[发明专利]基于神经网络自适应逆的混合动力车BSG系统控制方法

权利要求书

1.基于神经网络自适应逆的混合动力车BSG系统控制方法，具体包括以下步骤：

（1）将采用恒压频比工作方式的变频器与混合动力车BSG系统作为一个整体构成复合被控对象；其中变频器的输入为同步角频率                                               ，输出为控制混合动力车BSG系统的三相电压信号、和，混合动力车BSG系统的输出为转速；

（2）采用神经网络建立复合被控对象的辨识模型和逆控制模型，并离线确定辨识模型的权值参数和逆控制模型权值参数；表示当前的采样时刻；

（3）将逆控制模型作为逆控制器，串联在复合被控对象之前，对系统动态特性进行开环控制；

（4）将复合被控对象的实际输出与辨识模型的输出进行比较，确定出辨识误差，用该误差信息在线调整辨识模型的权值；将复合被控对象的实际输出与给定输入进行比较，确定出控制误差，用该误差信息在线调整逆控制器的权值；

（5）将逆控制器和辨识模型相结合组成神经网络自适应逆控制器，控制复合被控对象。

2.根据权利要求1所述的基于神经网络自适应逆的混合动力车BSG系统控制方法，其特征在于：步骤（1）中，变频器由比例环节、极坐标变换器、2/3变换器和逆变器串联而成；复合被控对象的输入为变频器的输入，即同步角频率，输出为混合动力车BSG系统的输出，即实际转速。

3.根据权利要求1所述的基于神经网络自适应逆的混合动力车BSG系统控制方法，其特征在于：步骤（2）中，离线确定辨识模型权值参数的方法是：将信号施加到复合被控对象的输入端，采集复合被控对象的输入信号、，以及其输出信号、、作为神经网络的输入，采集复合被控对象的的输出信号为神经网络输出，对神经网络进行训练，从而离线确定辨识模型的权值参数；离线确定逆控制模型权值参数的方法是：采集复合被控对象的输入信号，以及其输出信号、、、作为神经网络的输入，采集复合被控对象的的输入信号为神经网络输出，对神经网络进行训练，从而离线确定逆控制模型权值参数；其中，、分别为复合被控对象当前时刻和前一时刻的输入；、、、分别为复合被控对象当前时刻、前一时刻、前二时刻、前三时刻的输出；表示当前的采样时刻。

4.根据权利要求1所述的基于神经网络自适应逆的混合动力车BSG系统控制方法，其特征在于：步骤（4）中，辨识模型权值在线调整的方法为：，式中，和分别为下一时刻和当前时刻辨识模型的权值、为学习速率、为当前时刻的均方根误差，即；逆控制模型（5）权值在线调整的方法为：，式中，和分别为下一时刻和当前时刻逆控制模型（5）的权值、为学习速率、为当前时刻的均方根误差，即。