摘  要  提出了一种采用人工神经元网络(ann)预测永磁无刷直流电机反电势的新方法，给出了用于反电势预测的人工神经元网络的结构，预测的样机反电势波形与实测反电势比较结果表明．该方法是一种快速、简便、准确的反电势预测方法，在无刷直流电机的计算机优化设计及性能分析中有着广阔的应用前景，并对其它类型电机同类问题的解决具有一定的参考价值。

    叙  词  无刷直流电动机反电势人工神经元网络预测

    永磁无刷直流电动机具有直流电动机那样良好的调速性能，但无机械换向装置，因而电磁噪声与干扰小，维护要求低，可靠性高，无需电励磁，效率相对较高。近一二十年由于电力电子器件和新型永磁材料尤其是具有高性能低成本ndfeb材料的不断成熟和先进控制理论的迅速发展，使无刷直流电动机的应用范围大为拓宽，如变频空调、电动自行车、电动汽车等都已经或将要成为其重要的应用领域。

    方波形永磁无刷直流电机的原理图如图l所示。

 

     电机的行为特性可用方程(1)、(2)、(3)描述。

   瞬时电磁转矩为：

    电机运动方程为：

 

    分别为电机各相相电压和相电流，各相的反电势。相电阻和相电感，电机和负载的转动惯量之和.分别为阻尼系数和电机机械转速，负载转矩。

    可以看出，除模型本身的正确性外，电机参数（电感、电阻、反电势）是影响特性预测的重要因素。如果能够在设计阶段就能准确预知电机的电阻、电感以及反电势波形等参数，就可以准确地预测电机在某种激励下的动、静态特性，从而达到准确设计的目标，并可以针对某一特殊要求，对电机进行优化设计。

    在以往采用路的形式对永磁无刷直流电机进行设计时，常常假设电机反电势为理想的正弦波或梯形波，也常采用经验系数的方式对漏磁等多种效应作粗略处理，虽在一定程度上反映该类电机的实际状况，但由于永磁电机对永磁材料性能分散性的敏感、制造工艺的依赖、磁极形状、充磁方式的差异以及电机齿槽效应和磁路的非线性等诸多因素的影响，使得电机实际的反电势波形与理想波形相差甚远[3]，这兢使永磁无刷直流电机算不准。

    要准确计算永磁电机的气隙反电势等特征参数，一般采用电磁场理论和有限元方法。由于场的计算往往复杂，费时，使得这种方法无法在电机优化设计所需的不断迭代运算中获得有效的应用。要解决计算的准确性与计算量之间的矛盾，可以采用人工神经元网络理论。

    人工神经元网络的****特点是无需建立输入、输出之间的精确模型，只要从一组输入、输出参数（样本）中，就可以学习、寻找出输入输出之间复杂的映射关系，这种映射关系一经神经网络训练成功，就成为其本身的内禀特性，具有预测同类输入时的输出的能力。而且由于神经元网络的并行处理方式所具有的快速计算性能，使得用于类似文中的复杂问题计算中，既具有路的方法的快速性，又具有场的方法的准确性，可以有效解决计算量和计算准确性之间的矛盾[4]。本文主要讨论应用人工神经元网络方法预测永磁无刷直流电机反电势波形的问题，为电机性能准确预测提供依据。

     永磁无刷直流电机反电势预测中采用的人工神经元网络如图2所示，这是一个前馈型网络，采用三层结构，即输入层、隐含层和输出层。图中每一个圆圈代表一个神经元。单个神经元如图3所示。图中x=[x₁，x₂，…x_n]为神经元输入量，u为输入向量的加权和。为反映连接强度的权值，φ为神经元偏置阀值。y为神经元输出值，它与鲜的关系称为输出数。常用的输出函数有线性函数、sin函数、tan函数