[发明专利]一种基于深度确信策略梯度算法的感应电机关键参数获取方法

摘要

本发明公开了一种基于深度确信策略梯度(Deep Deterministic Policy Gradient,以下简称为DDPG)算法的感应电机关键参数获取方法，包括：采用DDPG算法获取感应电机的转子电阻Rr和励磁电感Lm的参数值；基本步骤为：①让电机运行于有速度传感器矢量控制下的转矩模式，并采集电机当前的d、q轴电流id、iq，当前的d、q轴电压Ud、Uq，以及当前的输出转矩Te；②将id、iq、Ud、Uq作为DDPG算法的观测值，Te作为DDPG算法的奖励值，将观测值和奖励值送入DDPG算法中进行迭代，当迭代结束后，DDPG算法输出的2个值便分别为感应电机的转子电阻Rr和励磁电感Lm。本发明的优势在于获取的参数值并非实际的物理参数值，而是使得电机能够运行于最大转矩的参数值，并且精度可达小数点后六位。

主权项

1.一种基于深度确信策略梯度(Deep Deterministic Policy Gradient，以下简称为DDPG)算法的感应电机关键参数值获取方法，其特征在于：包括：让电机运行于有速度传感器矢量控制下的转矩模式，当电机在给定转速运行时，采集电机当前的d、q轴电流i_d、i_q，当前的d、q轴电压U_d、U_q，以及当前的输出转矩T_e，将i_d、i_q、U_d、U_q作为DDPG算法的观测值，T_e作为DDPG算法的奖励值，送入DDPG算法中进行迭代，当迭代结束后，DDPG算法输出的2个值便分别为感应电机的转子电阻R_r、励磁电感L_m。