用于电机控制的神经网络训练方法、电机控制方法及装置制造方法及图纸

本发明专利技术涉及一种用于电机控制的神经网络训练方法及其装置。该方法包括：构建神经网络；采用第一输入样本构建第一目标函数，利用第一输入样本和第一目标函数对神经网络进行训练，获得第一神经网络，并获取第一神经网络的第一标准输入样本和第一标准输出样本；采用第二输入样本构建第二目标函数，利用第二输入样本和第二目标函数对神经网络进行训练，获得第二神经网络，并获取第二神经网络的第二标准输入样本和第二标准输出样本；以及将第一标准输入样本和第二标准输入样本作为混合输入样本，第一标准输出样本和第二标准输出样本作为混合输出样本，构建第三目标函数，对神经网络进行训练，得到融合神经网络。

【技术实现步骤摘要】

本专利技术涉及电机控制，具体地涉及一种用于电机控制的神经网络训练方法、基于神经网络的电机控制方法及其装置。

技术介绍

1、用无速度传感器算法代替机械编码器可以降低系统成本，降低机械故障概率，提高系统可靠性。在永磁同步电机(permanent magnet synchronous machine，pmsm)无传感器控制应用中，遇到了以下问题：负载变化较大时(例如负载增加100％左右)，控制器无法恒速控制系统，出现电流过冲，甚至系统开小差。

2、解决该问题的常规解决方案是手动微调速度控制器的pi(proportionalintegral，比例积分)参数，但是这种方法的缺点是需要在不同的操作条件下重复手动调整，既费时又费力。

3、作为解决该问题的其他方法，也试图用高级控制器替换pi控制器。然而，高级控制器往往非常复杂，需要高水平的硬件计算能力和设计人员的专业知识。

技术实现思路

1、鉴于上述问题，本专利技术旨在提出一种不需要手动微调pi参数的用于电机控制的神经网络训练方法、基于神经网络的电机本文档来自技高网...

【技术保护点】

1.一种用于电机控制的神经网络训练方法，其特征在于，包括：

2.如权利要求1所述的用于电机控制的神经网络训练方法，其特征在于，

3.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

4.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

5.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

6.如权利要求5所述的用于电机控制的神经网络训练方法，其特征在于，

7.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

8.如权利要求2所述的用于电机控制的神经网...

【技术特征摘要】

1.一种用于电机控制的神经网络训练方法，其特征在于，包括：

2.如权利要求1所述的用于电机控制的神经网络训练方法，其特征在于，

3.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

4.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

5.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

6.如权利要求5所述的用于电机控制的神经网络训练方法，其特征在于，

7.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

8.如权利要求2所述的用于电机控制的神经网络训练方法，其特征在于，

9.如权利要求3所述的用于电机控制的神经网络训练方法，其特征在于，

10.如权利要求7所述的用于电机控制的神经网络训练方法，其特征在于，所述第二训练步骤包括以下子步骤：

11.如权利要求8所述的用于电机控制的神经网络训练方法，其特征在于，所述融合训练步骤包括以下子步骤：

12.如权利要求1所述的用于电机控制的神经网络训练方法，其特征在于，...

【专利技术属性】
技术研发人员：陈宇，童思雨，臧晓云，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：