System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种知识与数据协同驱动的永磁同步电机模型预测控制方法。
技术介绍
1、永磁同步电机是一种通过永磁体产生磁场的电机,它具有高效率、高功率密度和良好的动态响应特性,因此在新能源汽车、航空航天等领域得到广泛应用。随着自动控制技术发展和电力电子元器件的不断更新,给永磁同步电机的控制策略带来了机遇和新的挑战。近年来,许多永磁同步电机的控制策略被提出,主要包括:模型预测电流控制、模型预测转矩控制、滑模控制、直接转矩控制等。虽然上述控制策略能够取得良好的控制效果,但以下两方面问题需要进一步考虑。首先,控制策略对参数变化敏感,导致无法适应多种工况的控制。其次,同时兼顾永磁同步电机系统的静态非线性特性与动态线性特性,预测控制精度低。因此基于上述问题,本专利技术设计了一种知识与数据共同驱动的永磁同步电机模型预测控制系统。
技术实现思路
1、本专利技术是为了解决上述现有技术存在的问题而提供一种知识与数据协同驱动的永磁同步电机模型预测控制方法。
2、本专利技术所采用的技术方案有:
3、首先,利用永磁同步电机机理特性,选择适当的趋近率构造滑模面,并设计滑模控制器。其次,利用wiener模型构建永磁同步电机的数据驱动模型,其中利用门控循环单元神经网络描述wiener模型的静态非线性模块,利用自回归模型描述wiener模型的动态线性模块。在此基础上,基于设计的可分离信号和电机q轴电流数据,利用相关性分析法和自适应动量估计算法分别辨识wiener模型的动态线性模块和静态非线性
4、本专利技术具体采用如下技术方案:
5、步骤s1):基于永磁同步电机的机理特性,选择适当的趋近率构造滑模面,并设计滑模控制器。
6、永磁同步电机在d-q坐标系下电流机理特性为:
7、
8、其中,rs表示电阻,ld和lq分别表示d轴q轴电感,ud和uq分别表示d轴和q轴电压,id和iq分别表示d轴和q轴电流,ωm表示角速度,p表示极对数,ψf表示磁通匝连数;
9、趋近率s'选择指数趋近率,即s'=-εsgn(s)-qs;
10、其中,ε和q表示正值参数,
11、计算永磁同步电机d-q坐标系下电流机理特性的导数,得到如下微分方程:
12、
13、定义永磁同步电机误差的状态变量x1和x2:
14、
15、其中,ωref为电机的参考转速,ωm为实际转速,x'1表示x1的导数;
16、定义滑模面函数:
17、s=cx1+x2
18、其中,c表示设计参数;
19、将指数趋近率带入到滑模面函数,得到滑模控制器为:
20、
21、其中,d,q,μ表示滑模控制器参数。
22、在本专利技术中设计的滑模控制器中包含微分项,可以消除稳态误差,提高系统的控制品质。
23、进一步地,步骤s2)中,所述wiener模型为:
24、
25、yt(t)=f(vt(t))
26、其中,ut表示wiener模型输入,vt是中间不可测变量,yt是wiener模型输出,q-1表示单位后移算子,na,nb表示参数a(q)和b(q)的阶次。
27、进一步地,在门控循环单元神经网络中,单个神经元表示为:
28、rt=σ(wr·[ht-1,vt])
29、zt=σ(wz·[ht-1,vt])
30、
31、
32、其中,wr,wz,wh分别表示重置门、更新门以及候选隐藏状态的权重矩阵,σ表示sigmoid激活函数,ht-1为上一个时刻的隐藏状态,⊙表示按元素相乘。
33、进一步地,步骤s3)中,利用门控循环单元神经网络建立永磁同步电机的代理模型,并利用q轴电流的输入,输出数据训练代理模型,
34、设计的可分离信号为高斯信号,高斯信号ug经过代理模型得到相应的输出yg;
35、基于高斯信号的输入输出,利用相关性分析法辨识自回归移动平均模型未知参数,具体如下:
36、在均值为零的高斯信号输入下,存在常量b0,使得成立;
37、其中,
38、
39、
40、
41、动态线性模块的表达式可以改写为:
42、
43、设得到:
44、
45、利用相关性分析方法计算得到自回归移动平均模型的参数:
46、
47、其中,表示估计的自回归移动平均模型参数,
48、表示信息向量,
49、表示信息矩阵,
50、r表示相关函数。
51、进一步地,基于永磁同步电机q轴电流的输入输出数据,ui和yi,利用自适应动量估计算法更新门控循环单元神经网络的参数,具体如下:
52、定义门控循环单元损失函数
53、
54、其中,t表示电流数据的长度,hi表示门控循环单元中隐藏层的输出,表示估计值;
55、计算t时刻的偏导数计算重置门、更新门以及候选隐藏状态的梯度:
56、
57、
58、
59、其中,和分别表示重置门、更新门以及候选隐藏状态的梯度,δh=1-zt;
60、利用自适应动量估计算法更新门控循环单元神经网络的参数:
61、
62、
63、
64、其中,分别表示t时刻的重置门、更新门以及候选隐藏状态的权重矩阵,表示数学期望估计值。
65、进一步地,步骤s4)中,将永磁同步电机的电流数据作为预测控制系统的输入,利用设计的滑模控制器和辨识得到的数据驱动模型,预测永磁同步电机q轴的下一时刻电流;根据预测结果选择电压矢量,并驱动逆变器,从而对永磁同步电机进行控制。
66、本专利技术具有如下有益效果:
67、1)本专利技术利用永磁同步电机模型的机理特性设计滑模控制器,能够提高永磁同步电机在不同运行特性下的鲁棒性。
68、2)本专利技术利用wiener模型建立永磁同步电机的数据驱动模型,同时考虑了永磁同步电机模型的静态非线性特性和动态线性特性,能够更有效描述永磁同步电机模型。
69、3)本专利技术利用相关性分析法和自适应动量估计算法分离辨识wiener模型的动态线性模块和静态非线性模块,提高了辨识精度,具有较好的预测性能。
本文档来自技高网...【技术保护点】
1.一种知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:包括如下步骤:
2.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤S1)包括:
3.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤S2)中,所述Wiener模型为:
4.如权利要求3所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:在门控循环单元神经网络中,单个神经元表示为:
5.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤S3)中,利用门控循环单元神经网络建立永磁同步电机的代理模型,并利用q轴电流的输入,输出数据训练代理模型,设计的可分离信号为高斯信号,高斯信号uG经过代理模型得到相应的输出yG;
6.如权利要求5所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:基于永磁同步电机q轴电流的输入输出数据,uI和yI,利用自适应动量估计算法更新门控循环单元神经网络的参数,具体如下:
7.如权利
...【技术特征摘要】
1.一种知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:包括如下步骤:
2.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤s1)包括:
3.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤s2)中,所述wiener模型为:
4.如权利要求3所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:在门控循环单元神经网络中,单个神经元表示为:
5.如权利要求1所述的知识与数据协同驱动的永磁同步电机模型预测控制方法,其特征在于:步骤s3)中,利用门控循环单元神经网络建立永磁同步电机的代理模型,...
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。