双凸极永磁调速电机无位置传感器检测研究的论文.pdfVIP

双凸极永磁调速电机无位置传感器检测研究 谢卫才，杨奇飞，贺斌，张海 (湖南工程学院电气信息学院，湖南湘潭411101) 摘要：转子位置检测是双凸极永磁调速电机的重要环节，提出了利用BP神经网络来实现无位置传感器的 转子位置检测方法，以电机绕组的相电流、磁链作为输入，转子位置作为输出，建立电机绕组电流、磁链与转子 位置之间的非线性映射。真结果证明基于神经网络的双凸极永磁调速电机的无位置检测不仅简化了系统的复杂 性，提高了系统的的动态特性。 关键词：双凸极永磁调速电机：位置传感器：BP神经网络 O引 言 SalientPemanent 双凸极永磁调速电机(Doubly Magnet 90年代新提出的一种新型高性能调速电机，双凸极永磁调速电机继承了开关磁阻电机的双凸极结 构，同时结合了永磁电机的优点，位置检测环节是双凸极永磁电机的重要组成部分，检测到的位 置信号既是绕组开通与关断的依据，也为转速闭环控制提供了转速信息。传统的转子位置检测是 直接利用光电式、电磁式和磁敏式等位置传感器来实现，随着电机相数的增加，所需的传感器数 量会增多。增加了系统的复杂性，给安装和调试带来了很大的不便，削弱了双凸极永磁电机的优 势，降低了系统的可靠性，并难以实现电机的高速控制，限制了双凸极永磁电机的应用。目前， 双凸极永磁电机无位置传感器技术已成为双凸极永磁调速电机研究领域的热点之一。本文提出了 一种基于BP神经网络的双凸极永磁电机无位置传感器技术。采用BP神经网络对双凸极永磁电 机转子位置进行检测。所采用的BP神经网络以电机绕组的相电流、磁链作为输入，转子位置作 为输出，建立双凸极永磁调速电机非线性动态模型。 1 BP神经网络及其结构 1．1BP神经网络 BP网络学习的指导思想是，对网络权值(％，乃)的修正与阈值(口)的修正，使误差函 数(E)沿梯度方向下降。BP网络的三层节点表示为，输入节点工，，隐节点咒，输出节点D，。 输入节点与隐节点间的网络权值为％，隐节点与输出节点间的网络权值为瓦。当输出节点 的期望输出为‘时，BP模型的计算公式为： 隐节点输出： 只=厂(∑％■一q)=厂(聆PI) ， 式中：胛Pt2∑％■电。 ， 输出节点计算输出： D，=厂(∑矗y厂q)=／(删f) ， ．141— 式中：，ze‘2∑瓦咒电。 输出节点的误差公式： E=去∑(卜。，)2=去∑(‘一厂(∑正。只电))2=寺∑”，[∑乃／(∑％_电)一钏2 -l| 厶i 厶l i J 1．2 BP神经网络的结构 BP神经网络属于前馈神经网络，它具有前馈神经网络的基本结构。图1显示了一个具有S 个输出，R个输入的单层BP神经网络的结构，它采用了对数S形神经元。 早锄 砑剧 生瞅 I}z～ R S 帛世 毕剖 图l单层BP神经网络结构 BP神经网络经常采用具有多层结构，除了输入层和输出层，它们中间的部分称为隐含层。 这些隐含层经常使用S形神经元，输出层在使用线性神经元。这样的多层神经网络能够学习输入 和输出之间的非线性关系，而且线性的输出层保证了网络的输出具有·l到1之外的范围。当然， 如果我们要使网络的输出落在。和1之间，输出层就要使用对数S形神经元。图2显示了一个双 层的BP神经网络。 2 4×l 4 3×l