[发明专利]一种数据驱动的异步电机动力学模型建模方法

权利要求书

1.一种数据驱动的异步电机动力学模型建模方法，其特征在于：所述方法使用异步电机的实际运行数据来建立异步电机运行时的动力学模型dx/dt＝ΞΘ^T(x,u)，其中x为动力学模型的状态向量，u为动力学模型中的输入向量，Θ(x,u)为状态向量x和输入向量u组成的字典库，Ξ为稀疏系数矩阵，同时，使用数据驱动型非线性动力学稀疏表征方法来辨识所建立的动力学模型中的稀疏系数矩阵Ξ，从而得到最终的数据驱动异步电机动力学模型。

2.根据权利要求1所述的一种数据驱动的异步电机动力学模型建模方法，其特征在于，所述使用异步电机的实际运行数据来建立异步电机的动力学模型的步骤如下：

(1)数据采集阶段，此阶段在异步电机实际运行过程中，采集电机各个时刻的运行数据，包括：采集t个时刻的电机d-q轴电压数据,记为[v_sd(1),v_sq(1),…,v_sd(t),v_sq(t)]，其中v_sd表示d轴电压，v_sq表示q轴电压；采集t个时刻的电机d-q轴电流数据，记为[i_sd(1),i_sq(1),…,i_sd(t),i_sq(t)]，其中i_sd表示d轴电流，i_sq表示q轴电流；采集t个时刻的电机的转子位置数据[θ₍₁₎,…,θ_(t)]，其中θ表示转子位置，以及电机的转速数据[ω_r(1),…,ω_r(t)]其中ω_r表示转子速度；下标_(1)…(t)表示当前时刻；

(2)动力学模型建立阶段，此阶段建立的电机动力学模型的结构为：dx/dt＝ΞΘ^T(x,u),其中x为动力学模型的状态向量，u为动力学模型中的输入向量，Θ(x,u)为状态x和输入u组成的字典库，Ξ为稀疏系数矩阵；将电机d轴电压v_sd、电机q轴电压v_sq及电机转速ω_r作为动力学模型的输入行向量u，记为u＝[v_sd,v_sq,ω_r]，将电机d轴电流i_sd、电机q轴电流i_sq以及电机转子位置θ作为动力学模型的状态列向量x，记为x＝[i_sd,i_sq,θ]^T，其中上标^T表示向量的转置。

3.根据权利要求1所述的一种数据驱动的异步电机动力学模型建模方法，其特征在于，所使用的数据驱动型非线性动力学稀疏表征方法具体步骤为：

(1)构建字典库其中的意义为：在左右两边向量中的元素所有可能的两两组合情况，具体为以及最终得共1×22维；

(2)根据构建的字典库建立异步电机的动力学模型dx/dt＝ΞΘ^T(x,u)，其展开形式为：

其中系数矩阵Ξ＝[ξ₁ ξ₂ ξ₃]^T，ξ₁,ξ₂,ξ₃各为22×1维列向量，称为系数向量，则系数矩阵Ξ的维度为3×22维；

(3)使用统计学理论中的LASSO回归来确定系数向量中的具体数值，具体计算公式为：

其中k＝1…3表示向量的维数，ξ_k表示最终确定的系数向量，表示估计中的中间过程系数向量，||·||₂表示L2范数，||·||₁表示L1范数，使用上述LASSO回归，可以使得向量ξ₁,ξ₂,ξ₃为稀疏系数向量，即系数向量中的大部分系数元素都为0，从而让获得的动力学模型具有结构简单，可解释性高的优点。