[发明专利]一种PMSM混沌系统神经网络反演控制方法

说明书

本发明公开了一种PMSM混沌系统神经网络反演控制方法，该方法包括步骤：1)建立PMSM系统的动力学模型；2)建立鲁棒神经网络自适应跟踪控制器；系统输出跟踪误差具有设定的性能约束，将非严格反馈控制结构与PP‑TBLF相结合，用于永磁同步电机系统的控制器，采用反演技术的神经自适应跟踪控制方案，在递推过程中，分别使用切比雪夫神经网络、李雅诺夫泛函、Nussbaum泛函和微分跟踪器来处理未知非线性、时滞、未知增益符号和“复杂性爆炸”。本发明能够实现系统稳定性，增强系统的通用性和可靠性。

技术领域

本发明涉及一种PMSM混沌系统神经网络反演控制方法，属于永磁同步电机控制方法技术领域。

背景技术

永磁同步电动机(PMSM)系统在汽车、机床、机器人和航空航天等众多工业设备领域的需求日益增长。PMSM系统的动态行为控制问题一直是当前学术界关注的热点问题。混沌、参数摄动和时滞等多种动态行为会降低系统运行的稳定性。

发明内容

本发明要解决的技术问题是：提供一种PMSM混沌系统神经网络反演控制方法，以解决上述现有技术中存在的问题。

本发明采取的技术方案为：一种PMSM混沌系统神经网络反演控制方法，该方法包括以下步骤：

(1)建立永磁同步电机系统动力学模型：

在旋转(d-q)坐标系中，建立永磁同步电机系统的动力学方程为：

式中：和表示d-轴和q-轴电流,和表示d-轴和q-轴电压作为系统输入,L,R,ψ_r,B,J和n_p分别表示电感、转子角速度、定子电阻、负载转矩、磁链、粘性摩擦系数、转子转动惯量和磁极对，简化公式(1)，选取n_p＝1，x₁＝ω,x₂＝i_q，x₃＝i_d,L＝L_d＝L_q，使σ₁＝BL/(JR),σ₂＝-n_pψ_r²/(BR)和则式(1)简化为如下名义动力学模型：

式中：x₁,x₂,x₃,t,T_L,u_d和u_q分别表示名义角速度、q-轴电流、d-轴电流、时间、负载、d-轴电压与q-轴电压，σ₁和σ₂表示未知参数；

对式(2)进行变换，具有外部干扰和时变时滞的混沌永磁同步电机系统可被表示为：

式中x＝[x₁,x₂,x₃]^T∈R³表示式(3)全部状态变量，Δ_i(t,x)∈R³,i＝1,2,3是未知的外界扰动，Δf_i(x(t-τ_i(t)))∈R³,i＝1,2,3是未知的时间延迟，τ_i(t),i＝1,2,3表示时变延迟的连续函数，y表示系统输出；

式(3)中输出y的误差λ₁被限制在具有时变边界的设定集合中，即：λ₁∈(-h₁(t),h₁(t))，输出y被限制在预先定义的区域内，即|y|＜a，其中y_d表示参考信号，常数a＞0，h₁(t)＞0表示设定的性能函数；