[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

说明书

本发明公开了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，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。本发明采用了模型预测控制，可以实现模型的滚动优化与校正，提高模型的准确性和增加控制的稳定性，进而减小转矩脉动。

技术领域

本发明是一种基于小波神经网络的开关磁阻电机无位置传感器控制方法，属于电机控制技术领域。

背景技术

开关磁阻电机(Switched Reluctance Motor,SRM)具有结构简单，可靠性高，调速范围宽，可以实现高启动转矩和低启动电流等突出特点，是当今电气传动领域的热门课题之一。SRM的磁场是由脉动电流产生的，因此由转矩脉动产生的振动和噪声成为SRM较为突出的缺点，这严重限制了开关磁阻调速系统的推广应用。因此对减少振动和降低噪声的探讨，成为了国内外学者广泛关注的焦点。

先进的控制方法可以一定程度上减小转矩脉动。对于开关磁阻电机，一般使用传统的PID控制。当被控对象处于经常变化的环境中时，需要根据环境的变化来调整PID增益，因此PID控制在实际应用中不够灵活。相比之下模型预测控制(Model PredictiveControl，MPC)可以滚动优化其模型，且其逻辑简单、易处理非线性、多变量系统，在功率变换器控制算法中逐渐受到关注。根据控制器的状态组合与受控对象的物理特性，MPC可依据预测结果直接产生功率变换器驱动信号，易于降低开关管动作频率，动态响应快。

SRM是一个位置闭环系统，准确的位置信号是控制的关键。传统的位置检测是直接利用光电式、电磁式和磁敏式等位置传感器实现。位置传感器的存在增加了SRM结构的复杂性，提高了制造成本；其次，位置传感器受环境影响很大，从而大大降低SRM运行的可靠性。因此寻求一种无位置传感器的检测方案成为人们关注的课题。

发明内容

本发明的目的是基于小波神经网络，提出一种开关磁阻电机无位置传感器的预测控制方法，实现开关磁阻电机的无位置传感器运行，并且减小转矩脉动。

本发明的技术方案是：

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，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。

进一步，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。

进一步，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。

进一步，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)]