CN105209983B - 具有机械变量的模型预测控制的电驱动系统 - Google Patents
具有机械变量的模型预测控制的电驱动系统 Download PDFInfo
- Publication number
- CN105209983B CN105209983B CN201480027421.1A CN201480027421A CN105209983B CN 105209983 B CN105209983 B CN 105209983B CN 201480027421 A CN201480027421 A CN 201480027421A CN 105209983 B CN105209983 B CN 105209983B
- Authority
- CN
- China
- Prior art keywords
- drive system
- mechanical variables
- power drive
- driver
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23265—Select device driver for actuator, sensor
Abstract
一种电驱动系统(10)包括与用于处理工业过程的机械以机械方式互连的驱动器(12)。一种用于控制电驱动系统(10)的方法包括如下步骤:接收所述电驱动系统(10)的第一机械变量的输入参考值(32),从而所述第一机械变量是以机械方式连接到所述驱动系统(10)的所述驱动器(12)的组件的机械变量;以及基于所述驱动系统(10)的数学模型(50),根据所述输入参考值(32)估算预定义时间步长范围的所述驱动系统(10)的第二机械变量的输出参考的发展,从而所述第二机械变量是所述驱动系统(10)的所述驱动器(12)的空气间隙处的机械变量,以及从而所述数学模型基于:用于根据实际状态和测得的和/或估算的实际输入值(34)来预测所述驱动系统(10)的将来状态的第一等式,以及基于用于根据所述驱动系统(10)的实际状态和测得的和/或估算的实际输入值(34)来预测所述第二机械变量的至少实际值的第二等式;选择来自所述第二机械变量的发展的第一将来值作为所述第二机械变量的输出参考值(36)以输出到适于控制所述驱动器(12)的电输入的驱动器控制层(24)。
Description
技术领域
本发明涉及用于控制电驱动系统的方法、计算机程序、计算机可读介质和控制器。本发明还涉及一种电驱动系统。
背景技术
具有可变速度的电驱动系统可以用于以不同速度运行如泵、风扇或压缩机的机械。该机械往往通过轴与驱动系统连接。该机械可以由沿着驱动轴的一个组件或多个组件组成。最常见的驱动系统包括采用可变速度AC或DC电动机形式的驱动器。改变机械的速度较之固定速度的运行具有若干优势,最有前景的是通过以较低速度运行机械能够节能。
在控制此类驱动系统期间,往往假定转速在驱动轴长度上是相等的。此外,往往假定从电驱动器的电信号导出的转速等于机械的转速。相似地,电驱动器的空气间隙处的转矩假定为等于施加于机械的转矩。
只要驱动轴不具有差异性的固有频率或以低动态方式运行,则这些假定可能是有效的。但是近年来出现的应用可能有高动态需求,使得这些假定可能无效并且驱动轴的动态性可能要予以考虑。
此类应用的一个示例是油气行业中的压缩机组的工作,其中电驱动系统可能替代常用的燃气轮机。在这些应用中,驱动轴往往长且相对较细,从而产生具有可容易激发的固有频率的柔性弱阻尼结构。通常所做的假定:驱动轴是以某个速度转动的单个质量,在这些应用中该假定往往可能并非有效的。驱动轴的不同点处的转矩和速度可能彼此显著地不同。
再者,在这些应用中可能需要控制高度动态的过程,其中需要根据过程的需要来改变施加于机械的速度或转矩。一个示例可以是压缩机站抗喘振控制,其中改变施加于压缩机的转矩来防止喘振事件。这些事件可能需要即刻处理,并且在喘振事件的情况中,压缩机的转矩中的振荡可能不是可接受。
此外,在这些控制方案中,受控的变量是预先选择的且无法更改。不同机械变量的选择,如机械的转矩,或其他变量的限制,如接头处的转矩应变,不是该控制方案的部分。但是,驱动器的应用可能构成不同行业中不同的需求。在一个应用中,机械的角度可能是至关重要的,其次才是转矩或速度。往往通过针对不同情况应用不同的控制方案来处理这些不同的情况。
在“具有扭转负载的驱动系统的基于模型的预测速度控制 – 实践方法”("Modelbased predictive speed control of a drive system with torsional loads - apractical approach", Power Electronic and Motion Control Conference, 2010,IEEE 2010)中,公开驱动系统的一种基于模型的预测速度控制,并且其将具有快速动态性特征的机电驱动布置中的长驱动轴的扭转振荡纳入了考虑。因此,它公开一种用于控制电驱动系统的方法,并且该电驱动系统包括与用于处理工业过程的机械以机械方式互连的驱动器。
再者,美国专利US 2012/0059642 A1公开一种用于基于至少一个记录的电机器的输入信号来确定电机器的转子轴的位置信息的设备和方法。将所记录的输入信号提供给电机器的模型。借助该模型,基于所提供的输入信号,该电机器的模型映射非线性饱和效应,确定转子轴的位置信息。
发明内容
本发明的目的在于提供用于具有可变速度的驱动系统的一种精确且灵活的控制方法。
此目的通过独立权利要求的主题来实现。根据从属权利要求以及下文描述显见到另外的示范性实施例。
本发明的一方面涉及用于控制电驱动系统的方法。该电驱动系统可以包括驱动器,如电动机或可变速度驱动器,其与用于处理工业过程的机械以机械方式互连。机械或机械设备可以是一个或多个泵、风扇或压缩机。工业过程可以在工业工厂,例如炼油厂或化工厂中执行的。机械和驱动器可以通过驱动轴互连。
根据本发明的实施例,该方法包括如下步骤:从例如电驱动系统的过程控制层接收电驱动系统的第一机械变量的输入参考值;基于该驱动系统的数学模型,根据输入参考值估算预定义时间步长范围的驱动系统的第二机械变量的输出参考的发展;以及选择来自第二机械变量的发展的第一将来值作为第二机械变量的输出参考值以输出到适于控制该驱动器的电输入的驱动器控制层。
该方法可以周期性地,例如在每个时间步长执行,以持续地计算输入到驱动器控制层的输出参考值。
第一机械变量可以是与驱动器下游的机械组件相关的变量,例如,驱动器的轴中远离空气间隙的部分。第一机械变量可以是驱动轴的特定位置处的速度、转矩、角度和/或任何其他机械变量。
第一机械变量的输入参考值可以由过程控制层来提供,该过程控制层根据要控制的过程变量,如流速或压力来确定输入参考值。可能的是,该过程控制层不仅可以提供第一机械变量的实际输入参考值,而且提供第一机械变量的参考轨迹或发展。但是,该输入参考值也可以是可直接存储在执行该方法的控制器中的(固定)值。
在该方法由控制器自动地执行之前,可以在驱动系统的初始化阶段期间人工(由用户)选择该第一机械变量和/或数学模型。该方法可以支持灵活选择要控制的机械变量。利用该方法,控制沿着驱动轴的用户指定位置处的用户指定机械变量是可能的。
该数学模型可以对驱动系统的数学行为建模,即对与机械以及可选地与轴互连的驱动器建模。第二机械变量可以是与驱动器的相关的变量,例如,驱动器的空气间隙处的驱动器速度。
该方法可以视为采用驱动系统的数学模型的预测控制方法。该方法可以允许运行控制第一机械变量,如驱动轴的任何客户选择点处的转矩、角度或速度。利用该方法,可以预测并缓解源于驱动轴的固有频率的激发的潜在振荡。
该方法可以考虑驱动轴的动态性,并且可以控制沿驱动轴的用户指定位置处,例如,机械的位置处的第一机械变量。代之对系统中已存在的振荡进行反应,该方法则是可以将驱动轴的动态性和固有频率纳入考虑以先主动地(pro-actively)防止这些频率在第一位置中被激发。该预测控制方法可以允许在这些振荡发生之前预测这些振荡。
根据本发明的实施例,该方法还包括如下步骤:接收驱动系统的另外的机械和/或电学变量的测得的和/或估算的输入值。另外的输入值可以包括驱动器的第二机械变量测得的和/或估算的值、测得的和/或估算的转矩、速度或角度和/或电流和电压。
此外,第二机械变量的输出参考的发展的估算还可以基于另外的机械和/或电学变量的输入值。不仅可以使用实际值(即,实际/当前时间步长的值)来估算第二机械变量的发展,而且还可以使用过往值(即,先前时间步长的值)。可以将第一变量的过往输入值以及过往输入参考值和/或第二机械变量的过往输出参考值存储在执行该方法的控制器中。
根据本发明的实施例,该方法还包括如下步骤:基于该驱动系统的数学模型,根据第二机械变量的至少过往输出参考值来估算该驱动系统的当前状态。
根据本发明的实施例,该方法还包括如下步骤:基于该驱动系统的数学模型,根据第一机械变量的至少过往输入值来估算该驱动系统的当前状态。
该当前状态包括该驱动系统中未测量的至少一个机械变量。还可以通过将第二机械变量的过往输出参考值和/或过往测得和/或估算的输入值纳入考虑来估算该当前状态。
一般来说,该驱动系统的状态可以是可用于计算下一个时间步长期间该驱动系统的下一个状态以及用于借助多个测得的和/或估算的输入值和数学模型来计算相同时间步长时的第二机械变量的值的一组变量,
根据本发明的实施例,当前状态的估算基于扩展的卡尔曼滤波器。扩展的卡尔曼滤波器可以使用数学模型的局部线性化,并且可以执行每个时间步长处的简单状态估算更新等式,这可使之尤其适于计算速度可能是关键的实时环境。
根据本发明的实施例,该方法还包括如下步骤:在估算该驱动系统的第二机械变量的输出参考的发展期间,基于该驱动系统的当前状态,将数学模型线性化。当计算了当前状态的估算时,可以通过矩阵等式来逼近该数学模型的(最终非线性)等式。
根据本发明的实施例,估算第二机械变量的发展是基于求解使第一机械变量的将来值与第一机械变量的将来参考值之差最小化的二次问题(二次规划,QP)。需要注意的是,这些将来参考值可以根据(实际)输入参考值,例如基于该数学模型来估算。还可能的是,过程控制层提供多达时间步长范围的将来参考值。
根据本发明的实施例,该二次问题可以包括作为等式约束的(线性化)数学模型。该二次问题还可以包括对该驱动系统的机械变量的另外的约束,例如,驱动系统的特定组件处的最大转矩和/或最大速度。可以对不同于第一机械变量和第二机械变量的其他变量定义约束,例如以便限制驱动轴的其他位置处的转矩或速度的振荡。这些约束还可以与电驱动器的电或磁变量或机械的过程变量相关。
根据本发明的实施例,该方法还包括如下步骤:接收二次问题的另外的动态目标和/或动态约束。这些目标和/或约束可以是恒定的或可以随电驱动器和过程的状态而动态地改变。这些动态目标和/或动态约束可以是从其他控制层接收的,例如从过程控制层和/或驱动器控制层接收的。
根据本发明的实施例,该数学模型是非线性模型。该数学模型可以包括闭合的驱动器控制环、驱动轴动态性和可选地要控制的过程的模型,以便控制可能位于沿着系统的驱动轴的第一机械变量。
该数学模型可以包括驱动轴的两个质量、多个质量或非线性模型。该数学模型可以将过程动态性或驱动器控制层的动态性纳入考虑。
该数学模型基于:
用于根据实际状态和测得的和/或估算的实际输入值来预测驱动系统的将来状态的第一等式;以及基于用于根据驱动系统的实际状态和测得的和/或估算的实际输入值来预测第二机械变量的至少实际值的第二等式。这些等式通常可以是非线性等式。
该第二机械变量是驱动系统的驱动器的空气间隙处的机械变量,例如,空气间隙处的速度、转矩和角度的至少其中之一。该驱动器的空气间隙可以位于驱动器的电动机的转子与定子之间的位置。
一般来说,机械变量可以是相应位置处可测量的机械量。但是,一般来说,该变量在方法执行期间不测量而是仅估算。机械变量可以是旋转速度、转矩、角度或角度差。机械变量还可以是与速度、转矩、角度、应力等相关或与之对应的量。
第一机械变量可以是以机械方式连接到电驱动系统的驱动器的组件的机械变量,例如该组件的速度、转矩和角度的至少其中之一。该方法要控制的第一机械变量可以位于沿驱动轴的某个位置处,但是不在驱动器的空气间隙处。第一机械变量可以位于机械处。该组件可以是以机械方式连接到驱动器的轴的一部分。该组件可以远离驱动器的空气间隙。
本发明的又一个方面涉及一种计算机程序,在被处理器执行时,该计算机程序调适成用于执行如上文和下文描述的方法步骤。例如,该程序可以包括驱动系统的控制器的处理器中执行的多个软件例行程序和/或软件模块。
本发明的又一个方面涉及其上存储计算机程序的计算机可读介质。计算机可读介质可以是非易失性介质,如软盘、硬盘、USB(通用串行总线)存储装置、RAM(随机存取存储器)、ROM(只读存储器)和EPROM(可擦写可编程只读存储器)。计算机可读介质还可以是易失性介质,如允许下载程序代码的数据通信网络,例如因特网。
本发明的又一个方面涉及一种用于驱动器的控制器,其调适成用于执行如上文和下文描述的方法步骤。例如,该控制器可以包括将上文描述的计算机程序存储在其中的存储器和用于执行该程序的处理器。该控制器还可以包括FPGA或DSP。
根据本发明的实施例,该控制器还可变级联式控制层。该控制器可以包括过程控制层,该过程控制层调适成控制该驱动系统执行的工业过程。该控制器可以包括机械变量控制层,该机械变量控制层调适成执行上文和下文中描述的方法步骤。该控制器可以包括驱动器控制层,该驱动器控制层调适成控制该驱动器的电输入。
该过程控制层可以调适成计算要输入到该机械变量控制层的第一机械变量的输入参考值。例如,该过程控制层可以具有压力和/或流速作为输入参考值和/或可以具有轴或机械的转矩作为输出值,该输出值是该机械变量控制层的输入参考值。该过程控制层还可以基于过程的状态来提供对机械变量控制层的约束。它可以调适成从机械变量控制层接收状态信息。
该驱动器控制层可以调适成处理机械变量控制层输出的第二机械变量的输出参考值。例如,该输出参考值可以是驱动器的空气间隙转矩,以及驱动器控制层可以生成用于逆变器的切换状态,从而生成驱动器的电动机的输入电流。该驱动器控制层还可以基于电驱动器的状态来提供对机械变量控制层的约束。它可以调适成从机械变量控制层接收状态信息。
该机械变量控制层可以包括模型预测可变速度驱动器控制器。机械变量控制层可以视为以通过模型预测控制方法控制机械变量的控制层替代速度控制层。
本发明的又一个方面涉及一种驱动系统,其包括驱动器、如上文和下文描述的控制器和驱动器通过例如驱动轴驱动的机械。该控制器的数学模型可以调适成预测以机械方式连接到机械的驱动器的机械行为。
需要理解的,如上文和下文描述的方法的特征可以是如上文和下文描述的计算机程序、控制器和驱动系统的特征,以及反之亦然。
参考下文描述的实施例,将显见且阐明本发明的这些和其他特征。
附图说明
下文将参考附图中图示的示范性实施例来更详细地解释本发明的主题。
图1以示意形式示出根据本发明的实施例的驱动系统。
图2以示意形式示出根据本发明的实施例的驱动系统的控制器。
图3以示意形式示出根据本发明的实施例的机械变量控制器。
图4示出根据本发明的实施例的用于控制驱动系统的方法的流程图。
原理上来说,附图中以相同的引用符号来提供完全相同的部件。
具体实施方式
图1示出驱动系统10,驱动系统10包括驱动器12,驱动器12通过驱动轴14与如泵、风扇或压缩机的某个机械16连接。
可包括高功率AC或DC电电动机连同其变流器的驱动器12,包括控制器18,控制器18调适成测量驱动器12中的电流和电压以及可选地还测量驱动系统10的另外的一个或多个机械变量,例如机械16的速度。在此例中,控制器18可以包括速度传感器。可选地,控制器18可以从机械16或过程的其他部分接收另外的变量,和/或可以将另外的控制信号发送到过程。
图2更详细地示出控制器18。控制器18包括不同控制层的级联,即过程控制层20、机械变量控制层22和驱动器控制层24。三个控制层20、22、24建立三个嵌套的控制环,内驱动器控制环、机械变量控制环和过程控制环。
过程控制层20控制如压缩机站中的压力差或质量流的过程变量。测得或估算的过程变量26和过程参考值28是过程控制层20或过程控制器20的输入,过程控制层20或过程控制器20计算机械变量控制环的机械变量参考值32。可选地,过程控制层20可以返回机械16或过程的其他部分的另外的控制信号。
过程控制层20还可以基于过程的状态来提供对机械变量控制层的约束30。过程控制层20可以调适成从机械变量控制层22接收状态信息。该机械变量可以是驱动系统10远离驱动器的空气间隙处的转矩或速度,例如,沿着轴14的某个点处的转矩或速度。
机械变量参考值32和测得的和/或估算的输入变量34,可以包括例如空气间隙转矩和/或空气间隙速度,被输入到机械变量控制层22或机械变量控制器22,机械变量控制层22或机械变量控制器22计算驱动器控制环的驱动器控制参考36(例如,空气间隙转矩参考)。将参考图3和图4更详细地解释机械变量控制层22。
驱动器控制层24可以是空气间隙转矩控制层。例如,在驱动器控制环中,测得或估算的空气间隙转矩38和空气间隙转矩参考36是空气间隙转矩控制层24或空气间隙转矩控制器24的输入,空气间隙转矩控制层24或空气间隙转矩控制器24计算驱动系统10的控制输入42。
驱动器控制层24还可以基于电驱动器12的状态来提供对机械变量控制层22的约束40。驱动器控制层24可以调适成从机械变量控制层22接收状态信息。
控制器20、24可以作为PI控制器来实现。单个控制层20、22、24可以由不同公司的不同人来实现。过程控制层20通常可以由熟悉要控制的过程的过程工程师来设计,而空气间隙转矩和机械变量控制层22通常可以由驱动器12的提供商来设计。
图3更详细地示出机械变量控制器22。控制器22基于模型预测控制方案。
控制器22作为输入接收驱动系统10的测得的或估算的实际输入值34和远离驱动器12的空气间隙的,例如位于沿轴位置的用户指定的第一机械变量的输入参考值32。控制器22包括驱动系统10的模型50,其用于通过基于模型的预测控制方法来计算空气间隙处的第二机械变量的输出参考值36,例如空气间隙转矩参考值36。
在控制器22中,实现驱动系统10的数学/物理模型50,其调适成用于预测驱动系统10对于变化的输入变量34和输出参考变量36的电学和/或机械行为(响应)。再者,该控制器还包括软件模块/例行程序52、54、56、58,下文将参考图4对此进行解释。
在控制器22执行软件例行程序(将参考图4来描述)之前,控制器22可以通过初始化阶段来予以准备。在初始化阶段中,控制器22准备特定驱动系统10的应用。准备可以由服务技术人员/用户来执行,准备可以包括两个步骤:
a)提供驱动系统10的机械模型50,以及
b)选择要控制的机械变量32和可选地驱动系统10的目标和/或约束。
驱动系统10的机械模型50可以基于反映驱动系统10的机械特性的物理等式。在第二步骤b)中,确定控制方案的目标和目的。
图4示出可以在控制器22中实现的控制方法的可能实施例。所描述的实施例遵循线性化非线性模型预测控制方法。
模块50、52、54、56、58可以作为为控制应用选择的实时估算平台上的软件例行程序集来实现。一般来说,软件例行程序集可以包括非线性数学模型50、数据收集和分发应用/模块52、状态估算器模块54、模型线性化模块56、QP准备和QP解算器模块58。这些软件例行程序以及图4所示的方法步骤可以周期性地被执行,优选地每1 ms执行。
在步骤70中,数据收集模块52执行数据收集,从过程控制层20接收机械变量参考32,以及从驱动系统10的其他组件接收其他测得和估算的输入值34。可选地,还可以从过程控制层20和驱动器控制层24接收其他信号,例如,约束30和/或约束40。
机械变量参考32(即,工作点)由处理控制层20来确定,并且可以作为设置点给出。这些设置点可以包含机械16处或驱动系统10的其他位置处的速度或转矩。
可以通过数据通信网络从驱动系统10的传感器收集测得的输入值34。输入值34通常包含如空气间隙处的空气间隙转矩或转速的信息。
在步骤72中,当前状态估算模块54确定可能由于测量无法获得的驱动系统10的当前状态,如驱动系统10的中间位置处的未测量的速度或转矩。
可以使用扩展的卡尔曼滤波器(EKF)作为状态估算器54。此类估算器54基于驱动系统10的数学模型50,其描述离散时间步长中驱动系统10的动态行为。该模型通常以如下等式形式陈述
其中k表示离散时间,x(k)表示驱动系统10的状态,x(k+1)表示驱动系统10的预测的将来状态,y(k)表示输出参考值36和u(k)表示已知输入变量34。u(k)包括第一机械变量。因此,等式1是用于预测驱动系统10的将来状态的第一等式,以及等式2是用于预测第二机械变量的至少一个实际值的第二等式。
f通常是描述驱动系统10的动态行为的非线性函数。g通常是描述输出与驱动系统10的状态和输入值如何相关的非线性函数。
状态估算器模块54能够使用数学模型50(等式1-2)根据过往测量和/或过往输入值34推演出驱动系统10的当前状态的估算ζ(k)。
扩展的卡尔曼滤波器可以使用f和g的局部线性化,并且可以执行每个采样实例/时间步长处的简单状态估算更新等式,这可使之尤其适于计算速度是关键的实时环境。
务必要注意,函数f和g需要是先验已知的,并且它们对于驱动系统10的每个配置可能是不同的。因此,建模过程可以在控制器22工作之前执行。
在下面两个步骤中,用公式表示二次问题(QP)并求解。这些步骤包括用公式将约束的有限时间最优控制问题表示为二次问题。
在步骤74中,模型线性化模块56将非线性数学模型50(等式1-2)在估算的状态ζ(k)附近线性化,以获得线性化模型。
然后使用线性化模型以根据当前和将来控制输入的选择预测有限时间范围p上系统的状态和输出。
使用线性化模型(等式3-4)使得能够求解二次问题,而非一般性非线性优化问题,为此现存有快速开源QP解算器。作为备选,可以采用其他方法来通过QP逼近非线性优化问题。现代技术水平的QP解算器非常快,能够在ms范围内求解不太大维数的QP。
为了以公式表示QP,定义了精简的输入和状态向量:
将来状态和输入的参考值32已经由数据收集模块52收集,并且通过模型50处理以推导
在步骤76中,二次问题解算器模块58求解优化问题,使用上面的定义可以陈述为
二次目标函数(minz中的自变量)对预测的状态和输入z与参考r的距离罚分,其中Q是用于调整控制器22的半正定二次权矩阵。通过等式约束Heq z = keq将线性化模型等式(等式3-4)并入到二次问题中。Heq和keq表示精简形式的整个预测范围上的状态更新等式。可以通过由Hin和kin给出的不等式约束来并入对这些状态和输入的物理和/或期望的限制。
优化变量z包含预测的状态ζ(k+1),…, ζ(k+p),而可以通过代入其与当前状态估算ζ(k)和预测输入u(k),...,u(k+p)的相关性代替这些变量,从而得到减少大小的优化问题。
在本公式表示中,预测的系统状态也视为优化变量,并且由此以需要求解更大的优化问题为代价来减少用于构造压缩矩阵的计算量。
还可以对于可测量的输出y(k)推导另一个公式表示。可以重复以公式表示输出的二次成本和多面体约束以推导出(等式5)所示的形式的二次问题。
上文描述的模型预测控制(MPC)公式表示存在多个变体和扩展,例如,用于避免优化问题的不可行性、移动阻塞(move blocking)和多路MPC以减少优化问题的大小(仅列举数个)的软约束。
取代为控制输入值34提供设置点,而是使用所说的δu公式,并将连续控制输入之间的差最小化,而非将它们与给定稳态值的距离最小化,这是可能的。
总之,执行线性化以推导出(等式3-4)形式的线性化模型,然后将推导出的矩阵Ak、Bk、Ck、Dk和向量fk、gk并入到QP公式表示(等式5)中,并在最后求解该二次问题。
在步骤78中,实现当前时间步长的求解。从二次问题的求解zopt(k),仅使用当前时间步长k处的当前控制输入uopt(k)。使用数据收集和分发模块52将当前时间步长处的第二机械变量的值作为参考值36分发到驱动器控制层24。
在下一个采样实例/时间步长处,从步骤70开始重复步骤70至78。
虽然附图和前文描述详细地图示和描述了本发明,但是此类图示和描述应视为说明性的或示范性的而不非限制性的;本发明不限于所公开的实施例。本领域技术人员通过附图、公开内容和所附权利要求的研究能够理解并实施对所公开的实施例的其他改变。在权利要求中,词汇“包括”不排斥其他元件或步骤,以及不定性冠词“一”或“一个”不排斥多个。单个处理器或控制器或其他单元可以实现权利要求中引述的若干项的功能。仅仅在互相不同的从属权利要求中引述某些测量的仅仅事实不意味着不能利用这些测量的组合。权利要求中的任何引用符号不应视为限制范围。
引用数字列表
10 | 驱动系统 |
12 | 驱动器 |
14 | 驱动轴 |
16 | 机械 |
18 | 控制器 |
20 | 过程控制层,过程控制器 |
22 | 过程控制层 |
24 | 过程控制层 |
26 | 过程变量 |
28 | 过程参考值 |
30 | 约束 |
32 | 输入参考值 |
34 | 输入值 |
36 | 输出参考值 |
38 | 空气间隙转矩 |
40 | 约束 |
42 | 控制输入 |
50,52,54,56,58 | 模块 |
70,72,74,76,78 | 步骤 |
Claims (18)
1.一种用于控制具有可变速度的电驱动系统(10)的方法,所述电驱动系统(10)包括与用于处理工业过程的机械(16)以机械方式互连的驱动器(12),所述方法包括如下步骤:
接收所述电驱动系统(10)的第一机械变量的输入参考值(32),由此所述第一机械变量是以机械方式连接到所述电驱动系统(10)的所述驱动器(12)的组件的机械变量;以及
基于所述电驱动系统(10)的数学模型(50),根据所述输入参考值(32)估算预定义时间步长范围的所述电驱动系统(10)的第二机械变量的输出参考的轨迹,由此所述第二机械变量是所述电驱动系统(10)的所述驱动器(12)的空气间隙处的机械变量,以及由此所述数学模型(50)基于:用于根据实际状态和测得的和/或估算的实际输入值(34)来预测所述电驱动系统(10)的将来状态的第一等式,以及基于用于根据所述电驱动系统(10)的实际状态和测得的和/或估算的实际输入值(34)来预测所述第二机械变量的至少实际值的第二等式;
选择来自所述第二机械变量的轨迹的第一将来值作为所述第二机械变量的输出参考值(36)以输出到适于控制所述驱动器(12)的电输入的驱动器控制层(24)。
2.如权利要求1所述的方法,还包括如下步骤:
接收所述电驱动系统(10)的另外的机械和/或电学变量的测得的和/或估算的输入值(34);
其中所述第二机械变量的轨迹的估算还基于另外的机械和/或电学变量的输入值(34)。
3.如权利要求1所述的方法,还包括如下步骤:
基于所述电驱动系统(10)的所述数学模型(50),根据所述第二机械变量的至少过往输出参考值(36)来估算所述电驱动系统(10)的当前状态。
4.如权利要求1-3中任一项所述的方法,还包括如下步骤:基于所述电驱动系统(10)的所述数学模型(50),根据至少过往输入值(34)来估算所述电驱动系统(10)的当前状态。
5.如权利要求3所述的方法,其中所述当前状态的估算基于扩展的卡尔曼滤波器。
6.如权利要求1-3以及5中任一项所述的方法,
其中所述第二机械变量的所述输出参考的轨迹的所述估算是基于求解使所述第一机械变量的将来值与所述第一机械变量的将来参考值之差最小化的二次规划问题。
7.如权利要求6所述的方法,还包括如下步骤:
接收所述二次规划问题的另外的动态目标和/或动态约束。
8.计算机可读介质,其上存储计算机程序,其中所述计算机程序在由处理器执行时适于执行如权项1-7中任一项所述的方法的步骤。
9.一种用于驱动器的控制器(18、22),所述控制器适用于执行如权利要求1至7中任一项所述的方法的步骤。
10.如权利要求9所述的控制器,还包括:
过程控制层(20),所述过程控制层适用于控制电驱动系统(10)执行的工业过程,所述电驱动系统(10)包括所述驱动器(12)和以机械方式连接到所述驱动器(12)的机械(16);
机械变量控制层(22),所述机械变量控制层(22)适用于执行如权利要求1至7中任一项所述的方法的步骤;
驱动器控制层(24),所述驱动器控制层适用于控制所述驱动器(12)的电输入;
其中所述过程控制层(20)适用于计算要输入到所述机械变量控制层(22)的所述第一机械变量的所述输入参考值(32);
其中所述驱动器控制层(24)适用于处理所述机械变量控制层(22)输出的所述第二机械变量的所述输出参考值(36)。
11.一种电驱动系统(10),其包括:
驱动器(12);
如权利要求9或10所述的控制器(18、22);
所述驱动器(12)驱动的机械(16);
其中所述控制器(18、22)的所述数学模型(50)适用于预测以机械方式连接到所述机械(16)的所述驱动器(12)的机械行为。
12.一种用于控制具有可变速度的电驱动系统(10)的装置,所述电驱动系统(10)包括与用于处理工业过程的机械(16)以机械方式互连的驱动器(12),所述装置包括:
用于接收所述电驱动系统(10)的第一机械变量的输入参考值(32)的部件,由此所述第一机械变量是以机械方式连接到所述电驱动系统(10)的所述驱动器(12)的组件的机械变量;以及
用于基于所述电驱动系统(10)的数学模型(50)根据所述输入参考值(32)估算预定义时间步长范围的所述电驱动系统(10)的第二机械变量的输出参考的轨迹的部件,由此所述第二机械变量是所述电驱动系统(10)的所述驱动器(12)的空气间隙处的机械变量,以及由此所述数学模型(50)基于:用于根据实际状态和测得的和/或估算的实际输入值(34)来预测所述电驱动系统(10)的将来状态的第一等式,以及基于用于根据所述电驱动系统(10)的实际状态和测得的和/或估算的实际输入值(34)来预测所述第二机械变量的至少实际值的第二等式;
用于选择来自所述第二机械变量的轨迹的第一将来值作为所述第二机械变量的输出参考值(36)以输出到适于控制所述驱动器(12)的电输入的驱动器控制层(24)的部件。
13.如权利要求12所述的装置,还包括:
用于接收所述电驱动系统(10)的另外的机械和/或电学变量的测得的和/或估算的输入值(34)的部件;
其中所述第二机械变量的轨迹的估算还基于另外的机械和/或电学变量的输入值(34)。
14.如权利要求12所述的装置,还包括:
用于基于所述电驱动系统(10)的所述数学模型(50)根据所述第二机械变量的至少过往输出参考值(36)来估算所述电驱动系统(10)的当前状态的部件。
15.如权利要求12-14中任一项所述的装置,还包括:
用于基于所述电驱动系统(10)的所述数学模型(50)根据至少过往输入值(34)来估算所述电驱动系统(10)的当前状态的部件。
16.如权利要求14所述的装置,其中所述当前状态的估算基于扩展的卡尔曼滤波器。
17.如权利要求12-14以及16中任一项所述的装置,
其中所述第二机械变量的所述输出参考的轨迹的所述估算是基于求解使所述第一机械变量的将来值与所述第一机械变量的将来参考值之差最小化的二次规划问题。
18.如权利要求17所述的装置,还包括:
用于接收所述二次规划问题的另外的动态目标和/或动态约束的部件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13167822 | 2013-05-15 | ||
EP13167822.9 | 2013-05-15 | ||
PCT/EP2014/057156 WO2014183930A1 (en) | 2013-05-15 | 2014-04-09 | Electrical drive system with model predictive control of a mechanical variable |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105209983A CN105209983A (zh) | 2015-12-30 |
CN105209983B true CN105209983B (zh) | 2018-01-02 |
Family
ID=48366251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480027421.1A Active CN105209983B (zh) | 2013-05-15 | 2014-04-09 | 具有机械变量的模型预测控制的电驱动系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10401813B2 (zh) |
EP (1) | EP2997426B1 (zh) |
CN (1) | CN105209983B (zh) |
WO (1) | WO2014183930A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3262741B1 (en) | 2015-02-25 | 2019-07-10 | ABB Schweiz AG | Model predictive damping of oscillations in an electrical converter system |
WO2017211965A1 (en) * | 2016-06-10 | 2017-12-14 | Abb Schweiz Ag | A semi-automatic, interactive tool to identify physical parameters of a mechanical load |
US10789657B2 (en) * | 2017-09-18 | 2020-09-29 | Innio Jenbacher Gmbh & Co Og | System and method for compressor scheduling |
EP3614218B1 (en) | 2018-08-22 | 2022-04-06 | Technische Hochschule Nuernberg Georg-Simon-Ohm | Cascaded continuous and finite model predictive control for mechatronic systems |
CN109188915B (zh) * | 2018-11-05 | 2021-10-29 | 南开大学 | 内嵌运动性能调节机制的速度规划方法 |
CN109551417B (zh) * | 2019-01-22 | 2024-02-06 | 成都西南交大机电设备有限公司 | 发电机联轴器拆卸机控制系统 |
EP3753682B1 (de) * | 2019-06-17 | 2021-12-29 | Schneider Electric Industries SAS | Verfahren zur steuerung eines antriebsmotors |
KR20240029644A (ko) | 2022-08-26 | 2024-03-06 | (주)와이파이브 | 운전자 식별형 주차관제 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206228A (zh) * | 2006-12-22 | 2008-06-25 | Abb有限公司 | 用于确定转动运动的方法和配置 |
CN101523314A (zh) * | 2006-10-03 | 2009-09-02 | Abb(瑞典)股份公司 | 自动间隙估计 |
CN101782094A (zh) * | 2009-01-14 | 2010-07-21 | Abb技术股份公司 | 用于在气动调节驱动器的受控电动-气动阀中找到开放点的方法和电子装置 |
CN102342016A (zh) * | 2009-03-04 | 2012-02-01 | 罗伯特·博世有限公司 | 基于电流信号和电压信号无角度传感器地对永磁同步电机的转子轴进行位置检测的方法和设备 |
CN102647132A (zh) * | 2011-02-22 | 2012-08-22 | Abb公司 | 估计同步磁阻电机启动时的转子角度和速度的方法及设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060282177A1 (en) * | 2005-06-10 | 2006-12-14 | United Technologies Corporation | System and method of applying interior point method for online model predictive control of gas turbine engines |
MX2009013285A (es) * | 2007-06-04 | 2010-02-18 | Eaton Corp | Sistema y metodo para determinar la eficiencia de un motor electrico de manera no invasiva. |
US8232758B2 (en) * | 2009-08-28 | 2012-07-31 | Fanuc Ltd | Controller of electric motor having function of estimating inertia and friction simultaneously |
US8473079B2 (en) * | 2009-11-25 | 2013-06-25 | Honeywell International Inc. | Fast algorithm for model predictive control |
US8427093B2 (en) * | 2010-07-02 | 2013-04-23 | Woodward Hrt, Inc. | Controller for actuation system employing Kalman estimator incorporating effect of system structural stiffness |
-
2014
- 2014-04-09 CN CN201480027421.1A patent/CN105209983B/zh active Active
- 2014-04-09 WO PCT/EP2014/057156 patent/WO2014183930A1/en active Application Filing
- 2014-04-09 EP EP14716319.0A patent/EP2997426B1/en active Active
-
2015
- 2015-11-13 US US14/940,766 patent/US10401813B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101523314A (zh) * | 2006-10-03 | 2009-09-02 | Abb(瑞典)股份公司 | 自动间隙估计 |
CN101206228A (zh) * | 2006-12-22 | 2008-06-25 | Abb有限公司 | 用于确定转动运动的方法和配置 |
CN101782094A (zh) * | 2009-01-14 | 2010-07-21 | Abb技术股份公司 | 用于在气动调节驱动器的受控电动-气动阀中找到开放点的方法和电子装置 |
CN102342016A (zh) * | 2009-03-04 | 2012-02-01 | 罗伯特·博世有限公司 | 基于电流信号和电压信号无角度传感器地对永磁同步电机的转子轴进行位置检测的方法和设备 |
CN102647132A (zh) * | 2011-02-22 | 2012-08-22 | Abb公司 | 估计同步磁阻电机启动时的转子角度和速度的方法及设备 |
Non-Patent Citations (1)
Title |
---|
Model Based Predictive Speed Control of a Drive System with Torsional Loads - A Practical Approach;Nils Hoffmann,et,al;《14th International Power Electronics and Motion Control Conference(EPE-PEMC)》;20100906;第149-156页 * |
Also Published As
Publication number | Publication date |
---|---|
US10401813B2 (en) | 2019-09-03 |
EP2997426B1 (en) | 2017-05-31 |
US20160070248A1 (en) | 2016-03-10 |
WO2014183930A1 (en) | 2014-11-20 |
CN105209983A (zh) | 2015-12-30 |
EP2997426A1 (en) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105209983B (zh) | 具有机械变量的模型预测控制的电驱动系统 | |
Mushi et al. | Design, construction, and modeling of a flexible rotor active magnetic bearing test rig | |
US20150211760A1 (en) | Direct power control for constant airflow control with advanced motor system modeling | |
Rigatos et al. | Control and disturbances compensation for doubly fed induction generators using the derivative-free nonlinear Kalman filter | |
Ornelas‐Tellez et al. | Optimal tracking for state‐dependent coefficient factorized nonlinear systems | |
Gao et al. | Discrete‐time proportional and integral observer and observer‐based controller for systems with both unknown input and output disturbances | |
EP3074637B1 (en) | Load sharing control for compressors in series | |
EP3549111B1 (en) | Performance parameterization of process equipment and systems | |
CN113391621B (zh) | 一种电动仿真测试转台的健康状态评估方法 | |
US20210111651A1 (en) | Genset engine paralleling controls, devices, systems, and methods | |
CN101515778A (zh) | 无刷直流力矩电机位置伺服系统摩擦力矩自适应补偿方法 | |
CN101571705A (zh) | 位置伺服系统与方法 | |
Vaezi et al. | Multiple-model adaptive estimation of a hydraulic wind power system | |
Torrico et al. | Robust control based on generalized predictive control applied to switched reluctance motor current loop | |
Khatib et al. | Load modeling assumptions: What is accurate enough? | |
CN115840480A (zh) | 一种洁净室环境参数的控制方法、装置及系统 | |
Liang et al. | A nonlinear friction identification method combining separable least squares approach and kinematic orthogonal property | |
Garba et al. | Crone controller based speed control of permanent magnet direct current motor | |
Jastrzebski et al. | Discussion on robust control applied to active magnetic bearing rotor system | |
Liu et al. | Robot manipulator disturbance observation and servo-fault diagnosis without speed sensor | |
Yordanov et al. | Comparative analysis of control quality between PI and FUZZY controller of experimental electrohydraulic servosystem | |
Xenos et al. | Challenges of the application of data-driven models for the real-time optimization of an industrial air separation plant | |
Hafaifa et al. | SCADA for Surge Control | |
Hezzi et al. | Sensorless backstepping drive for a five-phase pmsm based on unknown input observer | |
Fasol et al. | Simulation, controller design and field tests for a hydropower plant—A case study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180517 Address after: Baden, Switzerland Patentee after: ABB TECHNOLOGY LTD. Address before: Zurich Patentee before: ABB T & D Technology Ltd. |
|
TR01 | Transfer of patent right |