【技术实现步骤摘要】
基于PLC与BP神经网络的BLDCM参数优化方法
本专利技术属于直流无刷电机控制
，特别是一种基于PLC与BP神经网络的BLDCM参数优化方法。
技术介绍
无刷直流电动机是现代各种电气系统中广泛使用的一种电机，具有体积小、重量轻、调速性能优良等优点。与之配套的驱动系统需要快速响应的能力，而且在外部情况发生变化时应能进行快速跟踪，常规的参数固定的控制驱动系统往往不能满足这一要求。神经网络是由众多简单的神经元连接而成，模拟人脑的工作特点和组织功能。能实现逼近任意非线性函数，可以实现随着环境条件的改变而自学习进行改变，快速跟踪及时响应能力强。PLC(ProgrammableLogicController，可编程逻辑控制器)控制系统专为工业生产设计的一种数字运算操作的电子装置，它采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算、顺序控制、定时、计数与算术操作等面向用户的指令，并通过数字或模拟式输入/输出控制各种类型的机械或生产过程。传统无刷直流电机参数固定的控制系统在电机参数发生改变时，预先设定...
【技术保护点】
1.一种基于PLC与BP神经网络的BLDCM参数优化方法，其特征在于，包括以下步骤：/n步骤1、将多个PLC模块组建为PLC工业以太网；/n步骤2、建立无刷直流电机在同步参考模型下的离散电压方程，确定神经网络的输入量与输出量，并确定电机参考转速和电压、电流的变化范围；/n步骤3、采集不同转速下电机电压、电流，并将采集到的数据发送至无刷直流电机离散电压方程生成输出值，输出值与输入值对应组合成BP神经网络的训练样本；/n步骤4、构建BP神经网络模型；/n步骤5、归一化步骤3中的训练样本，将归一化处理后的训练样本输入已构建的BP神经网络模型中进行离线学习，得到符合要求的权值；/n...
【技术特征摘要】
1.一种基于PLC与BP神经网络的BLDCM参数优化方法，其特征在于，包括以下步骤：
步骤1、将多个PLC模块组建为PLC工业以太网；
步骤2、建立无刷直流电机在同步参考模型下的离散电压方程，确定神经网络的输入量与输出量，并确定电机参考转速和电压、电流的变化范围；
步骤3、采集不同转速下电机电压、电流，并将采集到的数据发送至无刷直流电机离散电压方程生成输出值，输出值与输入值对应组合成BP神经网络的训练样本；
步骤4、构建BP神经网络模型；
步骤5、归一化步骤3中的训练样本，将归一化处理后的训练样本输入已构建的BP神经网络模型中进行离线学习，得到符合要求的权值；
步骤6、在BP神经网络与PLC工业以太网之间建立联络，并交互实时信息；
步骤7、将系统与上位机进行组态，确保系统能够接受转速指令。
2.根据权利要求1所述的基于PLC与BP神经网络的BLDCM参数优化方法，其特征在于，步骤1所述将多个PLC模块组建为PLC工业以太网，具体为：
利用多个PLC模块通过交换机搭建PLC工业以太网。
3.根据权利要求1所述的基于PLC与BP神经网络的BLDCM参数优化方法，其特征在于，步骤2中所述无刷直流电机在同步参考模型下的离散电压方程，具体为：
其中R是定子阻抗，Ts是采样时间，L是d轴和q轴的电感，eds和eqs分别为d轴和q轴的反电动势，ids[k]、iqs[k]为此刻应该输出的d、q轴电流，ids[k-1]、iqs[k-1]为上一采样时刻的d、q轴电流，ωr[k-1]为上一采样时刻的角速度，vds[k-1]、vqs[k-1]为上一采集时刻的交直轴电压；
方程中等号右边第二项和第三项之和都只包含了三个能够检测到的变量ids、iqs和ωr，因此这两项看作状态变量的函数，于是方程表示为：
函数fd(ids,iq,ωr)和fq(ids,iqs,ωr)表示无刷直流电机的非线性动态方程，因此建立三层神经网络模型，ids[k-1]、iqs[k-1]、ωr[k-1]作为BP神经网络的输入量，fd(ids,iq,ωr)和fq(ids,iqs,ωr)作为输出量。
4.根据权利要求3所述的基于PLC与BP神经网络的BLDCM参数优化方法，其特征在于，步骤3所述采集不同转速下电机电压、电流，并将采集到的数据发送至无刷直流电机离散电压方程生成输出值，输出值与输入值对应组合成BP神经网络的训练样本，具体如下：
按设定步长和间隔，遍历取值范围采集不同转速下电机电压、电流，并将采集到的数据发送至无刷直流电机离散电压方程中的非线性动态方程中生成输出值，输出值与输入值对应组合成...
【专利技术属性】
技术研发人员：高琦昕，朱铖，周立波，张永，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。