一种无刷直流电机转子位置检测方法的研究
资料包括： 论文(5页2607字)
说明：
摘 要：位置检测和换相准确与否，对无刷直流电机的运行有非常关键的影响。通过分析无刷直流电机转子位置检测原理，本文提出了一种新的方法来实现转子位置的检测。该方法构建一个以相磁通和相电流为输入，转子位置为输出的小波神经网络模型，并采用遗传算法来训练网络参数。经仿真验证该模型能有效地控制电机换相。
关键词：无刷直流电机；遗传算法；小波神经网络
A new position detection method for brushless DC motors
Abstract: the accuracy of position detecting and precise commutation is very important to BLDCM. In this paper, the principle of position sensorless control for brushless DC Motors (BLDCM) was analyzed, and a new position detection method for BLDCM was proposed. A wavelet neural network model was built whose parameters were trained based on genetic algorithm. Simulation results demonstrate that the model is feasible.
Key words: brushless DC motor (BLDCM), genetic algorithm (GA), wavelet neural network
1引言
无刷直流电机以其优越的性能被广泛应用于各个领域。但是由于位置传感器的存在，当电机的工作环境较为恶劣时，使得电机的可靠性降低，影响电机的运行性能。因此，无位置传感器控制成为无刷直流电机研究的一个重要内容。针对其位置检测，国内外学者出了许多方法，然而这些方法各有其优点及局限性[1,2,3,4,5]。
小波神经网络是在小波分解的基础上提出的一种前馈神经网络，其思想是用小波元代替神经元，通过仿射变换建立起小波变换与网络系数之间的连接，并应用于函数逼近，小波神经网络具有优良的函数逼近能力，收敛快，全局收敛性等优点[6,7]。
遗传算法是一种基于自然选择和群体遗传学的随机、迭代、进化和并行搜索的算法 ，该算法具有较快的收敛速度和不会陷入局部极小的优点。因此本文将二者结合起来，建立了基于遗传算法的小波神经网络预测模型，并将之应用于无刷直流电机转子位置检测，取得了令人满意的结果。
1 引言
2 位置检测分析
3 小波神经网络
4 仿真实验
5 结论
参考文献：
【1】Ertugrul N, Acarnley P. A new algorithm for sensorless operation of permanent magnent motors [J]. IEEE Trans. on Industry Applications, 1994, 30 (1)∶126~133.
【2】Iizuka K, Uzuhashi H, Kano M, et al. Microcomputer control for sensorless brushless motor [J]. IEEE Trans. on Industry Application, 1985, IA-21∶595~60.
Shao J, Nolan D, Hopkins T. A novel microcontroller-based sensorless brushless dc(BLDC) motor drive for automotive fuel pumps[J]. IEEE Transactions on Industry Applications, 2003, 39(6): 1734～1740
Shao J, Nolan D, and Hopkins T. Improved direct back EMF detection for sensorless brushless dc (BLDC) motor drives[J]. In: Proceeding of IEEE APEC, 2003: 300～305
Lai Y, Shyu F, Rao W. Novel back-EMF detection technique of brushless DC motor drives for whole duty-ratio range control[C]. In: Proceeding of IEEE IES, 2004: 2729～2732
【6】李秀英,韩志刚.非线性系统辨识方法的新进展[J].自动化技术与应用,2004,23（10）: 5-7.
【7】Chen Weirong, Qian Qingquan, Wang Xiaoru. Wavelet neural network based transient fault signal detection and identification[C]. IEEE Int.Conf on Information, Communications and Signal Processing, ICICS’97. 1997, 3: 1377-1381.
【8】阎平凡,张长水编著.人工神经网络与模拟进化计算.北京:清华大学出版社,2000.
作者点评：
遗传算法的具有全局优化搜索能力，小波变换具有良好的时频局部性质，用于控制可以得到较高的精度。本文通过分析无刷直流电机间接位置检测原理，建立了基于遗传算法的小波神经网络模型，通过仿真可得该模型能够精确得到电机的换相信号,取代传统的位置传感器。