基于支持向量机用于DTC预测控制的方法.pdf

《基于支持向量机用于DTC预测控制的方法.pdf》由会员分享，可在线阅读，更多相关《基于支持向量机用于DTC预测控制的方法.pdf（8页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910595422.0 (22)申请日 2019.07.03 (71)申请人 长安大学 地址 710064 陕西省西安市南二环路中段 (72)发明人 李耀华周逸凡秦玉贵赵承辉 秦辉苏锦仕 (74)专利代理机构 西安通大专利代理有限责任 公司 61200 代理人 张海平 (51)Int.Cl. H02P 21/00(2016.01) H02P 21/30(2016.01) H02P 27/12(2006.01) H02P 6/10(2006.01) (54)发明名称 一种基于。

2、支持向量机用于DTC预测控制的方 法 (57)摘要 本发明涉及一种基于支持向量机用于DTC预 测控制的方法， 先选取已有的电机运行参数作为 输入与输出样本； 将选取的输入与输出样本分别 进行归一化处理； 对归一化处理后的样本进行训 练， 得到输出电压矢量的基于支持向量机用于 DTC的预测模型； 对当前电机的运行参数进行归 一化处理后输入到预测模型中， 通过预测模型输 出施加的基本电压矢量； 根据预测模型输出的基 本电压矢量， 控制逆变器的开关状态， 完成基于 支持向量机用于DTC预测控制。 本发明能够减少 相关计算量， 减小转矩脉动， 且开关频率恒定。 权利要求书2页 说明书4页 附图1页 C。

3、N 110224649 A 2019.09.10 CN 110224649 A 1.一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 包括以下步骤： 步骤一： 选取已有的电机运行参数作为输入与输出样本； 步骤二： 将选取的输入与输出样本分别进行归一化处理； 步骤三： 对归一化处理后的样本进行训练， 得到输出电压矢量的基于支持向量机用于 DTC的预测模型； 步骤四： 对当前电机的运行参数进行归一化处理； 步骤五： 将步骤四中的经归一化处理后的运行参数输入到预测模型中， 通过预测模型 输出施加的基本电压矢量； 步骤六： 根据预测模型输出的基本电压矢量， 控制逆变器的开关状态， 完成基于支。

4、持向 量机用于DTC预测控制。 2.根据权利要求1所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 步骤一中， 已有的电机运行参数是采用成本函数进行电压矢量选择的电机运行参数， 成本 函数如下式(1)所示： 其中为参考幅值， 为参考转矩， 为实际幅值， Te为实际转矩。 3.根据权利要求2所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 成本函数的个数与基本电压矢量的个数相等， 选取最小的成本函数所对应的基本电压矢 量， 即为所施加的电压矢量； 选取全工况下的定子磁链误差 r、 输出转矩误差Tr、 负载角 和 转矩角 作为训练预测模型的输入， 选取施加的电压矢量。

5、作为输出。 4.根据权利要求1所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 步骤二中， 对输入和输出样本分别进行归一化处理的表达式如下式(2)所示： 其中， xmin为输入样本或者输出样本中最小值， xmax为输入样本或者输出样本中最大值。 5.根据权利要求1所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 步骤三中， 使用支持向量机进行训练。 6.根据权利要求5所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 采用径向基函数作为支持向量机核函数， 如式(3)所示： k(x,xi)exp(- x-xi 2),0 (3) 其中x为输入， xi为。

6、支持向量， 是核参数。 7.根据权利要求5所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 将步骤一中选取的输入和输出样本分为3组， 将每个组的子集数据分别做一次验证集， 其余 的2组子集数据作为训练集， 得到3个子模型， 每个子模型分别对应着一组惩罚参数c和核函 数参数g， 用3个子模型中验证集的分类准确率的平均数作为分类器的性能指标。 8.根据权利要求7所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 若分类准确率的平均数大于等于90， 则选取分类准确率最高的一组的参数c和g作为预测 模型的参数， 若分类准确率的平均数小于90， 则重新训练。 9.根据权利要。

7、求1所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 权利要求书 1/2 页 2 CN 110224649 A 2 步骤四中， 通过获得k时刻的定子磁链误差 r， 输出转矩误差Tr， 负载角 和转矩角 后， 进行 归一化处理。 10.根据权利要求1所述的一种基于支持向量机用于DTC预测控制的方法， 其特征在于： 步骤四中归一化处理方式和步骤二相同。 权利要求书 2/2 页 3 CN 110224649 A 3 一种基于支持向量机用于DTC预测控制的方法 技术领域 0001 本发明属于电机控制领域， 具体涉及一种基于支持向量机用于DTC预测控制的方 法。 背景技术 0002 直接。

8、转矩控制(DTC)通过控制定子磁链的幅值和负载角来控制电磁转矩。 永磁同 步电机直接转矩控制通常使用两个滞环比较器分别控制定子磁链和转矩偏差， 由于其避免 了在旋转坐标系下的大量计算， 其动态性能会有所改善， 响应更快。 0003 传统开关表实现的永磁同步电机直接转矩控制系统中， 电压矢量在一个采样周期 内持续施加， 会出现实际转矩增减超出预期要求， 从而造成超调脉动。 0004 为了解决此类问题， 引入预测控制， 引入成本函数， 综合考虑转矩误差和定子磁链 误差， 并加以控制， 采用空间矢量调制技术， 以减小转矩脉动。 但预测控制仍存在一些问题， 首先其成本函数的科学性仍待研究， 其次为使转。

9、矩误差与磁链误差在同一量纲上， 通常会 引入权重系数， 而权重系数的选取大多依靠经验， 缺乏有力的理论支撑。 同时， 采用预测控 制式， 需要同时计算六个基本电压矢量的成本， 其的计算量巨大， 这与引入直接转矩控制的 初衷相违背。 发明内容 0005 本发明的目的在于克服上述不足， 提供一种基于支持向量机用于DTC预测控制的 方法， 能够减少相关计算量， 减小转矩脉动， 且开关频率恒定。 0006 为了达到上述目的， 本发明包括以下步骤： 0007 包括以下步骤： 0008 步骤一： 选取已有的电机运行参数作为输入与输出样本； 0009 步骤二： 将选取的输入与输出样本分别进行归一化处理； 0。

10、010 步骤三： 对归一化处理后的样本进行训练， 得到输出电压矢量的基于支持向量机 用于DTC的预测模型； 0011 步骤四： 对当前电机的运行参数进行归一化处理； 0012 步骤五： 将步骤四中的经归一化处理后的运行参数输入到预测模型中， 通过预测 模型输出施加的基本电压矢量； 0013 步骤六： 根据预测模型输出的基本电压矢量， 控制逆变器的开关状态， 完成基于支 持向量机用于DTC预测控制。 0014 进一步地， 步骤一中， 已有的电机运行参数是采用成本函数进行电压矢量选择的 电机运行参数， 成本函数如下式(1)所示： 0015 0016其中为参考幅值， 为参考转矩， 为实际幅值， Te。

11、为实际转矩。 说明书 1/4 页 4 CN 110224649 A 4 0017 进一步地， 成本函数的个数与基本电压矢量的个数相等， 选取最小的成本函数所 对应的基本电压矢量， 即为所施加的电压矢量； 选取全工况下的定子磁链误差 r、 输出转矩 误差Tr、 负载角 和转矩角 作为训练预测模型的输入， 选取施加的电压矢量作为输出。 0018 进一步地， 步骤二中， 对输入和输出样本分别进行归一化处理的表达式如下式(2) 所示： 0019 0020 其中， xmin为输入样本或者输出样本中最小值， xmax为输入样本或者输出样本中最 大值。 0021 进一步地， 步骤三中， 使用支持向量机进行训。

12、练。 0022 进一步地， 采用径向基函数作为支持向量机核函数， 如式(3)所示： 0023 k(x， xi)exp(- x-xi 2),0 (3) 0024 其中x为输入， xi为支持向量， 是核参数。 0025 进一步地， 将步骤一中选取的输入和输出样本分为3组， 将每个组的子集数据分别 做一次验证集， 其余的2组子集数据作为训练集， 得到3个子模型， 每个子模型分别对应着一 组惩罚参数c和核函数参数g， 用3个子模型中验证集的分类准确率的平均数作为分类器的 性能指标。 0026 进一步地， 若分类准确率的平均数大于等于90， 则选取分类准确率最高的一组 的参数c和g作为预测模型的参数， 。

13、若分类准确率的平均数小于90， 则重新训练。 0027 进一步地， 步骤四中， 通过获得k时刻的定子磁链误差 r， 输出转矩误差Tr， 负载角 和转矩角 后， 进行归一化处理。 0028 进一步地， 步骤四中归一化处理方式和步骤二相同。 0029 与现有技术相比， 本发明具有以下有益的技术效果： 0030 本发明通过获得采用成本函数的电机的运行数据， 使用支持向量机的方法离线训 练得到相应的预测模型， 再利用训练好的模型根据电机当前的运行参数进行电压矢量的选 择， 从而实现电机的快速控制。 通过以上方法以提高永磁同步电机直接转矩控制系统的性 能， 减少相关计算量， 减小转矩脉动， 且开关频率恒。

14、定。 本发明通过引入离线学习好的预测 模型， 相比于直接转矩控制减少了转矩的脉动， 相比于预测控制， 避免了成本函数的引入， 从而避免了成本函数的庞大计算量， 达到了简化计算量的目的， 进而优化电机控制的实时 性。 附图说明 0031 图1是基于本发明模型训练图； 0032 图2是本发明的原理框图； 具体实施方式 0033 下面结合附图对本发明做进一步说明。 0034 参见图1和图2， 本发明基于支持向量机用于DTC预测控制方法， 具体步骤如下： 0035 步骤一： 基于已有采用成本函数进行电压矢量选择的电机运行的参数， 确定合适 说明书 2/4 页 5 CN 110224649 A 5 的采。

15、样频率， 从中选择用于基于支持向量机用于DTC预测控制的合适的输入与输出样本。 0036 其中， 采用成本函数进行电压矢量选择的电机， 其成本函数的表达式如(1)所示。 0037 0038其中为参考幅值， 为参考转矩， 为实际幅值， Te为实际转矩。 0039 当备选的基本电压矢量个数为6时， 就会得到6个成本函数， 从中选择最小的成本 函数所对应的基本电压矢量， 即为所施加的电压矢量。 将上述电机运行过程中全部参数记 录下后， 采样周期为电机采样周期的十倍， 选取全工况下的定子磁链误差 r、 输出转矩误差 Tr、 负载角 和转矩角 作为训练预测模型的输入， 选取施加的电压矢量作为输出。 00。

16、40 步骤二： 将步骤一中确定的输入与输出样本进行归一化处理。 0041 为使输入和输出分别在同一量级上， 需要对输入和输出样本分别进行归一化处 理， 即将归一化之前的x按照下式归一成y值， 其表达式如式(2)所示。 0042 0043 其中， xmin为样本中最小值， xmax为样本中最大值； 即在对输入样本进行归一化处理 时， xmin为输入样本中最小值， xmax为输入样本中最大值； 对输出样本进行归一化处理时， xmin 为输出样本中最小值， xmax为输出样本中最大值。 0044 步骤三： 使用支持向量机对归一化之后的样本进行训练， 得到输出电压矢量的基 于支持向量机用于DTC的预测。

17、模型。 0045 使用支持向量机对归一化之后的样本进行训练。 根据支持向量机的方法思想， 选 取径向基函数如式(3)所示， 作为支持向量机核函数。 0046 k(x,xi)exp(- x-xi 2),0 (3) 0047 其中x为输入， xi为支持向量， 是核参数。 0048 将步骤一中选取的输入和输出样本随机打乱重新组成新的序列， 为确保离线训练 的基于支持向量机用于DTC预测模型的准确性， 采样交叉验证的方法， 将步骤一中选取的样 本分为3组， 将每个组分别做一次验证集， 其余的2组子集数据作为训练集， 这样就会得到3 个子模型， 每个子模型分别对应着一组惩罚参数c和核函数参数g， 用3个。

18、子模型中验证集的 分类准确率的平均数作为分类器的性能指标。 若分类准确率的平均数大于等于90， 则选 取3个子模型分类准确率最高的一组的参数c、 g作为预测模型的参数， 若分类准确率的平均 数小于90， 则重新训练。 其子模型的分类准确率与分类准确率的平均数计算如式(4)所 示。 0049 0050 其中 i为第i个子模型的分类准确率， ni1为第i个子模型中选择正确的电压矢量的 个数， ni2为第i个子模型中选择电压矢量的总个数，ave为分类准确率的平均数。 0051 步骤四： 对当前电机的运行参数进行归一化处理。 0052 通过获得k时刻的定子磁链误差 r， 输出转矩误差Tr， 负载角 和。

19、转矩角 后， 进行归 一化处理， 同式(2)。 说明书 3/4 页 6 CN 110224649 A 6 0053 步骤五： 将步骤四中的经归一化处理后的参数输入到基于支持向量机用于DTC的 预测模型中。 使用训练好的基于支持向量机用于DTC的预测模型对电机所施加的基本电压 矢量进行预测。 0054 将处理后的数据输入到已训练好的支持向量机模型中， 通过基于支持向量机用于 DTC的预测模型输出施加的基本电压矢量。 此过程代替了使用成本函数选择基本电压矢量。 0055 步骤六： 根据基于支持向量机用于DTC的预测模型输出的基本电压矢量， 控制逆变 器的开关状态， 从而实现电机的运行。 0056 。

20、根据直接转矩控制原理， 基于支持向量机用于DTC的预测模型输出的基本电压矢 量决定了逆变器的开关状态， 从而控制电机的运转。 0057 实施例1 0058 首先采集采用成本函数进行电压矢量选择的电机运行的参数， 包括定子磁链误差 r， 输出转矩误差Tr， 负载角 、 转矩角 和选择的电压矢量， 采样频率为电机采用频率的十 倍， 对采样后的数据进行归一化处理， 如式(2)所示。 使用式(3)作为核函数的支持向量机进 行离线训练， 采用交叉验证的方法得到精确度最高的模型， 精确度的计算方法如式(4)所 示， 并将精确度最高的模型作为基于支持向量机用于DTC的预测模型。 0059 其次将电机运行时，。

21、 某一时刻的定子磁链误差 r， 输出转矩误差Tr， 负载角 、 转矩 角 作为输入， 通过归一化处理， 输入到预测模型中， 得到这一时刻电机所选择的基本电压 矢量。 根据基本电压矢量确定逆变器开关状态， 从而控制电机。 其中选择的基本电压矢量与 逆变器开关的状态关系如表一所示。 例如， 当基于支持向量机用于DTC的预测模型选择电压 矢量为0电压矢量(即u1)时， 其逆变器状态为SA1， SB0， SC0。 0060 表一 基本电压矢量与逆变器开关的状态关系表 0061 说明书 4/4 页 7 CN 110224649 A 7 图1 图2 说明书附图 1/1 页 8 CN 110224649 A 8 。