[发明专利]一种小波神经网络开关磁阻电机无位置传感器预测控制方法

权利要求书

1.基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，具体包括以下步骤：步骤1，构造开关磁阻电机电流模型预测控制器，在有位置传感器情况下，实现开关磁阻电机的转速闭环运行；步骤2，构建离散磁链计算模型，由检测的电压与电流可以计算得到磁链值；步骤3，通过有位置传感器的开关磁阻预测控制系统，获取小波神经网络的电机转子位置角度、相电流及磁链值样本；步骤4，由所获得的训练样本，搭建小波神经网络算法，实现无开关磁阻电机无传感器下的模型预测电流控制。

2.根据权利要求1所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，所述步骤1中，开关磁阻电机电流模型预测控制器是采用最优的控制量来实现控制目标，采用线性二次型成本函数来寻找最优控制量。

3.根据权利要求2所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，最优控制量为：

其中Q和R分别为误差权重因子和控制权重因子，I^*为给定的电流的参考值，U_k为由k时刻所预测的电压控制变量矩阵，I_k为由k时刻所预测的电流控制变量矩阵，通过该成本函数可以计算出k时刻的最优控制量u_k。

4.根据权利要求1所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，所述步骤2中，离散磁链计算模型为：

ψ(k)＝ψ(k-1)+0.5T_s[v(k)-Ri(k)+v(k-1)-R_resi(k-1)]

其中v(k)为k时刻的相电压，i(k)为k时刻的相电流，R_res为相电阻，T_s为采样周期，通过该离散磁链计算模型，可以由检测的电压、电流值与k-1时刻的磁链来计算出k时刻的磁链。

5.根据权利要求1所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，所述步骤4中，小波神经网络分为三层:第一层为输入层，即采集的磁链与电流样本；第二层为隐含层,采用Gauss小波函数作为激励函数；第三层为线性输出层，即转子位置角度。

6.根据权利要求5所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，小波神经网络拓扑结构的数学模型为：

其中包含[ψ_i i_i]，为小波神经网络输入值，即磁链值与相电流样本；yⁱ＝θ_i为小波神经网络输出值，即由输入样本计算得到的转子位置角度；i表示第i个样本；w_j为输出节点与隐藏节点的连接权值；a_jk、t_j分别为小波函数的伸缩系数和平移系数；h为隐藏节点个数；p为输入节点数。

7.根据权利要求6所述的基于小波神经网络开关磁阻电机无位置传感器预测控制方法，其特征在于，确定小波神经网络结构后，以误差能量均方能量函数作为目标函数，采用梯度下降法进行训练，直至获得收敛的网络输出。