【技术实现步骤摘要】
本专利技术涉及永磁同步电机控制，更具体地，涉及一种基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法。
技术介绍
1、长编组货运列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统，轮轨接触特性极为复杂，防止列车轮轨磨损和疲劳损伤是保障行车安全的重要前提，而防滑减磨控制是支撑这一前提的有效措施。目前，永磁牵引已逐步应用于各种铁路车辆中，不论是列车的牵引还是制动控制，最终的执行机构都是永磁电机。然而，列车工况极端复杂，易导致牵引电机的参数摄动，从而引发控制器与电机本体参数失配，严重影响列车牵引控制的有效性。因此，作为列车牵引控制的基础性研究，永磁同步电机的参数辨识鲁棒控制是需要解决的关键技术难点。
2、由于散热有限与工况频繁变化等原因，永磁同步电机时常面临状况各异的参数退化问题；在参数失配的情况下，长期使用原有参数进行控制无疑会极大地降低控制系统的性能。因此，在多数应用场景下电流预测控制策略的设计需要获取较为精确的电磁参数，电流环的控制响应不仅与给定值有关，还与交、直轴电感、永磁体磁链等有关，这使得精准的参数辨识成为了pmsm电流环控制中的难点与关键点。现有研究一定程度上推动了基于参数在线辨识的pmsm控制发展，但仍有两方面有待进一步探究：一是收敛性需更严格的理论保障；二是基于线性自适应神经网络(adaline)的参数辨识，本质是将待辨识参数如电阻、电感作为权值，并没有权值随机初始化过程，且一般是单输入单输出结构，对隐含特征挖掘能力有限。
3、通过检索，现有技术中已有相关基于神经网络永磁同步电机
4、例如公开号为“cn112564557a”名称为“一种永磁同步电机的控制方法、装置、设备及存储介质”的专利技术专利公布文件。提供了一种永磁同步电机的控制方法、装置、设备及存储介质，包括：根据永磁同步电机的基本结构，建立其在两相旋转坐标轴下的数学模型；根据所述数学模型，提取系统的输入参数；根据所述输入参数、以及带遗忘因子的最小二乘法模型辨识出电机参数，并根据所述电机参数生成电流环控制模型；调用采用粒子群算法训练好的rbf神经网络模型模型，并根据所述输入参数生成速度环控制模型；根据所述电流环控制模型以及所述速度环控制模型生成永磁同步电机的自适应控制模型。
5、以及公开号为“cn115857331a”名称为“一种基于k-means优化模糊rbf神经网络的永磁同步电机控制方法”的专利技术专利公布文件。公开了一种基于k-means优化模糊rbf神经网络的永磁同步电机控制方法，通过k-means聚类初始化模糊rbf神经网络参数；通过采样获得永磁电机矢量控制系统的实际输出值v，与给定值v★作差，计算出系统的偏差和偏差变化量；构建模糊rbf神经网络控制器，将系统的e(k)和ec(k)作为模糊rbf神经网络控制器的输入，通过四层网络得到kp、ki、kd，输入到pid控制器中得到输出控制量iq，再继续进行电流环pid控制。上述对比文件虽然提出了永磁同步电机基于rbf神经网络的控制策略，但并未提出永磁同步电机参数辨识与电流预测控制策略。
6、因此在本领域内提出一种基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法具有重要的意义。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法，包括以下步骤，
2、s1，以d-q轴电流为状态变量，建立理想离散电流状态方程
3、i(k+1)＝e(k)i(k)+fu(k)+p(k)；
4、s2，考虑因温升等因素引起永磁同步电机电感、永磁体磁链等参数的变化，建立实际运行离散状态方程
5、i'(k+1)＝e0(k)i(k)+f0u(k)+p0(k)；
6、s3，用步骤s1中的理想电流方程减去s2中的实际电流方程，可以得到参数失配下的电流演化关系方程
7、γi(k+1)＝eδ(k)i(k)+fδu(k)+pδ(k)；
8、γi(k+1)＝i(k+1)-i'(k+1)；
9、s4，设计关于电机参数辨识值的参数在线辨识控制器为
10、
11、s5，步骤s4中所指的电机参数辨识值，是通过基于rbf神经网络的参数辨识方法辨识获得，参数辨识值算式为
12、
13、其中分别为q轴电感、定子电阻、永磁体磁链辨识的rbf神经网络隐含层第i个权值向量；分别为q轴电感、定子电阻、永磁体磁链辨识的rbf神经网络第一个输入量，对应的，为第二个输入量；hi为隐含层神经元激活函数，式中ci为rbf神经网络的隐含层神经元中心点矢量值；bi为高斯基函数宽度。
14、进一步地，所述步骤s1理想离散电流状态方程中
15、
16、
17、其中id(k),id(k+1)分别表示第k时刻和第k+1时刻的d轴分量电流，iq(k),iq(k+1)分别表示第k时刻和第k+1时刻的q轴分量电流，ωe(k)表示第k时刻的电角速度，ld,lq分别为d轴电感和q轴电感的标称值，ψf为永磁体磁链标称值，ts为采样周期，r为定子电阻标称值。
18、进一步地，所述步骤实际运行离散状态方程中
19、
20、其中r0代表实际定子电阻，ld0,lq0分别为d轴电感和q轴电感的实际值，ψr0为永磁体磁链实际值，其余参数与步骤s1中理想离散电流状态方程中参数意义相同。
21、进一步地，所述步骤s3参数失配下的电流演化关系方程中
22、
23、
24、eδ(k)与pδ(k)为参数摄动矩阵，定义参数畸变率为λx＝x/x0,x＝r,ld,lq,ψr。
25、进一步地，所述步骤s4参数在线辨识控制器中
26、
27、其中定子电阻、q轴电感、永磁体磁链的辨识值、d-q轴电流跟踪误差分别为eid、eiq。
28、进一步地，将满秩参数辨识模型作为参考输入，其表达式为
29、
30、其中lq0,r0,ψr0指id＝0控制下的电机参数；usd0,usq0,iq0是id＝0控制下的采样信号；相应地，式中下标没有零的量是id＞0控制下的电机参数和采样信号；us本文档来自技高网...
【技术保护点】
1.一种基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，包括以下步骤，
2.如权利要求1所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤S1理想离散电流状态方程中
3.如权利要求2所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤实际运行离散状态方程中
4.如权利要求3所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤S3参数失配下的电流演化关系方程中
5.如权利要求4所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤S4参数在线辨识控制器中
6.如权利要求5所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，将满秩参数辨识模型作为参考输入，其表达式为
7.如权利要求6所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，参数辨识过程是分步的，先辨识定子电阻标称值再以其为基础辨识永磁体磁链实际
8.如权利要求7所述的基于RBF神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤S5中机参数辨识值算式的构造步骤包括
...【技术特征摘要】
1.一种基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，包括以下步骤，
2.如权利要求1所述的基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤s1理想离散电流状态方程中
3.如权利要求2所述的基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤实际运行离散状态方程中
4.如权利要求3所述的基于rbf神经网络的永磁同步电机参数辨识与电流预测控制方法，其特征在于，所述步骤s3参数失配下的电流演化关系方程中
5.如权利要求4所述的基于rbf神经网络的永磁同步电机参数...
【专利技术属性】
技术研发人员：程翔，张淼滢，吴家仪，汤梦姣，熊异，吴海波，张昌凡，何静，刘鸣春，石中华，
申请(专利权)人：湖南铁道职业技术学院，
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。