CN109842338B - 永磁同步电机预测模型参数在线修正方法 - Google Patents
永磁同步电机预测模型参数在线修正方法 Download PDFInfo
- Publication number
- CN109842338B CN109842338B CN201910190345.0A CN201910190345A CN109842338B CN 109842338 B CN109842338 B CN 109842338B CN 201910190345 A CN201910190345 A CN 201910190345A CN 109842338 B CN109842338 B CN 109842338B
- Authority
- CN
- China
- Prior art keywords
- parameter
- prediction
- prediction error
- error
- prediction model
- 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.)
- Expired - Fee Related
Links
- 238000012937 correction Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000004907 flux Effects 0.000 claims description 5
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种永磁同步电机预测模型参数在线修正方法,该方法包括如下步骤:步骤一,将预测误差作为反馈量,对预测误差进行数据处理,求出一段时间内预测误差的有效值,同时确定补偿周期;步骤二,将数据处理结果经过比例调节之后的值作为参数修正量的幅值,其中比例系数的量级根据预测误差与参数误差之间的映射关系进行选取;步骤三,比较q轴电流实际值和预测值的波动幅值大小,将其作为参数修正极性的判断依据;步骤四,结合修正量幅值和极性,反馈到电机预测模型中作为最终参数。本发明的有益效果是,降低了由于参数误差所引起的模型预测控制算法预测误差。
Description
技术领域
本发明涉及永磁同步电机检测领域,特别是一种永磁同步电机预测模型参数在线修正方法。
背景技术
采用模型预测控制对电机进行电流控制时,需要利用电机预测模型进行预测计算。由于电机预测模型中存在大量电机参数,这些参数在不同工况下会发生变化,从而出现预测模型中参数和实际参数不匹配的情况。模型参数的不确定性会产生预测误差,导致系统控制性能变差,严重则导致运行不稳定。
永磁同步电机在d、q旋转坐标系下的连续状态空间方程可表示为式(1)所示。
式中,id、iq分别为电机d、q轴电流,ud、uq为d、q轴电压,Ld、Lq为d、q轴电感,Rs为定子电阻,ψf为永磁体磁链,ωe为转子电角速度。对式(1)采用前向欧拉离散法进行离散化,可得式(2)所示永磁同步电机的离散预测模型。
式中:上标p为预测量,未加p为实际量,Ts为预测步长,X(k)(k=1,2,3,…)为变量X在第k个周期内的值。
式(2)所示电机预测模型涉及若干参数,包括Rs,ψf,Ld和Lq等。然而,由于在实际运行期间,这些参数未能被正确测量,同时在不同工况下电机参数会发生变化,导致预测模型中的参数可能与实际电机参数不同。这种参数不匹配可能会导致预测误差并进一步引起转矩波动甚至电机系统的不稳定。
发明内容
本发明的目的是为了解决上述问题,设计了一种永磁同步电机预测模型参数在线修正方法。
实现上述目的本发明的技术方案为,一种永磁同步电机预测模型参数在线修正方法,该方法包括如下步骤:
步骤一,将预测误差作为反馈量,对预测误差进行数据处理,求出一段时间内预测误差的有效值,同时确定补偿周期;
步骤二,将数据处理结果经过比例调节之后的值作为参数修正量的幅值,其中比例系数的量级根据预测误差与参数误差之间的映射关系进行选取;
步骤三,比较q轴电流实际值和预测值的波动幅值大小,将其作为参数修正极性的判断依据;
步骤四,结合修正量幅值和极性,反馈到电机预测模型中作为最终参数
所述步骤二中分析预测误差与参数误差之间的关系,对于表贴式永磁同步电机(SPMSM),Ld=Lq,电机预测模型中存在偏差的电感和实际电感分别记为Lm和La,由于采用id=0控制,故仅考虑q轴电流iq的误差PE_iq与电感参数之间的关系,如式(6)所示。
其中,La=Lm+ΔL,则ΔL与PE_iq之间的关系可表示为式(7);
根据式(7)所示预测误差与参数误差之间的映射关系,分析式中组成分母的两部分数值量级,PE_iq×Lm部分量级为10-4,后半部分的量级为10-2,故式(7)可忽略PE_iq×Lm部分的影响,化简为如式(8)所示;
根据上式可确定ΔL与PE_iq之间存在的比例关系,ΔL与PE_iq之间的比例系数的量级在10-4~10-3之间,采用电机电流预测误差(预测值与实测值的差值)作为反馈量,计算预测误差有效值,乘以上述比例系数,可得到电感参数的变化量绝对值。
所述步骤三中根据预测电流和实际电流的关系,判断电感参数变化量的极性,从而建立完整的电机预测模型在线修正机制。
所述步骤三中进行极性判断时,先分别计算预测电流和实际电流的平均值,再分别求出预测电流和实际电流以各自平均值为基准的波动幅度大小,若预测电流波动小于实际电流,则电感参数变化量的极性为负,反之为正;
利用本发明的技术方案制作的永磁同步电机预测模型参数在线修正方法,阐明了预测误差与参数误差之间的映射关系,推导出预测误差与参数误差比例系数的取值范围,确定了参数补偿周期,研究出一种预测模型参数在线实时修正机制,实现了基于预测误差反馈的预测模型参数在线修正理论与方法,降低了由于参数误差所引起的模型预测控制算法预测误差。本发明根据预测误差在线实时修正模型参数误差,将参数在线修正机制高效融入到预测控制方法中,改善了电机系统控制性能,提高了系统运行可靠性。
附图说明
图1是本发明所述永磁同步电机预测模型参数在线修正方法的流程示意图;
图2是本发明所述永磁同步电机预测模型参数在线修正方法的实验平台示意图;
图3是本发明所述永磁同步电机预测模型参数在线修正方法的预测控制系统框图;
图4是本发明所述永磁同步电机预测模型参数在线修正方法的参数在线修正机制框图;
图5是本发明所述永磁同步电机预测模型参数在线修正方法在不同转速带载工况下的试验结果。
具体实施方式
下面结合附图对本发明进行具体描述,在电机预测模型中,定子电感比定子电阻和永磁体磁链更易发生变化,Ld、Lq是影响模型预测精度的两个主要参数。一方面,定子电阻和永磁体磁链主要受电机内温度影响,而d轴和q轴电感主要受磁饱和影响,所以Ld、Lq与d轴和q轴电流有关,电机内温度的变化比定子电流慢得多,因此定子电感更容易改变,其变化周期短于定子电阻和永磁体磁链的变化周期;另一方面,与其它参数相比,定子电感的不匹配会对预测精度和电机控制性能产生更明显的影响。本发明主要针对d、q轴电感参数的不匹配情况进行参数修正,以降低预测误差。
预测误差(PE)定义为电机运行过程中的d、q轴电流预测值与实测值之差,如式(3)所示。该指标可用来反映预测模型的准确性,进而评估模型预测控制算法的控制性能。
式中:下标m和n分别代表参数不匹配情况得到的预测量和实测量。预测模型中的定子电感定义为Ldp和Lqp,而实际电机的定子电感定义为Ldn和Lqn。上述两组定子电感之间的关系可表示为Ldp=Nd*Ldn,Lqp=Nq*Lqn,其中Nd和Nq是系数。将不同匹配程度下的电感代入预测模型(2)中可得到相应的d、q轴电流预测值,进而可由式(3)计算出d、q轴电流预测误差可以表示为式(4)(5)。
电机预测模型的参数误差是造成预测误差较大和系统控制性能恶化的重要原因。当Ld和Lq均存在偏差时,id的预测误差易受到Ld偏差的影响,尤其是负偏差的影响;iq的预测误差易受到Lq偏差的影响,同样其负偏差造成的影响更为显著。为减少预测误差并提高系统运行的可靠性,引入预测误差反馈环节,根据参数误差和预测误差的内在联系,在线实时修正预测模型参数数值。
如图1和2所示,在预测控制中加入参数修正环节,将预测误差作为反馈量对电机预测模型参数进行在线实时修正,消除由参数不匹配引起的预测误差,提高系统控制性能,图3为预测控制系统框图。图4为参数在线修正机制框图。参数在线实时修正方法实施步骤如下:
1.将预测误差作为反馈量,对预测误差进行数据处理,求出一段时间内预测误差的有效值,同时确定补偿周期;
2.将数据处理结果经过比例调节之后的值作为参数修正量的幅值,其中比例系数的量级根据预测误差与参数误差之间的映射关系进行选取;
3.比较q轴电流实际值和预测值的波动幅值大小,将其作为参数修正极性的判断依据;
4.结合修正量幅值和极性,反馈到电机预测模型中作为最终参数。
参数在线修正环节能够做到对电机预测模型参数的实时修正,达到消除预测误差的目的。
下面对参数在线修正方法详细描述。首先,分析预测误差与参数误差之间的关系。电机系统是复杂的非线性系统,而且模型预测控制是一种非线性控制方案,导致电机预测模型的参数误差与预测误差之间存在一种复杂的映射关系。对于表贴式永磁同步电机(SPMSM),Ld=Lq,电机预测模型中存在偏差的电感和实际电感分别记为Lm和La。由于采用id=0控制,故仅考虑q轴电流iq的误差PE_iq与电感参数之间的关系,如式(6)所示。
其中,La=Lm+ΔL,则ΔL与PE_iq之间的关系可表示为式(7)。
根据式(7)所示预测误差与参数误差之间的映射关系,分析式中组成分母的两部分数值量级,PE_iq×Lm部分量级为10-4,后半部分的量级为10-2,故式(7)可忽略PE_iq×Lm部分的影响,化简为如式(8)所示。
根据上式可确定ΔL与PE_iq之间存在的比例关系,比例系数的量级在10-4~10-3之间,采用电机电流预测误差(预测值与实测值的差值)作为反馈量,计算预测误差有效值,乘以上述比例系数,可得到电感参数的变化量绝对值。
根据预测电流和实际电流的关系,判断电感参数变化量的极性,从而建立完整的电机预测模型在线修正机制。进行极性判断时,先分别计算预测电流和实际电流的平均值,再分别求出预测电流和实际电流以各自平均值为基准的波动幅度大小,若预测电流波动小于实际电流,则电感参数变化量的极性为负,反之为正。
由于电机系统在不同工况下运行时,电机参数变化的频率、幅值和极性均有所不同,所以电机预测模型参数误差修正环节能够根据系统运行工况对其修正周期进行自适应调节,修正周期过大会影响参数修正速度,修正过于频繁则会影响系统运行稳定性。
对参数在线实时修正方法进行测试,在不同转速、负载等工况下进行试验验证,图5为机械转速为200rpm和500rpm下带载试验结果,参数在线修正方法能够实时对参数进行修正,同时在一定程度上减少预测误差,从而改善系统运行情况。
表1所示为在不同转速带载情况下,分别加入补偿和未加入补偿时,预测误差的均方根与平均值的对比。机械转速为200rpm时,误差修正环节的加入使预测误差均方根减小21.82%;机械转速为500rpm时,误差修正环节的加入使预测误差均方根减小47.04%。参数在线修正机制的引入,能够有效降低预测误差,改善系统稳态控制性能。
表1
上述技术方案仅体现了本发明技术方案的优选技术方案,本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理,属于本发明的保护范围之内。
Claims (4)
1.一种永磁同步电机预测模型参数在线修正方法,其特征在于,该方法包括如下步骤:
步骤一,将永磁同步电机预测模型参数的预测误差作为反馈量,对预测误差进行数据处理,求出一段时间内预测误差的有效值,同时确定补偿周期;
步骤二,将数据处理结果经过比例调节之后的值作为参数修正量的幅值,其中比例系数的量级根据预测误差与参数误差之间的映射关系进行选取;
步骤三,比较q轴电流实际值和预测值的波动幅值大小,将其作为参数修正极性的判断依据;
步骤四,结合修正量幅值和极性,反馈到电机预测模型中作为最终参数。
2.根据权利要求1所述的永磁同步电机预测模型参数在线修正方法,其特征在于,所述步骤二中分析预测误差与参数误差之间的关系,对于表贴式永磁同步电机(SPMSM),Ld=Lq,所述Ld是d轴电感,所述Lq是q轴电感,电机预测模型中存在偏差的电感和实际电感分别记为Lm和La,由于采用id=0控制,所述id是电机d轴电流,故仅考虑q轴电流iq的预测误差PE_iq与电感参数之间的关系,如式(6)所示,其中Rs为定子电阻,ψf为永磁体磁链,ωe为转子电角速度,uq为q轴电压;
其中,Ts为预测步长、k为第k个周期,La=Lm+ΔL,则ΔL与PE_iq之间的关系可表示为式(7);
根据式(7)所示预测误差与参数误差之间的映射关系,分析式中组成分母的两部分数值量级,PE_iq×Lm部分量级为10-4,Rsiq(k)+ωeψf-uq(k)部分的量级为10-2,故式(7)可忽略PE_iq×Lm部分的影响,化简为如式(8)所示;
根据上式可确定ΔL与PE_iq之间存在的比例关系,ΔL与PE_iq之间的比例系数的量级在10-4~10-3之间,采用电机电流预测误差作为反馈量,计算预测误差有效值,乘以上述比例系数,可得到电感参数的变化量绝对值。
3.根据权利要求2所述的永磁同步电机预测模型参数在线修正方法,其特征在于,所述步骤三中根据预测电流和实际电流的关系,判断电感参数变化量的极性,从而建立完整的电机预测模型在线修正机制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910190345.0A CN109842338B (zh) | 2019-03-13 | 2019-03-13 | 永磁同步电机预测模型参数在线修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910190345.0A CN109842338B (zh) | 2019-03-13 | 2019-03-13 | 永磁同步电机预测模型参数在线修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109842338A CN109842338A (zh) | 2019-06-04 |
CN109842338B true CN109842338B (zh) | 2021-07-09 |
Family
ID=66885714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910190345.0A Expired - Fee Related CN109842338B (zh) | 2019-03-13 | 2019-03-13 | 永磁同步电机预测模型参数在线修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109842338B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112415379A (zh) * | 2019-08-20 | 2021-02-26 | 联合汽车电子有限公司 | 电机故障的诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012147540A (ja) * | 2011-01-11 | 2012-08-02 | Denso Corp | 回転機の制御装置 |
JP2012244797A (ja) * | 2011-05-20 | 2012-12-10 | Denso Corp | 回転機の制御装置 |
CN106803731A (zh) * | 2017-01-12 | 2017-06-06 | 西南交通大学 | 一种五相永磁同步电机模型预测转矩控制方法 |
CN108900128A (zh) * | 2018-09-06 | 2018-11-27 | 吉林大学 | 基于模型预测控制的永磁同步电机直接转矩控制方法 |
CN108900119A (zh) * | 2018-07-25 | 2018-11-27 | 吉林大学 | 基于死区效应的永磁同步电机模型预测控制方法 |
CN109391202A (zh) * | 2018-11-08 | 2019-02-26 | 吉林大学 | 永磁同步电机模型预测-直接转矩控制方法 |
-
2019
- 2019-03-13 CN CN201910190345.0A patent/CN109842338B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012147540A (ja) * | 2011-01-11 | 2012-08-02 | Denso Corp | 回転機の制御装置 |
JP2012244797A (ja) * | 2011-05-20 | 2012-12-10 | Denso Corp | 回転機の制御装置 |
CN106803731A (zh) * | 2017-01-12 | 2017-06-06 | 西南交通大学 | 一种五相永磁同步电机模型预测转矩控制方法 |
CN108900119A (zh) * | 2018-07-25 | 2018-11-27 | 吉林大学 | 基于死区效应的永磁同步电机模型预测控制方法 |
CN108900128A (zh) * | 2018-09-06 | 2018-11-27 | 吉林大学 | 基于模型预测控制的永磁同步电机直接转矩控制方法 |
CN109391202A (zh) * | 2018-11-08 | 2019-02-26 | 吉林大学 | 永磁同步电机模型预测-直接转矩控制方法 |
Non-Patent Citations (2)
Title |
---|
Identification of actuator model in an electrical machine by prediction error method and cultural particle swarm optimization;Sami Kiviluoto et al.;《2011 IEEE International Conference on System Engineering and Technology》;20110818;第74-78页 * |
永磁同步电机有限集无参数模型预测控制;陈卓易 等;《电机与控制学报》;20190114;第23卷(第1期);第19-26页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109842338A (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109787524B (zh) | 一种永磁同步电机参数在线辨识方法 | |
CN105391363B (zh) | 一种旋转变压器初始位置自校正方法及装置 | |
CN106549620B (zh) | 一种异步电机无速度传感器矢量控制系统低频处理方法 | |
CN102651629B (zh) | 一种永磁磁链的在线估算方法 | |
JP5490151B2 (ja) | 電気機械の回転子の回転子軸の位置情報を決定するための方法、装置およびコンピュータプログラム | |
CN107002636A (zh) | 用于估计风速,包括计算针对叶片扭转调节的桨距角的方法 | |
CN110943661B (zh) | 一种转子磁场定向偏差在线校正方法和装置 | |
CN109713971B (zh) | 一种永磁同步电机的扰动抑制方法 | |
CN109842338B (zh) | 永磁同步电机预测模型参数在线修正方法 | |
CN104009696A (zh) | 一种基于滑模控制的交互式模型参考自适应速度与定子电阻的辨识方法 | |
KR100851141B1 (ko) | 하이브리드 차량용 영구자석 동기모터 위치센서 오프셋보정방법 | |
Huynh et al. | On-line parameter estimation of an induction machine using a recursive least-squares algorithm with multiple time-varying forgetting factors | |
CN115498930A (zh) | 基于变速补偿的开关磁阻电机无位置传感器控制方法 | |
CN112821834A (zh) | 一种永磁同步电机的在线参数辨识方法和装置 | |
KR101845412B1 (ko) | 유도전동기의 자속관측기 및 자속 추정 방법 | |
JP6644551B2 (ja) | 建設機械のエンジン制御装置 | |
KR101779613B1 (ko) | 매입형 영구 자석 동기 전동기의 센서리스 제어를 위한 온라인 상수 보정 방법 | |
JP6966978B2 (ja) | 工作機械用モータ駆動装置 | |
CN114722528A (zh) | 一种基于自适应扩展卡尔曼滤波的感应电机无传感器矢量控制方法 | |
CN105811830A (zh) | 基于数据统计和数值优化的永磁同步电机模型建模方法 | |
Buchholz et al. | Gopinath-observer for flux estimation of an induction machine drive system | |
WO2021138375A8 (en) | Method for online direct estimation and compensation of flux and torque errors in electric drives | |
CN112803854A (zh) | 基于模型参考自适应的永磁同步电机参数在线辨识方法 | |
CN108155841B (zh) | 一种感应电机的无位置传感器速度估算方法 | |
Chongwu et al. | The study on the PMSM sensorless control using the sub-optimal fading extend Kalman filter |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210709 |