정상상태 운전 중 d축 전류에 저주파 전류를 주입하는 단계;상기 주입된 저주파 전류에 의해 얻어지는 실제 d축 전류와 고정자 전류의 데이터를 수집하는 단계;상기 수집된 데이터를 인공 신경망 모델에 입력하여 d축 전류의 추정값과 고정자 전류의 추정값을 출력으로 얻는 단계; 및상기 d축 전류의 추정값과 고정자 전류의 추정값으로부터 고정자 전류를 최소로 하는 d축 전류를 계산하는 단계를 포함하고,상기 저주파 전류를 주입하는 단계는,상기 고정자 전류의 추정값에 포함된 계수값이 무한대가 되지 않도록 위상이 지연된 저주파 전류를 주입하는 단계를 포함하는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 방법.

제 1 항에 있어서,상기 인공 신경망 모델은 ADALINE(Adaptive Linear Neuron) 알고리즘에 의한 제1 인공 신경망 모델과 제2 인공 신경망 모델을 포함하고,상기 수집된 데이터를 인공 신경망 모델에 입력하여 d축 전류의 추정값과 고정자 전류의 추정값을 출력으로 얻는 단계는,상기 수집된 데이터를 상기 제1 인공 신경망 모델에 입력하여 d축 전류의 추정값을 출력으로 얻고,상기 수집된 데이터를 상기 제2 인공 신경망 모델에 입력하여 고정자 전류의 추정값을 출력으로 얻는 단계를 포함하는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 방법.

제 2항에 있어서, 상기 d축 전류의 추정값 과 고정자 전류의 추정값 이 일 때, 상기 고정자 전류의 추정값 은로 얻어지고, 여기서 A 및 B는 각각로 얻어지되, 계수 T1, T2, T3 와 k1, k2, k3, k4 및 k5는 상기 수집된 데이터로부터 얻어지는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 방법.

제 3항에 있어서,상기 고정자 전류를 최소로 하는 d축 전류 는로 얻어지는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 방법.

삭제

인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 시스템에 있어서,영구자석 동기 전동기 구동용 인버터 및 프로세서를 포함하고,상기 프로세서는,정상상태 운전 중 d축 전류에 저주파 전류를 주입하는 단계;상기 주입된 저주파 전류에 의해 얻어지는 실제 d축 전류와 고정자 전류의 데이터를 수집하는 단계;상기 수집된 데이터를 인공 신경망 모델에 입력하여 d축 전류의 추정값과 고정자 전류의 추정값을 출력으로 얻는 단계; 및상기 d축 전류의 추정값과 고정자 전류의 추정값으로부터 고정자 전류를 최소로 하는 d축 전류를 계산하는 단계를 수행하되,상기 저주파 전류를 주입하는 단계는,상기 고정자 전류의 추정값에 포함된 계수값이 무한대가 되지 않도록 위상이 지연된 저주파 전류를 주입하는 단계를 포함하는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 시스템.

제 6항에 있어서,상기 인공 신경망 모델은 ADALINE(Adaptive Linear Neuron) 알고리즘에 의한 제1 인공 신경망 모델과 제2 인공 신경망 모델을 포함하고,상기 수집된 데이터를 인공 신경망 모델에 입력하여 d축 전류의 추정값과 고정자 전류의 추정값을 출력으로 얻는 단계는,상기 수집된 데이터를 상기 제1 인공 신경망 모델에 입력하여 d축 전류의 추정값을 출력으로 얻고,상기 수집된 데이터를 상기 제2 인공 신경망 모델에 입력하여 고정자 전류의 추정값을 출력으로 얻는 단계를 포함하는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 시스템.

제 7항에 있어서,상기 d축 전류의 추정값 과 고정자 전류의 추정값 이 일 때, 상기 고정자 전류의 추정값 은로 얻어지고, 여기서 A 및 B는 각각로 얻어지되, 계수 T1, T2, T3 와 k1, k2, k3, k4 및 k5 는 상기 수집된 데이터로부터 얻어지는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 시스템.

제 8항에 있어서,상기 고정자 전류를 최소로 하는 d축 전류 는로 얻어지는,인공 신경망을 이용한 영구자석 동기 전동기의 MTPA 운전점 제어 시스템.

삭제