[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

说明书

本发明提供一种基于神经网络的压缩机控制方法、系统和存储介质，本发明针对滚动转子压缩机无位置传感器情况下，由于负载不均衡，在每个周期的运动中会有周期性的转矩波动，在复杂工况下引入神经网络算法，通过在目标转速与反馈转速偏差后加入神经网络调节器以进行转速自调整，优化永磁同步电机的驱动性能，可以有效降低滚动转子压缩机由于负载变化而导致的转速波动，进而降低滚动转子压缩机的振动噪声，实现对滚动转子压缩机的自适应PI控制。

技术领域

本发明涉及电机控制技术领域，尤其涉及一种基于神经网络的压缩机控制方法、系统和存储介质。

背景技术

由于永磁同步电机结构简单、体积小、功率密度高、效率高、运行性能优良等优点，近年来获得了广泛的应用。例如：交通领域、家电领域、车船的驱动领域，以及泵类、压缩机、机床、高精度伺服系统等方面的转动机构。

目前永磁同步电机驱动一般采用空间矢量脉宽调制技术，在该技术中需要随时获得转子的转速和位置信息，由于滚动转子压缩机内部的结构特点内部充满高温，高压且强腐蚀的制冷剂，内部无法安装位置传感器，目前一般采用无位置传感器控制方式。出于成本以及实际情况考虑在很多应用领域采用无位置传感器方式驱动。例如：在空调、冰箱等压缩机内部无法安装位置传感器，在这些应用领域一般采用无位置传感器的矢量控制方案。无位置传感器的矢量控制方案主要是通过反电势观测器对永磁同步电机的反电势进行观测，以此来估算电机转子的转速及转角位置。

针对滚动转子压缩机无位置传感器情况下，由于滚动转子压缩机在运转过程中吸气侧与压气侧存在压力差，这样导致滚动转子压缩机每旋转一周，负载会呈现周期性的变化，进而导致压缩机转速不可避免的出现周期性波动，并使得压缩机在运转过程中出现振动、噪声等问题。图1为滚动转子压缩机在运行过程中负载随机械转角的变化过程，由于滚动转子压缩机转矩的不均匀变化必然导致压缩机的振动和噪声。如何通过适当对转矩侧进行控制以降低转速波动将是提高滚动转子压缩机运行性能的关键。

随着近年来神经网络方面的发展，由于神经网络在非线性及不确定性系统方面具有较大优势，对于压缩机系统来说，如果能够引入神经网络调节方式，对于提高滚动转子压缩机的控制性能，降低其振动及噪声具有较好的前景。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于神经网络的压缩机控制方法、系统和存储介质。

为了实现上述目的，本发明第一方面提出了一种基于神经网络的压缩机控制方法，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。

本方案中，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。

本方案中，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。

本方案中，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：