CN107370433A - 基于pid自学习时滞补偿器的电流谐波补偿方法 - Google Patents

Abstract

本发明公开了一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，首先，通过注入谐波电流，产生与定位力矩幅值相等、大小相反的转矩分量实现对定位力矩引起的转矩波动的补偿；然后通过PID自学习时滞补偿器以使得谐波电流产生的力矩分量与定位力矩无时滞误差；最后，利用自学习链预测时滞的积累误差，提出时滞误差预测自补偿控制器。本发明所达到的有益效果：抑制由于电机定位力矩引起的转矩波动，补偿器解决了定位力所带来的转矩波动，有效地降低电动汽车驱动电机的速度脉动，从而抑制了振动、噪声等现象；能够使得谐波电流产生的转矩分量与定位力矩无时滞误差，达到改善系统响应输出特性的目的。

Description

基于PID自学习时滞补偿器的电流谐波补偿方法

技术领域

本发明涉及一种用于电动汽车驱动系统的电流谐波补偿技术，具体涉及一种基于PID自学习时滞补偿器的电流谐波补偿方法。

背景技术

电动汽车是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆。由于对环境影响相对传统汽车较小，其前景被广泛看好，其发展是石油危机及人们对环境要求的必然产物。与内燃机汽车相比，电动汽车是以车载电源为动力，用电动机驱动车轮行驶，且满足道路安全法规对汽车的各项要求的车辆。制约电动汽车行业发展的关键问题是一次充电续驶里程和价格。目前在车载蓄电池技术未能突破的条件下，电动汽车的电驱动系统的性能便成为解决这一关键问题的重要因素。这就要求电动汽车电驱动系统应具有尽可能高的可靠性及在整个电动汽车驱动范围内具有尽可能高的效率。

初级永磁型磁通切换(FSPM)电机具有永磁电机的高功率密度和感应电机定子结构简单的双重优点,且定子仅由导磁铁心组成，因此在电动车领域中使用，具有一定的优势，但该类电机的定位力矩、参数扰动、以及摩擦力等非线性因素造成的转矩波动直接反映到电机转子及控制器上，引起电动汽车运行过程中的振动噪声，从而造成机械损伤。其中电机的定位力矩是由于永磁磁场的存在，转子和定子的双凸极结构相互作用引起，虽然永磁型磁通切换电机具有初级永磁结构带来的性能优势，但该类电机双凸极的结构本质造成定位力矩较高的缺点。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于PID自学习时滞补偿器的电流谐波补偿方法，将PID自学习时滞补偿器、电流谐波抑制算法、以及矢量控制结合在一起，克服电动汽车驱动控制系统中出现的因电机定位力矩、摩擦力及参数变化等不确定性因素引起的转矩波动，从而造成系统不稳定、控制精度差和动态响应能力低等问题

为了实现上述目标，本发明采用如下的技术方案：

一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，包括如下步骤：

1)控制d轴电流i_d＝0，将外环作为速度环，内环作为电流环，控制q轴电流i_q实现对电流转矩的线性化控制，同时得到补偿电流i_qc；

2)在电路中加入PID自学习时滞补偿器，其中，γ(t)为输入信号，为系统输出，d(t)为时滞误差输入，L为t域到s域的拉普拉斯变换，G(s)为控制对象，分别对应表示时滞补偿器前馈的比例系数、积分系数、微分系数，分别表示反馈时滞补偿器的比例系数、积分系数、微分系数； 分别为系统输出的比例系数分量、积分系数分量、微分系数分量，L表示时变电感，R表示时变电阻；

所述时滞补偿器的输出信号分解为

3)建立数据关系：采用状态方程求解法进行求解；

4)为使接近于表示实际输出，表示理想输出，定义函数确定使得ε(t)的取值最小，即可确定能够在[0T]，[0T]表示这个周期，依据经验值选择，完成动态过程，实现对定位力矩的时滞补偿；

5)利用自学习链预测时滞的积累误差，提出时滞误差预测自补偿控制器，建立目标函数对状态反馈系数进行追踪，并通过自学习链预测后将原预测时滞误差d_i自学习为M_di。

进一步地，所述步骤1)中具体内容为：在驱动系统中加入谐波电流抑制环，通过注入谐波电流，产生与定位力矩幅值相等、大小相反的转矩分量实现对定位力矩引起的转矩波动的补偿，补偿电流记为i_qc。

加入谐波电流抑制环的FSPM电机矢量控制框图如图1所示，图1中各变量的含义为：F_e为电磁转矩，K_F为转矩常数；i_q为q轴电流，ψ_PM为永磁铁磁链，τ_ρ为LFSPM电机极距，电枢绕组传递函数为1/(R_s+Ls)，Ls表示为电枢电感L复频域中的形式，R_s表示电枢电阻，在K_i为电流调节器中电流环增益，K_v为速度调节器中速度环增益，v^*为转速给定，v为实际转速，i_qr ^*为q轴电流给定值，i_qc为补偿电流，i_q ^*为补偿后的q轴电流值，1/s为积分函数，F_c(x)是以转子位置x为周期的定位力矩函数，i_qc为q轴电流补偿值，M为转动惯量，B_m为阻尼系数。

给出FSPM电机给定速度v^*，经过速度增益K_v后得出q轴给定电流i_qr ^*，通过i_qc的补偿电流，得i_q ^*＝i_qr ^*-i_qc，i_q ^*与i_q的差值经电流环增益K_i得出q轴电压u_q，随后得出实际电流i_q＝u_q/(R_s+Ls)，根据公式可得出FSPM电机电磁转矩从而对FSPM电机动子1/(Ms+B_m)进行控制。另谐波抑制环根据速度传感器检测的v经过积分环节1/s可得出位置信号x，将位置信号x带入F_c(x)，因此i_qc＝F_c(x)/K_F。

进一步地，所述步骤3)中具体内容为：

31)在三相电流中任取其中一相，建立电动机的数学模型；

32)将步骤31)中的数学模型的方程离散化得到离散方程；

33)根据步骤32)计算的结果，利用离散方程即可求出电机的时变参数。

进一步地，所述步骤31)中模型为：Ldi/dt+iR＝Δu，上式中i为电流，Δu为端电压。

进一步地，所述步骤32)中方程离散化得到离散方程L(i_k-i_k-1)/T_sat+iR＝Δu，i_k表示第k次电流检测值，转变成矩阵形式[i_k i_k-1]×[x₁ x₂]^T＝Δu_k，其中，x₁＝L/T_sat+R，x₂＝-L/T_sat；T_sat为采样时间。

进一步地，所述步骤33)根据步骤32)计算出x₁、x₂后，利用离散方程即可求出电机的时变参数L和R，其中，

进一步地，所述步骤2)中PID自学习时滞补偿器的工作原理是：将控制器的输出信号，同时通过前馈的比例系数、积分系数、微分系数的运算后，再引入时滞误差输入数据d(t)后，通过反馈时滞补偿器的比例系数、积分系数、微分系数的运算控制误差的产生。

进一步地，所述步骤5)具体内容为：

利用自学习链预测时滞的积累误差，形成时滞误差预测自补偿控制器：对于第i时刻，在时滞为d_i时的系统输出为其中，表示经预测后作用于系统的最终控制器输出序列；

采用自学习补偿后，第i时刻系统对应d_i＝M_di，其中M_di表示自学习链预测时滞，控制器输出为其中为具有自学习链预测时滞的预测控制器输出。

本发明所达到的有益效果：1、本方法能够很好地抑制由于电机定位力矩引起的转矩波动，所设计的补偿器解决了定位力矩所带来的转矩波动，有效地降低电动汽车驱动电机的速度脉动，从而抑制了振动、噪声等现象；2、本发明设采用的基于状态方程辨识的PID自学习时滞补偿器能够使得谐波电流产生的力矩分量与定位力矩无时滞误差；3.本发明采用的自学习预测补偿控制器，通过自学习链预测提高预测时滞误差，达到改善系统响应输出特性的目的

附图说明

图1是本发明的原理图；

图2是PID自学习时滞补偿器的原理图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

在本实施例中，加入谐波电流抑制环的FSPM电机矢量控制框图如图1所示，图1中各变量的含义为：F_e为电磁转矩，K_F为转矩常数；i_q为q轴电流，ψ_PM为永磁铁磁链，电枢绕组传递函数为1/(R_s+Ls)，Ls表示为电枢电感L复频域中的形式，R_s表示电枢电阻，K_i为电流调节器中电流环增益，K_v为速度调节器中速度环增益，v^*为转速给定，v为实际转速，i_qr ^*为q轴电流给定值，i_qc为补偿电流，i_q ^*为补偿后的q轴电流值，1/s为积分函数，F_c(x)是以转子位置x为周期的定位力矩函数，i_qc为q轴电流补偿值，M为转动惯量，B_m为阻尼系数。

给出FSPM电机给定速度v^*，经过速度增益K_v后得出q轴给定电流i_qr ^*，通过i_qc的补偿电流，得i_q ^*＝i_qr ^*-i_qc，i_q ^*与i_q的差值经电流环增益K_i得出q轴电压u_q，随后得出实际电流i_q＝u_q/(R_s+Ls)，根据公式可得出FSPM电机电磁转矩从而对FSPM电机动子1/(M_s+B_m)进行控制。另谐波抑制环根据速度传感器检测的v经过积分环节1/s可得出位置信号x，将位置信号x带入F_c(x)，因此i_qc＝F_c(x)/K_F。

图2中F(s)为时滞补偿器前馈函数，B(s)为时滞补偿器反馈函数，L为t域到s域的拉普拉斯变换，γ(t)为输入信号，为系统输出信号，因为F(s)、B(s)均为s域中的函数，因此γ(t)、与d(t)经过拉普拉斯变换得到s域函数γ(s)、与d(s)

本发明包括如下步骤：

1)控制i_d＝0，将外环作为速度环，内环作为电流环，控制q轴电流i_q实现对电流转矩的线性化控制，得到补偿电流i_qc，具体的技术手段是在驱动系统中加入谐波电流抑制环，通过注入谐波电流，产生与定位力矩幅值相等、大小相反的转矩分量实现对定位力矩引起的转矩波动的补偿，补偿电流记为i_qc，并计算i_qc和i_q之间的时滞误差γ(t)，作为PID自学习时滞补偿器的输入。如图1所示。

2)当电动车处于运行状态时，补偿电流i_qc产生的定位力矩存在一定的时滞现象，因此加入一种PID自学习时滞补偿器以使得谐波电流产生的力矩分量与定位力矩无时滞误差，达到改善系统响应输出特性的目的。

通过在电路中加入PID自学习时滞补偿器，其中，γ(t)为输入信号，为系统输出信号，d(t)为外界扰动、突加负载等干扰所引起的时滞扰动，L为t域到s域的拉普拉斯变换，G(s)为控制对象，分别对应表示时滞补偿器前馈的比例系数、积分系数、微分系数，分别表示反馈时滞补偿器的比例系数、积分系数、微分系数；分别为系统输出的比例系数分量、积分系数分量、微分系数分量，L表示时变电感，R表示时变电阻；

如图2所示，时滞补偿器的输出信号分解为

3)建立数据关系：采用状态方程求解法进行求解，具体地步骤为：

31)在三相电流中任取其中一相，建立电动机的数学模型：Ldi/dt+iR＝Δu，上式中i为电流，Δu为端电压；

32)将步骤31)中的方程离散化得到离散方程L(i_k-i_k-1)/T_sat+iR＝Δu，i_k表示第k次电流检测值，转变成矩阵形式[i_k i_k-1]×[x₁ x₂]^T＝Δu_k，其中，x₁＝L/T_sat+R，x₂＝-L/T_sat；T_sat为采样时间；

33)根据步骤32)计算出x₁、x₂后，利用离散方程即可求出电机的时变参数L和R，其中，

4)若不考虑时滞的影响，若系统参考输入定义为γ(t)，则G_r(s)的理想系统输出为为使接近于定义函数确定 使得ε(t)的取值最小，即可确定能够在[0T]完成动态过程，实现对滤波器的时滞补偿。

5)利用自学习链预测时滞的积累误差，提出时滞误差预测自补偿控制器，建立目标函数对状态反馈系数进行追踪，并通过自学习链预测后将原预测时滞误差d_i自学习为M_di。

对于第i个时刻，在时滞为d_i时的控制输入为(10)，其中，0≤d_i≤d_imax表示系统某一时刻存在的时滞，d_imax一般是根据实验过程中出现的时滞最大值，i＝1，2，…，r，r表示数量值，表示第i时刻系统的控制器输出，T_c表示时滞预测时间，为不同系统状态在时滞为d_i情况下的最优状态反馈控制律，x_j表示在j状态下的时滞响应，j＝1，2，…，n，因此x₁(T_c-d_i)，x₂(T_c-d_i)，…x_n(T_c-d_i)表示系统的状态信号传输存在时滞。

系统输出为(11)，其中，表示经自学习后，作用于系统的最终控制器输出序列。

首先设时滞参数d_i，建立目标函数对状态反馈系数进行追踪，计算目标函数值M_di，这里根据预测控制的基本思想，目标轨迹为平衡位置0，因此目标函数如

把式(10)中的时滞d给定为自学习链预测的时滞，便可以得到具有自学习链链预测的时滞预测控制器如式(13)。

第i个时刻，对d_i＝M_di，预测时滞为M_di时的控制输入为

其中M_di表示自学习链预测时滞。

控制器输出为(14)，其中为具有自学习链预测时滞的预测控制器输出。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，包括如下步骤：

1)控制d轴电流i_d＝0，将外环作为速度环，内环作为电流环，控制q轴电流i_q实现对电流转矩的线性化控制，并得到补偿电流i_qc；

2)在电路中加入PID自学习时滞补偿器，其中，γ(t)为输入信号，为系统输出，d(t)为时滞误差输入，L为t域到s域的拉普拉斯变换，G(s)为控制对象，分别对应表示时滞补偿器前馈的比例系数、积分系数、微分系数，分别表示反馈时滞补偿器的比例系数、积分系数、微分系数； 分别为系统输出的比例系数分量、积分系数分量、微分系数分量，L表示时变电感，R表示时变电阻；

所述时滞补偿器的输出信号分解为

3)建立数据关系：采用状态方程求解法进行求解；

4)为使接近于表示实际输出，表示理想输出，定义函数确定使得ε(t)的取值最小，即可确定能够在[0T]，[0T]表示这个周期，依据经验值选择，完成动态过程，实现对定位力矩的时滞补偿；

5)利用自学习链预测时滞的积累误差，提出时滞误差预测自补偿控制器，建立目标函数对状态反馈系数进行追踪，并通过自学习链预测后将原预测时滞误差d_i自学习为M_di。

2.根据权利要求1所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤1)中具体内容为：在驱动系统中加入谐波电流抑制环，通过注入谐波电流，产生与定位力矩幅值相等、大小相反的转矩分量实现对定位力矩引起的转矩波动的补偿，补偿电流记为i_qc，并计算i_qc和i_q之间的时滞误差γ(t)，作为PID自学习时滞补偿器的输入。

3.根据权利要求1所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤3)中具体内容为：

31)在三相电流中任取其中一相，建立电动机的数学模型；

32)将步骤31)中的数学模型的方程离散化得到离散方程；

33)根据步骤32)计算的结果，利用离散方程即可求出电机的时变参数。

4.根据权利要求3所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤31)中模型为：Ldi/dt+iR＝Δu，上式中i为电流，Δu为端电压。

5.根据权利要求4所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤32)中方程离散化得到离散方程L(i_k-i_k-1)/T_sat+iR＝Δu，i_k表示第k次电流检测值，转变成矩阵形式[i_k i_k-1]×[x₁ x₂]^T＝Δu_k，其中，x₁＝L/T_sat+R，x₂＝-L/T_sat；T_sat为采样时间。

6.根据权利要求5所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤33)根据步骤32)计算出x₁、x₂后，利用离散方程即可求出电机的时变参数L和R，其中，

7.根据权利要求1所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤2)中PID自学习时滞补偿器的工作原理是：将控制器的输出信号，同时通过前馈的比例系数、积分系数、微分系数的运算后，再引入时滞误差输入数据d(t)后，通过反馈时滞补偿器的比例系数、积分系数、微分系数的运算控制误差的产生。

8.根据权利要求1所述的一种基于PID自学习时滞补偿器的电流谐波补偿方法，其特征是，所述步骤5)具体内容为：

利用自学习链预测时滞的积累误差，形成时滞误差预测自补偿控制器：对于第i时刻，在时滞为d_i时的系统输出为其中，表示经预测后作用于系统的最终控制器输出序列；

采用自学习补偿后，第i时刻系统对应d_i＝M_di，其中M_di表示自学习链预测时滞，控制器输出为其中为具有自学习链预测时滞的预测控制器输出。