基于模型融合方法的IPMSM转矩预测

摘要：

在机器人等高端电机控制系统中,由于内嵌式永磁同步电机(IPMSM)运行时,受电机参数辨识困难、谐波干扰等因素影响,电机电磁转矩具有强非线性,很难通过传统数学模型来精确计算,而增加转矩传感器会提高系统成本.为了实现无转矩传感器转矩高精度预测,提出了一种基于模型融合方法的IPMSM转矩预测模型,以简单的线性转矩数学模型融合数据驱动的神经网络算法,可有效减少神经网络模型复杂度,同时提高转矩估算精度.用BP和RBF两种常见网络进行建模仿真和实验验证,证明了该模型可实现转矩实时在线预测,且具有良好的动态稳定性能.

关键词：内嵌式永磁同步电机、模型融合、非线性模型、转矩在线估算、无转矩传感器转矩控制

所属期刊栏目：42

分类号：TM341(电机)

资助基金：广东省重点领域研发计划;广东省重点领域研发计划;深圳市科技计划

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：449-455