一种无轴承永磁同步电机转子转速和位移软测量方法技术

本发明专利技术提供一种无轴承永磁同步电机转子转速和位移软测量方法，为实现无轴承永磁同步电机转矩和径向悬浮力的实时在线控制创造了条件，适用于无轴承永磁同步电机的高性能控制。为了构建转子转速、位移与其它易测辅助变量之间的关系，提出了一种基于自适应BP神经网络建立的软测量模型，与常规参数自适应不同，该方法是对BP神经网络隐层层数进行自适应控制，利用权值直接确定法直接确定神经网络的最小二乘逼近权值和网络精度，通过与期望精度的比较能够实现对神经网络隐层结构的自适应设计。该神经网络模型不依赖电机参数，提高了检测精度和系统的可靠性。

A soft sensing method for rotor speed and displacement of bearingless PMSM

The invention provides a soft sensing method for rotor speed and displacement of bearingless permanent magnet synchronous motor, which creates conditions for real-time online control of torque and radial suspension force of bearingless permanent magnet synchronous motor, and is suitable for high-performance control of bearingless permanent magnet synchronous motor. In order to construct the relationship between rotor speed, displacement and other easily measured auxiliary variables, a soft sensing model based on adaptive BP neural network is proposed, which is different from the conventional parameter adaptive method. This method is to control the number of hidden layers of BP neural network adaptively, and to determine the least square approximation weight and network accuracy of neural network directly by using the weight direct determination method Compared with the expected accuracy, it can realize the adaptive design of neural network hidden layer structure. The neural network model does not depend on the motor parameters, which improves the detection accuracy and system reliability.

【技术实现步骤摘要】
一种无轴承永磁同步电机转子转速和位移软测量方法
本专利技术涉及电机领域，尤其涉及一种基于自适应BP神经网络的无轴承永磁同步电机转子转速和位移软测量方法，为实现无轴承永磁同步电机转矩和径向悬浮力的实时在线控制创造了条件，适用于无轴承永磁同步电机的高性能控制。
技术介绍
无轴承永磁同步电机是一种集合了永磁同步电机和磁轴承特性的新型电机，它不仅具有永磁同步电机功率因数高、效率高、功率密度大的优点，还具有磁轴承无机械摩擦、无需润滑和免维护等特点，可实现高速或超高速运行，在化学化工、生命科学、能源交通、航空航天及机器人等领域具有潜在应用前景。无轴承永磁同步电机包括转矩绕组和悬浮力绕组两套绕组，其控制系统由转矩控制系统和悬浮力控制系统两个子系统组成。对于转矩控制系统，转速传感器需要检测转子转速，与给定值进行比较后送入转矩控制系统产生转矩控制电流；对于悬浮力控制系统，位移传感器需要检测转子径向位移，与给定值进行比较后送入悬浮力控制系统产生悬浮力控制电流。传统的无轴承永磁同步电机利用传感器采集信息进行反馈控制，测量转速多采用光电编码盘等机械式的速度传感器，测量转子径向位移多采用电涡流传感器，这些传感器增加了电机重量和成本，易受干扰，降低了系统可靠性，不便于安装与维护，不适用于恶劣环境，并且在无轴承永磁同步电机高速、超高速运行状态下，机械式传感器已不能满足系统性能要求。因此，无轴承永磁同步电机转子转速和位移自检测技术的研究尤为重要。当前无轴承永磁同步电机转速自检测技术有反电势法和灰色模型法。反电势法虽然简单，但在零速或低速时会因反电势过小导致低速适应性差，并且对电机参数的变化敏感，鲁棒性差；灰色模型法简单易行，不需要额外的硬件，不需要注入高低频信号，但依赖于电机参数，在电机温度变化，磁饱和等情况下对控制品质会有影响。转子径向位移自检测技术有高频注入法、模型参考自适应法和支持向量机法。高频注入法利用电机转矩控制绕组和悬浮绕组互感、或者悬浮绕组自感与位移之间关系，通过检测悬浮绕组两端差动电压来估算径向位移，但存在高频信号提取、信号滤波处理过程复杂等缺陷；专利[CN101667799A]提出了基于电压电流的模型参考自适应法来检测无轴承永磁同步电机转速，但其因存在纯积分环节，辨识准确性差，且受定子电阻影响，低速时不稳定；专利[CN103501148A]提出了基于多核最小二乘支持向量机的无轴承永磁同步电机无径向位移传感器控制方法，该方法算法简单，鲁棒性较好，但由于有高阶矩阵的运算，会耗费大量的机器内存和运算时间。
技术实现思路
为了解决上述技术问题，本专利技术的目的在于提供了一种基于自适应BP神经网络的无轴承永磁同步电机转子转速和位移软测量方法，通过构建转子转速、位移与其它易测辅助变量之间的关系，实现对转子转速和位移的实时检测。基于该方法构建的电机控制系统能在全速范围内快速准确检测无轴承永磁同步电机转子转速和径向位移，并能在参数突变、负载扰动条件下实现无轴承永磁同步电机无传感器稳定悬浮运行，提高无轴承永磁同步电机高速、超高速运行时工作性能。相比于其他方法，自组织神经网络模型不依赖电机参数，提高了检测精度和系统的可靠性。本专利技术提出了一种无轴承永磁同步电机转子转速和位移软测量方法，所述方法包括：选取特征变量；采集样本数据并针对样本数据进行预处理，以形成训练样本集；根据所述特征变量设计基于自适应BP神经网络软测量模块；采用所述训练样本集中的样本数据对所述自适应BP神经网络进行训练，调整并确定输入层节点到隐节点和以及隐节点到输出层节点的权值；将基于自适应BP神经网络软测量模块串联到无轴承永磁同步电机系统中以建立无轴承永磁同步电机转速和位移软测量控制系统。本方案中，选取特征变量，具体包括：软测量模型特征主要变量的选取和辅助变量的选取，以转子转速ω和径向位移x，y为主要变量，通过模型分析，确定可测变量悬浮力控制电流ix、iy及其积分ix1、iy1，转矩控制电流id、iq及其积分id1、iq1为辅助变量；所述BP神经网络软测量模块的输入是辅助变量[ix，ix1，iy，iy1，id，id1，iq，iq1]，输出是主要变量[ω，x，y]，其中，转子转速输出为无轴承电机调速范围内以正弦形式分布的随机量，径向位移输出为无轴承电机气隙距离内以正弦形式分布的随机量。本方案中，采集样本数据并针对样本数据进行预处理，以形成训练样本集，具体包括：对输入与输出信号进行归一化处理，计算方法为：其中D*表示归一化后的数据，Dmin为对应样本数据中的最小值，Dmax为对应样本数据中的最大值，经过归一化处理后，所有的变量数据都被归一化到[0，1]；对归一化后的数据进行滤波，从而获得精确的输入输出数据，组成所述自适应BP神经网络的训练样本集；从所述训练样本集中，选取N组代表性的样本数据，其中每组样本数据包含8个输入变量Xk＝[X1，X2，X3，X4，X5，X6，X7，X8]＝[ix，iy，ix1，iy1，id，iq，id1，iq1]，对应的输出变量为Yj＝[Y1，Y2，Y3]＝[ω，x，y]，形成采样数据，用来训练和测试。本方案中，根据所述特征变量设计基于自适应BP神经网络软测量模块，具体包括：初始化所述自适应BP神经网络；选取均方差函数作为性能指标，以对所述自适应BP神经网络训练；设计BP神经网络模型；直接确定BP神经网络的权值；自适应设计BP神经网络隐含层。本方案中，初始化所述自适应BP神经网络，具体包括：网络输入层神经元数为8，选取初始隐含层神经元数m＝-1+log28＝2，自适应BP神经网络是一类前向3层神经网络，初始时刻神经网络的结构即为8-2-3的连接方式，输入层有8个节点，隐含层有2个节点，输出层有3个节点；神经网络的输入向量为Xk＝[X1，X2，X3，X4，X5，X6，X7，X8]＝[ix，iy，ix1，iy1，id，iq，id1，iq1]，输出向量为Yj＝[Y1，Y2，Y3]＝[ω，x，y]；隐含层采用tansig型激活函数，其具体表达式为：输出层采用logsig型激活函数，其具体表达式为：本方案中，自适应BP神经网络训练选取均方差函数作为性能指标，所述均方差函数具体表达式为：其中，Ydi为第i个样本对应的期望输出，Yi为第i个样本对应的网络输出，N为参与训练的样本个数。本方案中，设计BP神经网络模型，具体包括：输入分量Xk(k＝1，2，…，8)通过与和它相连的权值分量wik(k＝1，2，…，8；i＝1，2，…，m；m为隐节点的数量)相乘，求和之后输入激活函数f(·)，神经元输出Yi除受输入信号影响外，同时也受到神经元内部其它因素的影响，在神经元建模中加入一个额外的输入信号bi作为其阈值，输出变量Yi表达式为：且当神经元对输入信号加权求和后的值大于bi，Yi大于零；自适应BP神经网络共有三层，第一层为输入层本文档来自技高网...

【技术保护点】
1.一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，所述方法包括：/n选取特征变量；/n采集样本数据并针对样本数据进行预处理，以形成训练样本集；/n根据所述特征变量设计基于自适应BP神经网络软测量模块；/n采用所述训练样本集中的样本数据对所述自适应BP神经网络进行训练，调整并确定输入层节点到隐节点和以及隐节点到输出层节点的权值；/n将基于自适应BP神经网络软测量模块串联到无轴承永磁同步电机系统中以建立无轴承永磁同步电机转速和位移软测量控制系统。/n

【技术特征摘要】
1.一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，所述方法包括：
选取特征变量；
采集样本数据并针对样本数据进行预处理，以形成训练样本集；
根据所述特征变量设计基于自适应BP神经网络软测量模块；
采用所述训练样本集中的样本数据对所述自适应BP神经网络进行训练，调整并确定输入层节点到隐节点和以及隐节点到输出层节点的权值；
将基于自适应BP神经网络软测量模块串联到无轴承永磁同步电机系统中以建立无轴承永磁同步电机转速和位移软测量控制系统。


2.根据权利要求1所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，选取特征变量，具体包括：
软测量模型特征主要变量的选取和辅助变量的选取，以转子转速ω和径向位移x，y为主要变量，通过模型分析，确定可测变量悬浮力控制电流ix、iy及其积分ix1、iy1，转矩控制电流id、iq及其积分id1、iq1为辅助变量；所述BP神经网络软测量模块的输入是辅助变量[ix，ix1，iy，iy1，id，id1，iq，iq1]，输出是主要变量[ω，x，y]，其中，转子转速输出为无轴承电机调速范围内以正弦形式分布的随机量，径向位移输出为无轴承电机气隙距离内以正弦形式分布的随机量。


3.根据权利要求1所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，采集样本数据并针对样本数据进行预处理，以形成训练样本集，具体包括：
对输入与输出信号进行归一化处理，计算方法为：



其中D*表示归一化后的数据，Dmin为对应样本数据中的最小值，Dmax为对应样本数据中的最大值，经过归一化处理后，所有的变量数据都被归一化到[0，1]；
对归一化后的数据进行滤波，从而获得精确的输入输出数据，组成所述自适应BP神经网络的训练样本集；
从所述训练样本集中，选取N组代表性的样本数据，其中每组样本数据包含8个输入变量Xk＝[X1，X2，X3，X4，X5，X6，X7，X8]＝[ix，iy，ix1，iy1，id，iq，id1，iq1]，对应的输出变量为Yj＝[Y1，Y2，Y3]＝[ω，x，y]，形成采样数据，用来训练和测试。


4.根据权利要求1所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，根据所述特征变量设计基于自适应BP神经网络软测量模块，具体包括：
初始化所述自适应BP神经网络；
选取均方差函数作为性能指标，以对所述自适应BP神经网络训练；
设计BP神经网络模型；
直接确定BP神经网络的权值；
自适应设计BP神经网络隐含层。


5.根据权利要求4所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，初始化所述自适应BP神经网络，具体包括：
网络输入层神经元数为8，选取初始隐含层神经元数m＝-1+log28＝2，自适应BP神经网络是一类前向3层神经网络，初始时刻神经网络的结构即为8-2-3的连接方式，输入层有8个节点，隐含层有2个节点，输出层有3个节点；神经网络的输入向量为Xk＝[X1，X2，X3，X4，X5，X6，X7，X8]＝[ix，iy，ix1，iy1，id，iq，id1，iq1]，输出向量为Yj＝[Y1，Y2，Y3]＝[ω，x，y]；
隐含层采用tansig型激活函数，其具体表达式为：



输出层采用logsig型激活函数，其具体表达式为：





6.根据权利要求4所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，自适应BP神经网络训练选取均方差函数作为性能指标，所述均方差函数具体表达式为：



其中，Ydi为第i个样本对应的期望输出，Yi为第i个样本对应的网络输出，N为参与训练的样本个数。


7.根据权利要求4所述的一种无轴承永磁同步电机转子转速和位移软测量方法，其特征在于，设计BP神经网络模型，具体包括：
输入分量Xk(k＝1，2，…，8)通过与和它相连的权值分量wik(k＝1，2，…，8；i＝1，2，…，m；m为隐节点的数量)相乘，求和之后输入激活函数f(·)，神经元输出Yi除受输入信号影响外，同时也受到神经元内部其它因素的影响，在神经元建模中加入一个额外的输入信号bi作为其阈值，输出变量Yi表达式为：



且当神经元对输入信号加权求和后的值大于bi，Yi大于零；
自适应BP神经网络共有三层，第一层为输入层节点数为8，第二层为隐含...

【专利技术属性】
技术研发人员：郝正强，杨阳，徐世文，
申请(专利权)人：杭州洲钜电子科技有限公司，
类型：发明
国别省市：浙江;33