[发明专利]一种开关磁阻电机非线性特性在线建模方法

说明书

技术领域

本发明涉及一种在线建模方法，特别是涉及一种开关磁阻电机非线性特性在线建模方法，属于开关磁阻电机建模技术领域。

背景技术

目前，SRM高精度控制中面临的主要困难是SRM缺乏具有实用性的精确数学模型，SRM虽然结构简单，但电磁关系复杂，具有多变量、强耦合和高度非线性的特点，虽然基于电机理论能够得到的完整描述SRM电磁及力学的非线性模型，但计算繁琐，难以解析，并无实用价值，SRM完整的电路、机械、机电联系方程中最重要的非线性关系是磁链-电流-角度关系模型(或电感-电流-角度关系模型)和转矩-电流-角度关系模型，建立准确而实用的模型是SRM建模的关键任务。

基于神经网络或模糊系统的智能建模方法的优点是不需要掌握SRM的先验知识，在实测数据准确、充足的条件下，能够得到准确反映SRM电磁特性的非线性模型，但是由于测量中的噪声干扰等因素的影响以及实测数据的有限性，使得通过离线方法根据静态实测磁链或转矩特性曲线得到的神经网络或模糊模型无法完全学习到SRM的全部动态特性，为了得到进一步提高SRM模型的精度，需要根据在线数据自适应调整所建立的非线性模型的参数，使其更能适应环境以及电机参数的变化。

发明内容

本发明的主要目的是为了提供一种开关磁阻电机非线性特性在线建模方法，该建模方法能够减小离线建模过程中因实测数据不充足导致的建模误差，提高模型精度，减小因模型误差导致的转矩脉动，提高控制性能。

本发明的目的可以通过采用如下技术方案达到：

一种开关磁阻电机非线性特性在线建模方法，所述在线建模方法基于模糊神经网络算法的SRM在线建模方法；根据开关磁阻电机的磁链特性获取数据，基于ANFIS算法离线建立磁链模型和逆转矩模型，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型；根据开关磁阻电机的转矩特性获取数据，通过误差反馈在线调节ANFIS模型参数，建立非线性逆转矩模型。

进一步的，所述在线建模方法包括如下步骤：

步骤11：假设SRM三相的电磁特性都是相同的，仅对其中一相的电磁转矩特性进行建模；

步骤12：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，获得SRM磁链模型的数学表达式；

步骤13：以转子位置和电流作为模型的输入，磁链为ANFIS模型的输出，将静态非线性磁链特性用于模型的训练，离线训练后的ANFIS模型映射出角度、电流以及磁链之间的非线性关系；

步骤14：以转子位置和电流作为模型的输入，转矩为ANFIS模型的输出，将静态非线性转矩特性用于模型的训练，离线训练后的ANFIS模型能够映射出角度、电流以及转矩之间的非线性关系；

步骤15：将基于ANFIS离线建立的非线性模型用于在线磁链估计和电流估计，将在线估计的结果与实测结果进行对比获得误差；

步骤16：将所得误差反馈在线调节基于ANFIS离线建立的非线性模型参数，使非线性模型的估计值与实测值之间的误差逐渐减小，提高建模精度。

进一步的，所述步骤12中，获得SRM磁链模型的数学表达式为；

ψ(θ,i)＝B^Tφ(θ,i)

其中：ψ为相磁链；

θ为角度；

i为相电流；

为ANFIS未知的后件参数；

为第N条规则的隶属度的加权平均值。

进一步的，所述步骤12中，还采用基于SRM非线性转矩特性数据离线建立逆转矩模型，以转子位置和相转矩作为模型的输入，相电流为ANFIS模型的输出，获得SRM逆转矩模型的数学表达式为：

i(θ,T)＝a^Tφ(θ,T)

其中：i为相电流；

T为相转矩；

θ为转子角度；

进一步的，通过误差反馈在线调节ANFIS模型参数，建立非线性磁链模型的步骤包括：

步骤21：根据在线测得的相电流与相电压直接计算得到磁链的参考值；

步骤22：将基于ANFIS在线估计得到的磁链实际值与参考值之间的误差进行反馈，在线调节ANFIS的后件参数：

ε₃(t)＝ψ-ψ_ref

其中：ψ为基于ANFIS模型在线获得的磁链估计值ψ(θ,i)＝B^Tφ(θ,i)；

ψ_ref为计算得到的磁链参考值；