CN109347388A - 一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法 - Google Patents

Abstract

本发明公开了一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，包括检测模块采集k时刻的电流i_k和角度信号θ_k，由速度计算模块通过角度计算出k时刻转速ω_k，将采集的k时刻的电流i_k和角度信号θ_k输入MPC控制器，通过该MPC控制器预测出k+1时刻的磁链值ψ_k+1，进而计算出k+1时刻的电流值i_k+1，成本函数模块输出开关量占空比u_k，进而功率变换器通过开关量占空比u_k控制开关管的通断时间，保证开关磁阻电机的运行；最后将采集的速度信号ω_k输入自抗扰控制器中，并给定参考转速，通过该自抗扰控制器得出预测模块给定的参考电流i_ref。本发明采用了模型预测控制，可以实现模型的滚动优化与校正，提高模型的准确性和增加控制的稳定性，进而减小转矩脉动。

Description

一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法

技术领域

本发明涉及了一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，属于电机控制 技术领域。

背景技术

开关磁阻电机(Switched Reluctance Motor，SRM)具有结构简单，可靠性高，调速范围宽， 高启动转矩和无需永磁材料等突出特点，是新能源汽车用轮毂电机的热门课题。SRM的磁 场是由脉动电流产生的，因此由转矩脉动产生的振动和噪声成为SRM较为突出的缺点， 这严重限制了开关磁阻电机在轮毂电机领域的推广应用。因此对减少振动和降低噪声的探 讨，成为了国内外学者广泛关注的焦点。先进的控制方法可以一定程度上减小转矩脉动。

对于传统的PID控制，当被控对象处于经常变化的环境中时，需要根据环境的变化来 调整PID增益，因此PID控制在实际应用中不够灵活。相比之下模型预测控制(ModelPredictive Control，MPC)可以滚动优化其模型，且其逻辑简单、易处理非线性、多变量系统，在功率变换器控制算法中逐渐受到关注。根据控制器的状态组合与受控对象的物理特性，MPC可依据预测结果直接产生功率变换器驱动信号，易于降低开关管动作频率，动态 响应快。轮毂电机的工作环境较为恶劣，易对电机运行产生较大的干扰，因此对控制的鲁 棒性及稳定性具有较高的要求。自抗扰控制器可以不依赖于被控对象的精确数学模型，具 有很高的鲁棒性，且其结构简单、设计方便、抗干扰能力较强，可以提高控制系统的性能。

发明内容

本发明的目的构造一种自抗扰模型预测控制器。由自抗扰控制器将转速误差值确定为 电流参考值，由模型预测控制器实现精确的电流跟踪控制，提高开关磁阻轮毂电机控制的 鲁棒性及稳定性，减小电机运行的转矩脉动。

本发明的技术方案是：

一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，包括以下步骤：

检测模块采集k时刻的电流i_k和角度信号θ_k，由速度计算模块通过角度计算出k时刻 转速ω_k，将采集的k时刻的电流i_k和角度信号θ_k输入MPC控制器，通过该MPC控制器 预测出k+1时刻的磁链值ψ_k+1，进而计算出k+1时刻的电流值i_k+1，在MPC控制器中将给 定参考电流i_ref通过成本函数模块实现电流跟踪控制，成本函数模块输出开关量占空比u_k， 进而功率变换器通过开关量占空比u_k控制开关管的通断时间，保证开关磁阻电机的运行； 最后将采集的速度信号ω_k输入自抗扰控制器中，并给定参考转速，通过该自抗扰控制器得 出预测模块给定的参考电流i_ref。

进一步，MPC控制器的构建过程为：

2.1)建立开关磁阻电压平衡方程；

为减小电流模型预测控制器的计算负担，忽略涡流、相邻相之间的互感，得到开关磁 阻电机电压动态平衡方程：

其中i(t)和v(t)分别为连续时间下的相电流和相电压，R_res为相电阻，由于开关磁阻电机固 有的非线性特性，相电感L与转子位置θ和相电流i(t)有关，表示为L(θ，i(t))，为时变参数， ψ(t)为连续时间下的磁链值，与电感和电流有关，记为ψ(i(t)，L(θ，i(t)))；

2.2)建立单步预测模型，采集k时刻位置和电流值，即可预测k+1时刻的电流值；

将开关磁阻电机电压动态方程进行离散化，假设相电感在一个采样周期内保持不变， 采用欧拉离散公式可以得到电压方程的离散公式

其中a_k＝(1-RT_s/L_k)，b_k＝V_dcT_s，c_k＝1/L_k，T_s为采样周期，L_k为k时刻的电感，V_dc为外接电源 电压，u_k为PWM波占空比，用于控制功率变换器中的开关器件；

2.3)建立多步预测模型，采集k时刻位置和电流值，即可预测在预测时域P内的电流 值，并得到控制时域M内的控制变量Uk；

模型预测控制具有线性系统的叠加性，因此改写为的矩阵形式

其中M为控制时域，P为预测时域(M＜P)，为由k时刻磁链ψk预测的磁链矩阵，包含预测时域P内的各时刻的磁链值，A_k与B_k为系数矩阵，U_k为由k时刻所预测的控制变量 矩阵，包含控制时域M内各时刻的占空比；

模型预测控制是采用最优的控制量来实现控制目标，采用线性二次型成本函数来寻找 最优控制量，通过成本函数可以计算出k时刻的最优控制量u_k，并将该最优控制量输入给 功率变换器控制开关管的导通时间。

进一步，采用线性二次型成本函数来寻找最优控制量为：

其中Q和R分别为误差权重因子和控制权重因子，为k时刻所预测的电流矩阵，I_ref为给 定的电流的参考值，设定目标值减小电流脉动。

进一步，将采集的速度信号ω_k输入自抗扰控制器中，并给定参考转速，通过该自抗扰 控制器得出预测模块给定的参考电流i_ref的具体过程为：

4.1)采用一阶跟踪微分器给转速参考值ω_ref安排合适的过渡过程，从而得到一个光滑 的一阶跟踪微分器输出信号v，一阶跟踪微分器输入与输出的关系为：

其中r、α₀、δ₀为可调参数，其中非线性函数fal为：

其中e，α，δ均为表达公式的数学变量，无物理含义，sgn为符号函数；

4.2)构建二阶扩张状态观测器，二阶扩张状态观测器的输入信号为电机的转速信号ω 及预测控制器的输入信号i_ref，输出信号为各阶状态量的估计值z₁、z₂，其中z₁用来跟踪电 机的输出转速信号，z₂用来跟踪系统的未知扰动，二阶扩张状态观测器的输入输出关系为：

其中δ₁、δ₂、α₁、α₂、β₁、β₂为可调参数，根据轮毂电机的运行工况选取；

4.3)构建非线性PID控制器，将一阶微分器输出与二阶扩张状态观测器的输出比较， 确定系统误差e＝v-z₁，将其作为非线性PID控制器的输入信号，非线性PID输入与输出的 关系为

i_ref＝β₃fal((v-z₁)，α3，δ₃)-z₂/b₀

其中β₃、α₃、δ₃、b₀，为可调参数，根据轮毂电机的运行工况选取。

进一步，还包括构建人群搜索算法优化控制器，由于自抗扰控制器存在过多可调参数， 选取了β₁、β₂、β₃参数通过人群搜索算法优化控制器算法优化选择：

5.1)参数编码初始化：系统随机产生S*D的位置矩阵，其中S为种群p中的个体数，D为个体的维数，设定为3，即分别代表β₁、β₂、β₃三个参数，可以记为

其中i＝1，2，3，...，S；t＝0为迭代次数，x_ij为位置矩阵内的个体变量；

5.2)对搜寻着个体进行适应度函数计算：选取最小目标函数时，选择绝对误差的时间 积分性能指标，在目标函数中添加一个输入的二次方，求取目标函数J；

5.3)通过计算得出所有个体i在所有维度j的步长α_ij(t)以及搜寻方向d_ij(t)，其中 j＝1，2，3；

5.4)更新搜寻者位置；

5.5)比较结束条件：当适应度值满足要求时停止优化，否则从第5.2)步进行重复优化 并令t＝t+1。

进一步，求取目标函数J为：

其中，e(t)为系统误差，即偏差e₁，u(t)为控制器输出，即参考电流iref，ω₁、ω₂为权值。

进一步，ω₁＝0.999，ω₂＝0.001。

进一步，步骤5.3)的具体过程为：搜索步长模糊变量选择高斯隶属函数u_A，表示为

其中x为步骤5.1)中的输入变量；u、δ为隶属函数参数，0.0111＜u＜1，采用线性隶属 函数来描绘隶属度与函数值之间的递进关系，如式：

u_ij＝rand(u_i，1)

其中ui为目标i的隶属度，u_ij为目标值i在j维空间下的隶属度；函数rand作用为随机 均匀生成实数，表示人群搜索行为的随机性，则搜索步长确定为

其中α_ij为j维空间的搜索步长；δ_ij为高斯隶属度参数，搜索方向主要根据算法的利己 方向利他方向预动方向

其中为个体在搜索过程中的历史最佳位置；为群体搜索过程中的历史最佳位 置，分别为中的最佳位置；

对三个方向进行加权处理，可以确定搜索方向为：

其中φ₁、φ₂为[0，1]的随机均匀实数；φ₀为惯性权值，取值区间为[0.1，0.9]。

本发明的有益效果是：

1、本发明采用了自抗扰控制器，构造扩张状态观测器将扰动进行观测及补偿，提高了 控制系统的稳定性及抗干扰性。该控制器不依赖于系统精确的数学模型，适合于非线性、 强耦合的开关磁阻轮毂电机。同时采用的人群搜索优化算法优化参数β₁、β₂、β₃，大大减小 电机运行的转矩脉动。

2、本发明采用了模型预测控制，可以实现模型的滚动优化与校正，提高模型的准确性 和增加控制的稳定性，进而减小转矩脉动。

附图说明

图1是自抗扰模型预测控制器控制框图；

图2是模型预测控制器框图；

图3是不对称半桥功率变换器；

图4是自抗扰控制器框图；

图5是人群搜索优化算法流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明具体实施分以下两步，

建立开关磁阻电流预测控制方法，如附图1所示。方法所依赖的系统由自抗扰控制器、 电流预测控制器(MPC控制器)、检测模块、功率变换器和电机组成。检测模块采集k时刻的电流i_k和角度信号θ_k，由速度计算模块通过角度计算出k时刻转速ω_k。将采集的k时 刻的电流i_k和角度信号θ_k输入MPC控制器，通过该控制器可以预测出k+1时刻的磁链值 ψ_k+1，进而计算出k+1时刻的电流值i_k+1。给定参考电流iref和成本函数，实现精确的电流 跟踪控制，输出开关量占空比u_k。功率变换器通过占空比控制开关管的通断时间，保证开 关磁阻电机的平稳运行。为了提高系统的鲁棒性，自抗扰控制器运用到控制系统中。将采 集的速度信号ω_k输入该控制器模块，并给定参考转速，通过该控制器可以得出预测模块给 定的参考电流i_ref。

步骤一、建立步骤一中的MPC控制器。如图2所示，通过采集k时刻的系统参数如电流、转子位置信号等，预测出k+1时刻的磁链值ψ_k+1，进而计算出k+1时刻的电流值i_k+1， 通过成本函数计算最优占空比，实现精准的电流的跟踪控制，减小电流脉动，进而减小转 矩脉动。

1)建立开关磁阻电压平衡方程，为电流预测模型的建立奠定基础。

为减小电流模型预测控制器的计算负担，忽略涡流、相邻相之间的互感，可以得到开 关磁阻电机电压动态平衡方程：

其中i(t)和v(t)分别为连续时间下的相电流和相电压。R_res为相电阻，受环境影响不大， 可以视为定常数。由于开关磁阻电机固有的非线性特性，相电感L与转子位置θ和相电流 i(t)有关，可以表示为L(θ，i(t))，为时变参数。ψ(t)为连续时间下的磁链值，与电感和电流有 关，可以记为ψ(i(t)，L(θ，i(t)))。磁链与位置信号、电流信号的关系可以通过有限元仿真软 件如ANSOF得出，因此得到电流及转子位置即可查出对应的磁链值。

2)建立单步预测模型，采集k时刻位置和电流值，即可预测k+1时刻的电流值。

由于硬件系统中的数字器件工作在离散时间状态下，因此需要将开关磁阻电机电压动 态方程进行离散化。为保证开关磁阻电机的相独立性，采用不对称半桥功率变换器，如图 3所示。假设相电感在一个采样周期内保持不变，采用欧拉离散公式可以得到电压方程的 离散公式

其中a_k＝(1-RT_s/L_k)，b_k＝V_dcT_s，c_k＝1/L_k。T_s为采样周期，L_k为k时刻的电感，V_dc为外接 电源电压，u_k为PWM波占空比，用于控制功率变换器中的开关器件，即图3中的V1-V8。

3)建立多步预测模型，采集k时刻位置和电流值，即可预测在预测时域P内的电流值， 并得到控制时域M内的控制变量Uk。

模型预测控制具有线性系统的叠加性，因此可以将其改写为的矩阵形式

其中M为控制时域，P为预测时域(M＜P)。为由k时刻磁链ψ_k预测的磁链矩阵，包含预测时域P内的各时刻的磁链值。A_k与B_k为系数矩阵。U_k为由k时刻所预测的控制变量 矩阵，包含控制时域M内各时刻的占空比。

模型预测控制是采用最优的控制量来实现控制目标，采用线性二次型成本函数来寻找 最优控制量

其中Q和R分别为误差权重因子和控制权重因子，为k时刻所预测的电流矩阵，I_ref为给定的电流的参考值，设定目标值可以减小电流脉动。通过该成本函数可以计算 出k时刻的最优控制量u_k，并将该最优控制量输入给功率变换器控制开关管的导通时间。

步骤二、构建步骤一中自抗扰控制器，建立参考转速ω_ref与参考转矩i_ref之间的关系， 提高系统鲁棒性。如图5所示，自抗扰控制器主要由跟踪微分器、扩张状态观测器和非线 性状态误差反馈控制律组成，输入量为k时刻转速ω_k和给定参考转速ω_ref，输出参考转矩 i_ref至预测控制器。该控制器可以将系统的为建模动态和未知干扰看作系统的“总和扰动”， 通过构造扩张状态观测器对扰动进行实时估计，最后设置合适的误差反馈律将其补偿，消 除扰动的影响，提高控制的鲁棒性和稳定性。。

1)构建一阶跟踪微分器。采用一阶跟踪微分器给转速参考值ω_ref安排合适的过渡过程， 从而得到一个光滑的一阶跟踪微分器输出信号v，增强系统稳定性，解决超调量与快速性 之间的矛盾等问题。一阶跟踪微分器输入与输出的关系为

其中r、α₀、δ₀为可调参数，根据轮毂电机的运行工况选取。其中非线性函数fal为

其中e，α，δ均为表达公式的数学变量，无物理含义，sgn为符号函数。

2)构建二阶扩张状态观测器。二阶扩张状态观测器的输入信号为电机的转速信号ω及 预测控制器的输入信号i_ref，输出信号为各阶状态量的估计值z₁、z₂，其中z₁用来跟踪电机 的输出转速信号，z₂用来跟踪系统的未知扰动。二阶扩张状态观测器的输入输出关系为

其中δ₁、δ₂、α₁、α₂、β₁、β₂为可调参数，根据轮毂电机的运行工况选取。

3)构建非线性PID控制器。将一阶微分器输出与二阶扩张状态观测器的输出比较，确 定系统误差e＝v-z₁，将其作为非线性PID控制器的输入信号。非线性PID输入与输出的关 系为

i_ref＝β₃fal((v-z₁)，α3，δ₃)-z₂/b₀

其中β₃、α₃、δ₃、b₀，为可调参数，根据轮毂电机的运行工况选取。

步骤三、构建人群搜索算法优化控制器，使得自抗扰控制器参数的确定更为快捷准确。 由于步骤二中的自抗扰控制器存在过多可调参数，对于设计者的经验要求较高。因此选择 部分参数通过算法优化选择。这里选取了β₁、β₂、β₃为例。

人群搜索算法优化流程具体分为以下五步：

(1)参数编码初始化。系统随机产生S*D的位置矩阵，其中S为种群p中的个体数， D为个体的维数，设定为3，即分别代表β₁、β₂、β₃三个参数。可以记为

其中i＝1，2，3，...，S；t＝0为迭代次数。x_ij为位置矩阵内的个体变量。

(2)对搜寻着个体进行适应度函数计算。

人群优化算法在搜索进化中只会使用适应度值来评价个体的优劣，并将适应度值作为 将来粒子位置更新的依据，使得初始解逐渐进化为最优解。为在过渡的过程中得到较为合 适的动态特性，在选取最小目标函数时，选择绝对误差的时间积分性能指标。在目标函数 中添加一个输入的二次方，这样可以很好的避免控制能量超标。则目标函数J为：

其中，e(t)为系统误差，即图5中的偏差e₁。u(t)为控制器输出，即图5中的参考电流iref。ω₁、ω₂为权值，一般可以选择ω₁＝0.999，ω₂＝0.001。

(3)通过计算得出所有个体i在所有维度j的步长α_ij(t)以及搜寻方向d_ij(t)。(其中 j＝1，2，3)。

搜索步长模糊变量选择高斯隶属函数u_A，表示为

其中x为步骤(1)中的输入变量；u、δ为隶属函数参数，u_min＝0.0111＜u＜1。采用线性 隶属函数来描绘隶属度与函数值之间的递进关系，如式：

u_ij＝rand(u_i，1)

其中ui为目标i的隶属度，u_ij为目标值i在j维空间下的隶属度；函数rand作用为随机 均匀生成实数，表示人群搜索行为的随机性。则搜索步长可以确定为

其中α_ij为j维空间的搜索步长；δ_ij为高斯隶属度参数。

搜索方向主要根据算法的利己方向利他方向预动方向

其中为个体在搜索过程中的历史最佳位置；为群体搜索过程中的历史最佳位 置。分别为中的最佳位置。

对三个方向进行加权处理，可以确定搜索方向为：

其中φ₁、φ₂为[0，1]的随机均匀实数；φ₀为惯性权值，取值区间为[0.1，0.9]。

(4)更新搜寻者位置。

Δx_ij(t+1)＝α_ij(t)d_ij(t)

x_ij(t+1)＝xi_j(t)+Δx_ij(t+1)

(5)比较结束条件。当适应度值满足要求时停止优化，否则从第(2)步进行重复优化并令t＝t+1。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示 例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结 构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语 的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离 本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发 明的范围由权利要求及其等同物限定。

Claims (8)

1.一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，包括以下步骤：

检测模块采集k时刻的电流i_k和角度信号θ_k，由速度计算模块通过角度计算出k时刻转速ω_k，将采集的k时刻的电流i_k和角度信号θ_k输入MPC控制器，通过该MPC控制器预测出k+1时刻的磁链值ψ_k+1，进而计算出k+1时刻的电流值i_k+1，在MPC控制器中将给定参考电流i_ref通过成本函数模块实现电流跟踪控制，成本函数模块输出开关量占空比u_k，进而功率变换器通过开关量占空比u_k控制开关管的通断时间，保证开关磁阻电机的运行；最后将采集的速度信号ω_k输入自抗扰控制器中，并给定参考转速，通过该自抗扰控制器得出预测模块给定的参考电流i_ref。

2.根据权利要求1所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，MPC控制器的构建过程为：

2.1)建立开关磁阻电压平衡方程；

为减小电流模型预测控制器的计算负担，忽略涡流、相邻相之间的互感，得到开关磁阻电机电压动态平衡方程：

其中i(t)和v(t)分别为连续时间下的相电流和相电压，R_res为相电阻，由于开关磁阻电机固有的非线性特性，相电感L与转子位置θ和相电流i(t)有关，表示为L(θ，i(t))，为时变参数，ψ(t)为连续时间下的磁链值，与电感和电流有关，记为ψ(i(t)，L(θ，i(t)))；

2.2)建立单步预测模型，采集k时刻位置和电流值，即可预测k+1时刻的电流值；

将开关磁阻电机电压动态方程进行离散化，假设相电感在一个采样周期内保持不变，采用欧拉离散公式可以得到电压方程的离散公式

其中a_k＝(1-RT_s/L_k)，b_k＝V_dcT_s，c_k＝1/L_k，T_s为采样周期，L_k为k时刻的电感，V_dc为外接电源电压，u_k为PWM波占空比，用于控制功率变换器中的开关器件；

2.3)建立多步预测模型，采集k时刻位置和电流值，即可预测在预测时域P内的电流值，并得到控制时域M内的控制变量Uk；

模型预测控制具有线性系统的叠加性，因此改写为的矩阵形式

其中M为控制时域，P为预测时域(M＜P)，为由k时刻磁链ψ_k预测的磁链矩阵，包含预测时域P内的各时刻的磁链值，A_k与B_k为系数矩阵，U_k为由k时刻所预测的控制变量矩阵，包含控制时域M内各时刻的占空比；

模型预测控制是采用最优的控制量来实现控制目标，采用线性二次型成本函数来寻找最优控制量，通过成本函数可以计算出k时刻的最优控制量u_k，并将该最优控制量输入给功率变换器控制开关管的导通时间。

3.根据权利要求2所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，采用线性二次型成本函数来寻找最优控制量为：

其中Q和R分别为误差权重因子和控制权重因子，为k时刻所预测的电流矩阵，I_ref为给定的电流的参考值，设定目标值减小电流脉动。

4.根据权利要求1所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，将采集的速度信号ω_k输入自抗扰控制器中，并给定参考转速，通过该自抗扰控制器得出预测模块给定的参考电流i_ref的具体过程为：

4.1)采用一阶跟踪微分器给转速参考值ω_ref安排合适的过渡过程，从而得到一个光滑的一阶跟踪微分器输出信号v，一阶跟踪微分器输入与输出的关系为：

其中r、α₀、δ₀为可调参数，其中非线性函数fal为：

其中e，α，δ均为表达公式的数学变量，无物理含义，sgn为符号函数；

4.2)构建二阶扩张状态观测器，二阶扩张状态观测器的输入信号为电机的转速信号ω及预测控制器的输入信号i_ref，输出信号为各阶状态量的估计值z₁、z₂，其中z₁用来跟踪电机的输出转速信号，z₂用来跟踪系统的未知扰动，二阶扩张状态观测器的输入输出关系为：

其中δ₁、δ₂、a₁、α₂、β₁、β₂为可调参数，根据轮毂电机的运行工况选取；

4.3)构建非线性PID控制器，将一阶微分器输出与二阶扩张状态观测器的输出比较，确定系统误差e＝v-z₁，将其作为非线性PID控制器的输入信号，非线性PID输入与输出的关系为

i_ref＝β₃fal((ν-z₁)，α3，δ₃)-z₂/b₀

其中β₃、α₃、δ₃、b₀，为可调参数，根据轮毂电机的运行工况选取。

5.根据权利要求4所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，还包括构建人群搜索算法优化控制器，由于自抗扰控制器存在过多可调参数，选取了β₁、β₂、β₃参数通过人群搜索算法优化控制器算法优化选择：

5.1)参数编码初始化：系统随机产生S*D的位置矩阵，其中S为种群p中的个体数，D为个体的维数，设定为3，即分别代表β₁、β₂、β₃三个参数，可以记为

其中i＝1，2，3，...，S；t＝0为迭代次数，x_ij为位置矩阵内的个体变量；

5.2)对搜寻着个体进行适应度函数计算：选取最小目标函数时，选择绝对误差的时间积分性能指标，在目标函数中添加一个输入的二次方，求取目标函数J；

5.3)通过计算得出所有个体i在所有维度j的步长α_ij(t)以及搜寻方向d_ij(t)，其中j＝1，2，3；

5.4)更新搜寻者位置；

5.5)比较结束条件：当适应度值满足要求时停止优化，否则从第5.2)步进行重复优化并令t＝t+1。

6.根据权利要求5所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，求取目标函数J为：

其中，e(t)为系统误差，即偏差e₁，u(t)为控制器输出，即参考电流iref，ω₁、ω₂为权值。

7.根据权利要求6所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，ω₁＝0.999，ω₂＝0.001。

8.根据权利要求5所述的一种开关磁阻轮毂电机自抗扰模型预测控制器构造方法，其特征在于，步骤5.3)的具体过程为：搜索步长模糊变量选择高斯隶属函数u_A，表示为

其中x为步骤5.1)中的输入变量；u、δ为隶属函数参数，0.0111＜u＜1，采用线性隶属函数来描绘隶属度与函数值之间的递进关系，如式：

u_ij＝rand(u_i，1)

其中ui为目标i的隶属度，u_ij为目标值i在j维空间下的隶属度；函数rand作用为随机均匀生成实数，表示人群搜索行为的随机性，则搜索步长确定为

其中α_ij为j维空间的搜索步长；δ_ij为高斯隶属度参数，搜索方向主要根据算法的利己方向利他方向预动方向

其中为个体在搜索过程中的历史最佳位置；为群体搜索过程中的历史最佳位置，分别为中的最佳位置；

对三个方向进行加权处理，可以确定搜索方向为：

其中φ₁、φ₂为[0，1]的随机均匀实数；φ₀为惯性权值，取值区间为[0.1，0.9]。