一種基于Elman神經網絡的感應電機轉子電阻參數辨識方法技術

一種基于Elman神經網絡的感應電機轉子電阻參數辨識方法，通過確定Elman神經網絡及網絡結構，訓練樣本和處理進行參數辨識，以解決當速度調節信號的不同時，參考模型的獲取問題，以及對異步電機轉子電阻參數辨識時對轉速傳感器的要求。

【技術實現步驟摘要】
—種基于Elman神經網絡的感應電機轉子電阻參數辨識方
本專利技術屬于屬于異步電機領域，涉及一種高性能的變頻調速系統參數辨識方法。技術背景當電動機運行時，由于內外條件的影響，其本身的參數會發生變化。電機溫升和頻率的變化都會影響到轉子電阻，其隨電動機溫度變化最高約有50%，而轉子電流頻率較高時，集膚效應引起的轉子電阻變化可達數倍。其變化會引起電機轉子時間常數等的改變，導致基于固定參數設定而計算出來的各種電機反饋信號失真。基于這樣的反饋，電機磁場定向坐標往往會偏離實際，造成較大的轉速、轉矩偏離或脈動，控制系統性能會大打折扣。因此，在變頻調速系統運行當中，需要不斷地調整各計算模型中的電機參數，以使其跟隨真實電機參數值而變化，從而確保正確的閉環反饋，保證控制系統的性能。
技術實現思路
本專利技術為解決上述技術問題,基于磁鏈模型的MRAS方案,提出了一種基于Elman 神經網絡的感應電機轉子電阻參數辨識方法，以解決當速度調節信號的不同時，參考模型的獲取問題，以及對異步電機轉子電阻參數辨識時對轉速傳感器的要求。本專利技術為解決上述技術問題的不足而采用的技術方案是，包括以下幾個步驟步驟一、確定Elman神經網絡=Elman神經網絡非線性狀態空間的表達式為7=界2 Σ (響+喚);4 =頂1 Σ灘+4+剛);福―^『式中:J-LUlJ-I1J-I— aJ Kn iJk,、m、η分別代表輸入層、隱層、輸出層神經兀的個數，P、T代表輸入和輸出向量，/,上代表第k個輸入到第m個隱層神經元之間的權值，LW^代表第m個隱層神經元到第η輸出層神經元之間的權值，L琢L代表第m個承接層到第m個隱層神經元之間的權值，TF1、 TF2分別代表隱層和輸出層的傳遞函數，分別代表各層神經元之間的輸入偏置， 分別代表隱層輸出向量和其承接層的反饋狀態向量，采用這樣一種優化的算法=-r} — + c^W{x-l)，對Elman神經網絡進行優化，式中，s 為第η次迭代時的權AW值修正值，^為加速因子為動量因子；步驟二、確定網絡結構首先，明確Elman神經網絡的輸入輸出參數，對轉子電阻產生影響的主要因素是轉子電流、頻率及環境溫度，以選擇電機繞組端部溫度作一個綜合的輸入變量；以轉子電阻冬作為輸出變量；步驟三、訓練樣本的獲取以步驟二中的輸入信號作為主控條件，與其它輸入變量互相組合，采用BP離線算法進行訓練獲得一批訓練樣本，以這些訓練樣本數據作為參考建立轉子電阻模型，用此模型的輸出作為網絡的目標向值，來進行誤差反傳和權值修正；步驟四、訓練樣本的處理對步驟三所得到的訓練樣本進行處理，輸入不同性質的數據時，對輸入數據進行歸一化處理，使之全落在±1范圍內，以方便網絡的訓練和仿真；步驟五、轉子電阻辨識采用由簡單到復雜的方法，先以具有較明確關系的輸入變量辨識單個參數，在其辨識效果得到比較和驗證后，再逐漸加入其它潛在影響因素，再進行比較、分析，以步驟四中處理好的訓練樣本為條件，對轉子電阻進行辨識，先以對其影響最顯著的溫度和轉差頻率作為輸入，用網絡檢測其效果，再加入電流作為輸入，檢驗網絡的辨識效果有沒有提高，最終確定網絡的輸入參數個數以及隱層神經元個數。本專利技術所述的訓練樣本獲取方法為，步驟一、以步驟三中的輸入參數和輸出參數建立BP網絡輸入向量為f，輸出層輸出向量權利要求1.，其特征在于步驟一、確定Elman神經網絡=Elman神經網絡非線性狀態空間的表達式為T = TF1 2. A2 = TF1 2 (!噴+岵 +, s 2 ’、，式中·j￡Li{ J J S } ’ 3 ibi V S 』J} ’ D)(n) = x^(n-l) ’ A T .k,、m、n分別代表輸入層、隱層、輸出層神經兀的個數，P、T代表輸入和輸出向量，冊代表第k個輸入到第m個隱層神經元之間的權值，LWl代表第m個隱層神經元到第η輸出層神經元之間的權值，LW^代表第m個承接層到第m個隱層神經元之間的權值，TFi、TF2分別代表隱層和輸出層的傳遞函數，K分別代表各層神經元之間的輸入偏置，過、4分別代表隱層輸出向量和其承接層的反饋狀態向量，采用這樣一種優化的算法 SbΔ+ MFm，對Elman神經網絡進行優化，式中，t ττΛ,為第η次迭代時的權 Sm；AWw值修正值，^為加速因子，α為動量因子；步驟二、確定網絡結構首先，明確Elman神經網絡的輸入輸出參數，對轉子電阻產生影響的主要因素是轉子電流、頻率及環境溫度，以選擇電機繞組端部溫度作一個綜合的輸入變量；以轉子電阻矣作為輸出變量；步驟三、訓練樣本的獲取以步驟二中的輸入信號作為主控條件，與其它輸入變量互相組合，采用BP離線算法進行訓練獲得一批訓練樣本，以這些訓練樣本數據作為參考建立轉子電阻模型，用此模型的輸出作為網絡的目標向值，來進行誤差反傳和權值修正；步驟四、訓練樣本的處理對步驟三所得到的訓練樣本進行處理，輸入不同性質的數據時，對輸入數據進行歸一化處理，使之全落在±1范圍內，以方便網絡的訓練和仿真；步驟五、轉子電阻辨識采用由簡單到復雜的方法，先以具有較明確關系的輸入變量辨識單個參數，在其辨識效果得到比較和驗證后，再逐漸加入其它潛在影響因素，再進行比較、分析，以步驟四中處理好的訓練樣本為條件，對轉子電阻進行辨識，先以對其影響最顯著的溫度和轉差頻率作為輸入，用網絡檢測其效果，再加入電流作為輸入，檢驗網絡的辨識效果有沒有提高，最終確定網絡的輸入參數個數以及隱層神經元個數。2.如權利要求I所述的， 其特征在于所述的訓練樣本獲取方法為，步驟一、以步驟三中的輸入參數和輸出參數建立BP網絡輸入向量為I = ^x1,X2,".,Xi,".XfJr ,隱層輸出向量Γ=，輸出層輸出向量O= (ο1,ο2,.^,οΛ,,..,ο )Γ，期望輸出向量Cil)"，輸入層到隱層之間的權值矩陣用V表不，F =Vi,.,,,Vffl,],其中列向量Vy為隱層第j個神經兀對應的權向量，隱層到輸出層之間的權值矩陣用W表示，W=IWpW2,...焉,…馮f ,其中列向量％為輸出層第k個神經元對應的權向量；3.如權利要求I所述的， 其特征在于所述的訓練樣本的處理方法為，在各個參數歸一化時，涉及到最大值的選擇問題，這與AD采樣時的量化相同；將所有輸入同時除以這個量化值，把所有的輸入限定在±1 范圍之內，關于溫度輸入的量化，可依據電機的絕緣等級來確定；關于電流最大值的選取， 采用三相異步電機的最大電流，出現在起動時，最大起動電流約為其額定值的4-7倍；轉差頻率的最大值是出現在電機起動時，取電機在運行過程中的最大轉差頻率。全文摘要，通過確定Elman神經網絡及網絡結構，訓練樣本和處理進行參數辨識，以解決當速度調節信號的不同時，參考模型的獲取問題，以及對異步電機轉子電阻參數辨識時對轉速傳感器的要求。文檔編號G06N3/08GK102937670SQ20121046339公開日2013年2月20日 申請日期2012年11月17日 優先權日2012年11月17日專利技術者范波, 李興, 謝冬冬, 史光輝 申請人:河南科技大學本文檔來自技高網...

【技術保護點】
一種基于Elman神經網絡的感應電機轉子電阻參數辨識方法，其特征在于：步驟一、確定Elman神經網絡：Elman神經網絡非線性狀態空間的表達式為？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？；；，式中：k,、m、？n分別代表輸入層、隱層、輸出層神經元的個數，P、T代表輸入和輸出向量，代表第k個輸入到第m個隱層神經元之間的權值，代表第m個隱層神經元到第n輸出層神經元之間的權值，代表第m個承接層到第m個隱層神經元之間的權值，、分別代表隱層和輸出層的傳遞函數，、分別代表各層神經元之間的輸入偏置，、分別代表隱層輸出向量和其承接層的反饋狀態向量，采用這樣一種優化的算法：,對Elman神經網絡進行優化，式中，為第n次迭代時的權值修正值，為加速因子，為動量因子；步驟二、確定網絡結構：首先，明確Elman神經網絡的輸入輸出參數，對轉子電阻產生影響的主要因素是轉子電流、頻率及環境溫度，以選擇電機繞組端部溫度作一個綜合的輸入變量；以轉子電阻作為輸出變量；步驟三、訓練樣本的獲取：以步驟二中的輸入信號作為主控條件，與其它輸入變量互相組合，采用BP離線算法進行訓練獲得一批訓練樣本，以這些訓練樣本數據作為參考建立轉子電阻模型，用此模型的輸出作為網絡的目標向值，來進行誤差反傳和權值修正；步驟四、訓練樣本的處理：對步驟三所得到的訓練樣本進行處理，輸入不同性質的數據時，對輸入數據進行歸一化處理，使之全落在±1范圍內，以方便網絡的訓練和仿真；步驟五、轉子電阻辨識：采用由簡單到復雜的方法，先以具有較明確關系的輸入變量辨識單個參數，在其辨識效果得到比較和驗證后，再逐漸加入其它潛在影響因素，再進行比較、分析，以步驟四中處理好的訓練樣本為條件，對轉子電阻進行辨識，先以對其影響最顯著的溫度和轉差頻率作為輸入，用網絡檢測其效果，再加入電流作為輸入，檢驗網絡的辨識效果有沒有提高，最終確定網絡的輸入參數個數以及隱層神經元個數。2012104633911100001dest_path_image002.jpg,2012104633911100001dest_path_image004.jpg,2012104633911100001dest_path_image006.jpg,2012104633911100001dest_path_image008.jpg,2012104633911100001dest_path_image010.jpg,2012104633911100001dest_path_image012.jpg,2012104633911100001dest_path_image014.jpg,2012104633911100001dest_path_image016.jpg,2012104633911100001dest_path_image018.jpg,2012104633911100001dest_path_image020.jpg,2012104633911100001dest_path_image022.jpg,2012104633911100001dest_path_image024.jpg,2012104633911100001dest_path_image026.jpg,2012104633911100001dest_path_image028.jpg,2012104633911100001dest_path_image030.jpg,2012104633911100001dest_path_image032.jpg,2012104633911100001dest_path_image034.jpg...

【技術特征摘要】

【專利技術屬性】
技術研發人員：范波，李興，謝冬冬，史光輝，
申請(專利權)人：河南科技大學，
類型：發明
國別省市：