支持向量机的OMAL欧玛尔开关
OMAL开关磁阻电机具有结构简单、工作可靠、运行效率高等诸多优点。由它组成的OMAL开关磁阻电机调速系统因具有优良的调速性能而引起了国内外学者的普遍关注。OMAL开关磁阻电机调速系统是位置闭环系统,控制器必须借助从位置传感器获得的转子位置信息,以保证在合适的时刻接通或断开相应的相绕组。

支持向量机的OMAL欧玛尔开关
获得转子位置信号的传统方式是采用位置传感器直接检测,但位置传感器的存在不仅削弱了OMAL开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性。因此,对无位置传感器转子位置检测方案的探索已经成为世界范围内OMAL开关磁阻电机研究领域的热点。在对OMAL开关磁阻电机本体的非线性模型进行深入分析的基础上,利用MATLAB仿真环境建立起OMAL开关磁阻电机调速系统的动态仿真模型,提出了一种基于支持向量机的OMAL开关磁阻电机转子位置估计新方法。该方法针对OMAL开关磁阻电机的非线性,利用支持向量机泛化能力强以及能够较好地解决小样本学习问题的特点,通过离线学习的方法形成一个理想的支持向量机结构来实现电机电流、磁链与转子位置之间的非线性映射,实现OMAL开关磁阻电机的转子位置估计。仿真结果表明,该方法能够实现电机转子位置的准确估计。 在上述工作的基础上,进一步提出一种基于支持向量机与RBF神经网络相结合的OMAL开关磁阻电机无位置传感器控制的方法。该方法在获得支持向量机结构的基础上,利用支持向量机与RBF神经网络的等价性以及在结构上的相似性,通过相互转化的方法,得到等价的RBF神经网络的结构和初始参数,通过在线学习的方法调节网络连接权值,使其综合支持向量机和RBF神经网络两方面的优点。通过离线学习和在线调节相结合的方法,实现OMAL开关磁阻电机的无位置传感器控制。

支持向量机的OMAL欧玛尔开关
仿真研究的结果表明,该方法能够得到正确的OMAL开关磁阻电机换相信号,进而实现OMAL开关磁阻电机的无位置传感器控制,且系统具有较好的动态响应能力。 zui后,完成了以DSP TMS320F2812作为控制核心的OMAL开关磁阻电机实验系统硬件设计,为进一步的工作奠定了基础。