[发明专利]基于增量式宽度学习系统的永磁同步电机控制方法及系统

权利要求书

1.基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，包括以下步骤：

S1、获取永磁同步直线电机某段时间内的输入与输出数据，作为宽度学习系统的初始训练样本集；所述初始训练样本集为X，其表达式为：

其中，V是反馈速度，V^*是参考速度，i_abc是三相电流，i_q是q轴电流，是q轴参考电流，i_d是d轴电流，是d轴参考电流，是d轴参考电压，是q轴参考电压，S_abc是开关量；

S2、采用模糊粗糙集对初始训练样本集进行数据预处理，得到永磁同步直线电机的训练数据样本集；

S3、将所述训练数据样本集输入到宽度学习系统模型中进行训练，所述宽度学习系统模型采用增强节点增量式宽度学习系统；

S4、利用训练完的宽度学习系统模型对永磁同步直线电机进行控制；

步骤S2包括：

S21、确定初始决策表，把和作为决策属性，将可能影响预测结果的变量作为条件属性；

S22、确定各属性模糊隶属度函数及模糊化初始决策表，根据属性的物理特点，选择合适的模糊隶属度函数对各属性模糊划分，得到模糊化的决策表；

S23、根据QuickReduct约简算法及模糊粗糙集理论的理论定义对影响宽度学习系统模型结果的多种属性进行约简，并计算每个条件属性占决策属性重要性的百分比，以此作为约简条件，并确定训练数据样本集；

所述增强节点增量式宽度学习系统包括：特征节点和增强节点，步骤S3包括：

S31、对所述特征节点，根据训练数据样本集生成特征节点Z_i，并构建特征节点组Zⁿ；如下：

Zⁿ＝[Z₁,Z₂,…,Z_n]

其中，为线性或非线性激活函数，W_ei和β_ei分别为随机权重和偏置，n为特征节点组个数；

S32、对所述增强节点，根据特征节点Z_i生成增强节点H_j，并构建增强节点组H^m：

H_j＝ξ_j(ZⁿW_hj+β_hj),j＝1,2,3,…m

H^m＝[H₁,H₂,…,H_m]

其中，ξ_j为非线性激活函数，W_hj和β_hj分别为随机权重和偏置；

S33、对所述宽度学习系统模型，通过输入数据学习合适的输出权重W^m，宽度学习系统模型通过使用伪逆算法快速求解输出权重W^m：

W^m＝(A^TA+λI)^-1A^TY

其中，A⁺表示A的伪逆，I为单位矩阵，Y是训练样本输出；

S34、对所述增强节点增量式宽度学习系统，包含特征节点和增强节点，并构成宽度学习系统的隐藏层，通过输出权重W^m得到最终输出结果

S35、对所述增强节点增量式宽度学习系统，使用平均绝对百分比误差评价准确度，公式如下：

式中，代表真实值，y_i代表预测值，n代表样本数，当MAPE为0％表示预测模型为完美模型，当MAPE值大于100％则表示该预测模型为劣质模型；

S36、对所述增强节点增量式宽度学习系统，使用增强节点增量式算法更新模型准确度。

2.如权利要求1所述的基于增量式宽度学习系统的永磁同步电机控制方法，其特征在于，还包括以下步骤：

S5、通过PI控制与所述宽度学习系统模型控制速度对比分析所述宽度学习系统模型控制性能。

3.计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行如权利要求1-2任意一项所述的基于增量式宽度学习系统的永磁同步电机控制方法。