基于神经网络的永磁同步电机参数辨识

作     者：王晋楠 

作者单位：沈阳工业大学 

学位级别：硕士

导师姓名：朱建光

授予年度：2022年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：永磁同步电机 参数辨识 BP神经网络 FPGA 

摘      要：永磁同步电机通过矢量控制能够实现精确的转速控制和良好的转矩响应,然而矢量控制对电机参数的变化敏感。在电机的实际运行过程中,由于温度变化、外部干扰等因素的影响,电机的电阻、电感和磁链等电机参数往往会实时发生变化。这些参数的改变会影响到电机控制系统的性能,进而影响电机的运行状态。因此,对于电机参数的精确辨识有重要的意义,本文对永磁同步电机的参数辨识展开了研究,主要研究内容如下:(1)从永磁同步电机工作原理的角度出发,在旋转坐标系下分析了永磁同步电机的动态数学模型,针对传统辨识策略存在的欠秩问题,采用了结合电机矢量控制i=0和定子d轴周期性注入反向电流的策略,设计了永磁同步电机关于电阻、电感和永磁体磁链的参数辨识模型,并在MATLAB仿真平台予以验证。(2)针对电机的参数辨识这个多参数非线性的复杂系统,采用BP神经网络的三层模型来实现电机各参数之间的非线性映射。在Matlab仿真平台中搭建基于BP神经网络的永磁同步电机的参数辨识模型,并采用天牛须算法优化BP神经网络,对BP神经网络的初始权值和阈值寻优,基于辨识精度等指标,验证其参数辨识的有效性。(3)为了发挥神经网络的并行运算的特性,提升神经网络的整体运算能力,在FPGA上完成神经网络的硬件实现。在神经网络的FPGA设计中主要涉及到浮点数转定点数、流水线设计以及全连接层模块设计等关键问题,重点是通过查表法与分段拟合的方式来解决激活函数的硬件实现问题。通过实验结果,验证BP神经网络硬件实现电机参数辨识策略的可行性。