公开(公告)号：CN109167546A

公开(公告)日：2019-01-08

申请号：CN201811119061.4

申请日：2018-09-25

Applicant: 安徽大学

Inventor： 漆星 ,  郑常宝

IPC: H02P21/14

Abstract: 本发明公开了一种基于数据生成模型的异步电机参数在线辨识方法。该方法融合了基于模型的辨识方法和基于数据的辨识方法的优点，整体思路为：①，首先通过离线数据建立输出转矩与状态间的概率模型，②，在线辨识过程中，将基于模型的辨识方法作为“数据产生器”，再采用基于数据的方法，结合①中的转矩概率模型，进行电机参数的在线辨识，最终得到电机参数辨识值的概率模型。本发明提出的方法的优点在于：辨识过程中，训练数据集很容易获得；辨识的参数不受模型误差的影响；辨识的参数使电机在运行中保持最优转矩电流比；辨识的参数考虑了电机运行过程中的不确定性，具有很高的鲁棒性。

公开(公告)号：CN107861061A

公开(公告)日：2018-03-30

申请号：CN201711017709.2

申请日：2017-10-27

Applicant: 安徽大学

Inventor： 漆星

IPC: G01R31/34 ,  G06N3/04

Abstract: 本发明公开了一种数据驱动的感应电机参数在线辨识方法，与以往方法不同的是，本发明不依赖于电机模型，而是基于实际数据对电机参数进行在线辨识。使用本发明提出的方法，可以在离线状态下自动的产生带标签的训练数据，并加以训练，再根据训练结果在电机运行中在线地辨识电机参数。本发明具有以下优点：参数辨识的精确性和稳定性不会受到模型误差的影响；在辨识过程中，可以自动的产生数据，无需提前准备数据集；数据的产生和训练是同时进行的，大大缩短了运算时间；大部分的运算是在离线过程中通过电脑完成的，只有少量的计算进行于电机控制器中的MCU中，因此，不会对电机控制器的MCU造成额外的负担。