电动机控制装置制造方法及图纸

本发明专利技术提供一种电动机控制装置，其能够通过神经网络结构学习性地导出直接成为最佳效率的输出信号，并实时地提高效率。电动机控制装置(1)控制电动机(6)，且包括神经网络补偿器(11)，将输入信号输入到该神经网络补偿器(11)，通过重复正向传播和反向传播的学习，导出成为最佳效率的输出信号，输入信号是电动机电流、电动机参数和转矩等，同时输出信号是电流指令值或电流相位指令值，且该电动机控制装置(1)基于神经网络补偿器(11)导出的输出信号控制电动机(6)。控制电动机(6)。控制电动机(6)。

【技术实现步骤摘要】
【国外来华专利技术】电动机控制装置


[0001]本专利技术涉及一种用于控制电动机的运转的电动机控制装置。

技术介绍

[0002]永磁体嵌入型(IPM)电动机(永磁体同步电动机)的结构是将永磁体配置在转子内部，可以并用磁阻转矩，容易实现高效化，因此被广泛应用于家电设备、产业设备、汽车领域等。另外，随着近年来AI技术的发展，也开始探讨将AI技术导入这种电动机控制的领域。
[0003]例如，专利文献1中提出了一种学习装置和学习方法，其在电动机的电流控制系统中，通过以电流相对于阶跃转矩指令的过冲量、下冲量、上升时间作为奖励的学习，来优化电流控制器的PI增益。又例如，专利文献2中提出了一种机器学习方法，其能够学习电动机的最佳电流指令。
[0004]该文献通过以电动机转矩、电动机电流、电动机电压作为奖励的学习，导出电动机的电流指令值。再例如，专利文献3中提出了一种利用神经网络手段导出一次电压和相位角来控制感应机的装置。现有技术文献专利文献
[0005]专利文献1：日本专利特开2017
‑
34844号公报专利文献2：日本专利特开2018
‑
14838号公报专利文献3：日本专利特许第3054521号公报

技术实现思路

专利技术所要解决的技术问题
[0006]然而，无论哪个文献中记载的结构，对于电动机的产品偏差和经年变化引起的电动机参数的变动，都存在难以实现响应性好且使损耗最小化、防止效率降低的问题。
[0007]本专利技术旨在解决上述的现有技术问题，其目的在于提供一种电动机控制装置，该电动机控制装置通过神经网络结构学习性地导出直接成为最佳效率的输出信号，从而能够实时地提高效率。用于解决技术问题的技术手段
[0008]本专利技术的电动机控制装置是控制电动机的控制装置，其特征在于，包括神经网络补偿器，将输入信号输入到该神经网络补偿器，通过重复正向传播和反向传播的学习，导出成为最佳效率的输出信号，其中，输入信号是电动机电流、电动机参数和转矩中的任意一个或它们的组合或它们全部，且输出信号是电流指令值和/或电流相位指令值，所述电动机控制装置基于神经网络补偿器导出的输出信号来控制电动机。
[0009]权利要求2涉及的电动机控制装置的特征在于，上述专利技术中的输入信号是q轴电流指令值i
q
*、q轴电流i
q
、电流峰指令值i
p
*、电流峰值i
p
、d轴电感L
d
、q轴电感L
q
、磁通密度ψ、转矩指令值τ*、以及当前转矩τ中的任一个或它们的组合或它们全部。
[0010]权利要求3涉及的电动机控制装置的特征在于，上述各专利技术中的输出信号是电流峰指令值i
p
*和/或电流相位指令值θ
i
*。
[0011]权利要求4涉及的电动机控制装置的特征在于，在上述各专利技术中，神经网络补偿器将转矩误差的平方或电流误差的平方设为教师信号，并且从输入信号学习性地导出输出信号，使得该教师信号最小化。
[0012]权利要求5涉及的电动机控制装置的特征在于，上述专利技术中的教师信号是当前转矩τ相对于转矩指令值τ*的平方误差(τ*
‑
τ)2、电流峰值i
p
相对于电流峰指令值i
p
*的平方误差(i
p
*
‑
i
p
)2、以及q轴电流i
q
相对于q轴电流指令值i
q
*的平方误差(i
q
*
‑
i
q
)2中的任一者。
[0013]权利要求6涉及的电动机控制装置的特征在于，权利要求1的专利技术中，神经网络补偿器将电流峰指令值i
p
*和电流峰值i
p
作为输入信号，将电流峰值i
p
相对于电流峰指令值i
p
*的平方误差(i
p
*
‑
i
p
)2作为教师信号，将电流相位指令值θ
i
*作为输出信号，从输入信号学习性地导出输出信号，使得教师信号最小化。
[0014]权利要求7涉及的电动机控制装置的特征在于，权利要求1的专利技术中，神经网络补偿器将q轴电流指令值i
q
*和q轴电流i
q
作为输入信号，q轴电流i
q
相对于q轴电流指令值i
q
*的平方误差(i
q
*
‑
i
q
)2作为教师信号，电流相位指令值θ
i
*作为输出信号，从输入信号学习性地导出输出信号，使得教师信号最小化。
[0015]权利要求8涉及的电动机控制装置的特征在于，权利要求1的专利技术中，神经网络补偿器将电流峰值i
p
*、d轴电感L
d
、q轴电感L
q
和磁通密度ψ作为输入信号，将当前转矩τ相对于转矩指令值τ*的平方误差(τ*
‑
τ)2作为教师信号，电流峰指令值i
p
*和/或电流相位指令值θ
i
*作为输出信号，从输入信号学习性地导出输出信号，使得教师信号最小化。
[0016]权利要求9涉及的电动机控制装置的特征在于，权利要求1的专利技术中，神经网络补偿器将转矩指令值τ*和当前转矩τ作为输入信号，将当前转矩τ相对于转矩指令值τ*的平方误差(τ*
‑
τ)2作为教师信号，电流峰指令值i
p
*和/或电流相位指令值θ
i
*作为输出信号，从输入信号学习性地导出输出信号，使得教师信号最小化。
[0017]权利要求10涉及的电动机控制装置的特征在于，在上述各专利技术中，电动机是永磁体同步电动机。
[0018]权利要求11涉及的电动机控制装置的特征在于，在上述各专利技术中包括用于驱动并控制电动机的电动机驱动部、以及基于神经网络补偿器的输出信号由电动机驱动部控制电动机的电动机控制部。专利技术效果
[0019]根据本专利技术的电动机控制装置，设置神经网络补偿器，将输入信号输入到该神经网络补偿器，通过重复正向传播和反向传播的学习，导出成为最佳效率的输出信号，将输入信号设为电动机电流、电动机参数和转矩中的任意一个或它们的组合或它们全部，并将输出信号设为电流指令值和/或电流相位指令值，该电动机控制装置基于神经网络补偿器导出的输出信号来控制电动机，因此，当电动机存在产品偏差或电动机参数因磁饱和以及经年变化和温度变化而变动时，也可以实时地最小化损耗，防止效率降低。
[0020]因此，可以采用偏差较多的廉价电动机，同时大幅地降低参数拟合所需的工时，既可以降低成本，又可以实现所谓的稳健化。
[0021]在这种情况下，如权利要求2的专利技术那样，可以采用q轴电流指令值i
q
*、q轴电流i
q...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种电动机控制装置，是用于控制电动机的控制装置，其特征在于，包括神经网络补偿器，将输入信号输入到该神经网络补偿器，通过重复正向传播和反向传播的学习，导出成为最佳效率的输出信号；所述输入信号是电动机电流、电动机参数和转矩中的任一个或它们的组合或它们全部，所述输出信号是电流指令值和/或电流相位指令值，所述电动机控制装置基于由所述神经网络补偿器导出的所述输出信号来控制所述电动机。2.如权利要求1所述的电动机控制装置，其特征在于，所述输入信号是q轴电流指令值i
q
*、q轴电流i
q
、电流峰指令值i
p
*、电流峰值i
p
、d轴电感L
d
、q轴电感L
q
、磁通密度ψ、转矩指令值τ*和当前转矩τ中的任一个或它们的组合或它们全部。3.如权利要求1或2所述的电动机控制装置，其特征在于，所述输出信号是电流峰指令值i
p
*和/或电流相位指令值θ
i
*。4.如权利要求1至3中任一项所述的电动机控制装置，其特征在于，所述神经网络补偿器将转矩误差的平方或电流误差的平方作为教师信号，并从所述输入信号学习性地导出所述输出信号，以使所述教师信号最小化。5.如权利要求4所述的电动机控制装置，其特征在于，所述教师信号是当前转矩τ相对于转矩指令值τ*的平方误差(τ*
‑
τ)2、电流峰值i
p
相对于电流峰指令值i
p
*的平方误差(i
p
*
‑
i
p
)2、以及q轴电流i
q
相对于q轴电流指令值i
q
*的平方误差(i
q
*
‑
i
q
)2中的任一个。6.如权利要求1所述的电动机控制装置，其特征在于，所述神经网络补偿器将电流峰指令值i
p
*和电流峰值i
p
作为所述输入信号，并将所述电流峰值i
p
相对于所述电流峰指令值i
p
*的平...

【专利技术属性】
技术研发人员：桥本诚司，木暮雅之，涉谷诚，
申请(专利权)人：三电株式会社，
类型：发明
国别省市：