[发明专利]一种基于Elman神经网络的感应电机转子电阻参数辨识方法

权利要求书

1.一种基于Elman神经网络的感应电机转子电阻参数辨识方法，其特征在于：

步骤一、确定Elman神经网络：Elman神经网络非线性状态空间的表达式为                                               ；；，式中：k,、m、 n分别代表输入层、隐层、输出层神经元的个数，P、T代表输入和输出向量，代表第k个输入到第m个隐层神经元之间的权值，代表第m个隐层神经元到第n输出层神经元之间的权值，代表第m个承接层到第m个隐层神经元之间的权值，、分别代表隐层和输出层的传递函数，、分别代表各层神经元之间的输入偏置，、分别代表隐层输出向量和其承接层的反馈状态向量，采用这样一种优化的算法：,对Elman神经网络进行优化，式中，为第n次迭代时的权值修正值，为加速因子，为动量因子；

步骤二、确定网络结构：首先，明确Elman神经网络的输入输出参数，对转子电阻产生影响的主要因素是转子电流、频率及环境温度，以选择电机绕组端部温度作一个综合的输入变量；以转子电阻作为输出变量；

步骤三、训练样本的获取：以步骤二中的输入信号作为主控条件，与其它输入变量互相组合，采用BP离线算法进行训练获得一批训练样本，以这些训练样本数据作为参考建立转子电阻模型，用此模型的输出作为网络的目标向值，来进行误差反传和权值修正；

步骤四、训练样本的处理：对步骤三所得到的训练样本进行处理，输入不同性质的数据时，对输入数据进行归一化处理，使之全落在±1范围内，以方便网络的训练和仿真；

步骤五、转子电阻辨识：采用由简单到复杂的方法，先以具有较明确关系的输入变量辨识单个参数，在其辨识效果得到比较和验证后，再逐渐加入其它潜在影响因素，再进行比较、分析，以步骤四中处理好的训练样本为条件，对转子电阻进行辨识，先以对其影响最显著的温度和转差频率作为输入，用网络检测其效果，再加入电流作为输入，检验网络的辨识效果有没有提高，最终确定网络的输入参数个数以及隐层神经元个数。

2.如权利要求1所述的一种基于Elman神经网络的感应电机转子电阻参数辨识方法，其特征在于：所述的训练样本获取方法为,

步骤一、以步骤三中的输入参数和输出参数建立BP网络：输入向量为，隐层输出向量：，输出层输出向量：，期望输出向量：，输入层到隐层之间的权值矩阵用V表示，，其中列向量为隐层第j个神经元对应的权向量，隐层到输出层之间的权值矩阵用W表示，，其中列向量为输出层第k个神经元对应的权向量；

步骤二、确定误差E：对于输出层，有，，其中，对于隐层，有，，其中，上述函数中均为单极性Sigmoid函数，，当网络输出与期望输出不等时，存在输出误差E，定义如下，将以上误差定义式展开至隐层，有，进一步展开至输入层，有；

步骤三、权值修正：由上述表达式可知，网络输入误差是各层权值的函数，调整权值改变误差E，调整权值使误差不断地减少，使权值的调整量与误差的梯度下降成正比，即

和。

3.如权利要求1所述的一种基于Elman神经网络的感应电机转子电阻参数辨识方法，其特征在于：所述的训练样本的处理方法为，在各个参数归一化时，涉及到最大值的选择问题，这与AD采样时的量化相同；将所有输入同时除以这个量化值，把所有的输入限定在±1 范围之内，关于温度输入的量化，可依据电机的绝缘等级来确定；关于电流最大值的选取，采用三相异步电机的最大电流，出现在起动时，最大起动电流约为其额定值的4-7倍；转差频率的最大值是出现在电机起动时，取电机在运行过程中的最大转差频率。