当前位置: 首页 > 专利查询>江苏大学专利>正文

一种无轴承异步电机磁链的软测量仪表的建模方法技术

技术编号:8105891 阅读:219 留言:0更新日期:2012-12-21 04:53
本发明专利技术公开了一种无轴承异步电机稳定悬浮运行过程中基于最小二乘支持向量机的磁链软测量仪表的优化建模方法,包括最小二乘支持向量机建模与基于改进粒子群算法的最优模型确定两个部分,为无轴承异步电机在线难以测量的磁链变量提供了优化的最小二乘支持向量机软测量仪表模型,很好地克服了传统离线测量方法中由于时间滞后所带来的控制精度不高等缺陷,具有参数自动优化、预测精度高、样本需求量小和抗干扰能力强等诸多优点。

【技术实现步骤摘要】

本专利技术涉及一种软测量仪表的优化建模方法,具体为无轴承异步电机运行工程中用优化的最小二乘支持向量机模型估计磁链值的方法,为实现无轴承异步电机实时在线控制创造条件,适用于无轴承异步电机的高性能控制,应用于特种电力传动与信息科学交叉的

技术介绍
无轴承异步电机因其高转速、高精度、无摩擦、无磨损、免维护、低噪声、易弱磁控制等优势在高速和超高速、超洁净领域很大的应用前景。无轴承异步电机定子采用转矩和悬浮两套绕组结构,分别提供电磁转矩和径向力。由于无轴承异步电机结构复杂,气隙磁场严重耦合,转子磁场定向控制是其常规采用的控制策略,该控制方法通过诸如光电编码器之类的速度传感器来检测转速信息,并计算得到转子位置,然后将转子位置信息及气隙磁场传递给悬浮控制系统,最后经过复杂的运算实现径向力与电磁转矩的解耦控制。由于可见,该解耦过程严重依赖于系统磁链信息,因此实时获取磁链信息对实现无轴承异步电机的高性能控制有着十分只要的意义,而无轴承异步电机磁链信息却缺乏有效的在线直接测量手段。近年来,软测量技术各类在工业领域中获得了广泛的应用,并且解决了诸多不可测关键控制变量的测量问题。软测量技术的核心是利用可测的辅助变量建立不可测(或者难以测量)的主导变量的模型,进而可以实时在线估计出所需变量。
技术实现思路
本专利技术的目的是提供一种无轴承异步电机稳定悬浮运行过程中基于最小二乘支持向量机的磁链软测量仪表的建模方法,并给出了最小二乘支持向量机关键参数设定的模型优化方法,克服了无轴承异步电机磁链难以直接在线实时测量的问题。本专利技术是通过如下技术方案实现的包括如下步骤 O将无轴承异步电机实际运行过程中的在线可测变量X=Dr1, X2, X4]作为软测量仪表的输入变量,被估计的无轴承异步电机磁链作为软测量仪表的输出变量,建立无轴承异步电机磁链软测量仪表的输入变量与输出变量之间的最小二乘支持向量机非线性模型x)+b -,X1为转子位置角,&为转矩绕组电流,X3为悬浮绕组电流,&为转子偏心位移,为拉格朗日乘子,j‘=l,2,…,n, b是偏置值,},为RBF径向基核函数,σ是RBF径向基核函数的宽度; 2)对输入变量和输出变量进行归一化处理后形成建模样本集; 3)确定在改进粒子群算法中粒子个数I空间维数4最大迭代次数、学习因子C1和C2、惯性权重的最大值及惯性权重最小值^min的取值; 4)在i/维空间随机产生《个粒子,且每个粒子的个体最优解设置为权利要求1. ,其特征在于包括如下步骤 O将无轴承异步电机实际运行过程中的在线可测变量X=Dr1, X2, X4]作为软测量仪表的输入变量,被估计的无轴承异步电机磁链作为软测量仪表的输出变量,建立无轴承异步电机磁链软测量仪表的输入变量与输出变量之间的最小二乘支持向量机非线性模型全文摘要本专利技术公开了一种无轴承异步电机稳定悬浮运行过程中基于最小二乘支持向量机的磁链软测量仪表的优化建模方法,包括最小二乘支持向量机建模与基于改进粒子群算法的最优模型确定两个部分,为无轴承异步电机在线难以测量的磁链变量提供了优化的最小二乘支持向量机软测量仪表模型,很好地克服了传统离线测量方法中由于时间滞后所带来的控制精度不高等缺陷,具有参数自动优化、预测精度高、样本需求量小和抗干扰能力强等诸多优点。文档编号G06F19/00GK102831301SQ20121027568公开日2012年12月19日 申请日期2012年8月6日 优先权日2012年8月6日专利技术者孙晓东, 陈龙, 江浩斌, 杨泽斌, 李可 申请人:江苏大学本文档来自技高网...

【技术保护点】
一种无轴承异步电机磁链的软测量仪表的建模方法,其特征在于包括如下步骤:1)将无轴承异步电机实际运行过程中的在线可测变量X=[x1,x2,x3,x4]作为软测量仪表的输入变量,被估计的无轴承异步电机磁链作为软测量仪表的输出变量,建立无轴承异步电机磁链软测量仪表的输入变量与输出变量之间的最小二乘支持向量机非线性模型???????????????????????????????????????????????;x1为转子位置角,x2为转矩绕组电流,x3为悬浮绕组电流,x4为转子偏心位移,αj为拉格朗日乘子,j=1,2,…,n,b是偏置值,,为RBF径向基核函数,σ是RBF径向基核函数的宽度;2)对输入变量和输出变量进行归一化处理后形成建模样本集;3)确定在改进粒子群算法中粒子个数m、空间维数d、最大迭代次数nmax、学习因子c1和c2、惯性权重的最大值ωmax及惯性权重最小值ωmin的取值;4)在d维空间随机产生m个粒子,且每个粒子的个体最优解设置为pi?=?ui?(i?=1,?2,...,?m),初始速度为vi?(i?=1,?2,...,?m);5)设定粒子的适应度函数为最小二乘支持向量机性能评估指标,用样本均方差表示:其中,i=1,2,…l,Yi和分别是实际值和模型输出值;6)对于每个粒子,比较当前的适应度函数f(ui)和历史最好位置的适应度函数f(pi),若f(ui)?<?f(pi),则使pi?=?ui;对于粒子群,比较所有粒子的当前适应度函数f(ui)和群体最好历史最好位置的适应度函数f(pg),若f(ui)?<?f(pg),则使pg?=?ui;其中,和分别为第i个粒子的速度和初始位置,和分别为个体最优解和全局最优解,i=1,2,…,m;7)根据来更新粒子的位置;根据来更新粒子的速度,产生新的种群;其中,r1和r2为0至1之间的随机数,为收敛因子;8)判断结束条件是否满足,若是最大迭代次数大于等于规定的迭代次数,或者成立,则寻优结束,否则迭代次数增加1,并跳转至步骤5)。2012102756832100001dest_path_image002.jpg,2012102756832100001dest_path_image004.jpg,2012102756832100001dest_path_image006.jpg,2012102756832100001dest_path_image008.jpg,2012102756832100001dest_path_image010.jpg,dest_path_image012.jpg,dest_path_image014.jpg,dest_path_image016.jpg,dest_path_image018.jpg,dest_path_image020.jpg,dest_path_image022.jpg,dest_path_image024.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员:孙晓东陈龙江浩斌杨泽斌李可
申请(专利权)人:江苏大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1