摘  要  提出了一種采用人工神經元網絡(ann)預測永磁無刷直流電機反電勢的新方法，給出了用于反電勢預測的人工神經元網絡的結構，預測的樣機反電勢波形與實測反電勢比較結果表明．該方法是一種快速、簡便、準確的反電勢預測方法，在無刷直流電機的計算機優化設計及性能分析中有著廣闊的應用前景，并對其它類型電機同類問題的解決具有一定的參考價值。

    敘  詞  無刷直流電動機反電勢人工神經元網絡預測

    永磁無刷直流電動機具有直流電動機那樣良好的調速性能，但無機械換向裝置，因而電磁噪聲與干擾小，維護要求低，可靠性高，無需電勵磁，效率相對較高。近一二十年由于電力電子器件和新型永磁材料尤其是具有高性能低成本ndfeb材料的不斷成熟和先進控制理論的迅速發展，使無刷直流電動機的應用范圍大為拓寬，如變頻空調、電動自行車、電動汽車等都已經或將要成為其重要的應用領域。

    方波形永磁無刷直流電機的原理圖如圖l所示。

 

     電機的行為特性可用方程(1)、(2)、(3)描述。

   瞬時電磁轉矩為：

    電機運動方程為：

 

    分別為電機各相相電壓和相電流，各相的反電勢。相電阻和相電感，電機和負載的轉動慣量之和.分別為阻尼系數和電機機械轉速，負載轉矩。

    可以看出，除模型本身的正確性外，電機參數（電感、電阻、反電勢）是影響特性預測的重要因素。如果能夠在設計階段就能準確預知電機的電阻、電感以及反電勢波形等參數，就可以準確地預測電機在某種激勵下的動、靜態特性，從而達到準確設計的目標，并可以針對某一特殊要求，對電機進行優化設計。

    在以往采用路的形式對永磁無刷直流電機進行設計時，常常假設電機反電勢為理想的正弦波或梯形波，也常采用經驗系數的方式對漏磁等多種效應作粗略處理，雖在一定程度上反映該類電機的實際狀況，但由于永磁電機對永磁材料性能分散性的敏感、制造工藝的依賴、磁極形狀、充磁方式的差異以及電機齒槽效應和磁路的非線性等諸多因素的影響，使得電機實際的反電勢波形與理想波形相差甚遠[3]，這兢使永磁無刷直流電機算不準。

    要準確計算永磁電機的氣隙反電勢等特征參數，一般采用電磁場理論和有限元方法。由于場的計算往往復雜，費時，使得這種方法無法在電機優化設計所需的不斷迭代運算中獲得有效的應用。要解決計算的準確性與計算量之間的矛盾，可以采用人工神經元網絡理論。

    人工神經元網絡的****特點是無需建立輸入、輸出之間的精確模型，只要從一組輸入、輸出參數（樣本）中，就可以學習、尋找出輸入輸出之間復雜的映射關系，這種映射關系一經神經網絡訓練成功，就成為其本身的內稟特性，具有預測同類輸入時的輸出的能力。而且由于神經元網絡的并行處理方式所具有的快速計算性能，使得用于類似文中的復雜問題計算中，既具有路的方法的快速性，又具有場的方法的準確性，可以有效解決計算量和計算準確性之間的矛盾[4]。本文主要討論應用人工神經元網絡方法預測永磁無刷直流電機反電勢波形的問題，為電機性能準確預測提供依據。

     永磁無刷直流電機反電勢預測中采用的人工神經元網絡如圖2所示，這是一個前饋型網絡，采用三層結構，即輸入層、隱含層和輸出層。圖中每一個圓圈代表一個神經元。單個神經元如圖3所示。圖中x=[x₁，x₂，…x_n]為神經元輸入量，u為輸入向量的加權和。為反映連接強度的權值，φ為神經元偏置閥值。y為神經元輸出值，它與鮮的關系稱為輸出數。常用的輸出函數有線性函數、sin函數、tan函數