[发明专利]一种新能源飞机的永磁同步电机DQN智能控制方法

说明书

本发明提供一种新能源飞机的永磁同步电机DQN智能控制方法，通过深度Q网络强化学习方法建立永磁同步电机的值网络与目标网络，将强化学习方法与矢量控制相结合，根据控制指令和反馈参数结合ε‑greedy算法，得到适宜的电机交轴电压；按所述交轴电压对永磁同步电机进行控制，并根据系统的反馈更新动作值网络与目标网络。本发明采用DQN方法构建永磁同步电机控制器，随着训练次数的增加，电机动态、稳态特性逐步提升，进而在空载启动、带载启动和突变负载这三种运行状态分别进行仿真测试，均表现出优异的控制性能。此外，DQN控制器可不断累积经验，对不同的控制指令和转矩要求，可迅速调整交轴电压，实现具有自主学习能力的永磁同步电机快速、稳定控制。

技术领域

本发明属于电机控制与仿真技术领域，具体涉及了一种新能源飞机的永磁同步电机DQN智能控制方法。

背景技术

新能源飞机不以传统意义上的化石燃料为能源，利用新型能源如太阳能、电能等，通过电动机带动螺旋桨、涵道风扇或其他装置产生前进动力。电机作为新能源飞机的动力，其性能的优劣直接决定飞行状态的可靠性与稳定性。与传统电机相比，永磁同步电机的转子外围省却了线圈铁芯构成的电励磁装置，以永磁体取而代之，避免了电刷、换向器等不可靠器件的影响，具有体积小、转矩惯性比高、转矩响应快等优点。目前，永磁同步电机已被广泛应用于新能源动力系统，设计快速、准确、稳定和具有一定自主学习能力的控制系统是关键。然而，对永磁同步电机这一具有强非线性、参数时变、多工作模式的复杂系统，采用PID、滑模、模糊等传统控制方法难以使新能源飞机在全包线和变工况下达到自主学习的理想控制效能。传统控制技术也无法使电机在最小转矩脉动和电流波动范围内达到最优化性能。因此，探索新型智能控制方法十分重要。

人工智能是新一轮科技革命和产业变革的重要驱动力量，已经取得重大技术突破，正推动众多行业向智能化、自动化发展，被广泛应用于图像处理、无人驾驶、智能机器人等领域。作为最新成果之一，深度强化学习技术集成了深度学习强大的感知和理解能力，以及强化学习的决策能力，解决了智能体在与环境交互中如何自动获得最优化预期的问题。深度强化学习被认为是复杂系统控制与决策领域最有潜力的方法，是通向强人工智能的核心技术。

然而，深度强化学习方法在永磁同步电机控制领域的应用尚不多见。若将深度强化学习技术与矢量控制相结合，电机控制器可以充分挖掘系统离、在线数据，并在与电机交互过程中不断优化动作输出，可望有效解决传统调速系统电流环响应速度慢导致的转矩动态性能差等问题。同时，可以通过构造奖励机制，使控制器在电机参数失配和强负载扰动情况下，实现转速与转矩的协调控制，快速地达到转速跟踪和转矩平衡。

发明内容

针对现有技术存在的不足，本发明提供一种新能源飞机的永磁同步电机DQN智能控制方法，通过深度Q网络(简称DQN)强化学习方法建立电机控制器，并对空载启动、带载启动、突变负载这三种运行状态进行自适应训练学习，使得电机在不同工况下仍表现出较好的动、稳态特性，实现新能源飞机驱动电机的高效运行。

一种新能源飞机的永磁同步电机DQN智能控制方法，包括：

步骤1：建立新能源飞机的永磁同步电机数学模型；

步骤2：定义永磁同步电机控制Agent、状态空间S、动作空间A和奖励函数Reward；

步骤3：利用深度Q网络强化学习方法对深度神经网络进行训练，得到训练后的深度神经网络；

步骤4：利用训练后的深度神经网络控制永磁同步电机。

所述步骤1包括：

步骤1.1：根据矢量控制原理完成SVPWM算法的建模；

步骤1.2：根据新能源飞机的不同飞行状态及功率确定永磁同步电机的内部参数。

所述步骤2包括：