CN105680746A - 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 - Google Patents

Abstract

本发明公开了一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法。该方法采用改进的粒子群优化算法，提高实时运算速度，并考虑无速度传感器控制以及定子绕组电阻值发生变化的情况，完成速度和电流控制器PI参数的在线优化设计，且优化的目标函数值可以根据系统的动态和静态运行情况而改变；该方法具有算法智能化、控制精度高、稳定性好，以及自适应能力强等特点，并实现全数字化智能控制，不增加传统永磁同步电机伺服控制的硬件成本。该发明适用于永磁同步电机高精度速度闭环控制，以及负载易发生变化、要求能快速完成控制器PI参数的寻优与整定的工作场合。

Description

一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法

技术领域

本发明涉及一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法，属于电动机智能控制技术领域。

背景技术

目前计算机智能技术的应用已经在多各领域展开研究，以用来进行PMSM电机参数的设计。在这些研究工作中，基本的粒子群优化方法首次由KennedyandEberhart博士在1995年提出，该方法也是一种现代遗传算法。由于该方法的简单性和计算的有效性，PSO方法已经被广泛应用于大范围优化问题，例如控制器增益参数的自适应调节和系统参数的确定。然而，该方法在控制器参数优化应用中依然存在一些问题和限制。首先，通常的PSO优化方法在PMSM控制器参数设计中，主要依赖于固定的PMSM数学模型，从而产生离线响应用来完成准确计算。其次，在线PSO方法应用在PMSM控制器优化中，通常仅考虑速度控制器优化问题上而没有考虑电流控制器优化问题，同样电动机定子绕组电阻值也会在实际运行中发生变化，正因为如此，若要获得PMSM驱动系统的高动态性能和鲁棒性很难。这就需要一种快速有效的优化方法，并且要考虑到电阻参数变化、动态性能，来完成PMSM电动机快速、精确的在线闭环控制。

发明内容

本发明的目的在于推出一种在线实时粒子群优化方法用来调整PMSM速度和q-轴电流控制器参数，从而实现磁场定向控制下PMSM驱动系统获得更好的动态和稳态性能。为实现上述目的，本发明采用的技术方案是，通过检测电机实际运行时的电流和速度值建立多个不同的目标函数值，改进粒子群优化方法，提高运算速度，同时在转子坐标系下建立自适应磁链观测器，用来估算转子的位置和速度，另外通过在自适应模型中增加一个补偿量来减少定子电阻值的变化所带来的影响，从而减少电流估算误差的影响，最终实现一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法。

现结合附图1详细描述本发明的技术方案。本方案主要包含自适应滑膜观测器(AdaptiveSlidingModeObserver)和在线粒子群参数优化器(On-linePSOTuning)两部分。

自适应滑膜观测器是建立在以d轴定向在永磁体磁链的转子d-q坐标系下，其结构如附图2所示，具体计算公式如下：

这里符号^代表估算值且K矩阵为观测器的反馈增益；而滑膜曲面矩阵S由定子电流误差所定义，具体公式如下：

观测器增益矩阵K＝k₁I+k₂J可以通过电机极点(实虚部)的来获得所需观测器极点，并通过平面坐标系下矩阵k(k＞0)推导获得k1，k2，具体公式如下：

k₁＝2k(L_d+L_q)/L_dL_q(4)

磁链估算值动态误差矩阵定义如下：

其中符号～代表估算误差。

自适应模型输入量可以从李亚普稳定性分析中来获得，输出量为转子速度并用作自适应模型的主要修正量，具体计算公式如下：

为了提高速度估算值的动态行为，引入一个比例控制器参数常量作为PI参数的初始估计值，具体计算公式如下：

所述的在线粒子群优化算法，具体步骤如附图3所示：(1)利用随机函数Random()完成30颗粒子的在0-1范围内的随机赋值，即初始化赋值，且每颗粒子共有4个位置参数变量和一个速度变量(2)计算每颗粒子初值所对应的目标函数值(3)对电机定子绕组电流值和转子速度值进行实时采样，采样周期为100us；(4)评估每个粒子的目标函数值，并与步骤(2)结果比较，取较小值，找到该粒子群中目标函数值最优的粒子，完成更新；(5)根据公式w^(t)＝w_max-t．(w_max-w_min)/iter_max，更新权重系数w，其中w_min＝0.4为参考最小值，w_max＝0.9为参考最大值，iter_max为寻优过程最大迭代次数，t为当前迭代次数；(6)完成每颗粒子的速度变量参数更新；(7)完成每颗粒子的位置变量参数更新；(8)重复步骤(3)到步骤(7)直至30颗粒子全部搜索完毕，并获得最优粒子所对应的位置参数变量值；(9)重复步骤(3)到步骤(8)，直至粒子群完成规定的迭代次数。

附图说明

图1是本发明的基于粒子群优化的无传感器IPMSM磁场定向控制框图。图中，转速指令值和速度估算值(由自适应滑模观测器估算得到)经过运算得到经过速度PI控制器(其中参数K_{p_spd}和K_{i_spd}由在线PSO优化器获得)运算，得到电流环q轴控制指令q轴电流指令与电流传感器检测反馈回来的电流值i_q进行比较，将差值经过q轴电流PI控制器(其中参数K_{p_iq}和K_{i_iq}由在线PSO优化器获得)运算得到q轴电压指令信号d轴电流指令为给定值与电流传感器检测反馈回来的电流值i_d进行比较，将差值经过对应的PI控制器(参数为预设值，不需要优化)经过运算得到d轴电压指令信号然后在经过坐标变换将静止两相电压指令信号转变成交流两相电压信号，从而产生PWM脉冲信号，完成转子速度和电流的双闭环控制。

图2.自适应滑膜观测器结构图。

图3.单采样周期内在线粒子群方法流程图。

具体实施方式

实施例1

利用MATLAB/SIMULINK环境下进行模型的离线仿真，用来检验无传感器磁场定向控制IPMSM驱动系统的在线粒子群优化方法的性能。IPMSM的驱动系统基本参数由表1提供，控制器采样时间选定为100μsec，该数值和实际实验系统控制器采样保持一致。

表1：IPMSM电机参数

电机极对数Pp	2
		定子电阻值R	5.95Ω
永磁体磁通λf	0.533Wb
		d-轴电感Ld	0.0448H
q-轴电感Lq	0.1024H
		相电压(rms)V	230V
相电流(rms)I	3A
		额定转矩Tb	6Nm

实施例2

利用DSP设备DS1103建立实验测试平台，通过PWM同步中断服务程序完成空间矢量调制策略和无传感器控制。另外，三相PWM信号可以通过DS1103预先设定死区时间来产生，三相电压源逆变器通过定时器I/O口和DAC通道检测三相PWM信号以及DC直流母线电压来产生。永磁同步直流电机单独由直流电源控制并提供测试系统需要的负载，并且负载可变化。试验中用到嵌入式永磁同步电机参数和仿真模型中参数一致，由表1提供。

Claims (4)

1.一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法，其特征在于：它采用在线粒子群优化算法，并考虑无速度传感器控制以及定子绕组电阻值参数发生变化的情况，以快速完成速度和电流控制器PI参数的优化，且优化的目标函数值可以根据系统的动态和静态运行情况而改变。

2.根据权利要求1所述的一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法，其特征在于：所述的在线粒子群优化算法，具体步骤如下(1)利用随机函数Random()完成30颗粒子的在0-1范围内的随机赋值，即初始化赋值，且每颗粒子共有4个位置参数变量和一个速度变量(2)计算每颗粒子初值所对应的目标函数值(3)对电机定子绕组电流值和转子速度值进行实时采样，采样周期为100us；(4)重新计算每个粒子的目标函数值，并与步骤(2)结果比较，取较小值，找到该粒子群中目标函数值最优的粒子，完成更新；(5)根据公式w^(t)＝w_max-t·(w_max-w_min)/iter_max，更新权重系数w，其中w_min＝0.4为参考最小值，w_max＝0.9为参考最大值，iter_max为寻优过程最大迭代次数，t为当前迭代次数；(6)完成每颗粒子的速度变量参数更新；(7)完成每颗粒子的位置变量参数更新；(8)重复步骤(3)到步骤(7)直至30颗粒子全部搜索完毕，并获得最优粒子所对应的位置参数变量值；(9)重复步骤(3)到步骤(8)，直至粒子群完成规定的迭代次数。

3.根据权利要求1所述的一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法，其特征在于：所述的优化的目标函数值可以根据系统的动态和静态运行情况而改变，从而采用的评价函数也不同。

4.根据权利要求1所述的一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器PI参数的方法，其特征在于：所述的定子绕组电阻值变化范围为0-3.4Ω。