[发明专利]基于神经网络的压缩机控制方法、系统和存储介质

权利要求书

1.一种基于神经网络的压缩机控制方法，其特征在于，所述方法包括：

搭建永磁同步电机无位置传感器驱动平台；

将所述永磁同步电机无位置传感器驱动平台置于各种工况下，以进行采集样本数据；

根据采集的样本数据对神经网络进行训练；

待神经网络收敛后，将神经网络调节器移植到压缩机驱动系统中，以实现对转速环PI控制器的调节。

2.根据权利要求1所述的一种基于神经网络的压缩机控制方法，其特征在于，将所述永磁同步电机无位置传感器驱动平台置于各种工况下，以进行采集样本数据，具体还包括：

在预设的各种工况下，分别采集各输入量值及各输出量值，其中，各种工况为空载状态、加载状态、突加负载、突减负载、模拟压缩机负载状态的一种或几种；各输入量值为转速偏差、转角值、d轴电流、q轴电流，所述转速偏差为目标转速与估测转速的差值，转角值为永磁同步电机估测的转子位置，d轴电流和q轴电流通过a、b、c三相电流通过Clark变换和Park变换得到；各输出量值为转速环PI控制器的Kp和Ki值。

3.根据权利要求1所述的一种基于神经网络的压缩机控制方法，其特征在于，根据采集的样本数据对神经网络进行训练，具体还包括：

通过正向计算及反向学习过程对神经网络中的正权值及阈值进行修正。

4.根据权利要求1所述的一种基于神经网络的压缩机控制方法，其特征在于，待神经网络收敛后，将神经网络调节器移植到压缩机驱动系统中，具体还包括：

待神经网络输出收敛后，将神经网络嵌入到转速环PI控制器处，转速环PI控制器的Kp和Ki值由神经网络根据输入量的输出决定；

再采集些样本数据在仿真情况下进行验证，以检验其在变化负载工况下的转速特性并验证神经网络调节器的性能，其中所述神经网络调节器采用BP神经网络。

5.根据权利要求1所述的一种基于神经网络的压缩机控制方法，其特征在于，在搭建永磁同步电机无位置传感器驱动平台之后，还包括：

利用永磁同步电机反电势方程构建反电势观测器；

根据反电势观测器观测得到反电势观测值；

采用预设的滤波算法对反电势观测值进行滤波处理，以得到滤波后的反电势观测值；

基于滤波后的反电势观测值，估测出永磁同步电机的转速和转角值。

6.根据权利要求1所述的一种基于神经网络的压缩机控制方法，其特征在于，所述方法还包括：

通过霍尔电流传感器测量电机定子两相电流i_a和i_b，通过Clark变换得到两相静止坐标下的电流i_α和i_β；

利用i_α、i_β和u_α和u_β，通过观测器估算得到电机转子角位置和电机转速；

利用观测器估算得到电机转子位置角，使得i_α和i_β经过Park变换后，得到两相旋转坐标系下的电流i_d和i_q；

将电机给定转速ω^*与观测器估算转速相比较，经过速度PI调节器，输出交轴电流给定i^*_q；

设直轴电流给定为i^*_d＝0，把交、直轴电流分别与实际检测值相比较，然后分别经过电流PI调节器，输出交、直轴电压值u_q和u_d，再经过Park反变换，得到两相静止坐标系统下的电压值u_α和u_β；

确定u_α和u_β的合成矢量位于空间电压矢量所围成的六个扇区中的某个扇区，选择适当的零矢量并计算该扇区内两相邻电压矢量以及零矢量各自所占时间，根据计算结果设定相应寄存器值，输出逆变器的驱动控制信号。