【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控制方法及其装置。
2、根据本专利技术的一方面，提供一种用于电机控制的神经网络训练方法，所述方法包括：
3、构建神经网络；
4、第一训练步骤，采用在第一工况下电机控制器的动态响应参数作为第一输入样本，以改善第一工况下电机控制器的第一动态响应性能为训练目的构建第一目标函数，利用所述第一输入样本和所述第一目标函数对所述神经网络进行训练，直至获得训
5、第二训练步骤，采用在第二工况下电机控制器的动态响应参数作为第二输入样本，以改善第二工况下电机控制器的第二动态响应性能为训练目的构建第二目标函数，利用所述第二输入样本和所述第二目标函数对所述神经网络进行训练，直至获得训练好的第二神经网络，并获取所述训练好的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
6、融合训练步骤，将所述第一标准输入样本和所述第二标准输入样本作为混合输入样本，所述第一标准输出样本和所述第二标准输出样本作为混合输出样本，以改善所述第一工况下电机控制器的第一动态响应性能和所述第二工况下的电机控制器的第二动态响应性能为训练目的构建第三目标函数，对所述神经网络进行训练，直至获得训练好的融合神经网络。
7、根据本专利技术的再一方面，提供一种基于神经网络的电机控制方法，包括：
8、获取步骤，获取用于控制电机的电机控制器的动态响应参数；以及
9、控制步骤，将所述动态响应参数输入到所述的用于电机控制的神经网络训练方法得到的所述融合神经网络，得到所述融合神经网络的输出，采用所述融合神经网络的输出修正所述电机控制器所输出的q轴电流的参考值i*q，并且采用修正后的q轴电流的参考值i*q对所述电机进行控制。
10、根据本专利技术的再一方面，提供一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的用于电机控制的神经网络训练方法或者实现所述的基于神经网络的电机控制方法。
11、根据本专利技术的再一方面，提供一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的用于电机控制的神经网络训练方法或者实现所述的基于神经网络的电机控制方法。
12、根据本专利技术的再一方面，提供一种基于神经网络的电机控制系统，包括：计算设备，用于实现所述的用于电机控制的神经网络训练方法并得到所述训练好的融合神经网络；以及电机控制器，用于获取动态响应参数并且将所述动态响应参数输入到所述训练好的融合神经网络并得到所述融合神经网络的输出，采用所述融合神经网络的输出修正所述电机控制器所输出的q轴电流的参考值i*q，并且以修正后的q轴电流的参考值i*q对所述电机进行控制。
13、根据本专利技术的再一方面，提供一种用于电机控制的神经网络的训练系统，包括：
14、电机，具备用于测量电机的转速的转速传感器，所述转速传感器输出测量到的电机的转速；
15、负载，由所述电机和电机控制器形成的驱动系统所驱动，并且所述驱动系统和所述负载适于工作于第一工况或第二工况，在所述第一工况下的一个时间段内的负载变化位于第一预设范围外，在所述第二工况下的一个时间段内的负载变化位于第一预设范围内；
16、计算机设备，用于实现所述的用于电机控制的神经网络训练方法并得到所述训练好的融合神经网络；以及
17、电机控制器，用于控制所述电机，获取所述动态响应参数，将所述动态响应参数输入到所述融合神经网络得到所述融合神经网络的输出，采用所述融合神经网络的输出修正所述电机控制器所输出的q轴电流的参考值i*q，并且以修正后的q轴电流的参考值i*q对所述电机进行控制。
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
13.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，所述方法还包括：
14.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，所述神经网络的输出用于电机控制器的一输出参数的补偿值。
15.一种基于神经网络的电机控制方法，其特征在于，包括：
16.如权利要求15所述的基于神经网络的电机控制方法，其特征在于，
17.如权利要求15所述的基于神经网络的电机控制方法，其特征在于，
18.一种计算机可读介质，其上存储有计算机程序，其特征在于，
19.一种计算机设备，包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～14中任意一项所述的用于电机控制的神经网络训练方法或者实现权利要求15～17中任意一项所述的基于神经网络的电机控制方法。
20.一种基于神经网络的电机控制系统，其特征在于，包括：
21.一种用于电机控制的神经网络的训练系统，其特征在于，包括：
...【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：
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。