本文關鍵詞：開關磁阻電機小波神經(jīng)網(wǎng)絡無位置傳感器控制，由筆耕文化傳播整理發(fā)布。

2008年7 月 第23卷第7期

電 工 技 術 學 報

TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY

Vol.23 No. 7

Jul. 2008

開關磁阻電機小波神經(jīng)網(wǎng)絡

無位置傳感器控制

夏長亮 謝細明 史婷娜 田 洋

（天津大學電氣與自動化工程學院 天津 300072）

摘要 提出了一種基于小波神經(jīng)網(wǎng)絡的開關磁阻電機無位置傳感器控制新方法。該方法采用兩個不同的小波神經(jīng)網(wǎng)絡分別獲取相繞組換相邏輯的開通信號和關斷信號，經(jīng)過綜合處理得到單相繞組的開關信號。神經(jīng)網(wǎng)絡以相繞組的電流和磁鏈為輸入，以各相的開關信號為輸出，從而建立起電流、磁鏈和開關信號的非線性映射。采用電機在有位置傳感器運行條件下的樣本對小波神經(jīng)網(wǎng)絡進行訓練，訓練完成后，用神經(jīng)網(wǎng)絡輸出結果取代位置傳感器換相信號，實現(xiàn)電機無位置傳感器運行。仿真和實驗結果表明，由神經(jīng)網(wǎng)絡獲得的開關信號和由位置傳感器獲得的開關信號相比誤差小，電機能夠準確換相，且輸出轉(zhuǎn)矩波動小，轉(zhuǎn)速曲線平滑，電機在無位置傳感器下運行良好。

關鍵詞：小波神經(jīng)網(wǎng)絡 開關磁阻電機 無位置傳感器控制 梯度下降法 小波函數(shù) 中圖分類號：TM352

Position Sensorless Control of Switched Reluctance Motor Using

Wavelet Neural Networks

Xia Changliang Xie Ximing Shi Tingna Tian Yang （Tianjin University Tianjin 300072 China）

Abstract This paper presents a new approach to the position sensorless control of the switched reluctance motor(SRM) based on wavelet neural networks(WNNs). The basic premise of the approach is that two wavelet neural networks with different parameters are constructed to switch on and turn off each phase respectively. The WNNs form a very efficient nonlinear mapping structure from phase current, flux linkage to communication signal with current, flux linkage as input and switching signal as output, therefore the communication signals can be obtained by manipulation of the WNNs' outputs. After trained by the data acquired from the system with position sensor, the WNNs replace the position sensor and make the SRM switch to position sensorless operation. The simulation and experimental results show that there is tiny error of switching signals between estimation and reality. The SRM can operate with little torque fluctuation and slight speed vibration.

Keywords：Wavelet neural network，switched reluctance motor，position sensorless control，gradient descent method, wavelet function

新型交流調(diào)速系統(tǒng)。自問世起，就因其結構簡單、工作可靠、效率高、成本低及能在較寬的調(diào)速范圍內(nèi)穩(wěn)定運行而廣受關注，并且在牽引運輸、航空工業(yè)、采礦紡織、家用電器等領域得到了應用[1]。在傳統(tǒng)控制系統(tǒng)中，必須使用位置傳感器直接檢測轉(zhuǎn)子位置信號，實現(xiàn)電機自同步運行。位置傳感器的

1 引言

開關磁阻電動機調(diào)速系統(tǒng)（Switched Reluctance Drive，SRD）是自20世紀80年代中期發(fā)展起來的

天津市應用基礎研究計劃資助項目（06YFJMJC 01900）。 收稿日期 2007-04-03 改稿日期 2007-06-28

34

電 工 技 術 學 報 2008年7月

存在使得系統(tǒng)結構復雜、成本增加、可靠性降低，削弱了SRD控制系統(tǒng)的優(yōu)點。因此，SRD的無位置傳感器控制策略越來越多地受到了人們的關注。文獻[2]討論了基于定子電感的位置檢測策略，而SRD非線性位置檢測法如狀態(tài)觀測器法、查表 法[4]、人工智能法[5]也得到了廣泛的研究。

由于開關磁阻電機（Switched Reluctance Motor，SRM）的雙凸極結構，電機常常運行于高飽和狀態(tài)，使得電磁關系呈強非線性，轉(zhuǎn)子位置估計困難，人工神經(jīng)網(wǎng)絡的發(fā)展為解決這一問題提供人工神經(jīng)網(wǎng)絡屬于非線性動態(tài)系統(tǒng)，了新的思路[6]。

文獻[9]具有很強的自學習、自適應和泛化能力[7-8]。利用BP網(wǎng)絡實現(xiàn)電流、磁鏈到轉(zhuǎn)子位置的映射，并利用DSP實現(xiàn)SRM神經(jīng)網(wǎng)絡控制，效果良好。文獻[10]提出了一種基于自適應RBF神經(jīng)網(wǎng)絡的轉(zhuǎn)子位置辨識方法，建立以各相電流、磁鏈作為輸入，轉(zhuǎn)子位置信號作為輸出的神經(jīng)網(wǎng)絡來實現(xiàn)電機電流、磁鏈和轉(zhuǎn)子位置間的非線性映射，估算轉(zhuǎn)子位置角度，從而有效地消去位置傳感器。盡管RBF神經(jīng)網(wǎng)絡全局收斂，但是其隱層節(jié)點的數(shù)目、隱層節(jié)點的中心和標準化參數(shù)難于確定[11]。用小波函數(shù)取代神經(jīng)元激勵函數(shù)構成的小波神經(jīng)網(wǎng)絡[12]，可結合小波變換良好的時頻局域化性質(zhì)及傳統(tǒng)神經(jīng)網(wǎng)絡的自學習功能，具有廣泛的應用前景[13-14]。

本文提出了一種基于小波神經(jīng)網(wǎng)絡的開關磁阻電機無位置傳感器控制策略。所采用的小波神經(jīng)網(wǎng)以電機各相的電流、磁鏈作為輸入，以功率器件開關信號作為輸出，，通過離線訓練建立網(wǎng)絡結構、確定網(wǎng)絡參數(shù)。文中利用Matlab/Simulink進行仿真，并利用DSP芯片TMS320F2812設計了開關磁阻電機控制系統(tǒng)。仿真和實驗結果表明，該方法能夠準確地給出開關磁阻電機的換相信號，從而實現(xiàn)電機的無位置傳感器運行。

[3]

用小波函數(shù)作為激勵函數(shù)；第三層為線性輸出層。其數(shù)學模型為

?p?

yi=fi(x)=wijψj?ajkxk?tj? （1）

??

j=1?k=1?

∑

h

∑

式中，輸入矢量X = x1, x2, …, xp ；輸出矢量Y= wij為輸出節(jié)點i與隱層節(jié)點j的連接y1, y2, …, yq ；

權值；ψj為隱層節(jié)點j的小波函數(shù)；ajk、tj分別為小波函數(shù)的伸縮系數(shù)和平移參數(shù)；h為隱層節(jié)點個數(shù)；p、q分別為輸入、輸出節(jié)點數(shù)。

圖1 小波神經(jīng)網(wǎng)絡拓撲結構圖

Fig.1 The structure of wavelet neural networks

本文中使用Mexican hat小波函數(shù)作為隱層節(jié)點神經(jīng)元激勵函數(shù)。如下式：

ψ(t)=(1?t2)e?t

2.2 訓練算法

2

/2

（2）

確定小波神經(jīng)網(wǎng)絡的結構后，以式（3）所示的誤差均方能量函數(shù)作為目標函數(shù)，優(yōu)化神經(jīng)元伸縮系數(shù)ajk、平移參數(shù)tj和網(wǎng)絡連接權值wij。

J=

1

∑2

l=1

m

l

(Sout

?Y)=

l2

1

l(Sout∑∑i?y)

2

l=1i=1

mq

l2i

（3）

l

式中 Sout——第l組輸出矢量樣本

Y l——第l組輸入樣本對應的輸出 m——訓練樣本個數(shù)

E=Sout?Y, E=e1,e2,…,eq

l

l

l

l

l

l

2 小波神經(jīng)網(wǎng)絡

2.1 小波神經(jīng)網(wǎng)絡

小波神經(jīng)網(wǎng)絡是以小波函數(shù)為基函數(shù)的一種連接型前饋網(wǎng)絡，它將常規(guī)神經(jīng)網(wǎng)絡的隱層函數(shù)用小波函數(shù)代替，相應的輸入層到隱層的權值及隱層閥值

分別由小波函數(shù)的伸縮系數(shù)和平移參數(shù)代替可以認為是RBF神經(jīng)網(wǎng)絡的推廣

[11]

[12,14]

l

小波神經(jīng)網(wǎng)絡有三種常用的訓練算法，分別為梯度下降法、正交最小二乘法（OLS算法）和遞推正交最小二乘法（ROLS算法）。本文采用梯度下降法[12,14]進行訓練。其訓練步驟為：

（1）網(wǎng)絡參數(shù)初始化：將神經(jīng)元的伸縮系數(shù)ajk、平移參數(shù)tj賦予在[0，1]之間的隨機初始值，置網(wǎng)絡連接權值wij為0。

（2）利用輸入學習樣本Sin和當前網(wǎng)絡參數(shù)，按照式（1）計算網(wǎng)絡的輸出Y。

（3）利用輸出學習樣本Sout和式（3）得到經(jīng)

，

，在神經(jīng)網(wǎng)絡研

究領域中具有巨大的潛力。圖1為小波神經(jīng)網(wǎng)絡的拓撲結構圖。與RBF神經(jīng)網(wǎng)絡相似，小波神經(jīng)網(wǎng)絡分為三層：第一層為輸入層；第二層為隱含層，采

第23卷第7期

夏長亮等 開關磁阻電機小波神經(jīng)網(wǎng)絡無位置傳感器控制 35

過 (n?1) 次參數(shù)調(diào)整后的目標能量函數(shù)J(n)，若J(n)，則算法≤ε（ε 為預先設定的一個誤差容許參數(shù)）結束，否則，至步驟（4）。

（4）網(wǎng)絡參數(shù)調(diào)整：根據(jù)梯度下降法，可得網(wǎng)絡連接權值和神經(jīng)元參數(shù)的調(diào)整公式如下：

wij(n+1)=wij(n)?ηajk(n+1)=ajk(n)?η

?J(n)?wij?J(n)?ajk?tj

=wij(n)??wij(n) （4） =ajk(n)??ajk(n) （5） =tj(n)??tj(n) （6）

子角度為樣本，建立一個從電流、磁鏈到轉(zhuǎn)子位置角的神經(jīng)網(wǎng)絡，只要訓練樣本的數(shù)量和質(zhì)量足夠好，由此建立的非線性映射就能辨識出轉(zhuǎn)子位置角 度[10]。文中從這種思想出發(fā)，采用一種新的神經(jīng)網(wǎng)絡結構。在已知電機旋轉(zhuǎn)方向的情況下，根據(jù)導通順序，利用導通相的電流和磁鏈，建立一個神經(jīng)網(wǎng)絡獲得下一相的開通信號。同時，利用該相的電流和磁鏈，構造另一個神經(jīng)網(wǎng)絡獲得該相的關斷信號。通過這兩個神經(jīng)網(wǎng)絡，可以獲取開關磁阻電機各相的開關信號，實現(xiàn)換相邏輯，從而消去位置傳感器，實現(xiàn)開關磁阻電機的無位置傳感器運行。

tj(n+1)=tj(n)?η

?J(n)

式中，η為梯度下降搜索的步長，也稱為收斂算子，0＜η≤1。η 越大，調(diào)整越快。

為了確定算法，可得

?J?wij?J?ajk

=?

4 仿真結果

為了驗證文中的方法，以一臺四相8/6極開關磁阻電機為樣機，在Matlab/Simulink中進行了仿真分析，所用樣機的具體參數(shù)如下：額定功率P=500W，額定轉(zhuǎn)速n=1500r/min，額定電壓U=220V，轉(zhuǎn)動慣量

?J?wij

、

?J?ajk

和

?J?tj

，根據(jù)誤差反向傳遞

∑

l=1q

m

l

ei?ψj

?p?l

?tj? （7） ?ajkxk

???k=1?

∑

J=0.008kg·m2，粘滯摩擦系數(shù)D=0.05N·m·s/rad。

電機采用CCC控制方式，給定轉(zhuǎn)速為500r/min，在空載下以自同步方式起動，在t=0.5s時，用參數(shù)和結構經(jīng)過離線訓練確定的神經(jīng)網(wǎng)絡獲取功率器件開關信號，控制電機換相，實現(xiàn)開關磁阻電機的無位置傳感器運行。

圖3為小波神經(jīng)網(wǎng)絡辨識所得的開關信號和實際開關信號的比較。圖3a為由位置傳感器獲得的開關信號；圖3b為綜合開通網(wǎng)絡和關斷網(wǎng)絡輸出而得到的相繞組開關信號；圖

3c為相應的辨識誤差。

?p?l

ll

=?∑∑ei?wijψ′j??tj?xkajkxk （8）

??

l=1i=1?k=1?

m

∑

?J?tj

=

∑∑

l=1i=1

mq

l

ei?

?p?l

?tj? （9） ajkxkwijψ′j?

???k=1?

∑

（5）令n=n+1，返回第（2）步。

3 基于神經(jīng)網(wǎng)絡的SRM無位置傳感器控

制策略

基于神經(jīng)網(wǎng)絡的SRM無位置傳感器控制，就是選取合適的神經(jīng)網(wǎng)絡，依據(jù)直接檢測得到的電流、磁鏈等參數(shù)，建立一個對應開關磁阻電機位置信號的非線性映射，估計轉(zhuǎn)子位置角度或者功率驅(qū)動器件的開關信號，從而取代位置傳感器，實現(xiàn)電機的無位置傳感器運行，如圖2所示。

圖2 SRM神經(jīng)網(wǎng)絡無位置傳感器控制圖

圖3 小波神經(jīng)網(wǎng)絡估計所得的開關信號和

實際開關信號的比較

Fig.2 Position sensorless control of SRM based on ANN

在開關磁阻電機的神經(jīng)網(wǎng)絡無位置傳感器控制中，常見的方法是以各相相繞組的電流、磁鏈和轉(zhuǎn)

Fig.3 The comparison of on-off signals between the

measured and estimation results of WNNs

36

電 工 技 術 學 報 2008年7月

由圖中可以看出，電機在無位置傳感器運行下，小波神經(jīng)網(wǎng)絡估計所得的開關信號誤差較小。

圖4為電機無位置傳感器運行下轉(zhuǎn)矩曲線。開關磁阻電機在進入無位置傳感器運行后，轉(zhuǎn)矩脈動略有減小，輸出轉(zhuǎn)矩曲線比較平滑。

在較低水平，系統(tǒng)在無位置傳感器下運行良好。

圖7 t=0.7s，突加負載0.5N·m的電機轉(zhuǎn)速曲線 Fig.7 The speed curve with 0.5N·m since t=0.7s

為了驗證SRM無位置傳感器控制系統(tǒng)的調(diào)速

圖4 電機轉(zhuǎn)矩曲線

性能及速度響應能力，在t=0.7s，將速度給定設為450r/min；在t=1s，將速度給定設為550r/min。速度響應曲線如圖

8所示。

Fig.4 The torque curve of SRM

圖5為電機無位置傳感器運行的轉(zhuǎn)速曲線。在

小波神經(jīng)網(wǎng)絡估計的換相信號控制下，電機能夠平穩(wěn)的運行于給定轉(zhuǎn)速。

圖8 電機轉(zhuǎn)速響應曲線

Fig.8 The speed response curve of SRM

由圖8可以看出，在給定轉(zhuǎn)速發(fā)生變化時，電

圖5 電機轉(zhuǎn)速曲線

機能夠及時跟蹤給定速度，速度響應較快，靜態(tài)誤差小。

Fig.5 The speed curve of SRM

在t=0.7s時，增加負載轉(zhuǎn)矩TL=0.5N·m，以驗證開關磁阻電機無位置傳感器控制系統(tǒng)的負載波動承受能力、電機的轉(zhuǎn)速響應速度和系統(tǒng)的魯棒性。結果分別如圖6和圖7所示。

5 實驗結果

為了驗證文中方法，設計了基于TI公司DSP芯片TMS320F2812的開關磁阻電機控制系統(tǒng)，如圖9所示。

圖6 t=0.7s，突加負載0.5N·m的電機轉(zhuǎn)矩曲線

Fig.6 The torque curve with 0.5N·m since t=0.7s

結果表明，在突加負載擾動下，電機能夠穩(wěn)定運行于給定轉(zhuǎn)速，輸出轉(zhuǎn)矩能迅速增加且脈動保持

圖9 開關磁阻電機控制系統(tǒng)

Fig.9 The configuration of SRM control system

控制系統(tǒng)中以TI公司DSP芯片TMS320F2812為主控制器，該芯片時鐘周期高達150MHz，適用

1

2

  本文關鍵詞：開關磁阻電機小波神經(jīng)網(wǎng)絡無位置傳感器控制，由筆耕文化傳播整理發(fā)布。

本文編號：113633