CN109742991B - 基于扇区划分算法的永磁同步电机多步预测控制方法 - Google Patents
基于扇区划分算法的永磁同步电机多步预测控制方法 Download PDFInfo
- Publication number
- CN109742991B CN109742991B CN201910093409.5A CN201910093409A CN109742991B CN 109742991 B CN109742991 B CN 109742991B CN 201910093409 A CN201910093409 A CN 201910093409A CN 109742991 B CN109742991 B CN 109742991B
- Authority
- CN
- China
- Prior art keywords
- cost function
- step prediction
- permanent magnet
- sector
- synchronous motor
- 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
Images
Landscapes
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于扇区划分算法的永磁同步电机多步预测控制方法。本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法,包括:合理设置成本函数并得到多步预测下的成本函数的表达式,将成本函数经过矩阵转换转变为一个最小二乘问题,得到理想状态下成本函数的最优解,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区,从而减少多步预测的计算量。本发明的有益效果:发明通过采用扇区划分算法减少多步预测的在线计算量,比一步预测拥有更好的控制效果,同时计算量较传统遍历法得到大幅降低,因此对实现永磁同步电机高性能控制具有重要意义。
Description
技术领域
本发明涉及永磁电机领域,具体涉及一种基于扇区划分算法的永磁同步电机多步预测控制方法。
背景技术
永磁同步电机采用电力电子变频器实现变频调速,具有体积小、质量轻、功率密度高、转矩输出能力强、可靠性高等优点,目前已广泛应用于船舶、农业、航空航天、铁路运输、数控机床、电动汽车以及机器人控制等领域。
目前应用较广泛的主要是矢量控制和直接转矩控制。与直接转矩控制相比,模型预测控制在矢量选择上更加准确有效,它通过对电机状态进行预测,来选取当前时刻的最优电压矢量,从而能够获得更好的稳态性能。与矢量控制电流环相比,模型预测控制不再使用PI调节器,无需参数整定,直接通过模型预测控制算法产生变换器驱动信号,省去了PWM调制环节,同时,它还可以利用成本函数增加其他控制目标并处理系统约束。
模型预测控制具有动态响应快、电流控制性能好、易于考虑系统非线性约束、控制灵活等特点。
传统技术存在以下技术问题:
传统的电流预测控制通过一步电流预测可以得到很好的控制效果,但是一步电流预测控制方法在系统进入稳态过程中转速波动较大且进入稳态后电流谐波较大。使用传统遍历方法的多步预测控制虽然可以带来更好的控制效果,但随之而来的是呈指数增长的计算量,不利于系统的在线执行。
发明内容
本发明要解决的技术问题是提供一种基于扇区划分算法的永磁同步电机多步预测控制方法,通过扇区划分的方法判断下一时刻最佳开关状态所在的扇区,从而减少多步预测的计算量。
为了解决上述技术问题,本发明提供了一种基于扇区划分算法的永磁同步电机多步预测控制方法,包括:
合理设置成本函数并得到多步预测下的成本函数的表达式,将成本函数经过矩阵转换转变为一个最小二乘问题,得到理想状态下成本函数的最优解,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区,从而减少多步预测的计算量。
在其中一个实施例中,具体包括:
首先对表贴式永磁同步电机的基本数学模型进行分析,得到旋转坐标系下的定子电流状态方程;
设计成本函数,考虑电流预测值与参考值之间的误差以及前后时刻开关变化产生的开关损耗;
将多步预测下的成本函数通过矩阵转换将耦合多变量的成本函数转变为一个易于计算的最小二乘问题;
得到最小二乘下理想的逆变器开关状态,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区;
遍历组成该扇区的两个开关矢量与零矢量,选择使成本函数最小的开关状态,该状态便是下一时刻采用的开关状态。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
本发明的有益效果:
发明通过采用扇区划分算法减少多步预测的在线计算量,比一步预测拥有更好的控制效果,同时计算量较传统遍历法得到大幅降低,因此对实现永磁同步电机高性能控制具有重要意义。
附图说明
图1是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的系统控制框图。
图2是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的系统仿真图。
图3是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的逆变器框图。
图4是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的扇区划分示意图。
图5是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的一步预测控制下的转速波形。
图6是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的两步预测控制下的转速波形。
图7是本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法的三步预测控制下的转速波形。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
一种基于扇区划分算法的永磁同步电机多步预测控制方法,包括:
合理设置成本函数并得到多步预测下的成本函数的表达式,将成本函数经过矩阵转换转变为一个最小二乘问题,得到理想状态下成本函数的最优解,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区,从而减少多步预测的计算量。
在其中一个实施例中,具体包括:
首先对表贴式永磁同步电机的基本数学模型进行分析,得到旋转坐标系下的定子电流状态方程;
设计成本函数,考虑电流预测值与参考值之间的误差以及前后时刻开关变化产生的开关损耗;
将多步预测下的成本函数通过矩阵转换将耦合多变量的成本函数转变为一个易于计算的最小二乘问题;
得到最小二乘下理想的逆变器开关状态,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区;
遍历组成该扇区的两个开关矢量与零矢量,选择使成本函数最小的开关状态,该状态便是下一时刻采用的开关状态。
下面介绍本发明的一个具体应用场景:
本发明一种基于扇区划分算法的永磁同步电机多步预测控制方法,其包括以下步骤:
其中ud与uq分别为定子直轴与交轴电压;id与iq分别为定子直轴与交轴电流;R为定子电阻;ψd与ψq为定子直轴与交轴磁链,ψd=Ldid+ψf,ψq=Lqiq;ψf是永磁体磁链。
设计成本函数g,考虑电流预测值与参考值之间的误差以及前后时刻开关变化产生的开关损耗。id max与iq max是d-q轴电流的极限值,仅当预测的电流幅度超过极限值时,成本函数中的f才有效,在这种情况下,成本函数变为无穷大。Δv(l)为前后开关状态之间的开关损耗,λ为权重系数。
得到定子交、直轴电流预测值在滚动时域下的向量形式:
xdq(l+1)=Al-k+1(k)xdq(k)+[Al-kBΛ]U′dq(k)+[Al-kF(k)+...+A0F],其中l=k,...,k+N-1,N为预测步数,将其写为状态方程可以得到:Ydq(k)=Xdq(k)=Γxdq(k)+ΥU′(k)+Π,式中:
Ξ(k)=((Γxdq(k)-Ω(k))TΥ-λ(Ev(k-1))TS)T,Q=ΥTΥ+λSTS,Γ=[A,A2,...,AN]T,c(k)为一个常数项,仅在采样时刻发生变化时变化。矩阵Q满足对称与正定的性质,所以存在一个可逆的下三角矩阵H满足:HTH=Q,令Uunc(k)=-HQ-1Ξ(k),最后开关的选择可以转变为一个最小二乘问题:
多步预测下的最优解即:令M=-Q-1Ξ(k),M为一个3N行一列的矩阵,令其前三个元素为M(1)、M(2)、M(3),故下一时刻U(k)的理想解为M(1)、M(2)、M(3)。令a=[1,0,0],b=[0,1,0],c=[0,0,1],将三个理想解矢量合成:
a*M(1)+b*M(2)+c*M(3),可以得到合成矢量所在的扇区。
得到合成矢量所在的扇区,只需遍历组成该扇区的两个开关矢量与零矢量,从中选择使成本函数最小的开关状态,该状态便是下一时刻采用的开关状态。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (4)
1.一种基于扇区划分算法的永磁同步电机多步预测控制方法,其特征在于,包括:
合理设置成本函数并得到多步预测下的成本函数的表达式,将成本函数经过矩阵转换转变为一个最小二乘问题,得到理想状态下成本函数的最优解,将理想状态下最优解的3个矢量合成并判断合成矢量所在的扇区,从而减少多步预测的计算量;
具体包括:
其中ud与uq分别为定子直轴与交轴电压;id与iq分别为定子直轴与交轴电流;R为定子电阻;ψd与ψq为定子直轴与交轴磁链,ψd=Ldid+ψf,ψq=Lqiq;ψf是永磁体磁链;
设计成本函数g,考虑电流预测值与参考值之间的误差以及前后时刻开关变化产生的开关损耗;idmax与iqmax是d-q轴电流的极限值,仅当预测的电流幅度超过极限值时,成本函数中的f才有效,在这种情况下,成本函数变为无穷大;Δv(l)为前后开关状态之间的开关损耗,λ为权重系数;
得到定子交、直轴电流预测值在滚动时域下的向量形式:
xdq(l+1)=Al-k+1(k)xdq(k)+[Al-kBΛ]U′dq(k)+[Al-kF(k)+...+A0F],其中l=k,...,k+N-1,N为预测步数,将其写为状态方程可以得到:Ydq(k)=Xdq(k)=Γxdq(k)+ΥU′(k)+Π,式中:
Ξ(k)=((Γxdq(k)-Ω(k))TΥ-λ(Ev(k-1))TS)T,Q=ΥTΥ+λSTS,Γ=[A,A2,...,AN]T,c(k)为一个常数项,仅在采样时刻发生变化时变化;矩阵Q满足对称与正定的性质,所以存在一个可逆的下三角矩阵H满足:HTH=Q,令Uunc(k)=-HQ-1Ξ(k),最后开关的选择可以转变为一个最小二乘问题:
多步预测下的最优解即:令M=-Q-1Ξ(k),M为一个3N行一列的矩阵,令其前三个元素为M(1)、M(2)、M(3),故下一时刻U(k)的理想解为M(1)、M(2)、M(3);令a=[1,0,0],b=[0,1,0],c=[0,0,1],将三个理想解矢量合成:
a*M(1)+b*M(2)+c*M(3),可以得到合成矢量所在的扇区;
得到合成矢量所在的扇区,只需遍历组成该扇区的两个开关矢量与零矢量,从中选择使成本函数最小的开关状态,该状态便是下一时刻采用的开关状态。
2.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1所述方法的步骤。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1所述方法的步骤。
4.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910093409.5A CN109742991B (zh) | 2019-01-30 | 2019-01-30 | 基于扇区划分算法的永磁同步电机多步预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910093409.5A CN109742991B (zh) | 2019-01-30 | 2019-01-30 | 基于扇区划分算法的永磁同步电机多步预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109742991A CN109742991A (zh) | 2019-05-10 |
CN109742991B true CN109742991B (zh) | 2020-04-21 |
Family
ID=66366892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910093409.5A Active CN109742991B (zh) | 2019-01-30 | 2019-01-30 | 基于扇区划分算法的永磁同步电机多步预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109742991B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110445441B (zh) * | 2019-06-29 | 2021-07-27 | 天津大学 | 一种永磁同步电机预测转矩控制方法 |
CN112910376B (zh) * | 2019-12-04 | 2022-07-29 | 中车株洲电力机车研究所有限公司 | 多相电机模型预测容错控制的方法及装置 |
CN111431456B (zh) * | 2020-03-10 | 2021-12-17 | 浙江工业大学 | 一种永磁同步电机有限集多步模型预测电流控制方法 |
CN111555684B (zh) * | 2020-04-03 | 2021-10-29 | 浙江工业大学 | 可变开关点的永磁同步电机多步模型预测转矩控制方法 |
CN113922721B (zh) * | 2021-10-15 | 2023-08-01 | 江南大学 | 连续控制集永磁同步直线电机模型预测控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677936B (zh) * | 2015-04-12 | 2019-01-29 | 北京理工大学 | 机电复合传动系统需求转矩的自适应递归多步预测方法 |
CN105515430A (zh) * | 2016-01-15 | 2016-04-20 | 国网青海省电力公司 | 一种三相并网逆变器的控制方法 |
-
2019
- 2019-01-30 CN CN201910093409.5A patent/CN109742991B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109742991A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109742991B (zh) | 基于扇区划分算法的永磁同步电机多步预测控制方法 | |
Wang et al. | Generalized proportional integral observer based robust finite control set predictive current control for induction motor systems with time-varying disturbances | |
CN106936356B (zh) | 矢量筛选和占空比结合的电机模型预测控制系统及方法 | |
CN109660170B (zh) | 一种永磁同步电机高可靠性电流预测控制方法及其系统 | |
Zhang et al. | Performance evaluation of an improved model predictive control with field oriented control as a benchmark | |
CN109951128B (zh) | 逆变器参考电压矢量在线优化的smpmsm驱动系统无模型电流预测控制方法及控制系统 | |
Yang et al. | Fast integral terminal sliding mode control with a novel disturbance observer based on iterative learning for speed control of PMSM | |
Zhang et al. | Force ripple compensation in a PMLSM position servo system using periodic adaptive learning control | |
CN109067275A (zh) | 一种基于解耦自适应滑模的永磁直线电机混沌控制方法 | |
Diab et al. | Enhanced active disturbance rejection current controller for permanent magnet synchronous machines operated at low sampling time ratio | |
CN110649854A (zh) | 一种表贴式永磁同步电机连续集模型预测转矩控制方法 | |
Wang et al. | An improved model-free active disturbance rejection deadbeat predictive current control method of pmsm based on data-driven | |
CN109067276B (zh) | 一种永磁同步电机高动态鲁棒预测电流控制方法 | |
CN112422014B (zh) | 基于高阶滑模补偿的永磁同步电机转速预测方法 | |
Wang et al. | An improved global fast terminal high-order sliding mode control strategy based on novel reaching law for improving PMLSM dynamic performance | |
Yao et al. | Robust model predictive current control for six-phase PMSMS with virtual voltage vectors | |
Yang et al. | A novel multi-step finite-control-set model predictive control approach for permanent magnet synchronous motors | |
CN111769777B (zh) | 永磁同步电机离散域电流环二自由度控制方法 | |
Meng et al. | Model predictive control of induction motors based on improved discretizing method under low switching frequency | |
Xiao et al. | An improved precise power control of voltage sensorless-MPC for PWM rectifiers | |
Guerra et al. | Application of model predictive pulse pattern control to control a PMSM | |
Li et al. | Predictive control with optimal vector sequence for permanent magnet synchronous motors | |
Kendouci et al. | Speed-sensorless direct torque and flux control of PMSM based on extended Kalman filter using space vector modulation | |
CN111313781A (zh) | 一种基于超局部模型的无模型预测电流控制方法 | |
CN111740675A (zh) | 永磁同步电机离散域电流环强鲁棒性二自由度控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |