié)信號(hào)的不同時(shí)，參考模型的獲取問題，以及對(duì)異步電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)時(shí)對(duì)轉(zhuǎn)速傳感器的要求。
本發(fā)明為解決上述技術(shù)問題的不足而采用的技術(shù)方案是一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法，包括以下幾個(gè)步驟步驟一、確定Elman神經(jīng)網(wǎng)絡(luò)=Elman神經(jīng)網(wǎng)絡(luò)非線性狀態(tài)空間的表達(dá)式為7=界2 Σ (響+喚);4 =頂1 Σ灘+4+剛);福―^『式中:J-LUlJ-I1J-I— aJ Kn iJk,、m、η分別代表輸入層、隱層、輸出層神經(jīng)兀的個(gè)數(shù)，P、T代表輸入和輸出向量，/,上代表第k個(gè)輸入到第m個(gè)隱層神經(jīng)元之間的權(quán)值，LW^代表第m個(gè)隱層神經(jīng)元到第η輸出層神經(jīng)元之間的權(quán)值，L琢L代表第m個(gè)承接層到第m個(gè)隱層神經(jīng)元之間的權(quán)值，TF1、 TF2分別代表隱層和輸出層的傳遞函數(shù)，分別代表各層神經(jīng)元之間的輸入偏置， 分別代表隱層輸出向量和其承接層的反饋狀態(tài)向量，采用這樣一種優(yōu)化的算法=-r} — + c^W{x-l)，對(duì)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，式中，s 為第η次迭代時(shí)的權(quán)AW值修正值，^為加速因子為動(dòng)量因子；步驟二、確定網(wǎng)絡(luò)結(jié)構(gòu)首先，明確Elman神經(jīng)網(wǎng)絡(luò)的輸入輸出參數(shù)，對(duì)轉(zhuǎn)子電阻產(chǎn)生影響的主要因素是轉(zhuǎn)子電流、頻率及環(huán)境溫度，以選擇電機(jī)繞組端部溫度作一個(gè)綜合的輸入變量；以轉(zhuǎn)子電阻冬作為輸出變量；步驟三、訓(xùn)練樣本的獲取以步驟二中的輸入信號(hào)作為主控條件，與其它輸入變量互相組合，采用BP離線算法進(jìn)行訓(xùn)練獲得一批訓(xùn)練樣本，以這些訓(xùn)練樣本數(shù)據(jù)作為參考建立轉(zhuǎn)子電阻模型，用此模型的輸出作為網(wǎng)絡(luò)的目標(biāo)向值，來進(jìn)行誤差反傳和權(quán)值修正；步驟四、訓(xùn)練樣本的處理對(duì)步驟三所得到的訓(xùn)練樣本進(jìn)行處理，輸入不同性質(zhì)的數(shù)據(jù)時(shí)，對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，使之全落在±1范圍內(nèi)，以方便網(wǎng)絡(luò)的訓(xùn)練和仿真；步驟五、轉(zhuǎn)子電阻辨識(shí)采用由簡(jiǎn)單到復(fù)雜的方法，先以具有較明確關(guān)系的輸入變量辨識(shí)單個(gè)參數(shù)，在其辨識(shí)效果得到比較和驗(yàn)證后，再逐漸加入其它潛在影響因素，再進(jìn)行比較、分析，以步驟四中處理好的訓(xùn)練樣本為條件，對(duì)轉(zhuǎn)子電阻進(jìn)行辨識(shí)，先以對(duì)其影響最顯著的溫度和轉(zhuǎn)差頻率作為輸入，用網(wǎng)絡(luò)檢測(cè)其效果，再加入電流作為輸入，檢驗(yàn)網(wǎng)絡(luò)的辨識(shí)效果有沒有提高，最終確定網(wǎng)絡(luò)的輸入?yún)?shù)個(gè)數(shù)以及隱層神經(jīng)元個(gè)數(shù)。
本發(fā)明所述的訓(xùn)練樣本獲取方法為，步驟一、以步驟三中的輸入?yún)?shù)和輸出參數(shù)建立BP網(wǎng)絡(luò)輸入向量為f，輸出層輸出向量
權(quán)利要求
1.一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法，其特征在于步驟一、確定Elman神經(jīng)網(wǎng)絡(luò)=Elman神經(jīng)網(wǎng)絡(luò)非線性狀態(tài)空間的表達(dá)式為T = TF1 2. A2 = TF1 2 (!噴+岵 +, s 2 ’、，式中·j￡Li{ J J S } ’ 3 ibi V S 』J} ’ D)(n) = x^(n-l) ’ A T .k,、m、n分別代表輸入層、隱層、輸出層神經(jīng)兀的個(gè)數(shù)，P、T代表輸入和輸出向量，冊(cè)代表第k個(gè)輸入到第m個(gè)隱層神經(jīng)元之間的權(quán)值，LWl代表第m個(gè)隱層神經(jīng)元到第η輸出層神經(jīng)元之間的權(quán)值，LW^代表第m個(gè)承接層到第m個(gè)隱層神經(jīng)元之間的權(quán)值，TFi、TF2分別代表隱層和輸出層的傳遞函數(shù)，K分別代表各層神經(jīng)元之間的輸入偏置，過、4分別代表隱層輸出向量和其承接層的反饋狀態(tài)向量，采用這樣一種優(yōu)化的算法 SbΔ+ MFm，對(duì)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，式中，t ττΛ,為第η次迭代時(shí)的權(quán) Sm；AWw值修正值，^為加速因子，α為動(dòng)量因子；步驟二、確定網(wǎng)絡(luò)結(jié)構(gòu)首先，明確Elman神經(jīng)網(wǎng)絡(luò)的輸入輸出參數(shù)，對(duì)轉(zhuǎn)子電阻產(chǎn)生影響的主要因素是轉(zhuǎn)子電流、頻率及環(huán)境溫度，以選擇電機(jī)繞組端部溫度作一個(gè)綜合的輸入變量；以轉(zhuǎn)子電阻矣作為輸出變量；步驟三、訓(xùn)練樣本的獲取以步驟二中的輸入信號(hào)作為主控條件，與其它輸入變量互相組合，采用BP離線算法進(jìn)行訓(xùn)練獲得一批訓(xùn)練樣本，以這些訓(xùn)練樣本數(shù)據(jù)作為參考建立轉(zhuǎn)子電阻模型，用此模型的輸出作為網(wǎng)絡(luò)的目標(biāo)向值，來進(jìn)行誤差反傳和權(quán)值修正；步驟四、訓(xùn)練樣本的處理對(duì)步驟三所得到的訓(xùn)練樣本進(jìn)行處理，輸入不同性質(zhì)的數(shù)據(jù)時(shí)，對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，使之全落在±1范圍內(nèi)，以方便網(wǎng)絡(luò)的訓(xùn)練和仿真；步驟五、轉(zhuǎn)子電阻辨識(shí)采用由簡(jiǎn)單到復(fù)雜的方法，先以具有較明確關(guān)系的輸入變量辨識(shí)單個(gè)參數(shù)，在其辨識(shí)效果得到比較和驗(yàn)證后，再逐漸加入其它潛在影響因素，再進(jìn)行比較、分析，以步驟四中處理好的訓(xùn)練樣本為條件，對(duì)轉(zhuǎn)子電阻進(jìn)行辨識(shí)，先以對(duì)其影響最顯著的溫度和轉(zhuǎn)差頻率作為輸入，用網(wǎng)絡(luò)檢測(cè)其效果，再加入電流作為輸入，檢驗(yàn)網(wǎng)絡(luò)的辨識(shí)效果有沒有提高，最終確定網(wǎng)絡(luò)的輸入?yún)?shù)個(gè)數(shù)以及隱層神經(jīng)元個(gè)數(shù)。
2.如權(quán)利要求I所述的一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法， 其特征在于所述的訓(xùn)練樣本獲取方法為，步驟一、以步驟三中的輸入?yún)?shù)和輸出參數(shù)建立BP網(wǎng)絡(luò)輸入向量為I = ^x1,X2,".,Xi,".XfJr ,隱層輸出向量Γ=，輸出層輸出向量O= (ο1,ο2,.^,οΛ,,..,ο )Γ，期望輸出向量Cil)"，輸入層到隱層之間的權(quán)值矩陣用V表不，F(xiàn) =Vi,.,,,Vffl,],其中列向量Vy為隱層第j個(gè)神經(jīng)兀對(duì)應(yīng)的權(quán)向量，隱層到輸出層之間的權(quán)值矩陣用W表示，W=IWpW2,...焉,…馮f ,其中列向量％為輸出層第k個(gè)神經(jīng)元對(duì)應(yīng)的權(quán)向量；
3.如權(quán)利要求I所述的一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法， 其特征在于所述的訓(xùn)練樣本的處理方法為，在各個(gè)參數(shù)歸一化時(shí)，涉及到最大值的選擇問題，這與AD采樣時(shí)的量化相同；將所有輸入同時(shí)除以這個(gè)量化值，把所有的輸入限定在±1 范圍之內(nèi)，關(guān)于溫度輸入的量化，可依據(jù)電機(jī)的絕緣等級(jí)來確定；關(guān)于電流最大值的選取， 采用三相異步電機(jī)的最大電流，出現(xiàn)在起動(dòng)時(shí)，最大起動(dòng)電流約為其額定值的4-7倍；轉(zhuǎn)差頻率的最大值是出現(xiàn)在電機(jī)起動(dòng)時(shí)，取電機(jī)在運(yùn)行過程中的最大轉(zhuǎn)差頻率。
全文摘要
一種基于Elman神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)方法，通過確定Elman神經(jīng)網(wǎng)絡(luò)及網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練樣本和處理進(jìn)行參數(shù)辨識(shí)，以解決當(dāng)速度調(diào)節(jié)信號(hào)的不同時(shí)，參考模型的獲取問題，以及對(duì)異步電機(jī)轉(zhuǎn)子電阻參數(shù)辨識(shí)時(shí)對(duì)轉(zhuǎn)速傳感器的要求。
文檔編號(hào)G06N3/08GK102937670SQ20121046339
公開日2013年2月20日 申請(qǐng)日期2012年11月17日 優(yōu)先權(quán)日2012年11月17日
發(fā)明者范波, 李興, 謝冬冬, 史光輝 申請(qǐng)人:河南科技大學(xué)