CN110912484A - 一种感应电机改进模型预测控制方法 - Google Patents
一种感应电机改进模型预测控制方法 Download PDFInfo
- Publication number
- CN110912484A CN110912484A CN201911149597.5A CN201911149597A CN110912484A CN 110912484 A CN110912484 A CN 110912484A CN 201911149597 A CN201911149597 A CN 201911149597A CN 110912484 A CN110912484 A CN 110912484A
- Authority
- CN
- China
- Prior art keywords
- stator
- cost function
- flux linkage
- induction motor
- representing
- 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.)
- Pending
Links
- 230000006698 induction Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004907 flux Effects 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- -1 metallurgy Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种感应电机改进模型预测控制方法，首先以感应电机定子电流和定子磁链为状态变量，建立感应电机在两相静止坐标系下的数学模型；然后假设当前时刻为k时刻，则对k+1时刻定子磁链和电磁转矩进行预测，得到定子磁链预测值和电磁转矩预测值；最后采用归一化方法简化代价函数的构造过程，无需繁琐的权重系数设计，避免了模型预测控制在实现过程中关于权重系数的复杂整定过程，显著减小了计算量，从而进一步提升了模型预测控制的实用性。本发明解决了现有技术中存在的代价函数中权重系数难以设计的问题，从而减小算法的复杂度，提高模型预测控制的实用性。
Description
技术领域
本发明属于高性能感应电机调速控制技术领域，具体涉及一种感应电机改进模型预测控制方法。
背景技术
感应电机具有成本低、易于制造、可靠性高等优点，目前，感应电机驱动系统已在工业领域、交通运输、国防军事装备、电力、煤炭、冶金、塑胶、石化、食品以及纺织行业等社会生产的各个方面广泛应用。随着科技的不断发展进步，机车牵引、数控机床等高性能工业装备对感应电机驱动系统的控制性能也提出了更高的要求。
模型预测控制是20世纪70年代后期出现在工业工程控制领域的一类计算机控制方法，近年来在电力电子领域受到了广泛关注，它具有动态响应好，灵活度高以及鲁棒性较强等优点。模型预测控制的基本原理提供了一种与众不同的进行能量处理的方法，该方法将功率变换器看成是非线性的、离散的执行器。在模型预测控制系统中，控制动作通过单一控制器实现，而控制器的动作通过从所有可能状态中获取，并且最终的最优动作通过使代价函数最小来获得。因此，对于模型预测控制来说，设定合适的代价函数显得尤为重要，代价函数可以显著提高控制的灵活度，也可以同时对多种变量(如开关损耗、开关次数、无功功率控制、电机转矩纹波等)实现最优化控制。通常，模型预测控制基于代价函数来选择最优的变换器开关状态，当代价函数中控制变量的单位量纲不一致时，需要设计相应的权重系数以实现对多个变量的同时控制。由于缺乏通用的理论设计原则，目前通常采用大量的仿真和实验来确定权重系数，不利于模型预测控制的实用化。
发明内容
本发明的目的是提供一种感应电机改进模型预测控制方法，解决了现有技术中存在的代价函数中权重系数难以设计的问题，从而减小算法的复杂度，提高模型预测控制的实用性。
本发明所采用的技术方案是，一种感应电机改进模型预测控制方法，具体按照后按以下步骤实施：
步骤1：以感应电机定子电流和定子磁链为状态变量，建立感应电机在两相静止坐标系下的数学模型；
步骤2：基于步骤1得到的感应电机在两相静止坐标系下的数学模型，假设当前时刻为k时刻，则对k+1时刻定子磁链和电磁转矩进行预测，得到定子磁链预测值和电磁转矩预测值；
步骤3：根据步骤2中得到的模型预测控制算法中k+1时刻定子磁链和电磁转矩预测值设计代价函数，采用归一化方法简化代价函数的构造过程，无需繁琐的权重系数设计，避免了模型预测控制在实现过程中关于权重系数的复杂整定过程，显著减小了计算量，从而进一步提升了模型预测控制的实用性。
本发明的特点还在于，
步骤1中感应电机在两相静止坐标系下的数学模型如下：
Dx＝Ax+Bu (1)
其中，D表示微分算子，
感应电机电磁转矩Te表达式为
其中，
Rs、Rr表示电机定子电阻、转子电阻；
ψs表示定子磁链矢量，ψsα、ψsβ表示α轴下的定子磁链分量、β轴下的定子磁链分量；
Ls、Lr、Lm表示电机定子电感、转子电感、互感；
ωr表示电机转子速度；
us表示定子电压矢量，usα、usβ表示α轴下定子电压分量、β轴下定子电压分量；
np表示电机极对数；
is表示定子电流矢量，isα、isβ表示α轴下定子电流分量、β轴下定子电流分量；
步骤2具体按照以下步骤实施：
步骤2.1：根据公式(1)得到感应电机在两相静止坐标系下的定子磁链方程如公式(3)～(4)所示，定子电流方程如公式(5)～(6)所示。
Dψsα＝usα-Rsisα (3)
Dψsβ＝usβ-Rsisβ (4)
Disα＝-λ(RsLr+RrLs)isα-ωrisβ+λRrψsα+λLrωrψsβ+λLrusα (5)
Disβ＝ωrisα-λ(RsLr+RrLs)isβ-λLrωrψsα+λRrψsβ+λLrusβ (6)
步骤2.2：基于前向欧拉离散化公式，将公式(3)～(6)离散化，得到模型预测控制方法中k+1时刻的定子磁链预测值如公式(7)～(8)所示，定子电流预测值如公式(9)～(10)所示：
其中，Ts为采样周期；
步骤2.3：根据k+1时刻的定子磁链预测值和定子电流预测值，得到k+1时刻电磁转矩预测值为
步骤3具体按照以下步骤实施：
步骤3.1：对于感应电机驱动系统，代价函数中转矩控制的分量g1和磁链控制的分量g2分别表示为
其中，
表示转速环通过比例积分调节器所产生的参考转矩，
为给定的定子磁链幅值；
步骤3.2：对于两电平电压源型逆变器，在一个控制周期内有8个电压矢量ui，i＝0,1,2,3,4,5,6,7，将这8个电压矢量分别带入公式(12)～(13)，得到对应的代价函数转矩分量值g1i和磁链分量值g2i，i＝0,1,2,3,4,5,6,7，采用归一化的设计得到新的无权重系数代价函数中转矩分量G1i和磁链分量G2i，表达式分别为
其中，g1max和g1min分别是g1i中的最大值和最小值，g2max和g2min分别是g2i中的最大值和最小值；
步骤3.3：采用归一化的设计思路，构造的新型无权重系数代价函数Gi为
Gi＝G1i+G2i (16)
其中，i＝0,1,2,3,4,5,6,7；
步骤3.4：在代价函数中附加过流保护部分对电机进行过流保护，则代价函数值中在k+1时刻的过流保护分量
被定义为
如果某个电压矢量对应的估计电流绝对值
大于设定的最大电流值|imax|，则该电压矢量对应的无权重系数代价函数值为无穷大，这样根据最小化代价函数的选取原则，该电压矢量不会作为逆变器的输出，从而达到了过流保护的目的；
步骤3.5：考虑到过流保护，结合公式(16)和(17)，无权重系数代价函数被修正为
步骤3.6：将两电平电压源型逆变器的8个电压矢量分别带入公式(18)所示的无权重系数代价函数，可以得到8个无权重系数代价函数值，即8个G值；
步骤3.7：对步骤3.6中计算得到的8个G值排序并选取使G值最小的电压矢量作为逆变器的输出；
步骤3.8：如果根据最小化代价函数原则选择的是零矢量，即将u0或u7带入公式(18)得到的G值最小，则根据开关切换最少原则选择u0或u7，这样开关状态只需切换一次，有利于减小开关损耗。
本发明的有益效果是，一种感应电机改进模型预测控制方法，针对传统模型预测控制算法权重系数整定难的问题，采用归一化设计思路，无需设计权重系数，在保持定子磁通幅值恒定的情况下，控制转矩快速跟踪指令值，显著减小了算法的复杂度，提高了模型预测控制的实用性。
附图说明
图1是本发明感应电机改进模型预测控制方法的结构框图；
图2是本发明两电平电压源型逆变器电路图；
图3是本发明两电平电压源型逆变器的电压矢量。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种感应电机改进模型预测控制方法，如图1所示，具体按照以下步骤实施：
步骤1：以感应电机定子电流和定子磁链为状态变量，建立感应电机在两相静止坐标系下的数学模型；
步骤1中感应电机在两相静止坐标系下的数学模型如下：
Dx＝Ax+Bu (1)
其中，D表示微分算子，
x＝[is ψs]T＝[isα isβ ψsα ψsβ]T，
u＝us＝[usα usβ]T；
感应电机电磁转矩Te表达式为
其中，
Rs、Rr表示电机定子电阻、转子电阻；
ψs表示定子磁链矢量，ψsα、ψsβ表示α轴下的定子磁链分量、β轴下的定子磁链分量；
Ls、Lr、Lm表示电机定子电感、转子电感、互感；
ωr表示电机转子速度；
us表示定子电压矢量，usα、usβ表示α轴下定子电压分量、β轴下定子电压分量；
np表示电机极对数；
is表示定子电流矢量，isα、isβ表示α轴下定子电流分量、β轴下定子电流分量；
步骤2：基于步骤1得到的感应电机在两相静止坐标系下的数学模型，假设当前时刻为k时刻，则对k+1时刻定子磁链和电磁转矩进行预测，得到定子磁链预测值和电磁转矩预测值；
步骤2具体按照以下步骤实施：
步骤2.1：根据公式(1)得到感应电机在两相静止坐标系下的定子磁链方程如公式(3)～(4)所示，定子电流方程如公式(5)～(6)所示。
Dψsα＝usα-Rsisα (3)
Dψsβ＝usβ-Rsisβ (4)
Disα＝-λ(RsLr+RrLs)isα-ωrisβ+λRrψsα+λLrωrψsβ+λLrusα (5)
Disβ＝ωrisα-λ(RsLr+RrLs)isβ-λLrωrψsα+λRrψsβ+λLrusβ (6)
步骤2.2：基于前向欧拉离散化公式，将公式(3)～(6)离散化，得到模型预测控制方法中k+1时刻的定子磁链预测值如公式(7)～(8)所示，定子电流预测值如公式(9)～(10)所示：
其中，Ts为采样周期；
步骤2.3：根据k+1时刻的定子磁链预测值和定子电流预测值，得到k+1时刻电磁转矩预测值为
步骤3：根据步骤2中得到的模型预测控制算法中k+1时刻定子磁链和电磁转矩预测值设计代价函数，采用归一化方法简化代价函数的构造过程，无需繁琐的权重系数设计，避免了模型预测控制在实现过程中关于权重系数的复杂整定过程，显著减小了计算量，从而进一步提升了模型预测控制的实用性。
步骤3具体按照以下步骤实施：
步骤3.1：对于感应电机驱动系统来说，在保持定子磁通幅值恒定的情况下，控制转矩快速跟踪指令值，且省去复杂的权重系数设计环节，可以根据归一化的思想构造出无权重系数代价函数。根据上述设计原则，代价函数中转矩控制的分量g1和磁链控制的分量g2分别表示为
其中，
表示转速环通过比例积分调节器所产生的参考转矩，
为给定的定子磁链幅值；
步骤3.2：对于两电平电压源型逆变器来说，其电路结构图和电压矢量分别如图2和图3所示，可以看到，在一个控制周期内有8个电压矢量ui，i＝0,1,2,3,4,5,6,7，将这8个电压矢量分别带入公式(12)～(13)，得到对应的代价函数转矩分量值g1i和磁链分量值g2i，i＝0,1,2,3,4,5,6,7，采用归一化的设计得到新的无权重系数代价函数中转矩分量G1i和磁链分量G2i，表达式分别为
其中，g1max和g1min分别是g1i中的最大值和最小值，g2max和g2min分别是g2i中的最大值和最小值；
步骤3.3：采用归一化的设计思路，构造的新型无权重系数代价函数Gi为
Gi＝G1i+G2i (16)
其中，i＝0,1,2,3,4,5,6,7；
步骤3.4：在感应电机模型预测控制中，定子电流未受到直接控制，稳态下定子电流为正弦电流且其幅值处于允许限制范围内，然而在某些瞬时过程，例如电机启动时，定子电流可能过大从而对电机造成损害，因此，为了对电机进行过流保护，需要在代价函数中附加过流保护部分，代价函数中在k+1时刻的过流保护分量
被定义为
如果某个电压矢量对应的估计电流绝对值
大于设定的最大电流值|imax|，则该电压矢量对应的无权重系数代价函数值为无穷大，这样根据最小化代价函数的选取原则，该电压矢量不会作为逆变器的输出，从而达到了过流保护的目的；
步骤3.5：考虑到过流保护，结合公式(16)和(17)，无权重系数代价函数被修正为
步骤3.6：将两电平电压源型逆变器的8个电压矢量分别带入公式(18)所示的无权重系数代价函数，可以得到8个无权重系数代价函数值，即8个G值；
步骤3.7：对步骤3.6中计算得到的8个G值排序并选取使G值最小的电压矢量作为逆变器的输出；
步骤3.8：作为特殊情况，如果根据最小化代价函数原则选择的是零矢量，即将u0或u7带入公式(18)得到的G值最小，则根据开关切换最少原则选择u0或u7。例如上一时刻逆变器输出电压矢量为u1(100)，那么当前时刻选择的零矢量应为u0(000)，这样开关状态只需切换一次，有利于减小开关损耗。
本发明一种感应电机改进模型预测控制方法，针对传统模型预测控制算法权重系数整定难的问题，采用归一化设计思路，无需设计权重系数，在保持定子磁通幅值恒定的情况下，控制转矩快速跟踪指令值，显著减小了算法的复杂度，提高了模型预测控制的实用性。
Claims (4)
1.一种感应电机改进模型预测控制方法，其特征在于，具体按照以下步骤实施：
步骤1：以感应电机定子电流和定子磁链为状态变量，建立感应电机在两相静止坐标系下的数学模型；
步骤2：基于步骤1得到的感应电机在两相静止坐标系下的数学模型，假设当前时刻为k时刻，则对k+1时刻定子磁链和电磁转矩进行预测，得到定子磁链预测值和电磁转矩预测值；
步骤3：根据步骤2中得到的模型预测控制算法中k+1时刻定子磁链和电磁转矩预测值设计代价函数，采用归一化方法简化代价函数的构造过程，无需繁琐的权重系数设计，避免了模型预测控制在实现过程中关于权重系数的复杂整定过程，显著减小了计算量，从而进一步提升了模型预测控制的实用性。
2.根据权利要求1所述的一种感应电机改进模型预测控制方法，其特征在于，所述步骤1中感应电机在两相静止坐标系下的数学模型如下：
Dx＝Ax+Bu (1)
其中，D表示微分算子，
x＝[is ψs]T＝[isα isβ ψsα ψsβ]T，
u＝us＝[usα usβ]T；
感应电机电磁转矩Te表达式为
其中，
Rs、Rr表示电机定子电阻、转子电阻；
ψs表示定子磁链矢量，ψsα、ψsβ表示α轴下的定子磁链分量、β轴下的定子磁链分量；
Ls、Lr、Lm表示电机定子电感、转子电感、互感；
ωr表示电机转子速度；
us表示定子电压矢量，usα、usβ表示α轴下定子电压分量、β轴下定子电压分量；
np表示电机极对数；
is表示定子电流矢量，isα、isβ表示α轴下定子电流分量、β轴下定子电流分量；
3.根据权利要求2所述的一种感应电机改进模型预测控制方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1：根据公式(1)得到感应电机在两相静止坐标系下的定子磁链方程如公式(3)～(4)所示，定子电流方程如公式(5)～(6)所示：
Dψsα＝usα-Rsisα (3)
Dψsβ＝usβ-Rsisβ (4)
Disα＝-λ(RsLr+RrLs)isα-ωrisβ+λRrψsα+λLrωrψsβ+λLrusα (5)
Disβ＝ωrisα-λ(RsLr+RrLs)isβ-λLrωrψsα+λRrψsβ+λLrusβ (6)
步骤2.2：基于前向欧拉离散化公式，将公式(3)～(6)离散化，得到模型预测控制方法中k+1时刻的定子磁链预测值如公式(7)～(8)所示，定子电流预测值如公式(9)～(10)所示：
其中，Ts为采样周期；
步骤2.3：根据k+1时刻的定子磁链预测值和定子电流预测值，得到k+1时刻电磁转矩预测值为
4.根据权利要求3所述的一种感应电机改进模型预测控制方法，其特征在于，所述步骤3具体按照以下步骤实施：
步骤3.1：对于感应电机驱动系统，代价函数中转矩控制的分量g1和磁链控制的分量g2分别表示为
其中，
表示转速环通过比例积分调节器所产生的参考转矩，
为给定的定子磁链幅值；
步骤3.2：对于两电平电压源型逆变器，在一个控制周期内有8个电压矢量ui，i＝0,1,2,3,4,5,6,7，将这8个电压矢量分别带入公式(12)～(13)，得到对应的代价函数转矩分量值g1i和磁链分量值g2i，i＝0,1,2,3,4,5,6,7，采用归一化的设计得到新的无权重系数代价函数中转矩分量G1i和磁链分量G2i，表达式分别为
其中，g1max和g1min分别是g1i中的最大值和最小值，g2max和g2min分别是g2i中的最大值和最小值；
步骤3.3：采用归一化的设计思路，构造的新型无权重系数代价函数Gi为
Gi＝G1i+G2i (16)
其中，i＝0,1,2,3,4,5,6,7；
步骤3.4：在代价函数中附加过流保护部分对电机进行过流保护，则代价函数值中在k+1时刻的过流保护分量
被定义为
如果某个电压矢量对应的估计电流绝对值
大于设定的最大电流值|imax|，则该电压矢量对应的无权重系数代价函数值为无穷大，这样根据最小化代价函数的选取原则，该电压矢量不会作为逆变器的输出，从而达到了过流保护的目的；
步骤3.5：考虑到过流保护，结合公式(16)和(17)，无权重系数代价函数被修正为
步骤3.6：将两电平电压源型逆变器的8个电压矢量分别带入公式(18)所示的无权重系数代价函数，可以得到8个无权重系数代价函数值，即8个G值；
步骤3.7：对步骤3.6中计算得到的8个G值排序并选取使G值最小的电压矢量作为逆变器的输出；
步骤3.8：如果根据最小化代价函数原则选择的是零矢量，即将u0或u7带入公式(18)得到的G值最小，则根据开关切换最少原则选择u0或u7，这样开关状态只需切换一次，有利于减小开关损耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911149597.5A CN110912484A (zh) | 2019-11-21 | 2019-11-21 | 一种感应电机改进模型预测控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911149597.5A CN110912484A (zh) | 2019-11-21 | 2019-11-21 | 一种感应电机改进模型预测控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110912484A true CN110912484A (zh) | 2020-03-24 |
Family
ID=69818363
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911149597.5A Pending CN110912484A (zh) | 2019-11-21 | 2019-11-21 | 一种感应电机改进模型预测控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110912484A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111564984A (zh) * | 2020-05-29 | 2020-08-21 | 郑州轻工业大学 | 无权重因子三相四开关变换器电容均压模型预测控制方法 |
| CN111884554A (zh) * | 2020-08-07 | 2020-11-03 | 吉林大学 | 永磁同步电机驱动系统延寿和转矩精确控制方法 |
| CN112202370A (zh) * | 2020-09-28 | 2021-01-08 | 北京科技大学 | 一种同轴双电机模型预测直接转矩控制方法 |
| CN117040328A (zh) * | 2023-08-15 | 2023-11-10 | 西安理工大学 | 一种感应电机模型预测转矩控制权重系数设计方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102983574A (zh) * | 2012-09-27 | 2013-03-20 | 华南理工大学 | 在线可变权重的多目标混合整数协调二级电压的控制方法 |
| CN106936356A (zh) * | 2017-04-24 | 2017-07-07 | 东南大学盐城新能源汽车研究院 | 矢量筛选和占空比结合的电机模型预测控制系统及方法 |
| CN109245640A (zh) * | 2018-09-19 | 2019-01-18 | 北方工业大学 | 一种异步电机模型预测控制方法及装置 |
| CN110445444A (zh) * | 2019-07-12 | 2019-11-12 | 西安理工大学 | 一种异步电机改进的模型预测控制方法 |
-
2019
- 2019-11-21 CN CN201911149597.5A patent/CN110912484A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102983574A (zh) * | 2012-09-27 | 2013-03-20 | 华南理工大学 | 在线可变权重的多目标混合整数协调二级电压的控制方法 |
| CN106936356A (zh) * | 2017-04-24 | 2017-07-07 | 东南大学盐城新能源汽车研究院 | 矢量筛选和占空比结合的电机模型预测控制系统及方法 |
| CN109245640A (zh) * | 2018-09-19 | 2019-01-18 | 北方工业大学 | 一种异步电机模型预测控制方法及装置 |
| CN110445444A (zh) * | 2019-07-12 | 2019-11-12 | 西安理工大学 | 一种异步电机改进的模型预测控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| LEILEI GUO ET AL.: "Dynamic Cost Function Based Predictive Torque Control for Permanent Magnet Synchronous Motor Without Using Weighting Factor", 《2018 IEEE INTERNATIONAL POWER ELECTRONICS AND APPLICATION CONFERENCE AND EXPOSITION (PEAC)》, 27 December 2018 (2018-12-27), pages 2 * |
| 张延庆: "提升感应电机控制系统鲁棒性能的转速辨识方法研究", 《中国博士学位论文全文数据库（工程科技Ⅱ辑）》, no. 8, 15 August 2019 (2019-08-15), pages 81 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111564984A (zh) * | 2020-05-29 | 2020-08-21 | 郑州轻工业大学 | 无权重因子三相四开关变换器电容均压模型预测控制方法 |
| CN111884554A (zh) * | 2020-08-07 | 2020-11-03 | 吉林大学 | 永磁同步电机驱动系统延寿和转矩精确控制方法 |
| CN111884554B (zh) * | 2020-08-07 | 2021-10-15 | 吉林大学 | 永磁同步电机驱动系统延寿和转矩精确控制方法 |
| CN112202370A (zh) * | 2020-09-28 | 2021-01-08 | 北京科技大学 | 一种同轴双电机模型预测直接转矩控制方法 |
| CN117040328A (zh) * | 2023-08-15 | 2023-11-10 | 西安理工大学 | 一种感应电机模型预测转矩控制权重系数设计方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110912484A (zh) | 一种感应电机改进模型预测控制方法 | |
| CN111224604A (zh) | 一种异步电机简化模型预测控制方法 | |
| Hasan et al. | Fractional-order PID controller for permanent magnet DC motor based on PSO algorithm | |
| CN110808700A (zh) | 一种感应电机多步模型预测控制方法 | |
| Dhieb et al. | PID controller tuning using ant colony optimization for induction motor | |
| CN106982017A (zh) | 一种感应电机无电流传感器直接预测控制方法 | |
| Ammar et al. | Predictive direct torque control with reduced ripples and fuzzy logic speed controller for induction motor drive | |
| Boumaalif et al. | Accounting for magnetic saturation in designing a SRM speed controller for torque ripple minimization | |
| Diachenko et al. | Optimal field-oriented control of an induction motor for loss minimization in dynamic operation | |
| Huang et al. | Nonsingular terminal sliding mode control based on sensor-cloud system for permanent magnet in-wheel motor | |
| CN109617467B (zh) | 永磁同步电动机低复杂度预测控制方法 | |
| Chiang et al. | Super-twisting second-order sliding mode control for a synchronous reluctance motor | |
| Xiang et al. | Speed regulation of PMSM system based on nonsingular terminal sliding mode control | |
| Sonkriwal et al. | Analysis of FUZZY-PI and PI Control Strategies for Permanent Magnetic Synchronous Motor Drive | |
| CN107800334B (zh) | 一种pmsm预同步同轴运行控制方法及系统 | |
| CN115987164A (zh) | 异步电机简化模型预测速度控制方法 | |
| Salman | Reduction of ripple for direct torque controlled three phase induction motor based on a predictive control technique | |
| González et al. | Optimal regulation of electric drives with constant load torque | |
| Tripathi et al. | Speed Control Analysis of Brushless DC Motor Using PI, PID and Fuzzy-PI Controllers | |
| Shourabi et al. | An intelligent method based on model predictive torque control and optimized ANFIS for induction motor speed control | |
| CN116073722A (zh) | 永磁同步电机简化模型预测速度控制方法 | |
| Vijayalakshmi et al. | Intelligent Control of Switched Reluctance Motor Using Fuzzy Logic and SMC Controller for EV Applications | |
| Rao | Virtual Development of Maximum Torque per Ampere by ANFIS with PI-Based Induction Motor Drive | |
| Ansari et al. | Loss Minimization Control of Three Phase Asynchronous Machine | |
| Diachenko et al. | Simple dynamic loss-minimizing flux level control of field-orientation induction motor drives |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |
|
| RJ01 | Rejection of invention patent application after publication |