基于模型融合方法的IPMSM转矩预测

杜帅祥; 韦寿祺; 梁嘉宁; 孙天夫; 王旭

doi:10.16725/j.cnki.cn45-1351/tn.2022.06.004

桂林电子科技大学学报 ›› 2022, Vol. 42 ›› Issue (06) : 449 -455. DOI: 10.16725/j.cnki.cn45-1351/tn.2022.06.004

基于模型融合方法的IPMSM转矩预测

杜帅祥, 韦寿祺, 梁嘉宁, 孙天夫, 王旭

作者信息 +

Author information +

文章历史 +

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。