永磁同步直线电机在运行过程中参数会受工况及环境影响而发生变化，进而影响到PMLSM的控制性能，甚至会使机器发生严重故障。神经网络观测器能在一定程度上提高系统的鲁棒性和动态性能，被广泛应用于电机速度和参数辨识。电机状态观测技术可以不借助机械传感器而实现对速度和位置的估计，实现电机的无位置传感器控制，成为近年来的研究热点。目前，电机观测器主要有自适应全阶状态观测器、滑模观测器及近些年新出现的神经网络观测器。
近些年，人工神经网络理论崭露头角，一经提出便得到了广泛的关注。该理论综合了数学、脑科学、神经学、生物学以及计算机学等多种学科的内容、方法和技术思路，可以很好地应对含有未知参数、模型不确定的复杂非线性映射问题，因此被广泛运用在各种算法中，其中较为热门的研究是基于神经网络的电机观测器设计。
目前，大多数基于神经网络观测器建立的模型复杂度较高，未考虑到电机控制系统中互感和时延等环节带来的影响，导致自适应能力不强，同时对系统中训练硬件要求高。大多数参数辨识算法受逆变器死区等非线性因素的影响，电机参数辨识精度不高。为了解决上述问题，电磁能技术全国重点实验室（海军工程大学）的宋琳、聂子玲、孙军等学者，研究了一种基于智能在线扩展卡尔曼滤波的永磁同步直线电机高精度循环神经网络多维观测器。
图1 电机控制系统框图
图2 RNN观测器原理框图
他们为了提高观测器精度，建立了两相旋转坐标系下带有互感和时延扰动的直线电机数学模型；其次，基于此模型设计了循环神经网络多维观测器，并实现了磁链和速度的高精度在线观测；然后，针对系统参数时变的问题，提出了一种智能在线扩展卡尔曼滤波多参数辨识算法，提高了参数辨识的精准度。
图3 实验平台
研究者搭建了基于MT1050的半实物永磁同步直线电机控制平台，实验结果验证了所提观测器的准确性和高效性。
本工作成果发表在2024年第22期《电工技术学报》，论文标题为“基于参数辨识的永磁同步直线电机循环神经网络多维观测器”。本课题得到国家自然科学基金和电磁能技术全国重点实验室资助课题的支持。
版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除
