[发明专利]基于免疫算法的异步电机滑模观测器转速估计方法

摘要

本发明公开了基于免疫算法的异步电机滑模观测器转速估计方法，具体按照以下步骤实施步骤1、通过异步电机定子电流方程和转子磁链方程建立异步电机数学模型；步骤2、根据步骤1中建立的异步电机数学模型选取滑模函数；步骤3、通过步骤2中得到的滑模函数估计异步电机转速。本发明中通过用免疫算法整定的参数代替异步电机滑模观测器的滑模系数γo，从而实现了对异步电机转速的在线整定，最终减小异步电机由于引入滑模观测器而带来的抖振等问题，提高了对系统参数和外部干扰的鲁棒性。

主权项

基于免疫算法的异步电机滑模观测器转速估计方法，其特征在于，具体按照以下步骤实施：步骤1、通过异步电机定子电流方程和转子磁链方程建立异步电机数学模型；步骤2、根据步骤1中建立的异步电机数学模型选取滑模函数；步骤3、通过步骤2中得到的滑模函数估计异步电机转速；所述步骤1通过异步电机定子电流方程和转子磁链方程建立异步电机数学模型：isα·=LmRrσLsLrLrψrα+LmσLsLrωrψrβ-RsLr2+RrLm2σLsLr2isα+1σLsusαisβ·=-LmσLsLrωrψrα+LmRrσLsLrLrψrβ-RsLr2+RrLm2σLsLr2isβ+1σLsusβ---(1)]]>ψrα·=-RrLrψrα-ωrψrβ+RrLmLrisαψrβ·=ωrψrα-RrLrψrβ+RrLmLrisβ---(2)]]>其中，Lr、Ls、Lm分别为转子电感、定子电感和定子和转子之间的互感，Rr、Rs分别为转子电阻和定子电阻，ωr为异步电机电角速度，usα、usβ分别为定子电压在α、β轴上的分量，isα、isβ分别为定子电流在α、β轴上的分量，ψrα、ψrβ分别为转子磁链在α、β轴上的分量，σ为总漏感系数；将公式(1)、(2)的数学模型转化为矩阵形式，如公式(3)、(4)：isα·isβ·=k1(ρωr-ωrρψrαψrβ-ρLmisαisβ)-k2isαisβ+k3usαusβ---(3)]]>ψrα·ψrβ·=-(ρωr-ωrρψrαψrβ-ρLmisαisβ)---(4)]]>其中：k1＝k3Lm/Lr，k2＝Rs/σLs，k3＝1/σLs，σ＝1‑Lm2/LsLr，ρ＝Rr/Lr；所述步骤2选取滑模函数的具体步骤为：将公式(3)、公式(4)中相同的矩阵项用相同的滑模函数替换为：i^sα·i^sβ·=k1fαfβ-k2i^sαi^sβ+k3usαusβ---(5)]]>ψ^rα·ψ^rβ·=-fαfβ---(6)]]>其中，分别为定子电流在α、β轴上的分量的估计值，分别为转子磁链在α、β轴上的分量的估计值，选取滑模函数为fα=-γossat(ssαa)fβ=-γossat(ssβa)---(7)]]>其中，滑模变量分别为γo为滑模系数，a表示常数；ssat(sa)=+1sa≥π2sin(sa2)-π2<sa<π2-1sa≤-π2---(8)]]>所述滑模系数通过在线学习的免疫算法获得，具体过程为：免疫应答原理中，第k代的抗原数量为e(k)，由抗原刺激而产生的Th细胞的浓度为NTh(k)，抑制性Ts细胞浓度为NTs(k)，则B细胞所接受到的刺激u(k)为：u(k)＝NTh(k)‑NTs(k)  (9)其中，NTh(k)＝τ1e(k)  (10)NTs(k)＝τ2g[Δu(k)]e(k)  (11)则u(k)＝τ1e(k)‑τ2g[Δu(k)]e(k)＝ηe(k)  (12)其中，η＝K{1‑μg[Δu(k)]}  (13)K＝τ1为增益控制反应速度；μ＝τ2/τ1控制稳定效果；g(x)为一选定的非线性函数，g(k)＝exp(2k/b)；将“疫苗”引入到免疫算法中，引入疫苗后产生的抑制性Ts细胞浓度NTs1(k)为：NTs1(k)＝τ3g[Δu1(k)]e(k)  (14)则引入疫苗后B细胞受到的刺激u′(k)为：u′(k)＝τ1e(k)‑τ2g[Δu′(k)]e(k)‑τ3g[Δu1(k)]e(k)＝m′pe(k) (15)其中，m′p＝K{1‑μ′G[Δu′(k),Δu1(k)]}  (16)改进后第k代Th细胞浓度和Ts细胞浓度分别为：NTh(k)＝τ1f(e(k))  (17)NTs(k)＝τ2g[Δu″(k)]f(e(k))+τ3g[Δu1(k)]f(e(k))  (18)其中，f(x)为sigmod函数；则改进后第k代B细胞所受到的刺激u″(k)为：u″(k)＝τ1f(e(k))‑τ2g[Δu″(k)]f(e(k))‑τ3g[Δu1(k)]f(e(k))＝m″pf(e(k))  (19)其中，m″p＝K{1‑μ″G[Δu″(k),Δu1(k)]}  (20)G(k1,k2)＝1‑exp(2k1/b)‑hexp(2k2/b)  (21)h＝τ3/τ1μ，m″p为在线学习的免疫算法得到的滑模系数，则滑模函数为：fα=-mp′′ssat(ssαa)fβ=-mp′′ssat(ssβa)---(22).]]>