一种基于神经网络算法的开关磁阻电机控制方法与流程

本发明属于电机控制，具体涉及一种基于神经网络算法的开关磁阻电机控制方法。

背景技术：

1、开关磁阻电机具有结构简单，运行可靠，调速范围广，控制策略灵活等特点，在近三十年受到国内外许多学者的关注，被广泛的应用在各种常见场合，如家用电器、电动汽车、航空航天等等。不仅如此，开关磁阻电机以其优异的性能在某些特殊场合也有重要应用。

2、开关磁阻电机以其自身固有的优点，非常适合作为储能脉冲发电机的驱动电机，它结构简单，故障率低，可靠性高；起动能力强，能够将大惯量负载从静止快速起动；具有快速驱动的能力，能尽快将转子拖动到额定转速，并具有在转速掉落时具有快速恢复的能力，还能够在电机频繁变速运行情况下可靠工作。

技术实现思路

1、本发明提供一种基于神经网络算法的开关磁阻电机控制方法，能够在考虑电机带大惯量负载快速驱动到给定转速的条件下，优化控制参数，使电机出力最大，驱动时间最短。

2、本发明解决其技术问题所采用的技术方案是：一种基于神经网络算法的开关磁阻电机控制方法，包括如下步骤：

3、步骤1，根据开关磁阻电机功率和启动时间确定得到电机的额定转速：

4、

5、式中ωmax表示电机运行的最高转速，ωn表示电机额定转速，t表示不同额定转速下电机达到最高转速需要的时间，pn为电机额定功率，j表示电机转动惯量；

6、步骤2，根据开关磁阻电机实际物理参数和电气参数，在有限元分析软件中对电机进行建模分析，根据有限元仿真模型得到电机的电磁参数，该参数用于在matlab中对电机进行仿真分析；

7、步骤3，通过有限元分析开关磁阻电机在不同斩波电流下的输出转矩，确定斩波电流幅值；

8、步骤4，以最大平均输出转矩与转矩电流比的乘积最大为目标，通过有限元仿真扫描得到不同转速下的最优的开通、关断角度：先在有限元软件中设置不同的转速、开通角、关断角输入，仿真得到在三者不同搭配下的输出转矩；当转速、开通角、关断角输入步长越小仿真量越大，得到的最优控制角度越精确；

9、步骤5，通过bp神经网络学习算法进行拟合，采用bp神经网络学习算法建立开关磁阻电机角度-速度模型

10、

11、

12、式中yj表示下一层神经元的值，f()表示传输函数，若是到输出层则表示训练后的输出，y'j表示实际值，n表示当前层神经元数量，wi表示当前层单元到下一层的权值，xi表示输入变量个数，ek表示计算误差；

13、得到的bp神经网络模型由输入层、隐藏层和输出层组成，利用训练组数据和样本数据对bp神经网络模型进行训练学习，向输入层输入的每一个电机实际转速都得到一组对应的开通、关断角度，藉此确定bp神经网络模型的隐藏层数和隐藏单元，通过不断调节阈值使计算误差小于阈值，最终输出层得到一组以电机转速为输入和以开通、关断角度为输出的非线性映射，得到各转速下的最优控制曲线后，控制器通过该曲线调节控制参数控制开关磁阻电机运行。

14、进一步，所述的步骤3具体为：首先根据转矩、转速与功率的关系，确定电机在达到额定转速时的转矩为tn＝pn/ωn；继而根据所需要的额定转矩，通过有限元仿真得到在不同电流下的电机输出转矩值，作为计算额定转矩时的电流值，确定斩波电流幅值。

15、进一步，所述步骤5还包括样本数据的正向传播和数据误差的反向传播过程；所述的正向传播是数据经过输入层、隐藏层，最后将结果输出到输出层；所述数据误差的反向传播是正向传播计算出拟合输出与真实输出的误差后，误差经过输出层、隐藏层，最后将结果输出到输入层。

16、进一步，所述的步骤5具体为：

17、step1，数据预处理：通过公式对样本数据的输入变量xij和输出变量yi进行标准化处理，式中nij是归一化结果，归一化后的数据范围为[-1,1]，xij是第i个样本的j个特征的值，xjmax和xjmin分别为第j个特征下数据的最大值和最小值；

18、step2，样本数据的正向传播：bp神经网络模型中前一层的输出首先乘以相应的权重，然后与阈值相加，最后被神经元的激活函数转化后得到每个神经元的输出：yi＝f(net)f(∑jwijnij+bi)，式中yi是输出值，f(net)为激活函数，nij是归一化结果，wij为连接的权值，bi是阈值；

19、step3，数据误差的反向传播：误差从输出层开始，使用误差梯度递减法逐层传播到隐藏层、输入层之间相关的权重和阈值：△wij＝(l)ei，wij＝△wij+wij，式中ei是误差，l是学习率，yi是输出值，ti是实际值；

20、不断重复上述步骤step1～step3，直到达到中止条件。

21、更进一步，还包括步骤6：基于matalb平台搭建开关磁阻电机控制模型，根据步骤5的bp神经网络学习算法调节控制参数，制定仿真控制策略，观察控制效果。

22、本发明的有益效果是：本发明控制方法以开关磁阻电机在在各转速下的最大平均输出转矩与转矩电流比的乘积为控制目标，使用bp神经网络学习算法确定电机最优控制策略，充分考虑了电机在不同转速下的工作特性，与现有的控制策略相比，不但简化了控制模型，而且输出转矩更高、转矩脉动更小。

技术特征：

1.一种基于神经网络算法的开关磁阻电机控制方法，其特征在于：包括如下步骤

2.根据权利要求1所述的一种基于神经网络算法的开关磁阻电机控制方法，其特征在于，所述的步骤3中首先根据转矩、转速与功率的关系，确定电机在达到额定转速时的转矩为tn＝pn/ωn；继而根据所需要的额定转矩，通过有限元仿真得到在不同电流下的电机输出转矩值，作为计算额定转矩时的电流值，确定斩波电流幅值。

3.根据权利要求2所述的一种基于神经网络算法的开关磁阻电机控制方法，其特征在于，所述步骤5还包括样本数据的正向传播和数据误差的反向传播过程；所述的正向传播是数据经过输入层、隐藏层，最后将结果输出到输出层；所述数据误差的反向传播是正向传播计算出拟合输出与真实输出的误差后，误差经过输出层、隐藏层，最后将结果输出到输入层。

4.根据权利要求3所述的一种基于神经网络算法的开关磁阻电机控制方法，其特征在于，所述的步骤5具体为：

5.根据权利要求4所述的一种基于神经网络算法的开关磁阻电机控制方法，其特征在于，还包括步骤6：基于matalb平台搭建开关磁阻电机控制模型，根据bp神经网络调节控制参数，制定仿真控制策略，观察控制效果。

技术总结本发明公开的一种基于神经网络算法的开关磁阻电机控制方法，首先根据电机功率和启动时间确定电机的额定转速，在有限元分析软件中对电机进行建模分析得到电机的电磁参数，通过有限元分析电机在不同斩波电流下的输出转矩，确定斩波电流幅值，在此基础上以最大平均输出转矩与转矩电流比的乘积最大为目标，通过有限元仿真扫描得到最优的开通、关断角度，得到一组以电机转速为输入，开通、关断角度为输出的非线性映射，通过BP神经网络学习算法进行拟合，得到各转速下的最优控制曲线，最后通过该曲线调节控制参数，控制电机运行；本发明方法通过灵活调节控制参数，简化了控制模型，而且输出转矩更高、转矩脉动更小。技术研发人员：尹胜,全伟成,邹应勤,王晓晨,李静茹受保护的技术使用者：武汉船用电力推进装置研究所（中国船舶集团有限公司第七一二研究所）技术研发日：技术公布日：2024/7/23