基于神经网络在线学的永磁同步电机前馈解耦方法

摘要

本发明提出了一种基于神经网络在线学的永磁同步电机前馈解耦方法，其包括：步骤一、根据前馈解耦控制方法推导出前馈解耦补偿器输出函数；步骤二，根据所述前馈解耦补偿器输出函数采集所需要数据，进而离线训练神经网络，得到前馈补偿神经网络初始状态；步骤三、通过参考模型输出与系统输出误差在线调整神经网络第二层的连接权值，进行永磁同步电机的动态解耦。通过本发明保证了系统的鲁棒性及稳定性。

主权项

一种基于神经网络在线学习的永磁同步电机前馈解耦控制方法，其包括：步骤一、根据前馈解耦控制方法推导出前馈解耦补偿器输出函数；步骤二、根据所述前馈解耦补偿器输出函数采集所需要数据，进而离线训练神经网络，得到前馈补偿神经网络初始状态；步骤三、通过参考模型输出与系统输出误差在线调整神经网络第二层的连接权值，进行永磁同步电机的动态解耦；其特征是，所述前馈解耦补偿器输出函数为：$\Delta u_1=u_2^{\prime }\frac{G_{21}}{G_{11}}=u_2^{\prime }\frac{y_{21}}{u_2^{\prime }}\frac{u_1}{y_{1r}}=u_1\frac{y_{21}}{y_{1r}}=u_1\frac{e_1}{y_{1r}};$$\Delta u_2=u_2\frac{e_2}{y_{2r}};$其中，u₁和u₂分别为两个前向通道的输入信号，e₁和e₂为分别为两个前向通道的调整误差；y_1r为第一个前向通道参考模型输出，y_2r为第一个前向通道参考模型输出。