基于支持向量机分层分类的无刷直流电机位置传感方法技术

本发明专利技术针对无刷直流电机转子位置检测问题，提出了一种基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法。其主要特征是将无刷直流电机定子电压和电流作为分层SVM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SVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止；通过网格优化法对SVM网络训练确定SVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为SVM的输入，通过分层分类确定最终转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。

Position Sensing Method of Brushless DC Motor Based on Support Vector Machine Hierarchical Classification

Aiming at the problem of rotor position detection of brushless DC motor, a position sensing method of brushless DC motor based on support vector machine (SVM) hierarchical classification is proposed. Its main feature is that the stator voltage and current of BLDCM are input to hierarchical SVM, and the rotor position information is output. The rotor position of BLDCM is divided into six regions. Each SVM output corresponds to the combination of regional classes, and the decision is made step by step until the corresponding region position of the rotor is distinguished. The optimal parameters of SVM are determined by training the SVM network with the grid optimization method, and then the training is carried out. The trained network model is applied to the motor operation. The stator voltage and current are collected as the input of SVM. The position information of the final rotor is determined by hierarchical classification. The logic conversion signal is calculated by the position of the rotor, and the on-off of the corresponding switch in each region is determined, that is, the commutation logic signal.

【技术实现步骤摘要】
基于支持向量机分层分类的无刷直流电机位置传感方法
本专利技术涉及一种无刷直流电机领域的转子位置传感方法，具体的说就是一种基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法。
技术介绍
无刷直流电机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，从而使定子磁场与转子永磁磁场始终保持90左右的空间角，产生转矩推动转子运转。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，需要安装位置检测装置，但有位置检测装置的无刷直流电机存在以下缺点：增加电机体积，不利于电机小型化；位置传感器安装在电机内部很有限的空间里，难以安装并且维修困难；难于适应恶劣的环境；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。目前转子无位置传感器装置的位置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。故反电势法和电流法单独使用都有其局限性。
技术实现思路
技术问题：有位置传感器和多种无位置传感器装置的转子信号检测方法都有其局限性，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，将支持向量机(SVM)分层分类用到转子位置检测中去，通过电流速度控制使得电机能够按照要求稳定运转。对于无刷直流电机，将转子位置信号与电机电压、电流之间的映射模型建立起来，采用支持向量机分层分类实现这种映射。将电机电压和电流作为支持向量机的输入，转子位置信息作为输出，从而实现电机转子位置的判定。本专利技术是基于SVM的基础上的转子位置检测系统，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。SVM是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化，最终转化为一个凸二次规划问题来求解。描叙多元非线性分类模型一般形式为：yi＝sgn(g(xi))其中i＝1,2,…,N表示支持向量机分类预测模型的输入量，yi表示模型目标输出量。映射函数使用核函数将原始输入空间的样本映射到高维特征空间Ω中，在特征空间中利用映射函数对样本数据进行线性分类。SVM分类可表示为：g(x)＝(w·Φ(x))+b(1)其中矢量w∈Rn，偏置b∈R。SVM在最小化样本误差的同时，最小化模型的结构风险，即：约束条件：yi[(wxi)+b]≤1-ξi，ξi≥0i＝1，…，N这里ξi为松弛变量，方程(2)通过对偶形式的Lagrange多项式，计算得出最终分类函数为：根据g(x)的符号确定分类结果，式中：最优拉格朗日乘子αi；b为偏置项。G(xi,x)为核函数，常用的局部核函数有径向基函数，全局核函数多项式核函数、sig函数等。本专利技术提出的基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法，A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机的输出，每个SVM输出对应区域类的组合，逐步分层决策，直到区分出转子对应区域位置为止。Gj(xi,x)为核函数，j＝1,2,…,L分别为L个分类器，k为时间序列，K为转子位置。本专利技术提出的一种基于SVM一对多分类的位置检测算法，主要包括支持向量机分类建模和模型运行部分。1.支持向量机分类建模部分主要实现步骤如下：Step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机的输出，将直流电机的转子旋转的0-360度电角度θ分为每60度一个区域共6个区域，转子位置用所在区域序号1-6表示。Step2：共设置5个支持向量机2分类器，第一层1个分类器就把选取的两种类别(如1-2)的样本定为正样本，剩余4种类别(如3-6类别)的样本定为负样本，第二层2个分类器，第一层判定为2种类别(如1-2类别)数据继续把2类别的样本分别定为正样本和负样本，从而区分识别(类别1和类别2)，第一层判定为4种类别的数据应用到第二个分类器，分成2个两类类别(如3-4类别和4-5类别)，第3层2个分类器把第二层2个类别继续区分，如此下去，我们可以得到5个这样的两类分类器，其中一种结构如表1所示。表1分层分类器举例训练数据和测试数据是通过有位置传感器无刷直流电机来测得的，将测得的5000组训练数据和2500组测试数据进行归一化处理；确定核函数Gj，核函数可选取多项式、径向基等函数、sig函数等。Step3：根据分类器输出分别选取相应类的训练样本，正样本为+1，负样本为-1，采用Vapnik算法分别对5个支持向量机进行训练，采用网格优化法验证测试获取最优模型参数惩罚系数C、松弛变量ξ和核函数参数，得到5个最优支持向量机二分类器。2.支持向量机分层分类运行部分主要实现步骤如下：Step1：实时采集相关的电压电流输入信号并归一化；Step2：将相关的电压电流输入信号输入建立好的支持向量机分类器得到转子所在区域Ki分类结果；当属于1、2、…、6类有两个及以上结果时保持上次分类结果不变；当属于1、2、…、6类全无结果时保持上次分类结果不变。Step3根据分类得到的转子位置进行实时控制。通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。转子位置信息与换相逻辑信号的变换关系如表2所示，其中1表示开通，0表示关断。表2转子位置信息与换相逻辑信号的变换关系表有益效果：本专利技术的位置传感方法具有动态性能好，鲁棒性高等优点。算法的运行速率快，提高了控制器反应速度。附图说明图1为基于支持向量机分层分类的无刷直流电机位置传感结构图。具体实施方式：本专利技术提出的基于支持向量机一对多分类的无刷直流电机位置传感方法，结合系统结构图其具体实施方案详述如下:Step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机的输出，将直流电机的转子旋转的0-360度电角度θ分为每60度一个区域共6个区域，转子位置用所在区域序号1-6表示。Step2：共设置5个支持向量机2分类器，第一层1个分类器就把选取的两种类别1-2的样本定为正样本，剩余4种类别3-6类别的样本定为负样本，第二层2个分类器，第一层判定为1-2类别数据继续把1、2类别的样本分别定为正样本和负样本，从而区分识别类别1和类别2，第一层判定为3-6类别的数据应用到第二个分类器，分成3-4、5-6两个类类别，第3层2个分类器把第二层2个类别继续区分，如此下去，我们可以得到5个这样的两类分类器，其结构如表3所示。表3分层分类器训练数据和测试数据是通过有位置传感器无刷直流电本文档来自技高网...

【技术保护点】
1.一种基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法，其特征在于通过SVM分层分类器获取无刷直流电机转子的位置信号，减少电机因位置传感器的存在而带来的误差以及减小电机体积。本专利技术提出的一种基于SVM分层分类的位置检测算法，采用支持向量机二分类结构，通过分层决策确定最终分类输出，主要包括支持向量机分层分类建模和模型运行部分：1)支持向量机分层分类建模部分主要实现步骤如下：Step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k‑1),ib(k‑1)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机的输出，每个SVM输出对应一个区域样本集合，不断决策，直至分出每一类别。将直流电机的转子旋转的0‑360度电角度分为每60度一个区域共6个区域，转子位置用所在区域序号1‑6表示，将测得的训练数据和测试数据进行归一化处理；Step2：共设置5个支持向量机2分类器，第一层1个分类器就把选取的两种类别(如1‑2)的样本定为正样本，剩余4种类别(如3‑6类别)的样本定为负样本，第二层2个分类器，第一层判定为2种类别(如1‑2类别)数据继续把2类别的样本分别定为正样本和负样本，从而区分识别(类别1和类别2)，第一层判定为4种类别的数据应用到第二个分类器，分成2个两类类别(如3‑4类别和4‑5类别)，第3层2个分类器把第二层2个类别继续区分，如此下去，我们可以得到5个这样的两类分类器，确定核函数Gj，核函数可选取多项式、径向基等函数、sig函数等。Step3：根据分类器输出分别选取相应类的训练样本，正样本为+1，负样本为‑1，采用Vapnik算法对5个支持向量机进行训练，采用网格优化法验证测试获取最优模型参数惩罚系数C、松弛变量ξ和核函数参数得到5个最优支持向量机二分类器。2)支持向量机分层分类运行部分主要实现步骤如下：Step1：实时采集相关的电压电流输入信号并归一化；Step2：将相关的电压电流输入信号输入建立好的支持向量机分类器得到转子所在区域Ki分类结果；当属于1、2、…、6类有两个及以上结果时保持上次分类结果不变；当属于1、2、…、6类全无结果时保持上次分类结果不变。Step3根据分类得到的转子位置进行实时控制。通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。...

【技术特征摘要】
1.一种基于支持向量机(SVM)分层分类的无刷直流电机位置传感方法，其特征在于通过SVM分层分类器获取无刷直流电机转子的位置信号，减少电机因位置传感器的存在而带来的误差以及减小电机体积。本发明提出的一种基于SVM分层分类的位置检测算法，采用支持向量机二分类结构，通过分层决策确定最终分类输出，主要包括支持向量机分层分类建模和模型运行部分：1)支持向量机分层分类建模部分主要实现步骤如下：Step1：对有位置传感器同型号无刷直流电机采集系统输入输出检测信号：A、B相电压ua(k),ub(k)电流ia(k),ib(k),ia(k-1),ib(k-1)作为支持向量机的输入，S(K)为转子位置信号，将其作为支持向量机的输出，每个SVM输出对应一个区域样本集合，不断决策，直至分出每一类别。将直流电机的转子旋转的0-360度电角度分为每60度一个区域共6个区域，转子位置用所在区域序号1-6表示，将测得的训练数据和测试数据进行归一化处理；Step2：共设置5个支持向量机2分类器，第一层1个分类器就把选取的两种类别(如1-2)的样本定为正样本，剩余4种类别(如3-6类别)的样本定为负样本，第二层2个分类器，第一层判定...

【专利技术属性】
技术研发人员：秦斌，王欣，秦羽新，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南,43