基于神經網絡的開關磁阻電動機無位置傳感器技術.pdf

1、開關磁阻電動機(Switched Reluctance Motor，SRM)具有結構簡單、工作可靠、效率高和成本較低等優(yōu)點，在很多領域都顯示出強大的競爭力，但是其位置傳感器的存在不僅削弱了SRM結構簡單的優(yōu)勢，而且降低了系統(tǒng)高速運行的可靠性，增加了成本，于是探索實用的無位置傳感器檢測轉子位置的方案便成為開關磁阻電機驅動系統(tǒng)(SwitchedReluctance Motor DriVe，SRD)研究的熱點。SRM高度非線性的電磁特性決定了

2、在精確的數學模型基礎上實現無位置傳感器控制十分困難，而人工神經網絡的出現為解決這個問題提供了新的思路。BP(Back Propagation)神經網絡是目前研究最多、應用最廣泛的一種多層前饋神經網絡，具有收斂速度快、非線性逼近能力強等優(yōu)點。本文提出了一種利用改進的BP網絡來實現SRM無位置傳感器的轉子位置檢測方法，該方法以電機三相繞組的相電流、磁鏈作為輸入，轉子位置作為輸出，建立SRM電流、磁鏈與轉子位置之間的非線性映射，從而實現SRM

3、無位置傳感器的轉子位置檢測。 在現階段，為了保證神經網絡的檢測精度與收斂速度，神經網絡的訓練樣本數據一般都是電機在某一特定條件下的運行數據，并不能反映電機的實際運行情況。針對這一情況，本文提出了一種訓練數據實時更新的思想，并將其引入到神經網絡的輸入向量中。在神經網絡訓練過程中，根據電機的實際運行情況，將不同運行情況下的三相繞組的相電流、磁通、轉子位置角作為訓練樣本，分批次對建立的神經網絡模型進行訓練，直到網絡的檢測精度趨于穩(wěn)定并