Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学;北京宇航系统工程研究所张硕获国家专利权

北京理工大学;北京宇航系统工程研究所张硕获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京理工大学;北京宇航系统工程研究所申请的专利一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119781290B

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411911236.0,技术领域涉及:G05B13/04;该发明授权一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法是由张硕;马一夫;霍凝坤;王艳艳;王岚冰;周莹设计研发完成,并于2024-12-24向国家知识产权局提交的专利申请。

一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法在说明书摘要公布了:本发明提供了一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法,其首先构建了永磁同步电机数学模型和自适应积分终端滑模转速环控制模型,在此基础上利用梯度下降法对不同工况下控制器参数进行自动标定,再构建并训练径向基RBF神经网络模型使控制器参数能够根据实际运行工况自动调整,最终将神经网络与自适应积分终端滑模相结合,可实现根据目标转速和负载转矩自动调节转速环控制器参数,动态响应性能明显改善,同时有效减小超调和提升稳态性能。

本发明授权一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法在权利要求书中公布了:1.一种基于RBF神经网络的自适应积分终端滑模永磁同步电机控制方法,其特征在于:具体包括以下步骤: 步骤1、构建永磁同步电机在同步旋转坐标系下包括电压方程、电磁转矩方程及电机动力学在内的等效数学模型;对永磁同步电机电流环采用无差拍预测控制,结合电压方程利用k时刻电流对k+1时刻的控制电压进行预测;对转速环采用自适应积分终端滑模面进行控制;联立各方程得到自适应积分终端滑模转速环控制模型;具体采用无差拍预测控制并建立以下预测模型来预测k+1时刻控制电压: 其中,ud和uq分别为d、q轴定子电压分量;id和iq分别为d、q轴定子电流分量;Rs为定子电阻;Ls为定子电感;ψf为转子永磁体磁链;ωe为转子电角速度;udk+1、uqk+1分别为k+1时刻d、q轴预测电压矢量;分别为k时刻d、q轴指令电流矢量;Ts为采样时间;idk、iqk为k时刻d、q轴采样矢量;ωek为k时刻电机采样电角速度; 设计转速环的自适应积分终端滑模面如下: s=e+sI 式中,s为滑模面,e为机械角速度误差,sI为滑模积分项; 自适应终端积分滑模项sI为: sI=max[-Imax,minI,Imax] 式中,Imax为自适应积分项限值;I为积分终端滑模项; 积分终端滑模项I为: 式中,tanh为双曲余弦函数; 自适应积分项限值Imax为: Imax=iqmax1-e-0.5|e| 式中,iqmax为电机q轴电流最大值; 采用以下自适应趋近律: 式中t为时间; 对滑模面求导得: 上标·表示对应参数的导数; 由于转速给定值为定值,ωm为转子机械角速度,将s与联立得: 最后与永磁同步电机动力学方程和电磁转矩方程联立得到以下自适应积分终端滑模转速环控制模型: 其中η、η、η为自适应积分终端滑模转速环控制器参数,其值均为正数;J为转子转动惯量;p为极对数;为负载转矩; 步骤2、基于实际转速与理想转速之差定义损失函数及其相关的待优化控制器参数,利用梯度下降法对多种工况下的控制器参数进行自动标定,过程依次包括: 考虑不同工况对应的负载转矩和目标转速nref的组合,并定义以下损失函数Θ: 式中,N为采样点总数,根据控制器采样频率和采样时间决定;n为控制器采样转速;nideal为根据当前工况确定的理想转速曲线,其具体定义为: 式中,Temax为电机电磁转矩最大值;t为电机达到目标转速所需时间, 设定待优化的控制器参数初值为之后开始迭代,进行启动实验,计算出初始损失函数Θ 规定学习率δ,令待优化参数自增进行启动实验,计算出损失函数Θ1 令所优化参数自增进行启动实验,计算出损失函数Θ2; 令所优化参数自增进行启动实验,计算出损失函数Θ3; 计算目标函数关于控制器参数的梯度 式中,Θi=[Θ1Θ2Θ3], 参数初值更新如下: 迭代直至结果收敛或达到设定的最大迭代次数后停止,完成待优化控制器参数的自动标定; 步骤3、建立径向基RBF神经网络模型,利用不同工况及其对应的标定后的控制器参数对应关系对该神经网络进行训练,使训练好的神经网络能够根据运行工况自动调整得到最优控制器参数; 步骤4、将训练好的RBF神经网络与自适应积分终端滑模转速环控制模型相结合,由RBF神经网络利用不同工况下的负载转矩和目标转速计算得到最优控制器参数,并依次经过转速环和电流环得到控制电压参考值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京理工大学;北京宇航系统工程研究所,其通讯地址为:100081 北京市海淀区中关村南大街5号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。