CN106357184B - 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 - Google Patents
基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 Download PDFInfo
- Publication number
- CN106357184B CN106357184B CN201610967710.0A CN201610967710A CN106357184B CN 106357184 B CN106357184 B CN 106357184B CN 201610967710 A CN201610967710 A CN 201610967710A CN 106357184 B CN106357184 B CN 106357184B
- Authority
- CN
- China
- Prior art keywords
- temperature
- permanent magnet
- motor
- neural network
- output
- 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
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 56
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004907 flux Effects 0.000 claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 238000004804 winding Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000005389 magnetism Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 210000004218 nerve net Anatomy 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 8
- 230000001808 coupling effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- VQAPWLAUGBBGJI-UHFFFAOYSA-N [B].[Fe].[Rb] Chemical compound [B].[Fe].[Rb] VQAPWLAUGBBGJI-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000005347 demagnetization Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000000418 atomic force spectrum Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910001172 neodymium magnet Inorganic materials 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036413 temperature sense Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/423—Torque
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法,该方法针对温度对定子电阻和永磁磁链的影响,建立神经网络模型描述温度对车载永磁同步电机中多参数的非线性耦合作用;并基于所建立的神经网络模型,设计对于输出转矩的温度补偿器,使得对电机能够进行有效的、连续的控制,得到理想的、平滑的输出转矩。本发明中采用温度补偿控制系统,控制器根据不同的电机温度,调节控制量,对电机进行实时控制,以得到平滑的输出转矩,减少了技术人员的操作难度,不需要根据效率MAP图实时调整电压控制量,能够根据温度的连续变化实时调整,大大提高了控制精度。
Description
技术领域
本发明涉及车用永磁同步电机输出转矩的温度补偿的技术领域,具体涉及一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法。
背景技术
永磁同步电机(permanent magnet synchronous motor,PMSM)和传统的电励磁电机相比较,不需要励磁电流,显著地提高了功率因素,减少了定子损耗和定子电流,并且在稳定运行时没有转子损耗,从而减小了总体的损耗。使电机效率比同规格的电励磁电机效率提高了2%~8%。同时,永磁同步电机在25%~120%的额定负载范围内都可以保持很高的功率和效率因素,从而使在轻载运行时有很明显的节能效果。与电励磁同步电机比较,永磁同步电机省去励磁功率,提高了效率,简化了点及内部结构,实现了无刷化。尤其是100~1000KW的电动机,还省去了励磁柜,它的总成本增加不多,成了高效率的永磁同步电机有一个重要的应用场合。
永磁材料对温度的敏感性很大,尤其是车用PMSM选用的铷铁硼温度对温度尤为敏感。从冷态(低温环境温度)运行到热态(高温环境温度加温升)温度提高100℃,则铷铁硼永磁电机的每极气隙磁通量将减少10%以上。如果再计及电枢电阻随温度升高而增大导致电阻压降增大和电枢反应的去磁作用,变化率还会增加。
温升对永磁同步电机的影响是双重的:一方面会使得定子电阻发生变化,另一方面会引起永磁体电磁特性的变化。随着工作环境温度的变化,永磁体的剩磁和矫顽力会产生近似线性的变化,而这两者对永磁磁链的影响是非线性耦合的。在相同的驱动电流电压下,温度的变化影响永磁同步电机的励磁转矩平滑输出,因此提出使用神经网络的方法构建温度与输出转矩的非线性模型,以此为基础设计一个神经网络自适应控制器,以实现对永磁同步电机的温度补偿,这样将得到一个平滑的输出转矩。
1.现有技术一的技术方案
早期研究中对其他类型电机的温度补偿研究较多。如异步测速发电机,有基于硬件电路设计的温度补偿的方法:原端补偿法、内反馈补偿、增加磁回路。
原端补偿法,又称为参数补偿法,在原端(励磁回路)中加入热敏电阻或热敏电阻网络使原端总电阻的温度系数接近于零。缺点:热敏电阻温度的非线性,不可能在每个工作点上都得到补偿。
内反馈补偿,在励磁绕组和输出绕组之间增加反馈绕组,反馈绕组的输出电动势以负反馈的形式送入原端比较元件,改变输入信号。
对永磁式直流发电机,增加一个永磁材料制作的磁分路,也可从结构上对温度扰动进行补偿。
上述处理方法的缺点:改变电机原有结构,增加电子元器件。
目前在车载式永磁同步电机的设计中,未见公开发表的针对温度的输出补偿设计。随着车用永磁同步电机的精确控制,需要进一步研究温度场对永磁体磁链、定子电阻、等效电容分量等电机参数运行数据的影响,并对由此产生的输出力矩波动进行补偿。
2.现有技术二的技术方案
电机效率MAP图(又叫做云图、等高线图)是电机在测试时生成的数据曲线,其常见作用是反映电机在不同转速和转矩下电机的效率的分布情况。在永磁同步电机的设计中,电机的效率的分布和高效区域占总区域的比例十分重要。在永磁同步电机的实际运行中,是否选择到合理的运行区间,使得电机能够在实际运行当中运行在高效率区域,这对电机的性能十分重要。
目前车用永磁同步电机应对温度引起的力矩输出扰动,工程上一般基于MAP方法对温度数据进行标定。该方法需要基于长期经验数据,反复试凑标定。
现有技术二的缺点为:电机效率MAP图,主要反映在不同的电机转速下的电机效率分布,现有的电机技术只能通过检测固定的温度点下电机的实际输出转矩,再查找供应商提供的表格上期望的输出转矩,然后调整电机的驱动电流,使输出转矩达到期望数值。这种调整方法在实际操作过程中要在不同情况下作出相应的调整,大大增加了操作程序,十分繁琐,且不能应对温度的连续变化,控制精度有限。
3.现有技术三的技术方案
基于控制策略对永磁同步电机的进行补偿的研究有:
1)针对电压源逆变器非线性增益的基于扩展PI参考模型补偿。
2)条件PID补偿:对永磁伺服电动机驱动液压源流量控制系统,设定阈值确定PID控制的触发,补偿由于温度、负载压力引起的输出量波动。
3)磁场谐波抑制进行的补偿。
4)基于反推自适应控制的摩擦力矩补偿。
现有技术三的技术方案例如:《模型与条件PID补偿的永磁伺服电动机驱动液压源流量控制》、《基于PMSM扩展PI参考模型的VSI非线性补偿》、《永磁同步电机磁场谐波抑制的补偿控制仿真》、《基于反推自适应控制的永磁同步电机摩擦力矩补偿策略》等。
现有技术三的缺点为:但对永磁同步电机的温度输出补偿很少有相关成果公开。
4.现有技术四的技术方案
不考虑对输出力矩、温度、谐波等扰动因素抑制或补偿的前提下,矢量控制是永磁同步电机最常见的控制器之一。矢量控制实际上就是对电动机定子的电流矢量相位与幅值的控制方法。由电机的状态方程Te=p[λmiq+(Ld-Lq)idiq]可以看出,当电机的永磁磁链(λm)和交直流电感(Ld、Lq)确定之后,转矩就由id,iq控制。而一定的转速、转矩所对应的通过电机对于电流的控制,使实际的id和iq跟踪指令和这样就可以实现对电机转矩和转速的控制。永磁同步电机的空间矢量图如图1所示:
现有技术四的缺点为:永磁同步电机的矢量控制系统有如下几个缺点:1、系统的稳定性主要取决于电力电子器件的稳定性以及控制器的稳定性。2、电机的控制系统往往十分复杂,且结构繁琐,他的控制精度取决于系统的采样精度和计算精度。3、控制系统的成本往往较高。最主要的问题是不可能考虑对温度引起的扰动,无法对其进行定量研究,更不可能对其进行有效抑制。
发明内容
本发明所要解决的技术问题:由于被控对象(永磁同步电机)是复杂的且具有不确定性,且对永磁同步电机的输出转矩、输出转速有较大影响。部分实验数据如图2,现阶段的研究主要专注于温度对电子绕组电阻的影响,而温度对于永磁体永磁磁链的影响则没有进行有突破现行的研究。现有对永磁同步电机温度扰动的研究,多基于有限元分析获得温度场模型。针对该模型进行温度扰动因素的补偿不易实现。
本发明采用的技术方案为:一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法,该方法包括如下步骤:
步骤(1)、分析温度对车用永磁同步电机的影响,永磁体材料对温度的敏感性很大,温度的变化会对永磁体的剩磁和矫顽力产生影响,而这二者又会引起永磁体磁链的变化,同时温度的变化也会引起定子电阻的变化,由PMSM电磁转矩公式Te=p[λmiq+(Ld-Lq)idiq],可以看出温度的变化将影响电机输出转矩;其中id和iq是定子电流在d-q坐标系下的分量,λm是永磁体产生的磁链,P是极对数,Ld和Lq是定子绕组电感在d-q坐标系下的分量;
步骤(2)、温度补偿器的结构是在经典永磁同步电机矢量控制系统的基础上,在转矩检测信号和转矩指令信号比较后,再与经由BP神经网络输出的预测转矩做比较,此BP神经网络的输入量含有温度数据,可估算不同温度下电机的输出转矩,调整控制信号,从而对电机输出转矩作出相应的补偿,算法构成上:使用的是BP神经网络模型,并使用思维进化算法(MEA)优化BP神经网络权值和阈值,此模型输入量有三个:分别是定子电流在两相旋转坐标下纵轴和横轴的电流量分量以及实时温度,使系统可以在不同的温度下调整控制量,对因温度影响下输出转矩波动作出相应补偿,程序实现上:可采用DSP、ARM或工控机等作为控制核心,在芯片上根植建模和控制程序软件;
步骤(3)、永磁同步电机在d-q坐标系下的同步旋转状态方程为:
其中id和iq是定子电流在d-q坐标系下的分量,λm是永磁体产生的磁链,P是极对数,R是定子电阻,Ld和Lq是定子绕组电感在d-q坐标系下的分量,Jm是转动惯量,Bm是粘性摩擦系数,wr是电机转速,Tl为负载转矩;
由永磁同步电机在d-q坐标系下的同步旋转状态方程和空载状态下忽略摩擦损耗因素,电机电磁转矩公式:Te=p[λmiq+(Ld-Lq)idiq],由于温度的变化会影响方程中的λm和R的值,由定子电阻随温度变化的方程:R(T)=R0+ΔR=R0(1+αΔT/100),α是铜电阻随温度变化时的电阻温度系数,R0是25℃时定子电阻阻值,温度对于永磁磁链的影响则是通过使用Maxwell 2D软件仿真出不同温度下的永磁磁链的数据,对于得到λm和温度T的关系使用matlab曲线拟合工具,得到其函数表达式λm=0.04441-8.929×10-5T,其中25℃≤T≤150℃,则在simulink中搭建的电机模型中电阻温度方程和磁链温度方程搭建输入T输出为R和λm的子模块,模型中subsystem是根据λm=0.04441-8.292×10-5T和R(T)=R0+ΔR=R0(1+αΔT/100)方程搭建而成,subsystem1是根据和构建而成,模型中Subsystem2是根据构建而成的,模型中Subsystem3是根据Te=p[λmiq+(Ld-Lq)idiq]搭建而成的。Subsystem、subsystem1、subsystem2和subsystem3的输入输出量之间是彼此耦合的,subsystem的输入量是温度T,输出量是:R和λm,subsystem1的输入量是:ud、uq、R、λm和wr,输出是:id和iq,subsystem2的输入量是:id、iq、λm和Tl,输出是:wr,subsystem3的输入量是:iq、id和λm,输出量是:Te。Subsystem的输出量是subsystem1、subsystem2和subsystem3的输入量。Subsystem1的输出是subsystem2和subsystem3的输入量,而subsystem2输出量又是subsystem1的一个输入量,子模块的输入输出量之间彼此耦合。
进一步的,步骤(1)中使用思维进化算法优化BP神经网络权值、阈值,并将优化过的BP神经网络算法用于电机的输出转矩的温度补偿策略,在不改变原有电路结构的基础上加入BP神经网络算法,提高车用永磁同步电机的力矩输出平滑性,提高驱动性能。
进一步的,步骤(2)中simulink搭建的模型中带有温度扰动作为输入量,基于此模型可研究温度的变化对于PMSM输出转矩、转速输出参量的影响。
本发明与现有技术相比的优点在于:
(1)永磁电机在不同温度下运行时,当温度从冷态运行到热态时,钕铁硼永磁电机和铁氧体永磁电机每极气隙磁通分别减少约12.6%和18%~20%,由此导致电机输出转矩减少,本发明中采用温度补偿控制系统,控制器根据不同的电机温度,调节控制量,对电机进行实时控制,以得到平滑的输出转矩。
(2)减少了技术人员的操作难度,不需要根据效率MAP图实时调整电压控制量,能够根据温度的连续变化实时调整,大大提高了控制精度。
(3)本发明中,针对温度对定子电阻和永磁磁链的影响,建立神经网络模型描述温度对车载永磁同步电机中多参数的非线性耦合作用;并基于所建立的神经网络模型,设计对于输出转矩的温度补偿器,使得对电机能够进行有效的、连续的控制,得到理想的、平滑的输出转矩。
附图说明
图1为永磁同步电机的空间矢量图;
图2为不同温度下的反向电动势和不同工作温度下的速度转矩曲线示意图,其中,图2(a)为不同温度下的反向电动势曲线示意图,图2(b)为不同工作温度下的速度转矩曲线示意图;
图3为PMSM的simulink仿真模型;
图4为Subsystem1的simulink模型;
图5为subsystem2的simulink模型;
图6为subsystem3的simulink模型;
图7为仿真结果;
图8为思维进化算法(MEA)优化BP神经网络流程图;
图9为BP神经网络结构图;
图10为温度补偿系统的神经网络控制器的控制框图;
图11为主程序流程图;
图12为通讯中断服务子程序流程图;
图13为PWM中断服务自程序;
图14为故障终端服务自程序。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
本发明一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法,具体包括如下步骤:
1.温度对PMSM输出转矩的影响分析
电机电流为三相对称电流,假设忽略转子阻尼,铁芯饱和,铁耗。永磁同步电机在d-q坐标系下的同步旋转状态公式如下;
假设电机处于空载状态下且忽略摩擦损耗等,电磁转矩公式为:
Te=p[λmiq+(Ld-Lq)idiq] (2)
其中id和iq是定子电流在d-q坐标系下的分量,λm是永磁体产生的磁链,P是极对数,R是定子电阻,Ld和Lq是定子绕组电感在d-q坐标系下的分量,Jm是转动惯量,Bm是粘性摩擦系数,wr是电机转速,Tl为负载转矩。由厂家提供的数据表格上可以看到:定子电阻随温度升高或降低发生线性变化,拟合公式为:R(T)=R0+ΔR=R0(1+αΔT/100),α是铜电阻随温度变化时的电阻温度系数,R0是25℃时定子电阻阻值。
永磁体的消磁曲线对于温度十分敏感,升高的温度会导致永磁体的不可逆消磁。所以必须要将温度考虑进电机的性能中去。温度对于永磁体场效应的影响,可基于有限元分析进行建模,但该模型无法直接进行控制器设计。本发明使用ANSOFT Maxwell2D建立某型号永磁电机模型,分别获取温度从25℃变化至150℃,A相磁链仿真结果矫顽力Hc和剩磁Br与温度T的关系如式(3)所示:
其中T0=25℃是参考温度,α1=-0.09%和α2=-0.5%是温度系数B(T0)=1.29T,Hc(T0)=-907KA.m-1,为参考温度下矫顽力和剩磁的初始值。
为了分析温度对PMSM输出力矩的可能影响,进行基于ansoft的仿真研究如下:
第一步,使用ANYSY Maxwell2D画一个本发明所用到的24槽16极的电机模型。
第二步,在模型左侧的Sheet下拉菜单中找到永磁体材料N38EH,选中右击属性,在ew/Edit Materials选项中选择Properties for Permanent Magnet设置不同温度下,永磁体的剩磁和矫顽力的数值。
第三步,在Project Manage菜单下的Analysis下设置Setup,设置仿真步长和结束时间。
第四步,右击Results选项,在Create Transiene Report选项中,选择RetangularPlot,在弹出的对话框中,选择winding Fluxlinage(PhaseA),点击New Report,就会在Result下找到一个XY plot的选项,右击Analysis选择Analyze选项,软件就开始对电机模型进行仿真。
第五步,仿真结束后,将得到的数据导出在excel表格中。取其峰值就是各个温度下的永磁磁链的值,分析这组数据,对于得到λm和温度T的关系使用matlab曲线拟合工具,得到其函数表达式λm=0.04441-8.929×10-5T,其中25℃≤T≤150℃。由公式(2)可以看到在不考虑温度对于Ld和Lq的影响下,转矩和温度的关系就可以通过表达式的形式表现出来,由此转矩的温度补偿控制器设计思路就很清晰了,对所获得的数据将基于神经网络进行分析。
2.带温度扰动量的永磁同步电机simulink模型
由于现有的PMSM模型当中并未考虑温度与对输出转矩的影响,因此本发明在式(1)和式(2)以及R(T)=R0+ΔR=R0(1+αΔT/100)和λm=0.04441-8.929×10-5T的基础上,设计了如图3所示的带温度扰动量的PMSM模型。图4、图5和图6分别是各个子模块的模型。
这里以subsystem1为例,简要描述电机模型的搭建方法。Subsystem1是以状态方程中的和构建而成。该模块中以id和iq为输出,以ud、uq、id、iq、λm和R为输入量,其中id和iq是定子电流在d-q坐标下的分量,R是定子电阻,λm是永磁磁链,wr是电机转速,ud和uq是定子电压在d-q坐标系下的分量。上述方程的输出是id和iq的一阶微分量,要将输出量带入带方程中则模型必须要加一个积分器。R和iq经过一个乘法器,之后再增益倍,同理id和wr乘积后增益倍,λm和wr乘积后增益倍,uq增益这四个输出经add加法器相加之后,就得到了,在它后面加一个积分器就得到了iq。同样原理构建表达式的simulink模型。这样就构建的subsystem1的模型了。其他子模块同理。
将本发明中根据微分方程搭建的电机模型用在控制系统中进行仿真分析,仿真结果如图7所示,在给定转矩为80N.m时,在0—1s时,电机由25℃升高到150℃,电机输出逐渐转矩下降,当我们在1s之后温度补偿控制器对转矩进行补偿,输出转矩逐渐接近我们的预期结果。
基于上述模型,可对车用永磁同步电机进行仿真研究,测试在已知输入和固定参数的情况下,PMSM输出转矩受温度因素的影响程度及定量分析。
3.车载永磁同步电机中温度扰动的神经网络控制器设计
BP神经网络实现了从输入到输出的映射关系,特别适合求解内部机制复杂的问题,具有较强的非线性映射能力。BP神经网络能够通过学习自主提取输入输出间的合理映射关系,并将学习内容及记忆于连接权值中。权值和阈值的选取,对神经网络的的逼近能力和拟合效果有至关重要的影响,本发明引入MEA算法对所选用的BP神经网络进行参数优化。根据BP神经网络拓扑结构,将解空间映射到编码空间,每个编码对应着一个解。本发明中的网络拓扑结构是3-5-1,编码长度=输入层神经元个数*隐含层神经元个数+隐含层神经元个数*输出层神经元个数+隐含层神经元个数+输出层神经元个数。所以本发明编码长度是26。
思维进化算法的应用步骤是:
1、使用初始种群产生函数initpop_generate()产生权值和阈值的初始种群体,再利用subpop_generate()产生临时子群体和优胜子群体。
2、各个子群体内部的个体为成为胜者而进行局部竞争,这就是趋同过程。若一个子群体不再产生新的胜者,则这个群体的竞争结束,该群体的最佳得分就是该子群体中最优个体的得分,并把得分放在全局公告板上。当所有子群体全部成熟,趋同操作结束。
3、成熟的子群体为了成为胜者而进行全局竞争,不断探索新的解空间,这就是异化操作。在全局公告板的得分上,可以比较各优胜子群体和临时子群体的得分。完成各子群体之间的替换和个体释放,最后就得到了全局最优个体及其得分。
4、异化结束之后,被释放的个体重新纳入新的临时子群体中,重复趋同和异化操作,直到最优个体的得分不再提高或者迭代结束,则认为运算收敛,输出最优个体。
5、根据编码规则,对寻找的最优个体进行解码,产生BP神经网络的初始权值和阈值。
6、将优化得到的权值和阈值作为BP神经网络的初始权值阈值,利用训练集样本对神经网络进行学习和训练。
利用进化思维方法对于权值和阈值进行优化。首先根据BP神经网络的拓扑结构,将空间映射到编码空间,每个问题对应一个解。本发明的BP神经网络拓扑结构为3-5-1。然后利用思维进化方法,经过不断迭代,输出最优个体,并以此作为初始权值和阈值,训练神经网络,设计流程如图8所示。
BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer)。本发明中,输入层的个数为三个,分别是经过PI调节器整定后的d-q坐标系下的电流idref和iqref以及温度T,只含有一个输出量转矩,隐含层的节点数选择5,其中隐含层的激励函数f(x)是双曲正切s函数,使用的BP神经网络的结构式如图9所示。
在不改变原有车载永磁同步电机的硬件结构基础上,增加基于神经网络的温度补偿策略,提高电机输出的平稳性。此补偿器可在现有各种控制策略的基础上,提高系统的整体性能。原有PMSM的控制策略常见包括:最大输出功率控制、弱磁控制、最大转矩/电流控制等,均可与本发明所提出的温度补偿器结合。
将神经网络的非线性逼近能力以及其分布式结构所具有的容错性和逆系统解耦线性化的特点结合起来,用以搭建构造神经网络的系统,可以得到具有良好鲁棒性和适应性的控制器。本发明中结合原有矢量控制系统和PID控制器构造易于实现的动态神经网络系统。图9就是温度补偿系统的神经网络控制器的控制框图。
图10中可以看出,本发明可采用DSP、单片机或工控机等处理器作为控制核心,在芯片上根植建模和控制程序软件。周边硬件电路一般包括电流检测电路、温度检测电路、转矩检测电路、逆变电路(含驱动电路)以及位置检测电路。逆变可采用SVPWM的方式(亦可采用其他控制方式,只要保证数据来源,即可应用本发明提出的补偿策略),可输出六路PWM信号用以驱动三相逆变器中的IGBT。
不失一般性,温度检测电路、转矩检测电路、电流检测电路以及位置检测电路这四路信号都由外围电路的借口直接连接到DSP的输入输出外围接口,然后根据相应的设置,读出检测到的具体数值。本发明的具体控制过程为:如图3,首先转矩检测信号Te和转矩指令信号Teref之间相比较,再和经过由BP神经网络输出的转矩补偿ΔTeref相比较,经由PI调节器的调节输出指令信号Idref和Iqref,其中Idref和Iqref以及温度T将作为BP神经网络的三个输入,神经网络构建的一个闭环对转矩进行前馈补偿。定子侧的三相交流电经Clarke变换、Park变换变成Id和iq,分别进一步与Idref和Iqref比较经过电流环PI调节器得到d-q坐标系下的Vdref和Vqref,在经过Park逆变换得到α-β坐标系下的Vαref和Vβref,逆变采用的是SVPWM的方式,可输出六路PWM信号用以驱动三相逆变器中的IGBT,其产生电压幅值、频率可变的三项交流电到定子电枢中,从而驱动电机。经比较发现得到的输出转矩和预期转矩误差将会很小,则对用车用永磁同步电机温度补偿策略被证明是有效的。
转矩检测信号Te和转矩指令信号Teref之间相比较,再和经过由BP神经网络输出的转矩补偿ΔTeref相比较,经由PI调节器的调节输出指令信号Idref和Iqref,其中Idref和Iqref以及温度T将作为BP神经网络的三个输入,由此构建一个转矩的温度补偿控制器,最终得到一个平滑的输出转矩。
4.控制系统的软件设计
本发明的软件主要由两部分组成:一:上位机的监控程序。二:下位机的控制程序。上位机主要负责给定参数,包括转矩的给定值和温度的给定值及接收到的转矩当前值。下位机主要负责电流采样、转矩采样、矢量变换、PWM输出、串口通行、转矩显示以及故障输出等。
本发明上位机软件使用C++Builder6.0编制了上位机界面,只需要简单的设定参数及显示。主要介绍了下位机的主程序以及三个中断子程序。主程序主要负责DPS系统的初始化,各个参数的初始化和显示。其程序流程图如图11所示。
通讯中断自程序主要接收来自PC机的电机的参数,以及将转矩和温度信息传送给PC机。其程序流程图如图12所示。
PWM子程序则负责对A、B两相电流采样,并进行A/D转换,并根据传感器得到的数据计算位置以及转矩。对测量值进行矢量变换,SVPWM输出。其子程序流程图如图13所示。
故障显示终端服务子程序,当系统出现不可控的情况是时,则DSP就会立刻断电,关闭逆变电路,显示ERR用以保护电路。其程序流程图如图14所示。
本发明中静态神经网络使用的是BP网,也可以采用MLN网和RBF网,这两种网络构造的神经网络系统和采用BP神经网络具有相似的控制效果。
Claims (2)
1.一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法,其特征在于:该方法包括如下步骤:
步骤(1)、分析温度对车用永磁同步电机的影响,永磁体材料对温度的敏感性很大,温度的变化会对永磁体的剩磁和矫顽力产生影响,而这二者又会引起永磁体磁链的变化,同时温度的变化也会引起定子电阻的变化,由PMSM电磁转矩公式Te=p[λmiq+(Ld-Lq)idiq],可以看出温度的变化将影响电机输出转矩;其中id和iq是定子电流在d-q坐标系下的分量,λm是永磁体产生的磁链,P是极对数,Ld和Lq是定子绕组电感在d-q坐标系下的分量;
步骤(2)、温度补偿器的结构是在经典永磁同步电机矢量控制系统的基础上,在转矩检测信号和转矩指令信号比较后,再与经由BP神经网络输出的预测转矩做比较,此BP神经网络的输入量含有温度数据,可估算不同温度下电机的输出转矩,调整控制信号,从而对电机输出转矩作出相应的补偿,算法构成上:使用的是BP神经网络模型,并使用思维进化算法(MEA)优化BP神经网络权值和阈值,此模型输入量有三个:分别是定子电流在两相旋转坐标下纵轴和横轴的分量以及实时温度,使系统可以在不同的温度下调整控制量,对因温度影响下输出转矩波动作出相应补偿,程序实现上:采用DSP、ARM或工控机作为控制核心,在芯片上根植建模和控制程序软件;
步骤(3)、永磁同步电机在d-q坐标系下的同步旋转状态方程为:
其中id和iq是定子电流在d-q坐标系下的分量,λm是永磁体产生的磁链,P是极对数,R是定子电阻,Ld和Lq是定子绕组电感在d-q坐标系下的分量,Jm是转动惯量,Bm是粘性摩擦系数,wr是电机转速,Tl为负载转矩;
由永磁同步电机在d-q坐标系下的同步旋转状态方程和空载状态下忽略摩擦损耗因素,电机电磁转矩公式:Te=p[λmiq+(Ld-Lq)idiq],由于温度的变化会影响方程中的λm和R的值,由定子电阻随温度变化的方程:R(T)=R0+△R=R0(1+α△T/100),α是铜电阻随温度变化时的电阻温度系数,R0是25℃时定子电阻阻值,温度对于永磁磁链的影响则是通过使用Maxwell 2D软件仿真出不同温度下的永磁磁链的数据,对于得到λm和温度T的关系使用matlab曲线拟合工具,得到其函数表达式λm=0.04441-8.929×10-5T,其中25℃≤T≤150℃,在simulink中搭建的电机模型中电阻温度方程和磁链温度方程搭建输入T输出为R和λm的子模块,模型中subsystem是根据λm=0.04441-8.929×10-5T和R(T)=R0+△R=R0(1+α△T/100)方程搭建而成,subsystem1是根据和构建而成,模型中Subsystem2是根据构建而成的,模型中Subsystem3是根据Te=p[λmiq+(Ld-Lq)idiq]搭建而成的,Subsystem、subsystem1、subsystem2和subsystem3的输入输出量之间是彼此耦合的,subsystem的输入量是温度T,输出量是:R和λm,subsystem1的输入量是:ud、uq、R、λm和wr,输出是:id和iq,subsystem2的输入量是:id、iq、λm和Tl,输出是:wr,subsystem3的输入量是:iq、id和λm,输出量是:Te,Subsystem的输出量是subsystem1、subsystem2和subsystem3的输入量,Subsystem1的输出是subsystem2和subsystem3的输入量,而subsystem2输出量又是subsystem1的一个输入量,子模块的输入输出量之间彼此耦合。
2.根据权利要求1所述的一种基于神经网络的车用永磁同步电机输出转矩的温度补偿方法,其特征在于:步骤(1)中使用思维进化算法优化BP神经网络权值、阈值,并将优化过的BP神经网络算法用于电机的输出转矩的温度补偿策略,在不改变原有电路结构的基础上加入BP神经网络算法,提高车用永磁同步电机的力矩输出平滑性,提高驱动性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610967710.0A CN106357184B (zh) | 2016-11-01 | 2016-11-01 | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610967710.0A CN106357184B (zh) | 2016-11-01 | 2016-11-01 | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106357184A CN106357184A (zh) | 2017-01-25 |
CN106357184B true CN106357184B (zh) | 2018-06-15 |
Family
ID=57865230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610967710.0A Active CN106357184B (zh) | 2016-11-01 | 2016-11-01 | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106357184B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10333448B2 (en) * | 2017-04-10 | 2019-06-25 | GM Global Technology Operations LLC | Method for torque control systems and methods based on rotor temperature |
CN106872895A (zh) * | 2017-04-25 | 2017-06-20 | 天津工业大学 | 一种开关磁阻电机磁链特性检测装置及检测方法 |
CN108828885A (zh) * | 2018-05-03 | 2018-11-16 | 合刃科技(深圳)有限公司 | 光源模组及投影系统 |
CN109034390B (zh) * | 2018-08-07 | 2021-08-03 | 河北工业大学 | 基于bp神经网络三维磁特性测量的相角幅值pid自适应方法 |
CN110213735B (zh) * | 2018-10-26 | 2020-05-05 | 杭州天时亿科技有限公司 | 一种永磁电机的智能控制方法 |
GB2579633B (en) * | 2018-12-07 | 2023-02-01 | Zf Automotive Uk Ltd | A method of characterising a permanent magnet synchronous motor |
CN112214050B (zh) * | 2019-07-09 | 2022-07-08 | 西门子瑞士有限公司 | 执行机构的温度补偿方法以及执行机构 |
CN110889218B (zh) * | 2019-11-20 | 2023-09-01 | 天生桥二级水力发电有限公司天生桥水力发电总厂 | 基于神经网络的水轮机非线性建模方法 |
CN111086399B (zh) * | 2019-12-30 | 2021-08-24 | 深圳市蓝海华腾技术股份有限公司 | 一种车辆、车辆驻坡控制方法与系统 |
CN111917350B (zh) * | 2020-06-22 | 2022-03-11 | 东南大学 | 一种磁链可调永磁辅助同步磁阻电机的多参数辨识方法 |
CN111814408B (zh) * | 2020-08-25 | 2024-02-09 | 安徽大学 | 一种基于条件变分自编码器的电机数据生成模型建模方法 |
CN112733301B (zh) * | 2021-01-21 | 2023-08-08 | 佛山科学技术学院 | 一种基于神经网络的六维力矩传感器重力补偿方法及系统 |
CN113719972B (zh) * | 2021-08-09 | 2022-12-13 | Tcl空调器(中山)有限公司 | 控制参数整定方法、装置、设备和计算机可读存储介质 |
CN114995545B (zh) * | 2022-05-31 | 2024-03-26 | 中国第一汽车股份有限公司 | 一种车辆热管理系统的控制方法、装置、设备及介质 |
CN116381480A (zh) * | 2023-03-30 | 2023-07-04 | 湖南雪墨电气科技有限公司 | 一种智能化脱硫脱硝除尘设备的监测方法、系统及介质 |
CN117294198B (zh) * | 2023-11-24 | 2024-02-20 | 珠海格力电器股份有限公司 | 一种电机磁链补偿方法、装置、存储介质及控制器 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070080249A (ko) * | 2007-07-02 | 2007-08-09 | 순천대학교 산학협력단 | 신경회로망을 이용한 ipmsm의 효율 최적화 제어시스템 |
CN105904996A (zh) * | 2016-04-22 | 2016-08-31 | 北京新能源汽车股份有限公司 | 电动汽车及其永磁同步电机的电流环控制方法和装置 |
CN106059418A (zh) * | 2016-06-17 | 2016-10-26 | 清华大学 | 一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法 |
-
2016
- 2016-11-01 CN CN201610967710.0A patent/CN106357184B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070080249A (ko) * | 2007-07-02 | 2007-08-09 | 순천대학교 산학협력단 | 신경회로망을 이용한 ipmsm의 효율 최적화 제어시스템 |
CN105904996A (zh) * | 2016-04-22 | 2016-08-31 | 北京新能源汽车股份有限公司 | 电动汽车及其永磁同步电机的电流环控制方法和装置 |
CN106059418A (zh) * | 2016-06-17 | 2016-10-26 | 清华大学 | 一种永磁同步直线电机神经网络自适应轨迹跟踪控制方法 |
Non-Patent Citations (1)
Title |
---|
"基于神经网络预测控制的PMSM";王群京等;《电气传动》;20081020;第38卷(第10期);第54-57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106357184A (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106357184B (zh) | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 | |
Diao et al. | Multiobjective system level optimization method for switched reluctance motor drive systems using finite-element model | |
CN103248306B (zh) | 永磁同步电机多参数解耦在线辨识方法 | |
Lu et al. | A new load torque identification sliding mode observer for permanent magnet synchronous machine drive system | |
CN110212710A (zh) | 一种车用永磁同步电机设计方法 | |
CN111914442A (zh) | 一种磁链可调永磁同步磁阻电机的建模方法 | |
CN105488315B (zh) | 风力发电机并网产生次同步振荡的分析方法 | |
CN109495031A (zh) | 一种基于ESO-CPC的激光追踪控制系统电机Simulink仿真方法 | |
CN101957884A (zh) | 混合励磁同步电机发电系统建模方法 | |
Cai et al. | A novel BVC-RBF neural network based system simulation model for switched reluctance motor | |
Liu et al. | Direct instantaneous torque control system for switched reluctance motor in electric vehicles | |
Yan et al. | Torque estimation and control of PMSM based on deep learning | |
CN109066793A (zh) | 一种微网逆变器的虚拟柴油发电机组控制方法 | |
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 | |
Ma et al. | Topology optimization of ferromagnetic components in electrical machines | |
Wang et al. | Low-switching-loss finite control set model predictive current control for IMs considering rotor-related inductance mismatch | |
Song et al. | Identification of PMSM based on EKF and elman neural network | |
CN105576651B (zh) | 一种中小水电机群混合并行动态等值法 | |
Qu et al. | Loss-minimizing control of synchronous reluctance motors—A review | |
Xie et al. | Optimal speed–torque control of asynchronous motor for electric cars in the field-weakening region based on voltage vector optimization | |
Dogan et al. | Application of speed control of permanent magnet synchronous machine with PID and fuzzy logic controller | |
Dexin et al. | A direct field-circuit-motion coupled modeling of switched reluctance motor | |
Tursini et al. | Nonlinear model suitable for the offline cosimulation of fault-tolerant PM motors drives | |
Keshari et al. | Performance Analysis of PMSM-Electric Vehicle with Fuzzy Logic Controller | |
Yu et al. | Modeling and analysis of limited-angle torque motor considering nonlinear effects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |