[发明专利]一种滑模速度控制方法及装置、电机调速控制方法及装置

权利要求书

1.一种滑模速度控制方法，其特征在于，包括：

构建新型趋近律模型；

将所述新型趋近律模型通过模糊RBF神经网络模型优化；

其中，优化后的新型趋近律模型表达式为：

式中：s为线性滑模面；α为非线性因子，δ为滤波因子，ε和k为趋近律参数，Δε和Δk为趋近律参数变化量。

2.根据权利要求1所述的一种滑模速度控制方法，其特征在于，所述控制方法还包括：

构建电机数学模型；

获取电机电角速度ω_r及电机参考转速ω_ref；

将所述电机电角速度ω_r和电机参考转速ω_ref以及其转速误差Δω输入滑模速度控制器；

通过优化后的新型趋近律模型计算以获得交轴电流的给定值。

3.根据权利要求1所述的一种滑模速度控制方法，其特征在于，所述新型趋近律模型包括以fal非线性连续函数在符号函数sgn(s)所构成的传统趋近律模型基础上以获得到新型趋近律模型；

其中传统趋近律模型为：

式中，s为滑模面；εsgn(s)为等速趋近项；ks为纯指数趋近项；

所述fal非线性连续函数为：

根据所述fal非线性连续函数构建新型趋近律模型为：

4.根据权利要求3所述的一种滑模速度控制方法，其特征在于，所述将新型趋近律模型通过模糊RBF神经网络模型优化，包括：

通过模糊RBF神经网络模型以转速误差Δω和滑模面s作为输入量，通过计算以获得趋近律参数变化量Δε和Δk，根据所述趋近律参数变化量Δε和Δk以得到优化后的新型趋近律模型；

其中所述模糊RBF神经网络模型包括输入层、模糊化层、模糊规则层、归一化层和输出层。

5.根据权利要求4所述的一种滑模速度控制方法，其特征在于，所述模糊RBF神经网络模型以转速误差Δω作为状态变量x₁，滑模面s作为状态变量x₂进行计算获得趋近律参数变化量Δε和Δk包括：

输入层，各节点与输入量的各分量连接，将输入量传递至下一层，每个节点i的输出为：

f₁(i)＝x_ii＝1,2；

模糊化层，每个节点代表一个语言变量值，计算各输入分量属于各语言变量值模糊集合的隶属度，隶属度函数选用高斯函数,每个节点输出为：

式中，c_ij，b_ij为第i个输入变量和第j个模糊集合隶属函数的中心和宽度；

模糊规则层，通过对输入所对应的模糊量经过两两匹配达到激活强度，每个节点输出为：

f₃(j₁,j₂)＝f₂(1,j₁)×f₂(2,j₂)j₁,j₂＝1,2,…7；

归一化层，为所有规则强度的归一化，每个节点计算每条模糊规则的归一化可信度，各节点输出为：

输出层，为上一层各输出与各自权值的加权和，各节点输出：

式中，w_i(j₁,j₂)为输出层与归一化层各节点的连接权值，f₅(1)＝Δε，f₅(2)＝Δk。

6.根据权利要求4所述的一种滑模速度控制方法，其特征在于，所述根据所述趋近律参数变化量Δε和Δk以得到优化后的新型趋近律模型包括设定滑模面为s，状态变量为x₃和x₄，有：

根据上述两式转换为矩阵形式为：

根据所述矩阵形式得到：

得到优化后的新型趋近律模型输出所述交轴电流的给定值为：