基于全局在线启发式动态规划永磁同步电机矢量控制方法与流程

技术特征：

1.一种基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，该方法包括以下步骤：

步骤1：初始化单神经元全局在线启发式动态规划算法的目标网络学习率、评价网络学习率、单神经元PI算法参数，根据系统的跟踪误差，设计外部强化学习信号；

步骤2：通过神经网络正向传输，计算评价网络的输出和目标网络的输出，所述评价网络的输出为性能指标函数J(t)，所述目标网络的输出为内部强化学习信号S(t)，其中t表示当前时刻；

步骤3：计算目标网络误差和评价网络误差，通过计算出的误差分别对目标网络和评价网络的权值进行在线调整；

步骤4：通过求解最优性能指标函数，得到单神经元PI算法K值，通过得到的K值调节单神经元PI控制算法的输出，即永磁同步电机系统q轴电流的参考值iq^*；

步骤5：矢量控制系统中的d轴电流内环采用改变趋近率的滑模变结构控制器，通过d轴给定参考值id^*＝0和实际电流id的差，来调节d轴电压ud；

矢量控制系统中的q轴电流内环采用改变趋近率的滑模变结构控制器，通过步骤4得到的q轴电流的参考值iq^*和实际电流iq的差，来调节q轴电压uq。

2.根据权利要求1所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤1中按照下式设计外部强化学习信号r(t)：

r(t)＝0.98*e(t)+0.02*e(t-1)，e(t)＝ω^*(t)-ω(t)

其中，t表示当前时刻，t-1表示上一时刻，ω^*(t)为目标转速，ω(t)为实际转速，e(t)为当前时刻转速差，e(t-1)为上一时刻转速差。

3.根据权利要求1所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤2中的性能指标函数为：

其中，为评价网络激活函数，为当前时刻评价网络输入向量，ck(t)为当前时刻t的评价网络输入向量中的第k个元素，k的取值范围为1到5，t-1为上一时刻，l为评价网络隐层节点序号，l取值范围为1到Nc，Nc为评价网络隐层节点数，Nf为目标网络隐层节点数，u(t)为当前时刻t的控制量，u(t-1)为上一时刻控制量，e(t)为当前时刻t的系统误差，e(t-1)为上一时刻系统误差，S(t)为当前时刻t的内部强化学习信号，为当前时刻t的评价网络输入层到隐层权值矩阵第l行，第k列元素，zl(t)为当前时刻t的评价网络隐层输出向量的第l个元素，为当前时刻t的评价网络隐层到输出层的权值矩阵第l个元素，J(t)为当前时刻t的性能指标函数。

4.根据权利要求3所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤2中的内部强化学习信号S(t)为：

其中，为目标网络的激活函数，aj(t)为当前时刻t的目标网络输入向量中的第j个元素，j的取值范围为1到4，t表示当前时刻，t-1表示上一时刻，i的取值范围为1到Nf，Nf为目标网络隐层节点数，i为目标网络隐层节点序号，u(t)为当前时刻t的控制量，u(t-1)为上一时刻控制量，e(t)为当前时刻t的系统误差，e(t-1)为上一时刻系统误差，为当前时刻t的目标网络输入层到隐层的权值矩阵第i行，第j列元素，qi(t)为当前时刻t的目标网络隐层输出向量的第i个元素，为当前时刻t的目标网络隐层到输出层权值矩阵第i个元素，S(t)为当前时刻t的内部强化学习信号。

5.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤3中根据下式计算目标网络误差：

ef(t)＝αS(t)-[S(t-1)-r(t-1)]

其中，α为目标网络折扣因子，其取值范围为0＜α＜1，S(t)为t时刻的内部强化学习信号，S(t-1)为上一时刻的内部强化学习信号，r(t-1)为上一时刻的外部强化学习信号，ef(t)为当前时刻t的目标网络误差。

6.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤3中根据下式计算评价网络误差：

ec(t)＝γJ(t)-[J(t-1)-S(t)]

其中，γ为评价网络折扣因子，其取值范围为0＜γ＜1，J(t)为当前时刻t的性能指标，J(t-1)为上一时刻性能指标，S(t)为当前时刻t的内部强化学习信号，ec(t)为当前时刻t的评价网络误差。

7.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤3中根据以下调整规则对目标网络的权值进行在线调整：

隐层到输出层：

其中，

输入层到隐层：

其中，

其中，aj(t)为当前时刻t的目标网络输入向量中的第j个元素，lf(t)是当前时刻t的目标网络学习率，ef(t)为当前时刻t的目标网络误差，Ef(t)是当前时刻t的目标网络误差的平方，为当前时刻t的目标网络隐层到输出层权值矩阵第i个元素的增量，为当前时刻t的目标网络输入层到隐层权值矩阵第i行，第j列元素的增量，为目标网络的激活函数，qi(t)为当前时刻t的目标网络隐层输出向量的第i个元素，S(t)为当前时刻t的内部强化学习信号，为当前时刻t的目标网络输入层到隐层的权值矩阵第i行，第j列元素，为当前时刻t的目标网络隐层到输出层权值矩阵第i个元素，α为目标网络折扣因子。

8.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤3中根据以下调整规则对评价网络的权值进行在线调整：

隐层到输出层：

其中，

输入层到隐层：

其中，

其中，ck(t)为当前时刻t的评价网络输入向量中的第k个元素，lc(t)为当前时刻t的评价网络学习率，ec(t)为当前时刻t的评价网络误差，Ec(t)为当前时刻t的评价网络误差的平方，为当前时刻t的评价网络隐层到输出层权值矩阵第l个元素的增量，为当前时刻t的评价网络输入层到隐层权值矩阵第l行，第k列元素的增量，为目标网络的激活函数，qi(t)为当前时刻t的目标网络隐层输出向量的第i个元素，为评价网络的激活函数，zl(t)为当前时刻t的目标网络隐层输出向量的第l个元素，J(t)为当前时刻t的性能指标，为当前时刻t的目标网络输入层到隐层的权值矩阵第i行，第j列元素，为当前时刻t的目标网络隐层到输出层权值矩阵第i个元素，γ为评价网络折扣因子。

9.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤4中按照如下方法求解最优性能指标函数：

其中，

K(t)＝K(t-1)+ΔK(t)

其中，la(t)为当前时刻t的单神经元PI折扣因子学习率，ea(t)为当前时刻t的单神经元PI折扣因子学习反传误差，Ea(t)为当前时刻t的单神经元PI折扣因子学习反传误差的平方，ΔK(t)为当前时刻t的K值增量，Δu(t)为当前时刻t的控制信号的增量，u(t)为当前时刻t的控制信号，为当前时刻t的目标网络输入层到隐层权值矩阵第i行，第3列元素，为当前时刻t的评价网络输入层到隐层权值矩阵第l行，第4列元素，为当前时刻t的评价网络输入层到隐层权值矩阵第l行，第1列元素，为目标网络的激活函数，qi(t)为当前时刻t的目标网络隐层输出向量的第i个元素，为评价网络的激活函数，zl(t)为当前时刻t的目标网络隐层输出向量的第l个元素，J(t)为当前时刻t的性能指标，为当前时刻t的目标网络隐层到输出层权值矩阵第i个元素，为当前时刻t的评价网络隐层到输出层的权值矩阵第l个元素，S(t)为当前时刻t的内部强化学习信号，K(t-1)为上一时刻单神经元PI算法K值，K(t)为当前时刻t的K值。

10.根据权利要求2、3或4所述的基于全局在线启发式动态规划永磁同步电机矢量控制方法，其特征在于，所述步骤5中滑模变结构控制器的改进趋近率根据下式确定：

其中，s为滑模面，为s的导数，sgn(·)为符号函数，k，δ，ε为趋近率调整参数，k＞0，δ＞0，0＜ε＜1，x1为状态变量。