CN106330043A - 永磁同步电动机的控制方法及控制装置 - Google Patents
永磁同步电动机的控制方法及控制装置 Download PDFInfo
- Publication number
- CN106330043A CN106330043A CN201510388023.9A CN201510388023A CN106330043A CN 106330043 A CN106330043 A CN 106330043A CN 201510388023 A CN201510388023 A CN 201510388023A CN 106330043 A CN106330043 A CN 106330043A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- permanent magnet
- magnet synchronous
- synchronous motor
- feedback control
- 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.)
- Pending
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 79
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000012322 Raynaud phenomenon Diseases 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 235000013522 vodka Nutrition 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明提供了一种永磁同步电动机的控制方法,包括建立T‑S模糊模型,以及建立反馈控制规则。建立T‑S模糊模型包括:建立永磁同步电动机的原始状态方程;获取数据对样本集;利用聚类算法对数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、每一个子类的聚类中心、以及数据对样本集的隶属度矩阵;和确定永磁同步电动机的T‑S模糊模型。建立反馈控制规则包括:根据每一条模糊规则,建立对应的反馈控制规则;获得对永磁同步电动机进行控制的全局反馈控制规则;和判断基于对永磁同步电动机进行控制的全局反馈控制规则的控制系统的稳定性。本发明还提供了一种对应于该控制方法的控制装置。
Description
技术领域
本发明涉及永磁同步电动机的控制方法及控制装置。
背景技术
永磁同步电动机因其损耗少、效率高、功率因素可调等优点被越来越广泛地应用于各个领域。目前,比较完善的永磁同步电动机的控制方法一般为线性控制方法,并且,永磁同步电机的线性化控制长期以来受到广大研发人员的追捧。但是,众所周知,由于永磁同步电动机具有复杂的非线性特性,采用线性控制方法对其进行控制使得很难精准、快速地控制、跟踪其转速(或转角),效果难以达到预期;而非线性控制方法尚不如线性控制方法完善,难以直接设计出非线性控制器来快、准、稳地控制永磁同步电机。因此,针对永磁同步电动机复杂的非线性特性,设计高鲁棒性、高调速比的控制方法是电机控制领域亟需解决的技术问题。
基于转子磁场定向的矢量控制系统可将电机在dq旋转坐标系中等效为线性的直流电机模型,因此成为电机控制领域的一大里程碑。但其大量的假设前提和近似处理所带来的误差已难以通过经典的PID线性控制器予以修正,使其在整个低高速全范围内的控制精度和响应时间有待改善。
T-S模糊控制理论构筑起了线性控制方法与非线性系统之间的桥梁,为实现精确控制具有复杂的非线性特性的永磁同步电动机的控制系统提供了一条新思路。采用T-S模糊控制方法对电机进行控制的关键在于模糊建模和反馈控制器的设计,尤其是建模,若建模精度不高,即使控制器设计得再优秀,控制系统的控制精度、甚至稳定性也无法达标。可惜现有的对电机进行控制的T-S模糊控制方法中的建模方法大多采用特征点附近局部线性化,导致建模精度较差,因而,控制系统的控制精度及鲁棒性较差。因此,若采用T-S模糊控制方法对电机进行控制,为提高控制系统的控制精度及鲁棒性,需采用相较于特征点附近局部线性化而言建模精度更高的建模方法,使得所建立的模型在全局范围内逼近永磁同步电动机的真实非线性模型。
发明内容
本发明是为了解决上述至少一个问题而完成的,其目的是提供一种相比特征点附近局部线性化而言建模精度更高、且控制精度及鲁棒性更高的基于T-S模糊控制的永磁同步电动机的控制方法,以及与该控制方法相对应的控制装置。
为达上述目的,根据本发明的一个方面,提供一种永磁同步电动机的控制方法,包括:
模型建立步骤,在模型建立步骤中,建立永磁同步电动机的T-S模糊模型,模型建立步骤包括
原始状态方程建立步骤,在原始状态方程建立步骤中,建立永磁同步电动机的原始状态方程其中,x=(x1 … xk)T为电动机的状态变量,为状态变量x的一阶导数,u=(u1 … ul)T为电动机的输入,A、B为系数矩阵,C为常量矩阵;
数据对样本集获取步骤,在数据对样本集获取步骤中,基于原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为
聚类处理步骤,在聚类处理步骤中,利用聚类算法对数据对样本集Z中的数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、所述n个子类中每一个子类的聚类中心(i=1,2,...,n)、以及数据对样本集Z的隶属度矩阵μ;和
T-S模糊模型确定步骤,在T-S模糊模型确定步骤中,根据聚类处理步骤和数据对样本集获取步骤的结果,确定永磁同步电动机的T-S模糊模型,
所确定的T-S模糊模型包括n条模糊规则,n条模糊规则为
其中,表示第i条模糊规则,Ai、Bi表示第i条模糊规则成立时的系数矩阵,
所确定的T-S模糊模型进一步包括对n条模糊规则加权平均进行清晰化后的结果
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度;以及
反馈控制规则建立步骤,在反馈控制规则建立步骤中,基于在模型建立步骤中所建立的T-S模糊模型,建立对永磁同步电动机进行控制的反馈控制规则,包括
局部反馈控制规则建立步骤,在局部反馈控制规则建立步骤中,根据T-S模糊模型中的n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则,表示为
then u=v-Kix(i=1,2,...,n)
其中,Ki表示与第i条模糊规则对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的;
全局反馈控制规则建立步骤,在全局反馈控制规则建立步骤中,基于局部反馈控制规则建立步骤的结果,获得对永磁同步电动机进行控制的反馈控制规则,表示为 和
稳定性判定步骤,在稳定性判定步骤中,判断基于反馈控制规则的永磁同步电动机的控制系统的稳定性,如果寻找到一个正常数ζ和一个正定矩阵P满足不等式
则判定控制系统稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n},而当尝试预定的次数后未寻找到满足不等式的正常数ζ和正定矩阵P,则返回局部反馈控制规则建立步骤。
根据本发明的另一个方面,提供一种永磁同步电动机的控制装置,包括:
模型建立模块,模型建立模块建立永磁同步电动机的T-S模糊模型,模型建立模块包括
原始状态方程建立单元,原始状态方程建立单元建立永磁同步电动机的原始状态方程其中,x=(x1 … xk)T为电动机的状态变量,为状态变量x的一阶导数,u=(u1 … ul)T为电动机的输入,A、B为系数矩阵,C为常量矩阵;
数据对样本集获取单元,数据对样本集获取单元基于原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为
聚类处理单元,聚类处理单元利用聚类算法对数据对样本集Z中的数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、所述n个子类中每一个子类的聚类中心(i=1,2,...,n)、以及数据对样本集Z的隶属度矩阵μ;和
T-S模糊模型确定单元,T-S模糊模型确定单元根据聚类处理单元和数据对样本集获取单元所获得的结果,确定永磁同步电动机的T-S模糊模型,
所确定的T-S模糊模型包括n条模糊规则,n条模糊规则为
其中,表示第i条模糊规则,Ai、Bi表示第i条模糊规则成立时的系数矩阵,
所确定的T-S模糊模型进一步包括对n条模糊规则加权平均进行清晰化后的结果
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度;以及
反馈控制规则建立模块,反馈控制规则建立模块基于由模型建立模块建立的T-S模糊模型,建立对永磁同步电动机进行控制的反馈控制规则,反馈控制规则建立模块包括
局部反馈控制规则建立单元,局部反馈控制规则建立单元根据T-S模糊模型中的n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则,表示为
then u=v-Kix(i=1,2,...,n)
其中,Ki表示与第i条模糊规则对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的;
全局反馈控制规则建立单元,全局反馈控制规则建立单元基于由局部反馈控制规则建立单元建立的与每一条模糊规则对应的反馈控制规则,获得对永磁同步电动机进行控制的反馈控制规则,表示为和
稳定性判定单元,稳定性判定单元判断基于反馈控制规则的永磁同步电动机的控制系统的稳定性,如果寻找到一个正常数ζ和一个正定矩阵P满足不等式
则稳定性判定单元判定控制系统稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n},而当尝试预定的次数后未寻找到满足不等式的正常数ζ和正定矩阵P,稳定性判定单元使得局部反馈控制规则建立单元重新根据n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则。
综上所述,采用根据本发明的永磁同步电动机的控制方法以及控制装置,能够建立出相比特征点附近局部线性化而言建模精度更高的永磁同步电动机的T-S模糊模型,并实现对永磁同步电动机精度及鲁棒性更高的控制。
附图说明
图1显示本发明所涉及的永磁同步电动机的控制系统的基本构成图;
图2显示根据本发明的基于T-S模糊控制的控制方法的流程;
图3(A)显示根据本发明的建立永磁同步电动机的T-S模糊模型的具体流程;
图3(B)显示图3(A)中的步骤S104的具体流程;
图4(A)显示基于T-S模糊模型建立反馈控制规则的流程图;
图4(B)显示图4(A)中的步骤S201的具体流程;
图5显示根据本发明的永磁同步电动机的控制装置的结构示意图;以及
图6显示根据本发明的实施例的永磁同步电动机的控制系统的构成图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,以下结合附图和具体实施例对本发明进行详细描述。
图1显示本发明所涉及的永磁同步电动机的控制系统的基本构成图。如图1所示,该控制系统包括永磁同步电动机101、传感器102、控制器103以及执行器104。永磁同步电动机101是控制系统的控制对象。传感器102用于检测永磁同步电动机101的参数,并将所检测到的参数输出至控制器103。这里,参数包括转子的转速、转子的转角、定子电压、定子电流等。控制器103根据输入的转子的期望转速将所检测到的永磁同步电动机101的实际参数与期望参数进行比较,并结合实际参数与期望参数间的误差及其组合,通过事先建立的反馈控制规则计算出相应的控制信号输出至执行器104。执行器104根据控制信号产生相应的三相电压或电流输出至永磁同步电动机101,以使得其产生希望的转矩来纠正转速的误差。本发明中,图1所示的控制系统基于T-S模糊控制的控制方法来对永磁同步电动机101进行控制。
以下,参考图2至图4(B)描述图1中的控制系统基于T-S模糊控制的控制方法。在以下的说明中,适当地以永磁同步电动机代替永磁同步电动机101来进行描述。
如图2所示,本发明中,基于T-S模糊控制的控制方法包括建立永磁同步电动机的T-S模糊模型(步骤S11),以及基于T-S模糊模型建立反馈控制规则(步骤S12)。
以状态方程描述某一非线性系统的T-S模糊模型有如下的表达式(1)和(2):
其中,表示第i条模糊规则,k维向量x=(x1 … xk)T表示非线性系统的状态变量,u=(u1 … ul)T表示非线性系统的输入,表示中xj的所属领域,表示中uq的所属领域,Ai、Bi表示成立时所对应的系数矩阵。
上述表达式(1)中,“if”之后“then”之前的语句表示的模糊前件;而“then”之后的语句表示的模糊后件,对应一个线性子系统。
对上述表达式(1)中的n条模糊规则进行加权平均,清晰化后,可得到逼近该非线性系统的全局模糊模型如下:
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度。
因此,从上述式(1)和(2)可以看出,T-S模糊模型的真谛在于将一个复杂的非线性系统拟合成多个线性子系统的加权平均,以达到任意精度的线性逼近。模糊规则数越多,线性逼近的精度越高,对其进行控制的效果越好。
根据上述非线性系统的T-S模糊模型建立反馈控制规则时,可对其中各条模糊规则下的各个线性子系统(i=1,2,...,n)的反馈控制规则单独建立,再通过一定的规则组合即可得到全局的反馈控制规则。
例如,上述各条模糊规则下的各个线性子系统的反馈控制规则可采用如下的表示式:
then u=-Kix i=1,2,...,n (3)
其中,Ki表示与第i条模糊规则对应的反馈矩阵。
定义全局的反馈控制规则为各个线性子系统的反馈控制规则的隶属度加权平均,则全局的反馈控制规则可以有如下的表示式:
因此,基于T-S模糊控制方法的控制系统可以表示为:
对于如式(5)所示的控制系统,需要保证其的稳定性。对于控制系统的稳定性判别,可以根据Lyapunov稳定性判据来推得,即,存在一个正常数ζ和一个正定矩阵P满足不等式
则控制系统全局渐进稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n}。
本发明在图2的步骤S11中,需要建立形如上述表达式(1)和(2)的永磁同步电动机的T-S模糊模型,且在步骤S12中基于步骤S11中所建立的T-S模糊模型建立形如上述表达式(3)和(4)的反馈控制规则。
接下来,参考图3(A)和图3(B)来描述根据本发明的在图2的步骤S11中建立永磁同步电动机的T-S模糊模型的具体流程。
首先,在图3(A)的步骤S101中,选择永磁同步电动机的状态变量x=(x1 … xk)T、输入u=(u1 … ul)T,根据永磁同步电动机的电磁方程组,获得其原始状态方程其中,为状态变量x的一阶导数,A、B为系数矩阵,C为常量矩阵。这里的原始状态方程将作为永磁同步电动机的原始非线性模型。
在本发明的实施例中,选择状态变量x=(x1 x2 x3 x4)T=(isD isQ θr ωr)T,四个分量分别为定子电流的D轴(2相静止坐标系,下同)分量isD、定子电流的Q轴(2相静止坐标系,下同)分量isQ、转子转过的角度θr及转子的转速ωr,输入u=(u1 u2)T=(usD usQ)T,两个分量分别为定子电压的D轴分量usD、定子电压的Q轴分量usQ;并且,在忽略漏磁及转轴阻尼的情况下,根据如下式(7-1)所示的永磁同步电动机的电磁方程组
可推得如式(7-2)所示的原始状态方程
在式(7-1)和(7-2)中,ψmD为气隙磁链的D轴(2相静止坐标系,下同)分量,ψmQ为气隙磁链的Q轴(2相静止坐标系,下同)分量,te为电磁转矩,Rs为电枢电阻,Lss为定子自感,|ψr|为转子永磁体的磁链幅值,J为转动惯量,p为极对数,TL为负载转矩(包括空转转矩)。其中,ψmD、ψmQ、te为变量,Rs、Lss、|ψr|、J、p、TL都是固定量,可通过电机铭牌数据或用户手册获取。上述式(7-1)中的各电磁方程为永磁同步电动机固有的电磁方程。实施例中,将上述获得的状态方程(7-2)作为永磁同步电动机的原始非线性模型。
至此,从上述式(7-2)可以看出,实施例中,整个永磁同步电动机的任意时刻的运行状态都可由(isD isQ θr ωr usD usQ)六个量描述,且这些量都是可测量的,这为后续的控制器的反馈控制规则的建立打下了伏笔。
之后,在步骤S102中,基于步骤S101中的原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp}。
具体地,在该步骤中,通过对状态变量x以及输入u中的各分量进行取值,并基于步骤S101中的原始状态方程,获得p个数据对样本,该p个数据对样本组成数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为即每个数据对样本是由永磁同步电动机的状态变量、输入及状态变量的导数组成。显然,对于步骤S101中所获得的原始状态方程而言,通过Matlab或软件编程等方式可获得任意数量的数据对样本Zm。这里,为了使得后续建立的模型能够更好地逼近原始非线性模型,应注意使得各数据对样本Zm中关于状态变量x以及输入u中的各分量的取值所构成的范围尽量遍布各分量的可取值范围。此外,数据对样本越多、越密,所构成的数据对样本集Z越能客观反映系统实际的运行状态及物理模型。
本发明的实施例中,通过步骤S202获得的数据对样本集Z中的每个数据对样本可表示为(m=1,2,...,p)。实施例中,总共获得500个(即,p=500)数据对样本,每一个数据对样本中usD、usQ的值取[-Ud,Ud]内的随机值(Ud为逆变器的直流电压),isD、isQ的值取[-1.5Ie,1.5Ie]内的随机值(Ie为电机的额定电流),θr的值取[0,2π]内的随机值,ωr的值取[50,ωmax]内的随机值(ωmax为电机的最大转速),i'sD、i'sQ、θr'、ωr'的值可根据式(7-2)由该数据对样本中的isD、isQ、θr、ωr、usD、usQ的值来确定。
接下来,在步骤S103中,通过聚类算法对步骤S102中的数据对样本集Z中的数据对样本进行聚类,以将数据对样本集Z划分成n个子类,得到聚类数n,n个子类中每一个子类的聚类中心ξi(i=1,2,...,n),以及数据对样本集Z相对于各聚类中心ξi(i=1,2,...,n)的隶属度矩阵μ。
这里,实现聚类的聚类算法有很多,例如,模糊c均值聚类算法、减聚类算法等。通过聚类得到的n个子类中每一个子类的聚类中心(i=1,2,...,n),其中,与状态变量x中的分量x1,……,xk一一对应,与输入u的分量u1,……,ul一一对应,且与状态变量x的一阶导数x1',……,x'k一一对应;通过聚类得到的隶属度矩阵 其中,μit(i=1,2,...,n,t=1,2,...,p)代表第t个数据对样本相对第i个聚类中心的隶属度。在本发明的实施例中,采用模糊c均值聚类算法,具体实现方法是利用Matlab的模糊工具包中的fcm函数,并设定参数聚类数为6,隶属度分布指数为2。在实施例中,由于状态变量x中有4个分量,输入u中有2个分量,因此,(i=1,2,...,n)。
接下来,在步骤S104中,确定形如式(1)和(2)的永磁同步电动机的T-S模糊模型。
图3(B)显示了在图3(A)中的步骤S104中确定永磁同步电动机的T-S模糊模型的具体流程。以下,参考图3(B)对图3(A)中的步骤S104进行详细说明。
首先,在步骤S111中,根据步骤S103中获得的聚类数n确定所建T-S模糊模型的模糊规则数(聚类数n即为模糊规则数n),并根据聚类结果确定每一条模糊规则的模糊前件。
该步骤中确定的每一条模糊规则(i=1,2,...,n)的模糊前件如下所示:
本发明的实施例中的每一条模糊规则(i=1,2,...,n)的模糊前件可表示为:
由于(x1 x2 x3 x4)为(isD isQ θr ωr),(u1 u2)为(usD usQ),因而上述模糊前件又可以表示为:
接下来,在步骤S112中,根据聚类结果确定n条模糊规则中每一条模糊规则的隶属度(i=1,2,...,n)。
根据式(2)中的表达式可知,通过计算即可得到在计算时,需要选择χj对第i条模糊规则的隶属度的函数类型。隶属度的函数类型可以选用高斯分布、正态分布、三角分布等。这里以高斯分布为例进行说明,高斯分布的隶属度如式(8)所示。通过式(9)和式(10)可以确定式(8)中的参数αij,βij,式(9)和式(10)的μit为上述隶属度矩阵μ中的分量,χtj表示步骤S102中获取的第t个数据对样本中χj的值。实施例中,χj是向量χ=(isD isQ θr ωr usD usQ)T中的分量。
在得到之后,根据式(2)中的表达式,即可得到
之后,在步骤S113中,确定n条模糊规则中每一条模糊规则的模糊后件。
具体地,在该步骤中,确定与所需确定的T-S模糊模型中每一条模糊规则对应的线性子系统(i=1,2,...,n)的表达式,即,确定系数矩阵Ai、Bi。
本发明中,采用最小二乘法来确定n条模糊规则中每一条模糊规则的模糊后件。
根据式(2)可得,在本发明的实施例中,x'中的第一个分量x1'(i'sD)满足关系式 其中,待定系数ai1,…,ai4构成系数矩阵Ai中的第一行,ai5,ai6构成系数矩阵Bi中的第一行。同样,对于x'中的其它分量x'2,x'3,x'4也分别有类似上述x1'满足的关系式,类似地,每一个这样的关系式中的待定系数构成系数矩阵Ai和Bi中的相应行。以下,以 为例,说明其中待定系数ai1,…,ai6的确定方法。记为x1'的实测值(m=1,2,...,p), (m=1,2,...,p)为x1'的估算值,若定义拟合的方差可知当aij(j=1,2,3,4,5,6)满足式(11)所示的最小二乘法判据时,估算值与真实值的偏差波动最小,满足拟合要求。于是可以得到6×n个以aij为变量的方程组,解该方程组即可得到待定系数ai1,…,ai6。对于其它分量x'2,x'3,x'4的关系式中的待定系数的确定方法,与上述待定系数ai1,…,ai6的确定方法类同。因而,当所有的待定系数均确定完之后,系数矩阵Ai和Bi则确定。
至此,可以得到图3(A)中的步骤S104中所确定的形如式(1)和(2)所示的永磁同步电动机的T-S模糊模型。
在本发明的实施例中,在图3(A)的步骤S104中所确定的永磁同步电动机的T-S模糊模型如式(12)和(13)所示:
加权平均,清晰化:
其中,
本发明中,当完成步骤S104后,可以通过执行步骤S105来计算在步骤S104中所确定的T-S模糊模型的建模精度。可以通过式(14)来计算建模精度,其结果表征了建模的相对误差。
其中,
接下来,在步骤S106中,判断步骤S105中计算出的建模精度是否满足设定的建模精度要求。例如,设定的建模精度要求可定义为通过式(14)计算出的建模的相对误差小于15%,本发明在此不作限定。当步骤S105中计算出的建模精度满足建模精度要求时,则步骤S11中的永磁同步电控机的T-S模糊模型建立完毕,反之,返回步骤S103重新进行聚类(如改变fcm的聚类数、分布指数等参数),或者也可以返回步骤S104中的步骤S112重新选择隶属度的函数类型并计算隶属度参数。
从上述内容可以看出,本发明在建立永磁同步电动机的T-S模糊模型时,对所需建立的T-S模糊模型中模糊规则的参数辨识是通过采集根据永磁同步电动机的电磁方程组获得的原始状态方程所描述的电动机实验数据集,并采用聚类算法确认T-S模型的模糊前件,再用最小二乘法确定模糊后件从而实现的。因此,根据本发明所建立的T-S模糊模型相比特征点附近局部线性化而言建模精度更高,其在全局范围内更能够逼近永磁同步电动机的真实非线性模型。此外,通过设置建模精度要求,有助于更好地控制建模精度,使T-S模型更逼近真实模型。
接下来,参考图4(A)和图4(B)来说明基于步骤S11中所建立的T-S模糊模型建立反馈控制规则的具体流程。
图4(A)显示基于T-S模糊模型建立反馈控制规则的流程图。
如图4(A)所示,在步骤S201中,建立与所建立的T-S模糊模型中各条模糊规则对应的反馈控制规则u=v-Kix(i=1,2,...,n)。换句话说,在该步骤中,针对所建立的T-S模糊模型中各条模糊规则的模糊后件对应的各线性子系统(i=1,2,...,n)建立各自的反馈控制规则u=v-Kix(i=1,2,...,n),其中,Ki(i=1,2,...,n)表示与第i个线性子系统所对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的。
可以看出,在该步骤中,建立各反馈控制规则u=v-Kix(i=1,2,...,n)的关键是要设定输入给定v并确定反馈矩阵Ki。
图4(B)显示在步骤S201中建立与所建立的T-S模糊模型中各条模糊规则对应的反馈控制规则u=v-Kix(i=1,2,...,n)的具体流程。现参考图4(B)对步骤S201进行说明。
首先,在步骤S211中,判断所建立的T-S模糊模型中各条模糊规则中的线性子系统(i=1,2,...,n)的状态可控性。采用秩判据可以判别各条模糊规则下的线性子系统的状态可控性。
之后,在步骤S212中,判断是否所有的线性子系统(i=1,2,...,n)均为状态可控,如果是则执行步骤S213,否则,执行步骤S216,返回步骤S103重新进行聚类(如改变fcm的聚类数、分布指数等参数)或者返回步骤S104中的步骤S112重新选择隶属度的函数类型来重新确定(修正)T-S模糊模型。
在步骤S213中,描述与所建立的T-S模糊模型中各条模糊规则对应的反馈控制规则为u=v-Kix(i=1,2,...,n),并设定输入给定v,其在每一条反馈控制规则u=v-Kix(i=1,2,...,n)中是相同的。
在本发明的实施例中,设定输入给定 其中,第一分量为电机转子的期望转速,第二分量固定为0,以便建立控制规则(由于本发明的实施例中输入u=(usD usQ)T为二维向量,因而引入状态反馈控制规则后,整个控制系统的输入给定也是二维向量)。此外,输入给定v也可被设定成诸如 等其它形式,只要保证其对所有的模糊规则均相同即可。只是不同的v所对应的状态反馈控制规则的确立方法(Ki的确立方法)不同。
之后,在步骤S214中,设计永磁同步电动机的输出表达式y=Dx+Fu,使输出y等于永磁同步电动机的转子的转速ωr,其中,D、F分别为系数矩阵。由此可得到基于反馈控制规则u=v-Kix(i=1,2,...,n)的各个子系统的状态方程如式(15)所示:
在本发明的实施例中,令永磁同步电动机的输出y=Dx=[0 0 0 1]x=x4=ωr。因而,在本发明的实施例中,基于反馈控制规则u=v-Kix(i=1,2,...,n)的各个控制子系统的状态方程为:
接下来,在步骤S215中,采用极点配置法计算各反馈矩阵Ki(i=1,2,...,n),使得基于反馈控制规则u=v-Kix(i=1,2,...,n)的各个子系统的输出的稳态响应为转子的期望转速
具体地,在本发明的实施例中,在该步骤中,首先记第i条模糊规则下的如式(16)所示的线性子系统的闭环极点为(由于实施例中状态变量x是四维的,故有4个闭环极点)。
然后,令方阵Ai-BiKi的特征值为通过式(17)所示的恒等式,用待定系数法可求得反馈矩阵Ki(是关于的代数式)。
然后,通过对线性子系统的状态方程(式(16))作拉氏变换,可得到如式(18)所示的闭环传递函数矩阵由于输入给定 是二维向量,故闭环传递函数矩阵是1×2型矩阵,记为
当设定 时,则此时系统输出根据拉氏变换的终值定理可知,因此,为使y的稳态响应等于转子的期望转速的增益必须为1。通过对式(18)的分析可知,可写成如式(19)所示的形式,式中p、q、r为常系数,为关于反馈矩阵Ki的代数多项式。
又因为且Ki可用表示,故可进一步写成如式(20)所示的形式:
即,改变闭环极点即可使输出y的稳态响应等于转子的期望转速具体做法可以是先设置中的三个的值,例如,设置的值,然后将带入式(20)中的求解方程,得到的值。这里需要说明的是,为使各线性子系统稳定,需保证4个闭环极点都为负数,或拥有负实部的复数。例如,令分别为-1、-2、-3,并带入求解方程求得若采用该方法计算出来的为非负数或者不是拥有负实部的复数时,则需要重新设定再计算直至皆为负数,或拥有负实部的复数。之后,再根据式(17)计算Ki即可得到反馈控制规则u=v-Kix。当然,当v设为别值时,也可用上述方法确定闭环极点及Ki。
至此,图4(A)中的步骤S201执行完毕。接下来,在步骤S202中,获得全局的反馈控制规则
接下来,在步骤S203中,判断基于反馈控制规则的永磁同步电动机的控制系统的稳定性。这里,关于控制系统的稳定性的判断可以根据之前所述的Lyapunov稳定性判据来推得,即,若存在一个正常数ζ和一个正定矩阵P满足式(6)的不等式,则控制系统稳定,至此,反馈控制规则建立完毕。
当尝试预定的次数后仍未寻找到满足不等式(6)的正常数ζ和正定矩阵P时,则返回步骤S201中的步骤S215重新配置闭环极点,计算反馈矩阵Ki。当返回步骤S201预定的次数后,仍未寻找到满足条件的正常数ζ和正定矩阵P,则返回步骤S103重新进行聚类(如改变fcm的聚类数、分布指数等参数)或者返回步骤S104中的步骤S112重新选择隶属度的函数类型来重新确定(修正)T-S模糊模型。
与上述永磁同步电动机的控制方法相对应,本发明还提供了一种永磁同步电动机的控制装置。图5显示根据本发明的永磁同步电动机的控制装置的结构示意图。如图5所示,根据本发明的永磁同步电动机的控制装置包括模型建立模块501和反馈控制规则建立模块502。模型建立模块501建立永磁同步电动机的T-S模糊模型。反馈控制规则建立模块502基于由模型建立模块501建立的T-S模糊模型,建立对永磁同步电动机进行控制的反馈控制规则。
如图5所示,模型建立模块501包括原始状态方程建立单元5011、数据对样本集获取单元5012、聚类处理单元5013、T-S模糊模型确定单元5014以及建模精度评估单元5015。反馈控制规则建立模块502包括局部反馈控制规则建立单元5021、全局反馈控制规则建立单元5022以及稳定性判定单元5023。
原始状态方程建立单元5011建立永磁同步电动机的原始状态方程其中,x=(x1 … xk)T为电动机的状态变量,为状态变量x的一阶导数,u=(u1 … ul)T为电动机的输入,A、B为系数矩阵,C为常量矩阵。
数据对样本集获取单元5012基于由原始状态方程建立单元5011建立的原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为
聚类处理单元5013利用聚类算法对由数据对样本集获取单元5012获取的数据对样本集Z中的数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、n个子类中每一个子类的聚类中心(i=1,2,...,n)、以及数据对样本集Z相对于各聚类中心ξi(i=1,2,...,n)的隶属度矩阵μ。
T-S模糊模型确定单元5014根据聚类处理单元5013和数据对样本集获取单元5012所获得的结果,确定永磁同步电动机的T-S模糊模型,该T-S模糊模型包括n条模糊规则,n条模糊规则为
其中,表示第i条模糊规则,Ai、Bi表示第i条模糊规则成立时的系数矩阵,
该T-S模糊模型进一步包括对n条模糊规则加权平均进行清晰化后的结果
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度。
建模精度评估单元5015计算由T-S模糊模型确定单元5014确定的T-S模糊模型的建模精度,并判定该建模精度是否满足设定的建模精度要求,当该建模精度不满足设定的建模精度要求时,建模精度评估单元5015使得聚类处理单元5013重新利用聚类算法对数据对样本集Z中的数据对样本进行聚类,或者使得T-S模糊模型确定单元5014重新确定永磁同步电动机的T-S模糊模型。
局部反馈控制规则建立单元5021根据由模型建立单元501建立的T-S模糊模型中的n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则,表示为
then u=v-Kix(i=1,2,...,n)
其中,Ki表示与第i条模糊规则对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的。
全局反馈控制规则建立单元5022基于由局部反馈控制规则建立单元5021建立的与每一条模糊规则对应的反馈控制规则,获得对永磁同步电动机进行控制的反馈控制规则,表示为
稳定性判定单元5023判断基于反馈控制规则的永磁同步电动机的控制系统的稳定性,如果寻找到一个正常数ζ和一个正定矩阵P满足不等式
则稳定性判定单元5023判定控制系统稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n},而当尝试预定的次数后未寻找到满足不等式的正常数ζ和正定矩阵P,稳定性判定单元5023使得局部反馈控制规则建立单元5021重新根据n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则。在当尝试预定的次数后未寻找到满足不等式的正常数ζ和正定矩阵P,稳定性判定单元5023使得局部反馈控制规则建立单元5021重新根据n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则执行预定的次数之后,仍未寻找到满足不等式的正常数ζ和正定矩阵P,稳定性判定单元5023使得聚类处理单元5013重新利用聚类算法对所述数据对样本集Z中的数据对样本进行聚类,或者使得T-S模糊模型确定单元5014重新确定所述永磁同步电动机的T-S模糊模型。
图6显示根据本发明的实施例的永磁同步电动机的控制系统的构成图。如图6所示,霍尔传感器201和光电编码器202构成图1中的传感器102,其中,霍尔传感器201用于检测永磁同步电动机101定子侧的实时三相电流值,经3s/2s变换可得到isD、isQ,光电编码器用以检测永磁同步电动机101转子的实时转速ωr,再通过积分运算θr=∫ωrdt可得到转角值θr,霍尔传感器201和光电编码器202将所检测到的参数输出至控制器103;所建立的永磁同步电动机101的模型为T-S模糊模型控制器103根据整个系统的输入给定及isD、isQ、ωr、θr,基于根据所建立的永磁同步电动机101的T-S模糊模型建立的反馈控制规则计算所需输出电压值usD、usQ;电压型逆变器203构成图1中的执行器104,其将调制出控制器103给出的期望电压usD、usQ经2s/3s变换和PWM调制后输出至永磁同步电动机101。
综上所述,本发明提供了一种基于T-S模糊控制的高鲁棒性、高调速比的永磁同步电动机的控制方法以及与该控制方法对应的控制装置。在本发明所提供的基于T-S模糊控制的控制方法中,对所需建立的T-S模糊模型中模糊规则的参数辨识是通过采集根据永磁同步电动机的电磁方程组获得的原始状态方程所描述的电动机实验数据集,并采用聚类算法确认T-S模型的模糊前件,再用最小二乘法确定模糊后件从而实现的。因此,根据本发明所建立的T-S模糊模型相比特征点附近局部线性化而言建模精度更高,在全局范围内更能够逼近永磁同步电动机的真实非线性模型。并且,根据所建立的T-S模糊模型而建立的反馈控制规则的控制精度及鲁棒性会更高。
虽然经过对本发明结合具体实施例进行描述,对于本邻域的技术技术人员而言,根据上文的叙述后作出的许多替代、修改与变化将是显而易见。因此,当这样的替代、修改和变化落入附后的权利要求的精神和范围之内时,应该被包括在本发明中。
Claims (14)
1.一种永磁同步电动机的控制方法,其特征在于,所述方法包括:
模型建立步骤,在所述模型建立步骤中,建立所述永磁同步电动机的T-S模糊模型,所述模型建立步骤包括
原始状态方程建立步骤,在所述原始状态方程建立步骤中,建立所述永磁同步电动机的原始状态方程其中,x=(x1 … xk)T为所述电动机的状态变量, 为状态变量x的一阶导数,u=(u1 … ul)T为所述电动机的输入,A、B为系数矩阵,C为常量矩阵;
数据对样本集获取步骤,在所述数据对样本集获取步骤中,基于所述原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为
聚类处理步骤,在所述聚类处理步骤中,利用聚类算法对所述数据对样本集Z中的数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、所述n个子类中每一个子类的聚类中心以及所述数据对样本集Z的隶属度矩阵μ;和
T-S模糊模型确定步骤,在所述T-S模糊模型确定步骤中,根据所述聚类处理步骤和所述数据对样本集获取步骤的结果,确定所述永磁同步电动机的所述T-S模糊模型,
所确定的所述T-S模糊模型包括n条模糊规则,所述n条模糊规则为
其中,表示第i条模糊规则,Ai、Bi表示第i条模糊规则成立时的系数矩阵,
所确定的所述T-S模糊模型进一步包括对所述n条模糊规则加权平均进行清晰化后的结果
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度;以及
反馈控制规则建立步骤,在所述反馈控制规则建立步骤中,基于在所述模型建立步骤中所建立的所述T-S模糊模型,建立对所述永磁同步电动机进行控制的反馈控制规则,包括
局部反馈控制规则建立步骤,在所述局部反馈控制规则建立步骤中,根据所述T-S模糊模型中的所述n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则,表示为
then u=v-Kix (i=1,2,...,n)
其中,Ki表示与第i条模糊规则对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的;
全局反馈控制规则建立步骤,在所述全局反馈控制规则建立步骤中,基于所述局部反馈控制规则建立步骤的结果,获得对所述永磁同步电动机进行控制的反馈控制规则,表示为 和
稳定性判定步骤,在所述稳定性判定步骤中,判断基于所述反馈控制规则的永磁同步电动机的控制系统的稳定性,如果寻找到一个正常数ζ和一个正定矩阵P满足不等式
则判定所述控制系统稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n},而当尝试预定的次数后未寻找到满足所述不等式的正常数ζ和正定矩阵P,则返回所述局部反馈控制规则建立步骤。
2.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,
当所述稳定性判定步骤中的当尝试预定的次数后未寻找到满足所述不等式的正常数ζ和正定矩阵P,则返回所述局部反馈控制规则建立步骤执行预定的次数后,仍未寻找到满足所述不等式的正常数ζ和正定矩阵P,则返回所述聚类处理步骤。
3.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,
当所述稳定性判定步骤中的当尝试预定的次数后未寻找到满足所述不等式的正常数ζ和正定矩阵P,则返回所述局部反馈控制规则建立步骤执行预定的次数后,仍未寻找到满足所述不等式的正常数ζ和正定矩阵P,则返回所述T-S模糊模型确定步骤。
4.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,所述模型建立步骤进一步包括:
建模精度评估步骤,在所述建模精度评估步骤中,计算在所述T-S模糊模型确定步骤中所确定的所述T-S模糊模型的建模精度,并判定所述建模精度是否满足设定的建模精度要求,当所述建模精度不满足设定的建模精度要求时,则返回所述聚类处理步骤。
5.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,所述模型建立步骤进一步包括:
建模精度评估步骤,在所述建模精度评估步骤中,计算在所述T-S模糊模型确定步骤中所确定的所述T-S模糊模型的建模精度,并判定所述建模精度是否满足设定的建模精度要求,当所述建模精度不满足设定的建模精度要求时,则返回所述T-S模糊模型确定步骤。
6.如权利要求1所述永磁同步电动机的控制方法,其特征在于,
所述状态变量x=(isD isQ θr ωr)T,所述输入u=(usD usQ)T,以及所述永磁同步电动机的原始状态方程为
其中,Rs为电枢电阻,Lss为定子自感,|ψr|为转子永磁体的磁链幅值,J为转动惯量,p为极对数,TL为负载转矩,usD为定子电压的D轴分量,usQ为定子电压的Q轴分量,isD为定子电流的D轴分量,isQ为定子电流的Q轴分量、θr为转子转过的角度,ωr为转子的转速。
7.如权利要求6所述的永磁同步电动机的控制方法,其特征在于,所述输入给定 其中,表示转子的期望转速。
8.如权利要求6所述的永磁同步电动机的控制方法,其特征在于,所述输入给定
9.如权利要求6所述的永磁同步电动机的控制方法,其特征在于,所述输入给定
10.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,所述局部反馈控制规则建立步骤包括:
状态可控性判定步骤,在所述状态可控性判定步骤中,判断在所述模型建立步骤中所建立的所述T-S模糊模型中的所述n条模糊规则中每一条模糊规则对应的线性子系统的状态可控性,当至少有一条模糊规则对应的线性子系统为状态不可控时,则返回所述聚类处理步骤;
局部反馈控制规则描述步骤,在所述局部反馈控制规则描述步骤中,描述针对所述n条模糊规则中每一条模糊规则的反馈控制规则为
then u=v-Kix (i=1,2,...,n);
输入给定设定步骤,在所述输入给定设定步骤中,设定所述输入给定v,所述输入给定v对于所有的模糊规则是相同的;
电动机输出设计步骤,在所述电动机输出设计步骤中,设计所述永磁同步电动机的输出y=Dx+Fu,使所述输出y等于所述永磁同步电动机的转子的转速ωr,其中,D、F为系数矩阵;以及
反馈矩阵计算步骤,在所述反馈矩阵计算步骤中,分别采用极点配置法计算得到与所述n条模糊规则中每一条模糊规则对应的每一个反馈矩阵Ki,所述每一个反馈矩阵Ki使得基于与其所对应的模糊规则对应的反馈控制规则的永磁同步电动机的控制子系统的输出稳态值为转子的期望转速
11.如权利要求1所述的永磁同步电动机的控制方法,其特征在于,所述局部反馈控制规则建立步骤包括:
状态可控性判定步骤,在所述状态可控性判定步骤中,判断在所述模型建立步骤中所建立的所述T-S模糊模型中的所述n条模糊规则中每一条模糊规则对应的线性子系统的状态可控性,当至少有一条模糊规则对应的线性子系统为状态不可控时,则返回所述T-S模糊模型确定步骤;
局部反馈控制规则描述步骤,在所述局部反馈控制规则描述步骤中,描述针对所述n条模糊规则中每一条模糊规则的反馈控制规则为
then u=v-Kix (i=1,2,...,n);
输入给定设定步骤,在所述输入给定设定步骤中,设定所述输入给定v,所述输入给定v对于所有的模糊规则是相同的;
电动机输出设计步骤,在所述电动机输出设计步骤中,设计所述永磁同步电动机的输出y=Dx+Fu,使所述输出y等于所述永磁同步电动机的转子的转速ωr,其中,D、F为系数矩阵;以及
反馈矩阵计算步骤,在所述反馈矩阵计算步骤中,分别采用极点配置法计算得到与所述n条模糊规则中每一条模糊规则对应的每一个反馈矩阵Ki,所述每一个反馈矩阵Ki使得基于与其所对应的模糊规则对应的反馈控制规则的永磁同步电动机的控制子系统的输出稳态值为转子的期望转速
12.一种永磁同步电动机的控制装置,其特征在于,包括:
模型建立模块,所述模型建立模块建立所述永磁同步电动机的T-S模糊模型,所述模型建立模块包括
原始状态方程建立单元,所述原始状态方程建立单元建立所述永磁同步电动机的原始状态方程其中,x=(x1 … xk)T为所述电动机的状态变量, 为状态变量x的一阶导数,u=(u1 … ul)T为所述电动机的输入,A、B为系数矩阵,C为常量矩阵;
数据对样本集获取单元,所述数据对样本集获取单元基于所述原始状态方程,获取数据对样本集Z={Z1,Z2,……,Zp},其中,第m(1≤m≤p)个数据对样本表示为
聚类处理单元,所述聚类处理单元利用聚类算法对所述数据对样本集Z中的数据对样本进行聚类,以将其划分为n个子类,获得聚类数n、所述n个子类中每一个子类的聚类中心以及所述数据对样本集Z的隶属度矩阵μ;和
T-S模糊模型确定单元,所述T-S模糊模型确定单元根据所述聚类处理单元和所述数据对样本集获取单元所获得的结果,确定所述永磁同步电动机的所述T-S模糊模型,
所确定的所述T-S模糊模型包括n条模糊规则,所述n条模糊规则为
其中,表示第i条模糊规则,Ai、Bi表示第i条模糊规则成立时的系数矩阵,
所确定的所述T-S模糊模型进一步包括对所述n条模糊规则加权平均进行清晰化后的结果
其中,
其中,表示χj对第i条模糊规则的隶属度,表示第i条模糊规则的隶属度;以及
反馈控制规则建立模块,所述反馈控制规则建立模块基于由所述模型建立模块建立的所述T-S模糊模型,建立对所述永磁同步电动机进行控制的反馈控制规则,所述反馈控制规则建立模块包括
局部反馈控制规则建立单元,所述局部反馈控制规则建立单元根据所述T-S模糊模型中的所述n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则,表示为
then u=v-Kix (i=1,2,...,n)
其中,Ki表示与第i条模糊规则对应的反馈矩阵,v表示输入给定,其对于所有的模糊规则是相同的;
全局反馈控制规则建立单元,所述全局反馈控制规则建立单元基于由所述局部反馈控制规则建立单元建立的与每一条模糊规则对应的反馈控制规则,获得对所述永磁同步电动机进行控制的反馈控制规则,表示为和
稳定性判定单元,所述稳定性判定单元判断基于所述反馈控制规则的永磁同步电动机的控制系统的稳定性,如果寻找到一个正常数ζ和一个正定矩阵P满足不等式
则所述稳定性判定单元判定所述控制系统稳定,其中,Fij=Ai-BiKj i,j∈{1,2,...,n},而当尝试预定的次数后未寻找到满足所述不等式的正常数ζ和正定矩阵P,所述稳定性判定单元使得所述局部反馈控制规则建立单元重新根据所述n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则。
13.如权利要求12所述的永磁同步电动机的控制装置,其特征在于,
在当尝试预定的次数后未寻找到满足所述不等式的正常数ζ和正定矩阵P,所述稳定性判定单元使得所述局部反馈控制规则建立单元重新根据所述n条模糊规则中的每一条模糊规则,建立对应的反馈控制规则执行预定的次数之后,仍未寻找到满足所述不等式的正常数ζ和正定矩阵P,所述稳定性判定单元使得所述聚类处理单元重新利用聚类算法对所述数据对样本集Z中的数据对样本进行聚类,或者使得所述T-S模糊模型确定单元重新确定所述永磁同步电动机的T-S模糊模型。
14.如权利要求12所述的永磁同步电动机的控制装置,其特征在于,进一步包括
建模精度评估单元,所述建模精度评估单元计算由所述T-S模糊模型确定单元确定的所述T-S模糊模型的建模精度,并判定所述建模精度是否满足设定的建模精度要求,当所述建模精度不满足设定的建模精度要求时,所述建模精度评估单元使得所述聚类处理单元重新利用聚类算法对所述数据对样本集Z中的数据对样本进行聚类,或者使得所述T-S模糊模型确定单元重新确定所述永磁同步电动机的T-S模糊模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510388023.9A CN106330043A (zh) | 2015-07-03 | 2015-07-03 | 永磁同步电动机的控制方法及控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510388023.9A CN106330043A (zh) | 2015-07-03 | 2015-07-03 | 永磁同步电动机的控制方法及控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106330043A true CN106330043A (zh) | 2017-01-11 |
Family
ID=57728264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510388023.9A Pending CN106330043A (zh) | 2015-07-03 | 2015-07-03 | 永磁同步电动机的控制方法及控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106330043A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728480A (zh) * | 2017-10-11 | 2018-02-23 | 四川大学 | 非线性系统控制方法及装置 |
CN109164754A (zh) * | 2018-08-06 | 2019-01-08 | 大族激光科技产业集团股份有限公司 | 一种伺服驱动器位置命令的平滑方法及其控制装置 |
CN110868112A (zh) * | 2019-11-12 | 2020-03-06 | 许昌学院 | 一种k接近优化估计的电机转子初始位置检测方法和装置 |
CN112636642A (zh) * | 2020-12-17 | 2021-04-09 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN112821834A (zh) * | 2021-03-29 | 2021-05-18 | 潍柴动力股份有限公司 | 一种永磁同步电机的在线参数辨识方法和装置 |
CN113328668A (zh) * | 2021-05-28 | 2021-08-31 | 哈尔滨工业大学 | 一种基于离散全阶观测器的感应电机转速观测方法 |
CN113848708A (zh) * | 2021-09-15 | 2021-12-28 | 昆明理工大学 | 一种柴油发电机组调速系统最优t-s模糊鲁棒控制器设计方法 |
-
2015
- 2015-07-03 CN CN201510388023.9A patent/CN106330043A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728480A (zh) * | 2017-10-11 | 2018-02-23 | 四川大学 | 非线性系统控制方法及装置 |
CN109164754A (zh) * | 2018-08-06 | 2019-01-08 | 大族激光科技产业集团股份有限公司 | 一种伺服驱动器位置命令的平滑方法及其控制装置 |
CN110868112A (zh) * | 2019-11-12 | 2020-03-06 | 许昌学院 | 一种k接近优化估计的电机转子初始位置检测方法和装置 |
CN110868112B (zh) * | 2019-11-12 | 2021-06-01 | 许昌学院 | 一种k接近优化估计的电机转子初始位置检测方法和装置 |
CN112636642A (zh) * | 2020-12-17 | 2021-04-09 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
CN112821834A (zh) * | 2021-03-29 | 2021-05-18 | 潍柴动力股份有限公司 | 一种永磁同步电机的在线参数辨识方法和装置 |
CN113328668A (zh) * | 2021-05-28 | 2021-08-31 | 哈尔滨工业大学 | 一种基于离散全阶观测器的感应电机转速观测方法 |
CN113328668B (zh) * | 2021-05-28 | 2022-01-14 | 哈尔滨工业大学 | 一种基于离散全阶观测器的感应电机转速观测方法 |
CN113848708A (zh) * | 2021-09-15 | 2021-12-28 | 昆明理工大学 | 一种柴油发电机组调速系统最优t-s模糊鲁棒控制器设计方法 |
CN113848708B (zh) * | 2021-09-15 | 2024-03-15 | 昆明理工大学 | 一种柴油发电机组调速系统最优t-s模糊鲁棒控制器设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106330043A (zh) | 永磁同步电动机的控制方法及控制装置 | |
Sira-Ramírez et al. | On the control of the permanent magnet synchronous motor: An active disturbance rejection control approach | |
Uddin et al. | Development of a nonlinear and model-based online loss minimization control of an IM drive | |
Celik et al. | Field-oriented control of the PMSM with 2-DOF PI controller tuned by using PSO | |
CN105680746A (zh) | 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 | |
Allouche et al. | State feedback tracking control for indirect field-oriented induction motor using fuzzy approach | |
Naifar et al. | Global stabilization of an adaptive observer-based controller design applied to induction machine | |
Suman et al. | Novel approach of speed control of PMSM drive using neural network controller | |
El Merrassi et al. | Advanced speed sensorless control strategy for induction machine based on neuro-MRAS observer | |
CN103986400B (zh) | 基于二维模糊控制的模型参考自适应系统参数自整定方法 | |
Butt et al. | Intelligent speed control of interior permanent magnet motor drives using a single untrained artificial neuron | |
Panda et al. | Rotor‐flux‐based MRAS speed estimator for DTFC‐SVM of a speed sensorless induction motor drive using Type‐1 and Type‐2 fuzzy logic controllers over a wide speed range | |
Zorgani et al. | Sensorless speed control with MRAS for induction motor drive | |
Davari et al. | Robust sensorless predictive control of induction motors with sliding mode voltage model observer | |
Dogan et al. | Application of speed control of permanent magnet synchronous machine with PID and fuzzy logic controller | |
Xie et al. | The optimal speed-torque control of asynchronous motors for electric cars in the field-weakening region based on the RFR | |
Nisha et al. | Sensorless field oriented control of SVM inverter fed induction machine in field weakening region using sliding mode observer | |
Dang et al. | Speed control system design and experimentation for interior PMSM drives | |
Perdukova et al. | A model-based fuzzy control of an induction motor | |
Widagdo et al. | Modelling and Analysis of Ziegler-Nichols and Chien-Hrones-Reswick Tuning PID on DC Motor Speed Control | |
Luo et al. | Field-oriented Controlled Permanent Magnet Synchronous Motor Drive with Dynamic-parameter Speed Controller Based on Generalized Regression Neural Network. | |
Sit et al. | An efficient speed control method based on neuro-fuzzy modeling for asynchronous motors | |
Luo et al. | Speed estimation direct stator field-orientation-controlled induction motor drive using adaptive flux estimator | |
Lin et al. | The hybrid RFNN control for a PMSM drive system using rotor flux estimator | |
CN112039392A (zh) | 电机控制方法、装置、设备及计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170111 |
|
WD01 | Invention patent application deemed withdrawn after publication |