[发明专利]一种高精度的永磁同步电机参数辨识方法

说明书

本发明涉及一种高精度的永磁同步电机参数辨识方法，具体包括以下步骤：(1)搭建FOC控制系统控制已知参数永磁同步电机运行；(2)采集电机运行信号；(3)坐标变换；(4)PI控制；(5)鲸鱼优化算法优化反向传播神经网络训练；(6)实现电机参数识别。本发明提出的永磁同步电机高精度参数辨识方法引入的一种智能寻优算法与反向神经网络的结合算法，相比传统的参数辨识方法，其优势是收敛速度快，无需进行公式推导和计算，模型搭建简便快捷，鲁棒性强，辨识精度高，辨识结果波动小。

技术领域

本发明属于电机参数辨识技术领域，尤其涉及一种高精度的永磁同步电机参数辨识方法。

背景技术

永磁同步电机因具有高效率、高转矩电流比、高功率密度、可靠性等优点，已在电动汽车、航空工业等领域得到了广泛应用。在永磁同步电机的控制过程中，闭环控制、减小运行损耗方法以及无传感器控制等方面，都比较依赖永磁同步电机自身参数，输入不准确参数的控制会导致永磁同步电机闭环控制效果差，系统波动大；引起减小运行损耗方法效果不佳导致电机损耗增大；无传感器控制中如果电机参数输入不准确，会引起电机运行不畅甚至无法运行。因此高精度的永磁同步电机参数辨识方法是很有必要的。

目前多采用参数辨识方法包括最小二乘法、模型参考自适应法、神经网络法等。其中，最小二乘法的参数辨识无法实现多参数同时辨识，在辨识某一参数时，其他参数是假定为已知值，因此最小二乘法参数辨识的辨识效果较差，在对电机参数有较高要求的领域难以胜任；模型参考自适应法一定程度上解决了最小二乘法无法同时实现多参数辨识的问题，且参数辨识精度更高，但是需要进行大量的公式推导和计算，同时还需要人工调节模型参考自适应的自适应律以及搭建精准的电机控制参考模型和可调模型，使用不够便捷；神经网络法无需进行复杂的公式推导及计算，也无需搭建精准的电机模型，使用方便，且电机参数辨识结果远好于其他方法，但是存在辨识初始阶段波动较大，鲁棒性较差，辨识速度慢等问题。

发明内容

本发明所要解决的技术问题是提供一种基于鲸鱼优化算法优化反向传播神经网络的永磁同步电机参数辨识方法，以解决现有技术中存在的无法进行多参数辨识、需要进行复杂的公式推导及运算、人工调节自适应律、需要搭建精确模型等问题。

为解决以上技术问题，本发明的技术方案为：提供一种高精度的永磁同步电机参数辨识方法，其创新点在于，具体包括以下步骤：

(1)搭建FOC控制系统控制已知参数永磁同步电机运行：根据永磁同步电机foc矢量控制方法搭建FOC控制系统，并控制电机在小于本电机最大转矩、最大转速的工况下运行；

(2)采集电机运行信号：通过电流传感器检测永磁同步电机的三相电流i_a、i_b、i_c；通过转速传感器检测电机的机械角速度ω_m，通过计算得到电机电角速度ω_e；通过位置传感器检测电机机械角度θ_m，通过计算得到电机电角度θ_e；

(3)坐标变换：将步骤(2)得到的电机的三相电流i_a、i_b、i_c通过Clarke变换转化为静止坐标系下的电流i_α、i_β，再通过Park变换转化为同步旋转坐标系下的电流i_d、i_q；

(4)PI控制：将步骤(2)得到的电角速度ω_e和参考转速ω_{e_ref}输入转速环PI模块，转速环PI模块输出q轴电流参考值至q轴电流环PI模块；将参考电流i_{d_ref}输入d轴电流环PI模块，同时将步骤(3)得到的同步旋转坐标系下的电流i_d、i_q分别输入d轴电流环PI模块以及q轴电流环PI模块进行计算，d轴电流环PI模块以及q轴电流环PI模块分别输出d轴电压u_d和q轴电压u_q；