[发明专利]转矩-电流神经网络模型SRM转矩脉动控制方法与系统

说明书

本发明为一种转矩‑电流神经网络模型SRM转矩脉动控制方法与系统。本方法由SRM的电感模型得到转矩‑电流转换关系，经电流分配函数得到各相控制电流，以实现抑制转矩脉动。根据SRM转矩与电流的非线性特性关系，以描述SRM电流基本变化规律的函数作为隐含层激活函数，设计描述SRM强非线性特性的转矩‑电流神经网络模型，通过转矩‑电流神经网络模型的自学习，计算转矩对应的总参考电流，再经电流分配函数，获得在各相对应的参考电流，控制SRM。按本法设计的系统微处理器的程序存储器有执行本法的各程序模块，SRM上的各传感器信号接入微处理器，经功率变换器连接控制SRM。本发明实现了开关磁阻电机转矩脉动的有效控制。

技术领域

本发明涉及电动汽车电机的控制领域，具体为一种转矩-电流神经网络模型SRM(开关磁阻电机)转矩脉动控制方法与系统。

背景技术

开关磁阻电机(Switched Reluctance Motor,简称为SRM)为新能源汽车的主选驱动电机。因其转子无绕组及永磁材料，具有结构简单、成本低、调速范围宽、允许的最大工作温度较高等优点，且其主开关器件与相绕组串联，避免了短路击穿的可能，具有极高的安全性,故成为极具潜力的新一代新能源汽车驱动电机。然而SRM独特的双凸极结构和严重的磁饱和，使SRM在运行时不可避免地产生较大转矩脉动，限制了SRM在新能源汽车领域的推广与应用。

目前SRM转矩的控制方法主要为两种，一种是直接转矩控制(Direct TorqueControl,DTC)，将转矩控制直接引入SRM控制，将磁链误差和转矩误差限制在各自的滞环内。另一种是直接瞬时转矩控制(Direct Instantaneous Torque Control,DITC)，将转矩作为控制目标，实现转矩滞环控制。但这两种方法都没有考虑电流信息，运行时可能会使电流出现较大尖峰，造成电流的不可控。转矩分配函数(Torque Sharing Function,TSF)是一种常用的方法，将参考转矩分配到SRM各相，在SRM的换相过程中，通过比较换相区域的磁链变化率，将换相区划分为两个子区域，对TSF进行在线修正，确保各相转矩之和为定值，以降低转矩脉动。另一有效方法是获得与恒转矩对应的控制电流以抑制转矩脉动，有些方案是使用查表法，完成转矩到电流的转换，也有些研究利用经典RBF神经网络，通过离线训练构造转矩-电流模型，但由于缺乏在线学习过程，不具有控制的实时性。还有些研究根据转矩-电流的转换关系表达式计算电流，但是计算复杂，难以获得准确的参数。

目前，对SRM转矩脉动抑制研究主要是集中于根据SRM特有的非线性特性研究，在恒转矩下，基于转矩-电流模型计算控制电流，以实现抑制转矩脉动。为避免复杂的计算，忽略磁饱和效应，普遍认为电感模型为理想的线性模型，能反应SRM基本内在特性，根据SRM的电感模型转矩表达式得到转矩-电流转换关系，即转矩-电流模型。现有的转矩-电流SRM转矩脉动抑制方法是PI调速器根据转速偏差得到总参考转矩，由转矩分配函数分配为A、B、C各相的参考转矩。再由转矩-电流模型将各相参考转矩转化为A、B、C各相的参考电流，与实测的A、B、C各相当前电流相互比较，送入电流滞环控制器，得到功率变换器的有效开关信号。

此种转矩分配控制中的转矩环属于开环，无法保证瞬时转矩实时跟踪参考转矩。其转矩分配控制采用基于线性电感模型的转矩-电流模型计算控制电流，将dL_kk/dθ视为常值，没有充分考虑到SRM的非线性特性，难以准确描述转矩和电流之间的非线性关系。因此现有的转矩分配TSF控制必然无法准确地获得恒转矩对应的理想控制电流，也就无法解决开关磁阻电机(SRM)的非线性造成的转矩脉动问题。

发明内容