[发明专利]一种轴向线圈励磁辅助双凸极无刷直流电机的控制方法

权利要求书

1.一种轴向线圈励磁辅助双凸极无刷直流电机的控制方法，其特征在于：包括如下步骤：

步骤1：设置控制中央励磁线圈的初始权值v_i1、控制定子绕组的初始权值v_i2、双神经元的时变学习率η₁、η₂及RBF神经网络的参数，所述参数包括RBF神经网络权值、基函数中心向量和宽度；

步骤2：获取数据，所述数据包括k时刻电机转速的给定量r(k)和实际的电机输出转速y(k)、k-1时刻电机转速的给定量r(k-1)和实际的电机输出转速y(k-1)、k-2时刻电机转速的给定量r(k-2)和实际的电机输出转速y(k-2)，根据获取的数据计算双神经网络的输入x₁(k)、x₂(k)、x₃(k)；

其中，e(k)代表r(k)与y(k)的误差；e(k-1)代表r(k-1)与y(k-1)的误差，e(k-2)代表r(k-2)与y(k-2)的误差；

步骤3：根据步骤2得到的输入量x_i(k)得到PID控制器给出的k时刻的控制中央励磁线圈的控制量u₁(k)和控制定子绕组的控制量u₂(k)，将u₁(k)和u₂(k)分别输出至RBF神经网络以及中央励磁线圈驱动电路和控制定子绕组的驱动电路；中央励磁线圈驱动电路和控制定子绕组的驱动电路用于控制中央励磁线圈和电机；

其中，i＝1,2,3；u₁(k-1)为k-1时刻控制中央励磁线圈的控制量；u₂(k-1)为k-1时刻控制定子绕组的控制量；v_i1、v_i2为双神经元控制器中的连接权值；

步骤4：计算RBF神经网络的输出f(k+1)，其中f(*)是RBF神经网络输出的辨识转速；采用自适应梯度下降法对RBF神经网络的中心向量与连接权值进行修正，根据f(k+1)和实际输出y(k+1)产生的偏差采用最速梯度下降学习算法对双神经元控制器连接权值进行修正；

步骤5：令k＝k+1，返回步骤2。

2.根据权利要求1所述的一种轴向线圈励磁辅助双凸极无刷直流电机的控制方法，其特征在于：所述步骤4的具体步骤如下：

步骤4.1：根据给定输出r(k+1)和实际输出y(k+1)产生的偏差采用最速梯度下降学习算法对双神经元控制器连接权值进行修正；

根据二次性能指标函数求出二次性能指标J_c，公式如下：

k+1时刻双神经元控制器连接权值v_iθ(k+1)的修正为沿J_c对v_iθ(k)的负梯度方向搜索，其中θ＝[1,2]，公式为：

步骤4.2：根据修正后的RBF神经网络确定双神经元的权值进行修正；

根据修正权值后的RBF神经网络的输出得到双神经元权值修正公式为：

其中η₁，η₂为双神经元的时变学习率；

RBF神经网络由输入层、隐含层和输出层组成，RBF神经网络的输入由电机实时转速y、u₁、u₂输出组成；隐含层选取高斯核函数，第K个隐含层单元的输出为：

其中，X_i为第i个输入量；c_k为第k个隐含层节点的中点；b_k为第k个隐含层节点的宽度；

RBF神经网络的输出方程为：

其中ω_k为输出层和第K个隐含层节点的连接权；n为隐含层节点个数。