[发明专利]一种基于神经网络提高异步电机定位精度的方法

摘要

本发明涉及一种基于神经网络提高异步电机定位精度的方法。本发明主要是解决现有异步电机的制动方式存在的停车定位点处会有抖动的现象发生、影响其定位精度的技术问题。本发明的技术方案是：一种基于神经网络提高异步电机定位精度的方法，其由下述步骤构成：1)采集数据并做归一化处理；2)建立BP神经网络模型；3)训练BP神经网络；4)预测能耗制动接通时间；5)将预测接通时间应用于异步电机的能耗制动，提高异步电机的停车定位精度。本发明利用建立的神经网络模型，针对异步电机的不同的运行状态，预测与其相对应的接通时间，预测精度高，能够更有效地克服异步电机在停车定位点处发生抖动的缺陷，从而提高异步电机的停车定位精度。

主权项

1.一种基于神经网络提高异步电机定位精度的方法，其特征在于，由下述步骤构成：1)采集数据并做归一化处理采集异步电机的转速、转矩以及与其相对应的接通时间的数据，并将采集的数据做归一化处理，用做神经网络的训练样本；归一化公式为：式中：xmin为每一组数据的最小值，xmax为每一组数据的最大值，x为每一组数据当中的任意值，y是x对应的归一化值；将采集的数据分为三组，每组数据分别对应转速、转矩和接通时间，通过上述公式，将每一组数据都映射到[0.1，0.9]的范围内，用做神经网络的训练样本；2)建立BP神经网络模型建立一个3层的BP神经网络，BP神经网络的输入为异步电机的转速与转矩，BP神经网络的输出为接通时间，即BP网络输入层的神经元个数为2个，输出层神经元个数为1个；隐层节点的个数取7个；BP网络隐层的激活函数为双极性的sigmoid函数，输出层的激活函数为线性函数；3)训练BP神经网络将BP神经网络的目标误差设为0.001，最大训练次数设为50000，初始权值取[‑1，1]之间的随机值，训练算法采用自适应调整学习速率法，学习速率的递增倍数为1.05，递减倍数设为0.7；自适应调整学习速率的公式为：式中：η为学习速率，k为训练次数，E(k)为第k次的训练误差，E(k‑1)为第k‑1次的训练误差，1.05为学习速率的递增倍数，0.7为学习速率的递减倍数；当第k次的训练误差小于前一次的训练误差时，将学习速率乘以1.05，使其向大的方向调整，以加快网络的收敛速度；当第k次的训练误差大于前一次训练误差的1.04倍时，将学习速率乘以0.7，使其向小的方向变化，避免其振荡发散；当误差在允许反弹的范围内时，保持学习速率不变；将训练样本输入步骤2)中建立的BP神经网络模型，如果训练误差小于目标误差，说明网络收敛，保存该训练好的BP神经网络模型；4)预测能耗制动接通时间将异步电机不同运行状态的转速和转矩输入步骤3)训练好的BP神经网络模型中，预测出与其相对应的能耗制动接通时间；5)将预测接通时间应用于异步电机的能耗制动，提高异步电机的停车定位精度。