摘要：本文介绍了一种基于人工神经网络(ANN)的开关磁阻电机(SRM)。SRM电机是一种电子控制电机，如无刷直流电动机。电动机需要一个电力电子转换器来控制定子极。SRM电机的主要优点是成本低，由于转子上没有绕组而产生的低温效应，易于制造设计，运行速度快，效率高。转矩脉动和噪声是SRM电机的主要缺点，本文实现了基于ANN的SRM转矩脉动最小化。在MATLAB /Simulink软件中对仿真结果进行了验证。验证结果为电机转速、转矩、电流和磁通。并与磁滞电流控制器(HCC)和神经网络控制器进行了性能比较。基于ANN的SRM结果在电机启动和运行条件下表现最佳。本文的主要成果是减小起动转矩和转矩脉动，减小起动电流和运行电流。

关键词：开关磁阻电机；力矩；速度；磁链；

1引言

      电动汽车电机主要分为换向器电机和无换向器电机两种。所有直流电动机都是换向器电动机。这些换向器电机不适合四轮应用，由于低扭矩密度和低速。目前有两种类型的电机用于电动汽车应用无刷直流电动机和SR电机。SRM电机具有成本低、低温效果好、功率大、制造时间短等优点。本文提出了直接转矩瞬时控制(DTIC)用于减小转矩波动在12/8开关磁阻电机。DTIC控制器将转矩波动降至最低，提高了效率和速度。

      本文提出了一种改进的直接转矩控制方法，采用滑模控制来减小SRM传动中的转矩波动。滑模速度控制(SMSC)减少了响应时间，在减小转矩波动方面表现得更好。为了减小四相开关磁阻电机的转矩波动和功率损失，提出了一种新的直接转矩控制方法。该方法在稳态和动态条件下均能很好地运行。本文介绍了[4]-[10]型改进型动力线性开关磁阻电机的分析。为了改进力剖面，设计了基于参数的累积确定性优化算法(PBCDOA)。本文[5]提出了一种基于ANN的SR电机，以减小转矩脉动，提高电机性能。为了降低稳定性、效率和高速等非线性问题，在所有条件下都进行了基于ANN的SRM。转矩波动在SR电机使用Dahlin巡航控制器[6]最小化。

      参考文献[7]回顾了不同的SR电机电流调节控制策略以及转矩脉动最小化策略。本文介绍了一种基于人工神经网络的开关磁阻电机。SRM电机是一种电控电机，如BLDC电机[12]-[14]。电动机需要一个电力电子转换器来控制定子极。本文提出了一种基于神经网络的转矩脉动最小化算法。在MATLAB /Simulink软件中对仿真结果进行了验证。

2方案

      8/6极SRM，这台电动机定子八极四相。定子四相由电力电子IGBT开关控制，每相8个自由轮二极管工作在90 。SRM的功率转换电路，三相6/4极SR电机具有价格低、速度快等优点。这种电机的缺点是转矩波动较大。为了克服这种转矩脉动问题，本文实现了四相8/6极SR电机。该电机具有较低的转矩脉动和较好的启动转矩，同时需要更多的电力电子开关器件，涉及较高的变换器成本和开关损耗。

     当相位绕组被激发时，输入能量为

     其中v为感应电动势(EMF)

     因此，输入的能量可以改写为

     在相绕组中激发的MMF为Fi =Ni ，相绕组中存储的磁场能量Wf和转换为运动Wo的输出机械能构成了输入能量。

                                             Wi=Wf+w。

     以上等式可以重铸增量更改。

                                             δWi=δWf+δw。

     给定电流和MMF的等效能量可以计算为

    当磁饱和发生时，转矩不再能用简单的代数方程表示。它必须写成积分方程:

3 控制器

      SRM控制方案有六个块，SR电机、功率转换器、HCC、和、位置传感器和速度块。位置传感器从速度块获取速度信号。位置传感器块从速度产生一个参考电流信号。Ton和Toff是功率转换开关的固定开关角度。和块比较参考电流和实际电流，产生错误电流信号。功率转换电路控制SRM定子相位。

      带人工神经网络控制器的SRM。该电路有八个模块，SR电机，功率变换器，磁链/转矩估计模块，磁链/转矩控制器模块。速度比较器块，转矩和通量转换器块。SR电机有一个8/6极。功率转换器块控制定子相位，并从神经网络控制器获取PWM脉冲。磁通/转矩估计器块是它采用参考信号电流，电压和速度以及产生的磁通，转矩，速度和相位角。转子磁链计算器:SRM电机定子磁链可表示为

SRM电机转子磁链可表示为

      神经网络电路，这分为四层输入，一个输出层，和两个隐藏层。输入层是速度，输出层是转矩，隐层是转矩变矩器的速度。

4 仿真结果

A.带滞后电流控制器的SRM

      带磁滞电流控制器的SRM的MATLAB/仿真模型。该电路设计了一个四相八极SR电机。电机由电力电子转换器控制。在SR电机中，每个相由一个分离的功率转换器控制。电源转换器有两个IGBT开关和两个自由二极管。带有HCC的SRM的磁通、电流、转矩和速度波形。在模拟结果磁通波形中，启动磁通是运行磁通的两倍。0.03秒后通量达到稳态。

      SRM起动电流为60A，稳态电流为15a。启动状态下的扭矩为10倍高。SRM速度在0.25秒后达到稳定状态。

B.带有ANN控制器的SRM

      SRM电机控制方案，该控制方案的神经网络接收速度输入信号，并将其转换为转矩。矢量控制器控制扭矩和速度。开关表块用于产生脉冲以打开可控硅。速度转矩的神经网络结构，显示了矢量控制图，此块估计幅度和方向。

人工神经网络SRM的磁通、电流、转矩和速度波形。在模拟结果磁通波形中，启动磁通是运行磁通的两倍。0.04秒后磁通达到稳态状态，SRM起动电流为20A，稳态电流为11a。启动时的扭矩等于运行时的扭矩。SRM速率在1s后达到稳定状态。

   C. HCC和ANN比较结果13。速度HCC/ ANN控制器的比较结果。人工神经网络控制器性能较好，运行速度快。hcc控制的电机运行在1500转/分，ANN控制的电机运行在3000转/分。hcc控制的电机达到0.2秒的稳态速度，ANN控制的电机达到1秒的稳态速度。扭矩比较结果。在起动状态下，HCC控制器转矩比额定转矩高8倍。基于ANN的控制器转矩为启动转矩等于额定转矩。

5总结

      提出了一种基于ANN的SRM算法。在Matlab/Simulink软件中对电机进行了仿真。仿真结果验证了转速、转矩、定子电流和磁通。本文采用磁场定向控制(FOC)对速度、转矩、磁通和方向角进行了估计。基于ANN的仿真结果与HCC控制器进行了验证。与HCC相比，基于ANN的SRM表现出更好的性能。基于ANN的控制器减少了转矩波动，提高了速度，降低了启动电流和运行电流。SR电机的主要优点是转速高，维护费用低，价格低，成本高。