基于人工神经网络的无刷直流电机无位置和速度传感器估计
系统与控制
2024-02-07 v1 硬件体系结构
机器学习
系统与控制
摘要
无刷直流电机应用需要精确的位置和速度测量，传统上通过传感器获得。本文提出了一种无需位置传感器即可估计这些测量的方法，该方法使用经过衰减杂散处理的端部相电压，这些电压由同时操作脉宽调制控制逆变器的现场可编程门阵列采集。使用编码器对电压进行电气和虚拟转子状态标记，该编码器为两个基于感知器级联拓扑的三层人工神经网络提供训练和测试数据。第一个人工神经网络根据带有增量时间戳的电压特征估计位置，第二个人工神经网络根据考虑采集窗口内时间戳的位置差分特征估计速度。在125至1500转/分转速下，使用带负载的8对极电机进行的基于传感器的训练和无传感器测试，获得了0.8电角度和22转/分的绝对误差。结果表明，整体位置估计显著优于传统方法和先进方法，速度估计略优于传统方法，但不如先进方法。
引用
@article{arxiv.2402.03534,
title = {ANN-based position and speed sensorless estimation for BLDC motors},
author = {Jose-Carlos Gamazo-Real and Victor Martinez-Martinez and Jaime Gomez-Gil},
journal= {arXiv preprint arXiv:2402.03534},
year = {2024}
}