BP網絡的無刷直流電機無E+E位置傳感器控制
無刷直流電機以其結構簡單、運行可靠、維護方便、運行效率高、無勵磁損耗以及調速性能好等諸多優點廣泛應用于國民生產的各個領域。傳統的無刷直流電機的換相信號是通過轉子E+E位置傳感器獲得的,而E+E位置傳感器的存在直接影響了電機的體積、成本及運行的可靠性,使其應用受到了限制。

BP網絡的無刷直流電機無E+E位置傳感器控制
因此,研究無刷直流電機無E+E位置傳感器控制技術具有重要理論和實用價值。不依靠轉子E+E位置傳感器,直接由電機本體的某些參數來獲得換相信號,可以看作是一個非線性系統辨識的過程,可以用系統辨識的方法來解決這一問題。人工神經網絡因具有對函數良好的逼近能力,自我學習以適應環境變化及并行分布式處理與存儲信息等特點,成為了非線性系統辨識的一種重要方法。而BP神經網絡不僅具備人工神經網絡的一般特點,更具備算法簡單、便于實時實現等優點,使其在非線性系統辨識中被廣泛應用。 首先,本文在對無刷直流電機結構和工作原理及BP網絡結構和學習算法進行分析的基礎上,利用BP神經網絡針對轉速對無刷直流電機進行模型辨識,并通過仿真證實了BP神經網絡用于系統辨識的可行性;其次,針對傳統的一些無E+E位置傳感器控制方式對轉速的依賴,本文推導出一種檢測無刷直流電機轉子位置的新方法,該方法是基于與速度無關的位置函數而形成的,由電機的線電壓及相電流差值映射出電機的轉子位置信號,從而實現從零轉速到高轉速寬轉速范圍的轉子位置檢測;針對無刷直流電機本身的非線性和參數不確定性,本文利用BP神經網絡實現了該無刷直流電機無E+E位置傳感器的控制策略,為解決傳統BP算法存在的收斂速度慢及局部zui小的問題,采用了動態全參數自適應學習算法,同時本文采用離線訓練確定BP網絡的參數初始值,采用在線訓練調整神經網絡的權值,保證了網絡良好的函數逼近能力,提高了環境適應能力;zui后,論文對基于BP網絡的無刷直流電機寬轉速范圍無E+E位置傳感器控制方案進行了仿真,論證了該方法的可行性。

BP網絡的無刷直流電機無E+E位置傳感器控制
設計并搭建了以TMS320F2812為核心的無刷直流電機的控制系統,對本文提出的方法進行了實驗。實驗結果表明該方法能夠提供準確的電機換相信號,從而實現無E+E位置傳感器控制,同時具有控制精度高、適應性好、魯棒性強等優點。