基于SVM的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器控制
孫希鳳,秦斌,王欣(湖南工業(yè)大學(xué),湖南?株洲?412000)
本文引用地址:http://www.ex-cimer.com/article/201912/408672.htm摘?要:由于傳統(tǒng)帶位置傳感器直流電機(jī)容易受到外界的影響、體積較大且電機(jī)運(yùn)行時(shí)電刷與換向器摩擦造成損耗會(huì)減少電機(jī)壽命,為了減小位置傳感器對(duì)電機(jī)的影響,針對(duì)永磁無(wú)刷直流電機(jī)的位置檢測(cè)問題,提出了基于支持向量機(jī)的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器控制方法。采集直流電機(jī)電壓值電流值作為支持向量機(jī)的輸入,功率器件開關(guān)狀態(tài)變量作為輸出,對(duì)模型進(jìn)行訓(xùn)練,得到支持向量機(jī)的模型初始參數(shù)。然后將訓(xùn)練好的模型參數(shù)應(yīng)用到直流電機(jī)中進(jìn)行仿真,并與極限學(xué)習(xí)機(jī)仿真結(jié)果進(jìn)行對(duì)比。結(jié)果顯示支持向量機(jī)學(xué)習(xí)準(zhǔn)確度較高,證明該方法能夠較準(zhǔn)確檢測(cè)到直流電機(jī)轉(zhuǎn)子位置。
關(guān)鍵詞:直流電機(jī);支持向量機(jī);位置檢測(cè)
*項(xiàng)目基金:國(guó)家自科科學(xué)基金項(xiàng)目(61673166);湖南省自然科學(xué)基金(2017JJ4022);湖南省自然科學(xué)基金(2018JJ4070)
0 引言
永磁無(wú)刷直流電機(jī)具有控制簡(jiǎn)單、調(diào)速性能好、效率高等特點(diǎn) [1] ,因此廣泛應(yīng)用于汽車行業(yè)、工業(yè)、農(nóng)業(yè)等領(lǐng)域。傳統(tǒng)直流電機(jī)結(jié)構(gòu)比較復(fù)雜,體積較大,不易于檢修和維護(hù),所以近年來(lái)直流電機(jī)的研究朝著簡(jiǎn)化電機(jī)結(jié)構(gòu),較少電機(jī)損耗等方向發(fā)展,而位置傳感器的存在大大限制了無(wú)刷直流電機(jī)在惡劣環(huán)境及系統(tǒng)要求較高環(huán)境的應(yīng)用 [2] 因此永磁無(wú)刷直流電機(jī)的位置檢測(cè)成為直流電機(jī)研究的重點(diǎn)方向之一。
位置傳感器在直流電機(jī)內(nèi)部,負(fù)責(zé)檢測(cè)直流電機(jī)轉(zhuǎn)子位置并且將轉(zhuǎn)子位置信息轉(zhuǎn)化成電信號(hào)并輸出控制功率器件開關(guān)。由于位置傳感器具有非線性、易受外界環(huán)境影響等特點(diǎn),無(wú)傳感器轉(zhuǎn)子位置檢測(cè)比較困難。
近年來(lái),各種無(wú)傳感器位置檢測(cè)方法得到深入研究。湯寧平、崔彬等 [3] 提出了高分辨的永磁無(wú)刷直流電機(jī)轉(zhuǎn)子零初始位置檢測(cè)方法,該方法適用于檢測(cè)低速運(yùn)行時(shí)的轉(zhuǎn)子位置。竇滿峰,蘇超,譚博,方淳等提出優(yōu)化磁鏈算法的位置檢測(cè)方法 [4] 。李航等 [6] 提出的基于滯環(huán)切換的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器控制加寬了轉(zhuǎn)子位置檢測(cè)的速度范圍。蒯松巖、張旭隆等 [7] 提出了使用神經(jīng)網(wǎng)絡(luò)對(duì)電機(jī)轉(zhuǎn)子位置檢測(cè),該方法具有較好的動(dòng)態(tài)性能,準(zhǔn)確度也較高。王明超 [8] 將RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于開關(guān)磁阻電機(jī)的轉(zhuǎn)子位置控制,該方法控制精度較高。夏長(zhǎng)亮,郭培健等 [9] 提出了將模糊遺傳算法應(yīng)用于無(wú)刷直流電機(jī)的自適應(yīng)控制,改善了系統(tǒng)的抗干擾能力。王欣、梁輝等 [10] 提出了基于OSELM的無(wú)刷直流電機(jī)控制,該方法的優(yōu)點(diǎn)是學(xué)習(xí)速度較快。本文采用SVM神經(jīng)網(wǎng)絡(luò)對(duì)無(wú)刷直流電機(jī)位置信息進(jìn)行學(xué)習(xí),并將學(xué)習(xí)好的模型應(yīng)用于電機(jī)模型加以驗(yàn)證。
1 電機(jī)建模
電機(jī)系統(tǒng)的組成部分包含:電壓源,逆變電路,電機(jī),控制回路,傳感器等。電機(jī)的模型建立:
U是三相電壓,R是三相電阻,L為三相電感,e為三相反電動(dòng)勢(shì),M為三相互感。由于中性點(diǎn)處電流為0,所以有
將式3帶入到式2中得到電機(jī)模型為:
電磁轉(zhuǎn)矩公式如下:
根據(jù)機(jī)械守恒可以得到:
2 支持向量機(jī)算法
2.1支持向量機(jī)原理
支持向量機(jī)是一種分類算法,它的目的是通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)泛化能力,實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍最小化,獲取良好統(tǒng)計(jì)規(guī)律。支持向量機(jī)是一種二類分類模型,最早在1963年由蘇聯(lián)學(xué)者Vladimir N和Alexander Y提出的。
從圖2可以看到兩個(gè)平面之間存在間隙,間隙中間的紅線為分離超平面,兩個(gè)平面到分離超平面的距離是相等的,而要支持兩個(gè)平面需要一些點(diǎn),這些點(diǎn)叫做支持向量。
設(shè)分類函數(shù) f(x)=wtx+b,f(x)=0是位于超平面上的點(diǎn),則設(shè) f(x)<0時(shí) y = ?1 , f (x)>0時(shí), y =1 的數(shù)據(jù)點(diǎn)。
在超平面確定時(shí)的絕對(duì)值能表示點(diǎn) x 到超平面的距離,而 wtx+b與 y 的符號(hào)是否一致能表示分類的準(zhǔn)確性。
定義函數(shù)間隔為:
定義x為特征,y為結(jié)果標(biāo)簽,(w,b)關(guān)于訓(xùn)練集的函數(shù)間隔為超平面(w,b)關(guān)于訓(xùn)練集所有樣本點(diǎn) (xi,yi)的函數(shù)間隔最小值,其中 i 表示低 i 個(gè)樣本,則有
幾何間隔:
x 0 為 x 投影到超平面的點(diǎn), γ 為樣本 x 到分類間隔的距離
幾何間隔為:
最大間隔分類器目標(biāo)為求 ,根據(jù)間隔定義有
將式5帶入式6,設(shè),則最大間隔分類器目標(biāo)轉(zhuǎn)化為:
2.2 支持向量機(jī)無(wú)位置檢測(cè):
本文用SVM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)電機(jī)的轉(zhuǎn)子位置信息,提取電機(jī)的電流和電壓信息作為輸入數(shù)據(jù),霍爾傳感器控制功率器件開關(guān)狀態(tài)作為輸出數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí),獲得初始支持向量機(jī)模型,并采集另外一組電流電壓數(shù)據(jù)對(duì)支持向量機(jī)模型準(zhǔn)確性進(jìn)行驗(yàn)證,最后將訓(xùn)練好的模型應(yīng)用到電機(jī)中,基于SVM的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器數(shù)據(jù)訓(xùn)練如下:
數(shù)據(jù)采集:試驗(yàn)采集電機(jī)電壓電流參數(shù)4 000組數(shù)據(jù),將這些數(shù)據(jù)分為兩組,每組2 000組數(shù)據(jù),一組用于訓(xùn)練,另一組用于測(cè)試。試驗(yàn)的數(shù)據(jù)包括:輸入包含電壓數(shù)據(jù) {UA(K),UB(K),UC(K),UA(K-1),UB(K-1),UC(K-1)} ,電流數(shù)據(jù) {iA(K),iB(K),iC(K),iA(K-1),iB(K-1),iC(K-1)} 。采集位置傳感器的電機(jī)位置信息數(shù)據(jù),然后將數(shù)據(jù)進(jìn)行邏輯轉(zhuǎn)換從而得到功率管開關(guān)狀態(tài){g1,g2,g3,g4,g5,g6,g7,g8,g9,g10,g11,g12},支持向量機(jī)的輸出為得到的功率管的狀態(tài),每個(gè)功率管狀態(tài)只有0和1兩種狀態(tài)。
支持向量機(jī)實(shí)驗(yàn)結(jié)果如圖3~5.
3 實(shí)驗(yàn)結(jié)果
3.1 模型應(yīng)用
將算法訓(xùn)練好之后,需要將訓(xùn)練好的算法加到電機(jī)模型中,對(duì)電機(jī)進(jìn)行控制,算法應(yīng)用通過(guò)S函數(shù)實(shí)現(xiàn)。
實(shí)驗(yàn)電機(jī)參數(shù)為:Ud為540 V,為0.137 ? ,R2為0.31?,L1為0.76 mH,L2為1.81 mH,Ke1為1.26 V.r/s,Ke2為1.94 V.r/s,轉(zhuǎn)矩為70 N.m。
電機(jī)模型仿真結(jié)果:
應(yīng)用仿真圖如下:
3.2 OSELM與SVM實(shí)驗(yàn)結(jié)果對(duì)比
為了驗(yàn)證支持向量機(jī)算法的優(yōu)點(diǎn),將支持向量機(jī)算法和極限學(xué)習(xí)機(jī)進(jìn)行對(duì)比,對(duì)比的內(nèi)容包括兩種算法的運(yùn)行時(shí)間和運(yùn)行誤差兩方面,這里誤差使用平方差表示,對(duì)比結(jié)果如下表:
從上表中可以明顯看到支持向量機(jī)誤差十分小,其誤差比在線極限學(xué)習(xí)機(jī)小很多,證明該算法精度很高,對(duì)轉(zhuǎn)子位置預(yù)測(cè)更準(zhǔn)確,而極限學(xué)習(xí)機(jī)消耗時(shí)長(zhǎng)較小。
4 結(jié)論
本文用支持向量機(jī)對(duì)直流電機(jī)位置信息進(jìn)行學(xué)習(xí),并將訓(xùn)練好的模型用于電機(jī)模型中加以驗(yàn)證,證明了支持向量機(jī)算法應(yīng)用于電機(jī)無(wú)位置控制的可行性,且與極限學(xué)習(xí)機(jī)相比較,可以看出支持向量機(jī)學(xué)習(xí)位置信息精度較高。
參考文獻(xiàn)
[1] 楊貴營(yíng).基于FPGA的準(zhǔn)正弦波無(wú)刷直流電機(jī)控制及系統(tǒng)實(shí)現(xiàn)[D]. 成都:西南交通大學(xué), 2014.
[2] 史婷娜,田洋,夏長(zhǎng)亮.基于小波網(wǎng)絡(luò)的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器控制[J].天津大學(xué)學(xué)報(bào),2007,40(2):190-194.
[3] 湯寧平,崔彬.高分辨的永磁無(wú)刷直流電機(jī)轉(zhuǎn)子零初始位置檢測(cè)方法[J].電工技術(shù)學(xué)報(bào),2013,28(10):90-96.
[4] 竇滿峰,蘇超,譚博,等.優(yōu)化磁鏈算法的稀土永磁無(wú)刷電機(jī)位置檢測(cè)方法[J].微電機(jī),2017,(5):81-86.
[5] 劉鴻.梯形波永磁無(wú)刷直流電機(jī)的兩種控制方案及其相關(guān)問題研究[J].濟(jì)南:山東大學(xué),2015.
[6] 李航,付朝陽(yáng).基于滯環(huán)切換的永磁無(wú)刷直流電機(jī)無(wú)位置傳感器控制[J].微電機(jī), 2017,15(8):18-22.
[7] 蒯松巖,張旭隆,王其虎,等.開關(guān)磁阻電機(jī)神經(jīng)網(wǎng)絡(luò)無(wú)位置傳感器控制[J].電機(jī)與控制學(xué)報(bào),2011.
[8] 王明超.基于RBF神經(jīng)網(wǎng)絡(luò)的開關(guān)磁阻電機(jī)無(wú)位置傳感器控制及單神經(jīng)元PID控制[D].天津:天津大學(xué),2004.
[9] 夏長(zhǎng)亮,郭培健,史婷娜,等. 基于模糊遺傳算法的無(wú)刷直流電機(jī)自適應(yīng)控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,(11):129-133.
[10] 王欣,梁輝,秦斌.基于OSELM的無(wú)刷直流電機(jī)無(wú)位置傳感器控制[J].電機(jī)與控制學(xué)報(bào),2018,22(11):82-88.
本文來(lái)源于科技期刊《電子產(chǎn)品世界》2020年第01期第39頁(yè),歡迎您寫論文時(shí)引用,并注明出處。
評(píng)論