1.基于双Sigmod神经网络电感模型的SRM磁链控制方法,其SRM磁链控制系统包括位置检测器、求导单元、转速减法器、PI转速调节单元、转矩分配单元、转矩到磁链转换单元、磁链减法器、电压检测器、电流检测器、磁链计算单元、磁链滞环单元、功率变换器、转矩检测器、PD预处理单元和神经网络电感模型单元;位置检测器检测SRM的转动位置,位置检测器的输出端分别连接求导单元和神经网络电感模型单元的输入端;求导单元的输出端连接转速减法器的一个输入端,转速减法器的另一输入端接入设定的参考转速;转速减法器的输出端连接PI转速调节单元的输入端,PI转速调节单元的输出端分别连接转矩分配单元和PD预处理单元的输入端;转矩分配单元的输出端连接转矩到磁链转换单元的输入端,转矩到磁链转换单元的输出端连接磁链减法器的一个输入端;转矩检测器检测SRM的转矩,转矩检测器的输出端连接PD预处理单元的输入端;PD预处理单元的输出送给神经网络电感模型单元的用于模型参数学习,神经网络电感模型单元的输出端连接转矩到磁链转换单元的控制端;电压检测器和电流检测器分别检测SRM的相电压和相电流,电压检测器和电流检测器的输出端同时连接磁链计算单元的输入端,磁链计算单元的输出端连接磁链减法器的另一个输入端;磁链减法器的输出端连接磁链滞环单元的输入端,磁链滞环单元的输出端连接功率变换器的输入端,功率变换器的输出端连接SRM的控制端;
其特征是,包括步骤如下:
步骤1、检测SRM的实际转动位置,并对实际转动位置进行时间上的求导后,得到SRM的实际转速;
步骤2、将SRM的实际转速与设定的参考转速比较,得到转速偏差,并对转速偏差进行比例积分调节得到总参考转矩;
步骤3、对总参考转矩进行转矩分配得到相转矩;
步骤4、构建神经网络电感模型:
步骤5、采集检测SRM的实际转矩,并对实际转矩与总参考转矩的偏差进行比例微分调节,得到转矩偏差预处理值,即:e(k)=Kp(Tz(k)‑Te(k))+Kd((Tz(k)‑Te(k))‑(Tz(k‑1)‑Te(k‑1)))步骤6、将SRM的实际转动位置作为神经网络电感模型的输入,并将转矩偏差预处理值用于构造损失函数,利用梯度下降法对神经网络电感模型的参数进行更新,完成神经网络电感模型的在线学习,神经网络电感模型输出相电感;
步骤7、在相电感的控制下,完成参考相转矩到参考相磁链的转换,即:
步骤8、检测SRM的实际相电压和实际相电流,并利用实际相电压U和实际相电流I计算SRM的实际相磁链;
步骤9、将实际相磁链与参考相磁链比较,得到相磁链偏差,并将相磁链偏差作为磁链滞环控制的设定值进行磁链滞环控制,再利用功率变换器进行功率变换去驱动SRM,以实现对SRM的有效控制;
式中,Lkk表示第kk相的相电感,wj表示第j个隐含节点的连接权值,hj表示第j个隐含节点的激活函数,nh表示隐含节点个数,θ表示SRM的实际转动位置,k0表示约束参数,aj表示第j个隐含层激励函数的第一形状调节参数,bj表示第j个隐含层激励函数的第一位置调节参数,pj表示第j个隐含层激励函数的第二形状调节参数,qj表示第j个隐含层激励函数的第二位置调节参数;e(k)表示当前k时刻的转矩偏差预处理值,Tz(k)表示当前k时刻的总参考转矩,Tz(k‑1)表示k‑1时刻即当前K时刻的前一时刻的总参考转矩,Te(k)表示当前k时刻的实际转矩,Te(k‑1)表示k‑1时刻即当前K时刻的前一时刻的实际转矩,Kp表示比例系数,Kd表示微分系数;ψref(kk)表示第kk相的参考相磁链,Tref(kk)表示第kk相的参考相转矩,fkk(θ)表示第kk相的电流分配函数,KL表示电感变化率;kk=1,2,3。
2.根据权利要求1所述的基于双Sigmod神经网络电感模型的SRM磁链控制方法,其特征是,步骤4中,隐含节点个数nh为6个。
3.根据权利要求1所述的基于双Sigmod神经网络电感模型的SRM磁链控制方法,其特征是,步骤4中,约束参数k0为:式中,θ表示SRM的实际转动位置,τr表示以角度为单位的转子极距。
4.根据权利要求1所述的基于双Sigmod神经网络电感模型的SRM磁链控制方法,其特征是,步骤6中,构造的损失函数J为:式中,e(k)表示当前k时刻的转矩偏差预处理值。