基于支持向量机的开关磁阻电机转子位置在线建模.docx

基于支持向量机的开关磁阻电机转子位置在线建模
1.引言
开关磁阻电机（SwitchedReluctanceMotor,SRM）是一种不含永磁体、容易制造和维护、结构简单的磁阻电机，近年来受到广泛关注。转子位置是SRM实时控制的基础，因而正确、快速地实现转子位置检测对SRM控制至关重要，而在线建模是实现快速检测的一种有效方法。本论文将探讨基于支持向量机的开关磁阻电机转子位置在线建模方法。
2.研究现状
传统的SRM转子位置检测方法主要基于霍尔元件实现，但由于开关磁阻电机的变化性较大，霍尔元件对噪声和不同工作点的变化敏感，造成检测不准确。近年来，一些基于传感器融合的方法被提出。例如，结合了霍尔元件、误差微分、和绕组电流的方法可以提高检测精度，但增加了传感器以及其它硬件成本。在线建模方法的应用可以避免这一问题。
3.基于支持向量机的SRM转子位置在线建模
3.1SRM模型
估计SRM转子位置，首先需要了解SRM的运行原理和数字控制方法。SRM属于一个新兴的电机类型，可以通过改变转子和定子部件之间的空气隙将电磁能量转换成机械能。建立数学模型是表现SRM特性的基础。SRM的动态模型被广泛研究，但是非线性性和参数不确定性给建模带来一定的挑战，值得注意的是，由于SRM涉及到饱和、交流磁通、非线性等问题，其模型比较复杂，许多传统的建模方法难以有效地应用于SRM。
3.2支持向量机
支持向量机（SupportVectorMachine,SVM）是一种广泛应用的机器学习模型，具有优异的分类和回归性能。通过非线性映射将数据从输入空间映射到高维特征空间，支持向量机通过寻找最优间隔超平面来实现对数据的分类和回归。支持向量机最大的优点是可以捕捉到隐藏在复杂数据背后的非线性关系，而且适用于小样本和高维数据集。
3.3SRM转子位置在线建模
SRM转子位置在线建模的目标是将SRM的非线性特性和不确定性建立成正式的数学模型，以实现对实时跟踪转子位置的准确性和简便性。支持向量机具有非线性建模能力和“控制过拟合”特性，可以在未知的数据集中泛化，因此被用于SRM转子位置在线建模中。
为了建立SRM模型，首先需要采集SRM运行过程中的轴向位置信号，然后将信号分段采样，提取每个时间戳（t）的位置状态（s_t）。SRM转子位置在线建模包括以下步骤：
-收集SRM的轴向位置信号，并分段采样。
-从位置信号中提取每个时间戳（t）的位置状态（s_t），并计算其位置偏差（δ_t）和时间间隔（Δt_t）。
-建立输入向量X_t=[s_t,Δt_t]，输出向量Y_t=δ_t。
-使用支持向量机对X_t和Y_t进行训练，得到SRM位置估计模型。
-实时应用SRM位置估计模型以跟踪转子位置。
4.实验和结果
在实验中，我们使用了一种四相的8/6极SRM，输出方式是固定时间分割脉冲，建立基于支持向量机的转子位置在线建模方法，将其与传统霍尔元件进行比较。
实验结果表明，与传统方法相比，基于支持向量机的SRM转子位置在线建模具有更高的检测精度和更好的抗干扰能力。具有以下几个优点：
-可以减少传感器数量和硬件成本。
-高精度/高抗干扰性。
-适用于实际控制系统。
5.结论
本文介绍了基于支持向量机的开关磁阻电机转子位置在线建模方法，并在实验中证明了其相比传统的霍尔元件检测方法具有更高的精度和抗干扰能力。基于支持向量机的SRM转子位置在线建模可以有效地降低硬件成本和提高检测精度，具有广泛应用前景。