本發(fā)明涉及電機控制技術(shù)領(lǐng)域，特別是一種基于EMD-ELM的感應(yīng)電機定子電阻參數(shù)識別方法。

背景技術(shù)：

在電機控制領(lǐng)域，最成熟的控制方法有磁場定向控制(Field Oriented Control，F(xiàn)OC)和直接轉(zhuǎn)矩控制(Direct Torture Control，DTC)兩種。FOC是由Blasehke F.在1971年提出，根據(jù)電機的動態(tài)數(shù)學(xué)模型，利用矢量變換方法來實現(xiàn)磁鏈與轉(zhuǎn)矩的解耦，對二者分別獨立控制，可明顯改善控制性能。但是，此法為對電機參數(shù)的依賴性大，而電機參數(shù)存在時變性，難以達到理想的控制效果。在無速度傳感器交流調(diào)速系統(tǒng)中，溫度變化和集膚效應(yīng)會導(dǎo)致定子電阻發(fā)生一定的變化，如果計算采用的定子電阻和其實際值不匹配將會導(dǎo)致速度辨識誤差增加，甚至出現(xiàn)觀測器不穩(wěn)定，特別是在低速運行時定子電阻變化對系統(tǒng)穩(wěn)定性和速度控制精度有極大影響的問題。

電機定子電阻辨識的方法可分為在線辨識和靜態(tài)辨識。靜態(tài)辨識是在電機投入正常運行之前進行辨識，不需要增加任何附加電路僅靠電動機原有調(diào)速系統(tǒng)本身的硬件電路來實現(xiàn)。但是，即使在不考慮弱磁和磁飽和的情況，僅溫升引起的定子電阻變化就能達到室溫下所測電阻值的0.75-1.5倍。計算采用的定子電阻值與實際值的不匹配不僅會出現(xiàn)大的轉(zhuǎn)速估計誤差而且會導(dǎo)致系統(tǒng)不穩(wěn)定。因此，對定子電阻進行實時辨識是具有重要意義的。

由于定子電阻與定子電流間的非線性關(guān)系，采用傳統(tǒng)的建立數(shù)學(xué)模型的方法難以精確求得定子電阻?；诖耍嚓P(guān)研究將模糊控制用于定子電阻的辨識，但是此類模糊辨識器大多是以溫度及其變化作為輸入，安裝在定子電阻中的熱敏電阻網(wǎng)絡(luò)降低了電機的機械特性，而且不易安裝?；诖擞袑W(xué)者提出了一種結(jié)構(gòu)簡單的模糊控制估計器，提高了電機在低速狀態(tài)下的響應(yīng)速度，轉(zhuǎn)動脈動較小，魯棒性得到提高。但是，在實際應(yīng)用時，需要另外加上轉(zhuǎn)子參數(shù)辨識和誤差較正環(huán)節(jié)以使辨識達到理性效果，算法復(fù)雜，計算量大，不具有通用性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種算法簡單、精度高的基于EMD-ELM的感應(yīng)電機定子電阻參數(shù)識別方法，以降低感應(yīng)電機在低速工況下，定子電阻對矢量控制系統(tǒng)中轉(zhuǎn)子磁鏈觀測的影響，從而提高對感應(yīng)電機的控制性能。

實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種基于EMD-ELM的感應(yīng)電機定子電阻參數(shù)識別方法，包括以下步驟：

步驟1，數(shù)據(jù)采集：搭建感應(yīng)電機數(shù)據(jù)采集平臺，調(diào)節(jié)感應(yīng)電機為低速工況，將定子電流、定子電壓、母線電壓、母線電流、工作頻率和繞組端溫這幾個參數(shù)互相組合，通過數(shù)據(jù)采集裝置得到N組數(shù)據(jù)；

步驟2，樣本集的處理：對步驟1所得的N組數(shù)據(jù)進行歸一化處理，然后將得到的六個參數(shù)序列分別進行EMD濾波去噪，最后將處理后獲得的N組樣本隨機分為訓(xùn)練集和測試集；

步驟3，確定ELM網(wǎng)絡(luò)結(jié)構(gòu)：明確ELM網(wǎng)絡(luò)的輸入輸出參數(shù)，以母線電壓、母線電流、工作頻率及繞組端溫的組合作為輸入變量，定子電阻為輸出變量；隨機初始化ELM網(wǎng)絡(luò)的輸入權(quán)值和偏差值并保持不變，通過對網(wǎng)絡(luò)的訓(xùn)練確定輸出權(quán)值；

步驟4，定子電阻的辨識：先以具有明確關(guān)系的輸入變量識別定子電阻參數(shù)，在辨識效果得到驗證后，再逐漸加入其它潛在影響因素，對辨識效果進行比較和分析，確定最終辨識模型，完成準(zhǔn)確的定子電阻識別。

進一步地，步驟1所述的數(shù)據(jù)采集中，感應(yīng)電機低速工況為額定轉(zhuǎn)速的10％-40％。

進一步地，步驟1所述的數(shù)據(jù)采集中，電機的負(fù)載及工作頻率由磁粉測功機提供并測得，繞組端溫通過溫度傳感器測得，定子電壓和定子電流分別由電壓、電流互感器測得，并通過伏安法計算得到定子電阻，母線電壓和母線電流分別通過控制電路中的差分電路和電流互感器測得；其中，溫度傳感器共計三個，均勻埋置于定子繞組中。

進一步地，步驟1所述通過數(shù)據(jù)采集裝置得到N組數(shù)據(jù)，其中N≥5000。

進一步地，步驟2所述對N組數(shù)據(jù)進行歸一化處理，具體為：

將所有輸入同時除以對應(yīng)的量化值，使數(shù)據(jù)限定在0-1范圍之內(nèi)，并且：

溫度輸入的量化值，依據(jù)電機的絕緣等級來確定；

電流量化值，采用實驗感應(yīng)電機的最大電流，為額定值的4-7倍；

工作頻率量化值，取電機額定頻率；

定子電壓和電阻量化值，均取工作中出現(xiàn)的最大值。

進一步地，步驟2中所述EMD濾波去噪，具體為：首先將參數(shù)的數(shù)據(jù)序列進行EMD分解，得到若干按頻率高低排列的固有模式分量IMF，然后通過定義自適應(yīng)濾波器截至IMF階數(shù)，濾除信號的高頻部分，完成信號重構(gòu)。

進一步地，步驟2中所述訓(xùn)練集和測試集的劃分方法為：將處理得到的數(shù)據(jù)集隨機劃分為4:1兩部分，分別作為ELM網(wǎng)絡(luò)的訓(xùn)練集與測試集。

進一步地，步驟3所述確定ELM網(wǎng)絡(luò)結(jié)構(gòu)，其中ELM網(wǎng)絡(luò)的基本數(shù)學(xué)表達式如下：

其中，y_k為第k個樣本輸入的網(wǎng)絡(luò)輸出值，L為隱層神經(jīng)元的個數(shù)，k為樣本編號，k＝1，2，…，N；β_i＝[β_i1,β_i2,…,β_iN]^T為第i個隱層神經(jīng)元與輸出神經(jīng)元的連接權(quán)向量；w_i＝[w_i1,w_i2,…,w_iN]^T為第i個隱層神經(jīng)元與輸入神經(jīng)元之間的連接權(quán)向量；b_i為第i個隱層神經(jīng)元的閾值；

對于一個具有L個隱層神經(jīng)元和激活函數(shù)f(x)的單隱層前向神經(jīng)網(wǎng)絡(luò)，能夠無偏差地擬合給定N組樣本數(shù)據(jù)，即因此，存在β_i、w_i和b_i，使得：

上式簡寫為：

Hβ＝T

式中，隱層輸出矩陣H和期望輸出矩陣T表達式分別為：

T＝(t₁,t₂,…,t_N)^T

激活函數(shù)f(x)取Sigmoid函數(shù)，輸入權(quán)值w_i和偏差值b_i均由rand隨機函數(shù)在訓(xùn)練之初初始化并保持不變，僅需訓(xùn)練確定的參數(shù)為輸出權(quán)值β，其表達式為：

β＝H⁺T

其中，H⁺為H矩陣的Moore-Penrose廣義逆。

進一步地，步驟4中所述對辨識效果進行比較和分析，具體為：當(dāng)網(wǎng)絡(luò)輸出與實測值不等時，存在誤差，記為E＝(y_實測-y_輸出)²/2；通過比較不同模型的輸出誤差E，完成對辨識效果的比較和分析。

進一步地，步驟4中所述定子電阻識別方法為：以步驟2中得到的訓(xùn)練樣本為條件，先以對其影響最顯著的繞組端溫、母線電壓和母線電流作為ELM網(wǎng)絡(luò)的輸入，檢測識別效果；之后，再增加工作頻率作為ELM網(wǎng)絡(luò)的輸入，并檢驗識別效果；選用辨識效果較好的輸入結(jié)構(gòu)，最終得到具有非線性關(guān)系映射能力的ELM辨識模型，完成定子電阻的辨識。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為：(1)采用EMD的濾波特性來去除信號中的噪聲，以使之后對樣本數(shù)據(jù)的處理更加迅速與高效；(2)采用的ELM算法具有神經(jīng)網(wǎng)絡(luò)算法的共有特性的同時，學(xué)習(xí)速度更快，泛化能力更強，理論上可以任意精度逼近任意函數(shù)，能直接反映動態(tài)過程系統(tǒng)的特性；(3)降低了感應(yīng)電機在低速工況下，定子電阻對矢量控制系統(tǒng)中轉(zhuǎn)子磁鏈觀測的影響，在辨識速度和精度方面均能得到顯著提升，從而提高了對感應(yīng)電機的控制性能

附圖說明

圖1為本發(fā)明基于EMD-ELM的感應(yīng)電機定子電阻參數(shù)識別方法的流程圖。

圖2為獲取用于訓(xùn)練所述ELM網(wǎng)絡(luò)樣本的方法流程圖。

圖3為EMD濾波流程圖。

圖4為感應(yīng)電機定子電阻經(jīng)EMD分解的仿真圖。

圖5為ELM網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。

圖6為Rs測試樣本網(wǎng)絡(luò)輸出值與實測值比較結(jié)果圖。

圖7為Rs測試樣本網(wǎng)絡(luò)輸出值與實測值的誤差曲線圖。

具體實施方式

以下結(jié)合附圖詳細(xì)說明本發(fā)明的具體實施方式，使本領(lǐng)域的技術(shù)人員更清楚地理解如何實踐本發(fā)明。應(yīng)當(dāng)理解，盡管結(jié)合其優(yōu)選的具體實施方案描述了本發(fā)明，但這些實施方案只是闡述，而不是限制本發(fā)明的范圍。

結(jié)合圖1，本發(fā)明基于EMD-ELM的感應(yīng)電機定子電阻參數(shù)識別方法，步驟如下：

步驟1，數(shù)據(jù)采集：搭建感應(yīng)電機數(shù)據(jù)采集平臺，調(diào)節(jié)感應(yīng)電機為低速工況，將定子電流、定子電壓、母線電壓、母線電流、工作頻率和繞組端溫這幾個參數(shù)互相組合，通過數(shù)據(jù)采集裝置得到N組數(shù)據(jù)；

所述的數(shù)據(jù)采集中，感應(yīng)電機低速工況為額定轉(zhuǎn)速的10％-40％。

所述的數(shù)據(jù)采集中，電機的負(fù)載及工作頻率由磁粉測功機提供并測得，繞組端溫通過溫度傳感器測得，定子電壓和定子電流分別由電壓、電流互感器測得，并通過伏安法計算得到定子電阻，母線電壓和母線電流分別通過控制電路中的差分電路和電流互感器測得；其中，溫度傳感器共計三個，均勻埋置于定子繞組中。

所述通過數(shù)據(jù)采集裝置得到N組數(shù)據(jù)，其中N≥5000。

步驟2，樣本集的處理：對步驟1所得的N組數(shù)據(jù)進行歸一化處理，然后將得到的六個參數(shù)序列分別進行EMD濾波去噪，最后將處理后獲得的N組樣本隨機分為訓(xùn)練集和測試集；

所述對N組數(shù)據(jù)進行歸一化處理，具體為：

將所有輸入同時除以對應(yīng)的量化值，使數(shù)據(jù)限定在0-1范圍之內(nèi)，并且：

溫度輸入的量化值，依據(jù)電機的絕緣等級來確定；

電流量化值，采用實驗感應(yīng)電機的最大電流，為額定值的4-7倍；

工作頻率量化值，取電機額定頻率；

定子電壓和電阻量化值，均取工作中出現(xiàn)的最大值。

所述EMD濾波去噪，具體為：首先將參數(shù)的數(shù)據(jù)序列進行EMD分解，得到若干按頻率高低排列的固有模式分量IMF，然后通過定義自適應(yīng)濾波器截至IMF階數(shù)，濾除信號的高頻部分，完成信號重構(gòu)。

所述訓(xùn)練集和測試集的劃分方法為：將處理得到的數(shù)據(jù)集隨機劃分為4:1兩部分，分別作為ELM網(wǎng)絡(luò)的訓(xùn)練集與測試集。

步驟3，確定ELM網(wǎng)絡(luò)結(jié)構(gòu)：明確ELM網(wǎng)絡(luò)的輸入輸出參數(shù)，以母線電壓、母線電流、工作頻率及繞組端溫的組合作為輸入變量，定子電阻為輸出變量；隨機初始化ELM網(wǎng)絡(luò)的輸入權(quán)值和偏差值并保持不變，通過對網(wǎng)絡(luò)的訓(xùn)練確定輸出權(quán)值；

所述確定ELM網(wǎng)絡(luò)結(jié)構(gòu)，其中ELM網(wǎng)絡(luò)的基本數(shù)學(xué)表達式如下：

其中，y_k為第k個樣本輸入的網(wǎng)絡(luò)輸出值，L為隱層神經(jīng)元的個數(shù)，k為樣本編號，k＝1，2，…，N；β_i＝[β_i1,β_i2,…,β_iN]^T為第i個隱層神經(jīng)元與輸出神經(jīng)元的連接權(quán)向量；w_i＝[w_i1,w_i2,…,w_iN]^T為第i個隱層神經(jīng)元與輸入神經(jīng)元之間的連接權(quán)向量；b_i為第i個隱層神經(jīng)元的閾值；

對于一個具有L個隱層神經(jīng)元和激活函數(shù)f(x)的單隱層前向神經(jīng)網(wǎng)絡(luò)，能夠無偏差地擬合給定N組樣本數(shù)據(jù)，即因此，存在β_i、w_i和b_i，使得：

上式簡寫為：

Hβ＝T

式中，隱層輸出矩陣H和期望輸出矩陣T表達式分別為：

T＝(t₁,t₂,…,t_N)^T

激活函數(shù)f(x)取Sigmoid函數(shù)，輸入權(quán)值w_i和偏差值b_i均由rand隨機函數(shù)在訓(xùn)練之初初始化并保持不變，僅需訓(xùn)練確定的參數(shù)為輸出權(quán)值β，其表達式為：

β＝H⁺T

其中，H⁺為H矩陣的Moore-Penrose廣義逆。

步驟4，定子電阻的辨識：先以具有明確關(guān)系的輸入變量識別定子電阻參數(shù)，在辨識效果得到驗證后，再逐漸加入其它潛在影響因素，對辨識效果進行比較和分析，確定最終辨識模型，完成準(zhǔn)確的定子電阻識別；

所述對辨識效果進行比較和分析，具體為：當(dāng)網(wǎng)絡(luò)輸出與實測值不等時，存在誤差，記為E＝(y_實測-y_輸出)²/2；通過比較不同模型的輸出誤差E，完成對辨識效果的比較和分析。

所述定子電阻識別方法為：以步驟2中得到的訓(xùn)練樣本為條件，先以對其影響最顯著的繞組端溫、母線電壓和母線電流作為ELM網(wǎng)絡(luò)的輸入，檢測識別效果；之后，再增加工作頻率作為ELM網(wǎng)絡(luò)的輸入，并檢驗識別效果；選用辨識效果較好的輸入結(jié)構(gòu)，最終得到具有非線性關(guān)系映射能力的ELM辨識模型，完成定子電阻的辨識。

實施例1

本實施例基于ELM的感應(yīng)電機定子電阻參數(shù)識別的方法，流程如圖1所示，包括以下步驟：

(一)數(shù)據(jù)的采集

搭建數(shù)據(jù)采集平臺，所選感應(yīng)電機的型號為Y355M2-6，利用型號為ZF50WKB的磁粉測功機為感應(yīng)電機提供穩(wěn)定負(fù)載，利用量程為0℃-120℃的溫度傳感器實時采集溫度。其中，溫度傳感器共計三個均勻埋置于定子繞組內(nèi)。工作頻率由控制程序給定，通過測功機讀??；繞組端溫通過溫度傳感器讀取，定子電壓和定子電流分別通過電壓、電流互感器測得，母線電壓和母線電流通過控制電路中的差分電路和電流互感器測得，繞組端溫、定子電壓、定子電流、母線電壓和母線電流通過上位機讀取，定子電阻通過伏安法計算得到。

調(diào)節(jié)感應(yīng)電機的工況，使其在10％-40％額定轉(zhuǎn)速范圍內(nèi)保持低速穩(wěn)定運行，采集數(shù)據(jù)。具體方法為：通過控制程序給定電機的工作頻率，其范圍控制在DC-30Hz內(nèi)。以0.5Hz為梯度，采集在不同頻率下，電機的定子電壓、定子電流、母線電壓、母線電流和繞組端溫數(shù)據(jù)對；然后，在20V-100V范圍內(nèi)調(diào)節(jié)定子電壓，以2V為梯度，繼續(xù)采集所需數(shù)據(jù)對，最終得到5000組的數(shù)據(jù)。

(二)樣本集的處理

結(jié)合圖2，獲取用于訓(xùn)練所述ELM網(wǎng)絡(luò)樣本的具體流程如下：

采集得到的各參數(shù)的數(shù)據(jù)，波動范圍較大，參數(shù)間甚至不屬于一個數(shù)量級。上述情況會使訓(xùn)練時間被大大增加，并且較大輸入往往會削弱較小輸入對輸出的影響，使網(wǎng)絡(luò)的輸出精度降低。因此對數(shù)據(jù)集進行歸一化處理是十分必要的。本發(fā)明在對各個參數(shù)進行歸一化時，將所有輸入同時除以對應(yīng)的量化值，使數(shù)據(jù)限定在0-1范圍之內(nèi)，以便ELM網(wǎng)絡(luò)的訓(xùn)練和測試。歸一化方法為：將所有輸入同時除以對應(yīng)的量化值。關(guān)于溫度輸入的量化，可依據(jù)電機的絕緣等級來確定；關(guān)于定子電流量化值的選取，采用實驗感應(yīng)電機的最大電流，出現(xiàn)在起動時，最大起動電流約為其額定值的4-7倍；定子電壓和電阻的量化值均取工作中出現(xiàn)的最大值；母線電壓、母線電流及工作頻率的量化值均取各自的額定值。

將歸一化處理得到的新數(shù)據(jù)集利用EMD進行濾波處理。記信號s(t)，EMD分解的步驟如圖3所示，具體如下：

1)確定原信s(t)的全部極大值點和極小值點，分別擬合出信號的上、下包絡(luò)線并計算出上、下包絡(luò)線的平均值m(t)，進而求出s(t)和m(t)的差值c(t)＝s(t)-m(t)。如果c(t)同時滿足條件：①其極值點和過零點的數(shù)目相等或最多相差1個；②上下包絡(luò)線對于各個瞬時均值是對稱的，則認(rèn)為c(t)是從原信號中分解出的一個IMF分量。

2)如果c(t)不滿足條件，則令s(t)等于c(t)重復(fù)步驟1)直至滿足條件為止，認(rèn)為分解出了一個IMF分量c₁(t)。

3)原始信號s(t)與第一階IMFc₁(t)之差作為新的原始信號，用同樣的方法可以篩選出其它IMF。

4)此篩選過程不斷進行下去直到殘差小于預(yù)定值或基本呈單調(diào)函數(shù)。

s(t)最終被分解為一組振蕩的IMF與一個余項r之和，即

式中：c_j(t)是第j階固有模式函數(shù)分量，反映了信號的特征尺度，代表著信號的內(nèi)在模態(tài)特征；r(t)是最后的殘余項，代表信號的平均趨勢。

圖4給出了感應(yīng)電機定子電阻經(jīng)EMD分解的仿真結(jié)果圖?？梢钥闯龇纸夂蟮腎MF分量是按頻率高低排列的。EMD分解從濾波的角度看就是一個濾波的過程，輸出的濾波信號為

式中：IMF_j(t)為本征模式分量；l，h∈[1，N]，N為本征模式分量個數(shù)。根據(jù)l，h取值不同可分別實現(xiàn)帶通濾波、高通濾波和低通濾波。

本發(fā)明利用EMD的低通濾波特性，通過定義濾波器截止IMF階數(shù)對信號進行時空濾波，除去采樣數(shù)據(jù)中含有的高頻噪聲，再對剩余信號分量進行重構(gòu)，便可以得到消除噪聲后的信號。

最后，將處理得到的數(shù)據(jù)集隨機劃分為4：1兩部分，分別作為訓(xùn)練集和測試集。(三)ELM網(wǎng)絡(luò)結(jié)構(gòu)的確定

ELM函數(shù)的擬合：用于定子電阻辨識的ELM單隱含層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。圖5中的ELM單隱層前饋神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層。該網(wǎng)絡(luò)的輸入有L個，輸出有1個，即定子電阻。不失一般性，假設(shè)一個具有L個隱層神經(jīng)元的前向神經(jīng)網(wǎng)絡(luò)的激活函數(shù)為f(x)，給定訓(xùn)練樣本{(x_i,t_i)}，x_i·∈R^P，t_i·∈R^q，i＝1,…,N，則網(wǎng)絡(luò)的輸出為：

其中，y_k為第k個樣本輸入的網(wǎng)絡(luò)輸出值，L為隱層神經(jīng)元的個數(shù)，k為樣本編號，k＝1，2，…，N；β_i＝[β_i1,β_i2,…,β_iN]^T為第i個隱層神經(jīng)元與輸出神經(jīng)元的連接權(quán)向量；w_i＝[w_i1,w_i2,…,w_iN]^T為第i個隱層神經(jīng)元與輸入神經(jīng)元之間的連接權(quán)向量；b_i為第i個隱層神經(jīng)元的閾值；

對于一個具有L個隱層神經(jīng)元和激活函數(shù)f(x)的單隱層前向神經(jīng)網(wǎng)絡(luò)，能夠無偏差地擬合給定N組樣本數(shù)據(jù)，即因此，存在β_i、w_i和b_i，使得：

上式簡寫為：

Hβ＝T

式中：H為神經(jīng)網(wǎng)絡(luò)隱層輸出矩陣，H的第i列為第i個隱層神經(jīng)元輸出向量，且與x₁，x₂，…，x_N有關(guān)。

易證得對于任意的無限可微激活函數(shù)f(x)，單隱層前向神經(jīng)網(wǎng)絡(luò)的參數(shù)并不需要調(diào)整。輸入權(quán)重w_i和隱層神經(jīng)元的閾值b_i可在網(wǎng)絡(luò)訓(xùn)練之初就隨機選定，并在整個訓(xùn)練過程中保持不變。隱層神經(jīng)元與輸出神經(jīng)元的連接權(quán)值的選擇可轉(zhuǎn)化為求取如下式所示的線性系統(tǒng)的最小平方問題：m_βin||Hβ-T||它的解為：

β＝H⁺T

式中：H⁺為H矩陣的Moore-Penrose廣義逆。

在用于參數(shù)辨識時，ELM用于非線性函數(shù)的逼近問題，其復(fù)雜性與輸入、輸出變量的個數(shù)，及它們之間的潛在函數(shù)關(guān)系有關(guān)。對于一個特定輸出，在選取輸入時，其輸入變量應(yīng)該是輸出變量的某種影響因素或者具有某種映射關(guān)系。本發(fā)明隱層神經(jīng)元設(shè)為20，選擇ELM默認(rèn)的無限可微函數(shù)sigmoid作為隱含層神經(jīng)元的激活函數(shù)，輸入權(quán)值w_i和偏差值b_i均由rand隨機函數(shù)在訓(xùn)練之初初始化并保持不變，僅需訓(xùn)練確定的參數(shù)為輸出權(quán)值β，其表達式為：β＝H⁺T。完成β求解后，ELM函數(shù)擬合結(jié)束。

ELM網(wǎng)絡(luò)輸入輸出的確定：本發(fā)明建立的ELM網(wǎng)絡(luò)是以定子電阻Rs為輸出目標(biāo)，對定子電阻產(chǎn)生影響的主要因素主要有母線電壓、母線電流、定子溫度及工作頻率。發(fā)熱是一個動態(tài)、大慣性的非線性過程，電流越大、頻率越高發(fā)熱量越大，此發(fā)熱引起的溫升與環(huán)境溫度一起決定了電機定子繞組的溫度，而繞組的溫度越高，其Rs也越大。電機在工作幾個小時后，通常都會達到熱平衡狀態(tài)，工作時間將不再影響定子電阻的變化，因此在ELM網(wǎng)絡(luò)的輸入中未計入時間因素。

單純從溫升因素影響電阻變化來考慮，總的電機溫升可反映在電機外殼上，因此可選擇電機繞組端部溫度作一個綜合的輸入變量，其綜合反應(yīng)了各個溫度影響因素的總的效果。

(四)定子電阻的辨識

采用由簡單到復(fù)雜的方法，先以具有較明確關(guān)系的輸入變量辨識單個參數(shù)，在其辨識效果得到比較和驗證后，再逐漸加入其它潛在影響因素。當(dāng)網(wǎng)絡(luò)輸出與實測值不等時，存在誤差，記為E＝(y_實測-y_輸出)²/2。

確定網(wǎng)絡(luò)輸出為定子電阻，先以對其影響最顯著的繞組端溫、母線電壓和母線電流作為輸入，利用得到的訓(xùn)練樣本為條件，訓(xùn)練ELM網(wǎng)絡(luò)得到ELM定子電阻辨識模型一，再通過測試集仿真得到其輸出數(shù)據(jù)與實測數(shù)據(jù)的誤差E，檢測ELM模型的輸入輸出映射效果；增加工作頻率作為一輸入量，再次對ELM網(wǎng)絡(luò)進行訓(xùn)練，得到ELM辨識模型二并檢測其辨識誤差的變化。圖6和圖7為模型二的仿真結(jié)果。經(jīng)仿真發(fā)現(xiàn)模型二的識別誤差E較小，由圖片可以看出誤差約為2％，表明ELM辨識模型具有良好的非線性關(guān)系映射能力，能夠?qū)崿F(xiàn)感應(yīng)電機定子電阻的準(zhǔn)確辨識。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。