CN111464100A - 一种基于模型预测控制的永磁同步电机控制方法及系统 - Google Patents

一种基于模型预测控制的永磁同步电机控制方法及系统 Download PDF

Info

Publication number
CN111464100A
CN111464100A CN202010407455.0A CN202010407455A CN111464100A CN 111464100 A CN111464100 A CN 111464100A CN 202010407455 A CN202010407455 A CN 202010407455A CN 111464100 A CN111464100 A CN 111464100A
Authority
CN
China
Prior art keywords
current
voltage
predicted
voltage vector
cost function
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
Application number
CN202010407455.0A
Other languages
English (en)
Inventor
张勇
刘平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Danfenrui Electrical Technology Co ltd
Original Assignee
Changsha Danfenrui Electrical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changsha Danfenrui Electrical Technology Co ltd filed Critical Changsha Danfenrui Electrical Technology Co ltd
Priority to CN202010407455.0A priority Critical patent/CN111464100A/zh
Publication of CN111464100A publication Critical patent/CN111464100A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • H02P25/022—Synchronous motors
    • 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
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
    • H02P27/12—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation pulsing by guiding the flux vector, current vector or voltage vector on a circle or a closed curve, e.g. for direct torque control
    • 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
    • H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
    • H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation

Abstract

本发明公开了一种基于模型预测控制的永磁同步电机控制方法及系统，通过改变状态的开关数量对成本函数选取的备选电压矢量进行筛选，降低开关损耗。方法包括：获取当前时刻永磁同步电机的当前定子电流和当前定子电压；根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；根据预设成本函数，从预测电压矢量中选择备选电压矢量；确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；根据改变状态的开关数量，对备选电压矢量进行筛选；通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。

Description

一种基于模型预测控制的永磁同步电机控制方法及系统
技术领域
本发明涉及电机领域，特别是涉及一种基于模型预测控制的永磁同步电机控制方法及系统。
背景技术
最近，永磁同步电机(Permanent-Magnet Synchronous Motor，PMSM)驱动器已广泛用于许多工业应用中，例如电动汽车，飞机，核电站，潜艇，机器人应用，医疗和工业伺服驱动器。由于具有高效率、高转矩惯量比、高功率因数、更快的响应速度和坚固的结构，在许多应用中都是首选。PMSM现有多种控制方案，它们的性能与电压源型逆变器(VoltageSource Inverter，VSI)电源开关改变状态策略(取决于控制方案)密切相关。常用的是磁场定向控制(Field Oriented Control，FOC)和直接转矩控制(Direct Torque Control，DTC)。其他控制方案也被广泛使用，如基于磁滞和基于无差拍的控制器。
模型预测控制(Model Predictive Control，MPC)由于良好的动态响应吸引了研究人员的高功率应用需求。MPC设计是通过解决优化问题(提供将来要使用的新状态)来执行的，因此，MPC方案已用于三相逆变器、矩阵转换器、整流器、旋转设备等的控制，从而实现了简单，灵活且性能良好的控制。MPC有两种主要的应用方法：有限控制集模型预测控制(Finite Control Set-MPC，FCS-MPC)和连续状态的模型预测控制(ContinuousControlSet-MPC，CCS-MPC)。区别这两种方法的是控制行为建模的形式。此外，在FCS-MPC中，控制动作包含在转换器的一组可能的开关组合中，被视为逻辑值。在CCS-MPC中，控制动作被视为实数，并采用调制技术将其转换成开关序列。目前主要采用的是FCS-MPC技术，由于其易于实现、具有最优控制特性、处理约束和处理多输入多输出(Multiple-Input Multiple-Out-put，MIMO)对象的可能性、其直观的方法和实现的大范围的次要目标。
但是，FCS-MPC不需要调制单元，每个控制周期的遍历优化得到的最优开关状态直接作用于变换器，控制周期之间的优化过程没有相关性。这些FCS-MPC的工作特性决定了FCS-MPC在电力电子系统中的开关状态是不稳定的，开关频率不固定，导致PMSM驱动器的开关损耗较大。
发明内容
本发明的目的是提供一种基于模型预测控制的永磁同步电机控制方法及系统，通过改变状态的开关数量对成本函数选取的备选电压矢量进行筛选，降低开关损耗。
本发明第一方面提供一种基于模型预测控制的永磁同步电机控制方法，包括：
获取当前时刻永磁同步电机的当前定子电流和当前定子电压；
根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
根据预设成本函数，从预测电压矢量中选择备选电压矢量；
确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；
根据改变状态的开关数量，对备选电压矢量进行筛选；
通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。
进一步的，根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量之前，还包括：
根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到电压源型逆变器的计算模型；
根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量，包括：
根据当前定子电压确定电压源型逆变器的当前输出电压；
根据电压源型逆变器的计算模型及当前输出电压，计算得到当前开关状态和当前电压矢量。
进一步的，根据预设成本函数，从预测电压矢量中选择备选电压矢量，包括：
获取正交电流参考值及最大定子电流幅值；
根据正交电流参考值、最大定子电流幅值及预设成本函数，从预测电压矢量中选择使电流误差最小的备选电压矢量。
进一步的，确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量，包括：
确定备选电压矢量的预测开关状态；
通过比较预测开关状态和当前开关状态，确定下一个时刻需要改变状态的开关数量。
进一步的，根据改变状态的开关数量，对备选电压矢量进行筛选，包括：
判断改变状态的开关数量是否大于预置值；
若大于，则不选择备选电压矢量；
若小于，则从备选电压矢量中选择最优电压矢量。
本发明第二方面提供一种基于模型预测控制的永磁同步电机控制系统，包括：
永磁同步电机、电压源型逆变器、计算模块、模型预测控制模块、成本函数模块及成本函数优化模块；
计算模块，用于获取当前时刻永磁同步电机的当前定子电流和当前定子电压；
计算模块，还用于根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
模型预测控制模块，用于根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
成本函数模块，用于根据预设成本函数，从预测电压矢量中选择备选电压矢量；
成本函数优化模块，用于确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；
成本函数优化模块，还用于根据改变状态的开关数量，对备选电压矢量进行筛选；
电压源型逆变器，用于通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。
进一步的，系统还包括：模型构建模块；
模型构建模块，用于根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到电压源型逆变器的计算模型；
计算模块，还用于根据当前定子电压确定电压源型逆变器的当前输出电压；
计算模块，还用于根据电压源型逆变器的计算模型及当前输出电压，计算得到当前开关状态和当前电压矢量。
进一步的，
成本函数模块，具体用于获取正交电流参考值及最大定子电流幅值；
成本函数模块，还用于根据正交电流参考值、最大定子电流幅值及预设成本函数，从预测电压矢量中选择使电流误差最小的备选电压矢量。
进一步的，
成本函数优化模块，还用于确定备选电压矢量的预测开关状态；
成本函数优化模块，还用于通过比较预测开关状态和当前开关状态，确定下一个时刻需要改变状态的开关数量。
进一步的，
成本函数优化模块，还用于判断改变状态的开关数量是否大于预置值；
成本函数优化模块，还用于若大于，则不选择备选电压矢量；
成本函数优化模块，还用于若小于，则从备选电压矢量中选择最优电压矢量。
由此可见，本发明中先获取当前时刻永磁同步电机的当前定子电流和当前定子电压，根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量，根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量，根据预设成本函数，从预测电压矢量中选择备选电压矢量，确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量，根据改变状态的开关数量，对备选电压矢量进行筛选，通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。与现有的传统MPC和FCS-MPC相比，本发明中增加了根据当前开关状态及备选电压矢量的预测开关状态，确定改变状态的开关数量，根据改变状态的开关数量对预设成本函数选择的备选电压矢量进行筛选，从而可以通过减小开关状态发生变化的数量，降低开关损耗。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于模型预测控制的永磁同步电机控制方法的一个实施例的流程示意图；
图2为本发明提供的基于模型预测控制的永磁同步电机控制方法的另一个实施例的流程示意图；
图3为本发明提供的基于模型预测控制的永磁同步电机控制系统的一个实施例的结构示意图；
图4为本发明提供的基于模型预测控制的永磁同步电机控制系统的另一个实施例的结构示意图。
具体实施方式
本发明的核心是提供一种基于模型预测控制的永磁同步电机控制方法及系统，通过改变状态的开关数量对成本函数选取的备选电压矢量进行筛选，降低开关损耗。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供一种基于模型预测控制的永磁同步电机控制方法，包括：
101、获取当前时刻永磁同步电机的当前定子电流和当前定子电压；
本实施例中，永磁同步电机数学模型已经预先建立，忽略了磁饱和，假定反向电磁力为正弦波，涡流、磁滞损耗和阻塞转矩很小，然后被忽略。根据理论，通过使用“有效磁通”的概念，任何凸极转子电机都可以用非凸极转子电机等。传统上，同步电机的矢量控制是根据dq轴旋转框架开发的，该框架以转子磁场轴为方向。使用该参考框架具有将正弦变量转换为直流值的优势。这样就产生了一个模型，该模型类似于直流电机，在此框架中，每个电流分量都有明确的物理含义：iq与转矩成正比，而id与无功功率成正比。通过忽略同极分量，定子电压可以表示为：
Figure BDA0002491905690000061
其中，定子磁通可以表示为：
Figure BDA0002491905690000062
电磁转矩表示为：
Figure BDA0002491905690000063
由于永磁同步电机是非凸极电机，因此所有电感都相等：Ld＝Lq＝L。因此，电磁转矩简化为：
Figure BDA0002491905690000064
永磁同步电机的全机械方程式表示为：
Figure BDA0002491905690000071
其中，ud，uq是电压分量；id，iq电机相电流；dq轴上的ψd，ψq和ψr磁通以及永磁体引起的磁链。Te和TL是电磁转矩和负载转矩。f是粘滞摩擦系数，J是惯性矩。最后，θ，Ω，ω和p分别是电角，机械速度，角频率和极对数。从而通过永磁同步电机数学模型就可以获取到当前时刻的当前定子电流和当前定子电压。
102、根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
本实施例中，在步骤102之前，还可以根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到电压源型逆变器的计算模型，一般电压源型逆变器作为永磁同步电机的驱动单元是三相两级的，那么电压源型逆变器产生的不同的输出电压，是由每个相Sa，Sb和Sc中的开关状态决定，Sx∈{1,0}，x∈{a,b,c}，那么根据输出电压、电压矢量及开关状态的关系，构建得到电压源型逆变器的计算模型的方程表示如下：
Figure BDA0002491905690000072
Vdc是直流电压，考虑开关状态的所有可能组合(Sa,Sb,Sc)，可获得七个不同的电压矢量。这种表示法可以将电压矢量表征为：
Vx＝Va+jVβx∈{0,1,...,7}；
当前定子电压即是电压源型逆变器的当前输出电压，根据电压源型逆变器的计算模型及当前输出电压，计算得到当前开关状态和当前电压矢量。
103、根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
本实施例中，设计为参考模型的永磁同步电机的状态空间定子电流由
Figure BDA0002491905690000081
给出，其中：
Figure BDA0002491905690000082
u＝[vd vq]T；
Figure BDA0002491905690000083
使用欧拉近似法对采样时间Ts预测下一个时刻的预测定子电流，
Figure BDA0002491905690000084
然后，预测定子电流由以下系统表示：
Figure BDA0002491905690000085
其中id(k+1)和iq(k+1)，分别为id(k)和iq(k)在第(k+1)th个采样时间的预测d和q定子电流分量。在每个采样时间Ts中，d和q定子电流分量的变化取决于第kth个采样时施加的定子电压分量vd(k)和vq(k)。电压源型逆变器生成的电压矢量固定在固定的参考系中，但它们是dq参考系中的旋转矢量，可以通过将旋转操作应用于预测电压矢量的αβ分量来确定，公式如下：
Figure BDA0002491905690000086
如下表1所示，为开关状态和电压矢量的关系表。
表1
Figure BDA0002491905690000087
Figure BDA0002491905690000091
104、根据预设成本函数，从预测电压矢量中选择备选电压矢量；
本实施例中，成本函数g是用于最佳控制系统的性能测量工具。在MPC的特定情况下，此类功能所涉及的变量与工厂的未来行为有关，由预测模型描述。在电动机控制中，成本函数有两种主要类型：a.具有次要目标的成本函数：多目标函数，其中有一个单一的主要目标(对于驱动是必不可少的)和辅助目标，这些目标基于特定的品质因数有助于改善系统性能；b.具有同等重要目标的成本函数：多目标函数，其中多个目标是驱动力的基础。对于PMSM驱动器的特定情况，可以在第一种情况下对所有成本函数进行分类。与感应电机不同，因此，永磁同步电机磁通或直流控制可以归为次要目标，因为它们实际上仅与电动机效率有关。但是，转矩(或位置或速度)的跟踪误差是主要目标，因为没有这个目标，驱动系统就无用了。在成本函数中最常见的成本组成部分中，可能需要强调：跟踪成本：与变量及其引用之间的误差有关。通常，这是控制系统的主要成本。吸引力成本：与次要目标相关，目的是改善系统的稳态状态；限制成本：负责惩罚超出先前确定的最大和最小限制的某个变量。通常，这种类型的成本用于约束的处理。电机驱动系统中最常见的限制是最大电流和最大(或最小)直流母线电压寿命。必须设计一个非负函数，以评估预测系统状态与参考值和其他控制目标给出的期望值之间的距离。这样的函数称为成本函数，并假定与控制目标最佳相符的预测状态的最小值。在这种情况下，控制目标是：通过最大转矩每安培控制方式，最小化id电流分量。跟踪iq当前参考。限制定子电流幅度，保持电流受限制值内。
预设成本函数具体如下：
Figure BDA0002491905690000092
Figure BDA0002491905690000093
其中，
Figure BDA0002491905690000101
是正交电流参考值。成本函数的第一项加权id电流分量的大小，不利于施加电压矢量，导致电流不产生扭矩；第二项加权iq电流分量与其参考之间的误差，该误差由外部速度控制器给出，不利于施加电压矢量，这些电压矢量会使正交电流偏离其参考电压。成本函数的最后一项是用于限制定子电流幅度的非线性函数，其中，id max和iq max是最大允许定子电流幅值。以这种方式，如果给定的电压矢量生成幅度大于id max和iq max的预测电流，则成本函数将为g＝∞，因此，将不会选择该电压矢量。另一方面，如果预测定子电流低于限值，则成本函数将仅由前两项组成，并且将选择使电流误差最小的备选电压矢量。
可选的，具体可以先获取正交电流参考值
Figure BDA0002491905690000102
及最大定子电流幅值id max和iq max，根据正交电流参考值、最大定子电流幅值及预设成本函数g，从预测电压矢量中选择使电流误差最小的备选电压矢量。
105、确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；
本实施例中，确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量。
可选的，先确定备选电压矢量的预测开关状态，具体的确定过程参照步骤103中的描述，或者从表1所示的关系表中直接得到预测开关状态，假设当前电压矢量为V5(0,0,1)，当前开关状态为S(0,0,1)，备选电压矢量为V2(1,1,0)，预测开关状态为S(1,1,0)，通过比较预测开关状态和当前开关状态，确定下一个时刻需要改变状态的开关数量是3个。
106、根据改变状态的开关数量，对备选电压矢量进行筛选；
本实施例中，根据改变状态的开关数量，对备选电压矢量进行筛选，具体可以是在预设成本函数的基础上增加与改变状态的开关数量相关的参数，从而可以实现对于备选电压矢量的筛选。
107、通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。
本实施例中，电压源型逆变器根据筛选后的备选电压矢量在下一个时刻控制永磁同步电机。
本发明实施例中，先获取当前时刻永磁同步电机的当前定子电流和当前定子电压，根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量，根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量，根据预设成本函数，从预测电压矢量中选择备选电压矢量，确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量，根据改变状态的开关数量，对备选电压矢量进行筛选，通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。与现有的传统MPC和FCS-MPC相比，本发明中增加了根据当前开关状态及备选电压矢量的预测开关状态，确定改变状态的开关数量，根据改变状态的开关数量对预设成本函数选择的备选电压矢量进行筛选，从而可以通过减小开关状态发生变化的数量，降低开关损耗。
在以上图1实施例中，对于如何利用改变状态的开关数量进行备选电压矢量筛选，并未进行详细说明，下面通过实施例进行详细说明。
请参考图2，本发明实施例提供一种基于模型预测控制的永磁同步电机控制方法，包括：
201、获取当前时刻永磁同步电机的当前定子电流和当前定子电压；
202、根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
203、根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
204、根据预设成本函数，从预测电压矢量中选择备选电压矢量；
205、确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；
206、判断改变状态的开关数量是否大于预置值，若大于，执行步骤207；若小于，执行步骤208；
本实施例中，为了直接考虑成本函数中换向次数的减少，一种简单的方法是在原来成本函数中增加一个参数Ylim(λSx)，其中，λSx是施加下一个时刻的开关状态S(k)到当前开关状态S(k-1)时改变状态的开关数量，每个电压源型逆变器分支的开关状态：S＝[Sa,Sb,SC]T，其中，每个元素SX代表开关状态，并且只有两个状态，一个或零，则从S(k-1)变为S(k)的改变状态的开关数量为：
Figure BDA0002491905690000121
Ylim(λSx)的表达式为：
Figure BDA0002491905690000122
表示预置值为1，当改变状态的开关数量λSx大于1时，Ylim(λSx)取无穷大；当改变状态的开关数量λSx不大于1时，Ylim(λSx)取0；
而增加Ylim(λSx)的预设成本函数变为了：
gopt＝g+Ylim(λSx)；
其中，g为预设成本函数，例如，如果当前电压矢量为V5(0,0,1)，下一个时刻的备选电压矢量为V2(1,1,0)，那么在这种情况下，逆变器分支的三个开关会改变其状态，λSx＝3，Ylim(λSx)取无穷大，成本函数将为gopt＝∞，因此将不会选择备选电压矢量V2(1,1,0)，执行步骤207；
当注意到只有一个开关改变其状态时，Ylim(λSx)取0，成本函数将为gopt＝g，即需要改变预设成本函数，将从V4(0,1,1)，V6(1,0,1)或V0(0,0,0)中选择最佳电压矢量，执行步骤208。
207、不选择备选电压矢量；
本实施例中，改变状态的开关数量大于预置值，那么不选择该备选电压矢量。
208、从备选电压矢量中选择最优电压矢量；
本实施例中，改变状态的开关数量不大于预置值时，不改变预设成本函数，从备选电压矢量中选择最优电压矢量。
209、通过最优电压矢量，在下一个时刻控制永磁同步电机。
本发明实施例中，通过细化根据改变状态的开关数量，对备选电压矢量进行筛选，具体说明了可以对预设成本函数进行优化，增加与改变状态的开关数量相关的参数，从而能够排除改变状态的开关数量超过预置值的电压矢量，即减少了开关变化，降低了开关损耗。
以上实施例中具体说明了基于模型预测控制的永磁同步电机控制方法，下面通过实施例对应用该方法的基于模型预测控制的永磁同步电机控制系统进行详细说明。
请参考图3，本发明实施例提供一种基于模型预测控制的永磁同步电机控制系统，包括：
永磁同步电机301、电压源型逆变器302、计算模块303、模型预测控制模块304、成本函数模块305及成本函数优化模块306；
计算模块303，用于获取当前时刻永磁同步电机301的当前定子电流和当前定子电压；
计算模块303，还用于根据当前定子电压确定电压源型逆变器302的当前开关状态和当前电压矢量；
模型预测控制模块304，用于根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
成本函数模块305，用于根据预设成本函数，从预测电压矢量中选择备选电压矢量；
成本函数优化模块306，用于确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量；
成本函数优化模块306，还用于根据改变状态的开关数量，对备选电压矢量进行筛选；
电压源型逆变器302，用于通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机301。
本发明实施例中，计算模块303先获取当前时刻永磁同步电机301的当前定子电流和当前定子电压，根据当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量，模型预测控制模块304根据当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量，成本函数模块305根据预设成本函数，从预测电压矢量中选择备选电压矢量，成本函数优化模块306确定备选电压矢量的预测开关状态，根据当前开关状态及预测开关状态确定改变状态的开关数量，根据改变状态的开关数量，对备选电压矢量进行筛选，电压源型逆变器302通过筛选后的备选电压矢量，在下一个时刻控制永磁同步电机。与现有的传统MPC和FCS-MPC相比，本发明中增加了根据当前开关状态及备选电压矢量的预测开关状态，确定改变状态的开关数量，根据改变状态的开关数量对预设成本函数选择的备选电压矢量进行筛选，从而可以通过减小开关状态发生变化的数量，降低开关损耗。
可选的，参考图4所示实施例，本发明的一些实施例中，系统还包括：模型构建模块401；
模型构建模块401，用于根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到电压源型逆变器的计算模型；
计算模块303，还用于根据当前定子电压确定电压源型逆变器的当前输出电压；
计算模块303，还用于根据电压源型逆变器的计算模型及当前输出电压，计算得到当前开关状态和当前电压矢量。
可选的，继续参考图3，本发明的一些实施例中，
成本函数模块305，具体用于获取正交电流参考值及最大定子电流幅值；
成本函数模块305，还用于根据正交电流参考值、最大定子电流幅值及预设成本函数，从预测电压矢量中选择使电流误差最小的备选电压矢量。
可选的，继续参考图3，本发明的一些实施例中，
成本函数优化模块306，还用于确定备选电压矢量的预测开关状态；
成本函数优化模块306，还用于通过比较预测开关状态和当前开关状态，确定下一个时刻需要改变状态的开关数量。
可选的，继续参考图3，本发明的一些实施例中，
成本函数优化模块306，还用于判断改变状态的开关数量是否大于预置值；
成本函数优化模块306，还用于若大于，则不选择备选电压矢量；
成本函数优化模块306，还用于若小于，则从备选电压矢量中选择最优电压矢量。
本发明实施例中，通过细化成本函数优化模块306根据改变状态的开关数量，对备选电压矢量进行筛选，具体说明了可以对预设成本函数进行优化，增加与改变状态的开关数量相关的参数，从而能够排除改变状态的开关数量超过预置值的电压矢量，即减少了开关变化，降低了开关损耗。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于模型预测控制的永磁同步电机控制方法，其特征在于，包括：
获取当前时刻永磁同步电机的当前定子电流和当前定子电压；
根据所述当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
根据所述当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
根据预设成本函数，从所述预测电压矢量中选择备选电压矢量；
确定所述备选电压矢量的预测开关状态，根据所述当前开关状态及所述预测开关状态确定改变状态的开关数量；
根据所述改变状态的开关数量，对所述备选电压矢量进行筛选；
通过筛选后的所述备选电压矢量，在下一个时刻控制所述永磁同步电机。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量之前，还包括：
根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到所述电压源型逆变器的计算模型；
所述根据所述当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量，包括：
根据所述当前定子电压确定所述电压源型逆变器的当前输出电压；
根据所述电压源型逆变器的计算模型及所述当前输出电压，计算得到当前开关状态和当前电压矢量。
3.根据权利要求1所述的方法，其特征在于，所述根据预设成本函数，从所述预测电压矢量中选择备选电压矢量，包括：
获取正交电流参考值及最大定子电流幅值；
根据所述正交电流参考值、所述最大定子电流幅值及所述预设成本函数，从所述预测电压矢量中选择使电流误差最小的备选电压矢量。
4.根据权利要求3所述的方法，其特征在于，所述确定所述备选电压矢量的预测开关状态，根据所述当前开关状态及所述预测开关状态确定改变状态的开关数量，包括：
确定所述备选电压矢量的预测开关状态；
通过比较所述预测开关状态和所述当前开关状态，确定下一个时刻需要改变状态的开关数量。
5.根据权利要求4所述的方法，其特征在于，所述根据所述改变状态的开关数量，对所述备选电压矢量进行筛选，包括：
判断所述改变状态的开关数量是否大于预置值；
若大于，则不选择所述备选电压矢量；
若小于，则从所述备选电压矢量中选择最优电压矢量。
6.一种基于模型预测控制的永磁同步电机控制系统，其特征在于，包括：
永磁同步电机、电压源型逆变器、计算模块、模型预测控制模块、成本函数模块及成本函数优化模块；
所述计算模块，用于获取当前时刻所述永磁同步电机的当前定子电流和当前定子电压；
所述计算模块，还用于根据所述当前定子电压确定电压源型逆变器的当前开关状态和当前电压矢量；
所述模型预测控制模块，用于根据所述当前定子电流，通过模型预测控制算法计算得到下一个时刻的预测定子电流及预测电压矢量；
所述成本函数模块，用于根据预设成本函数，从所述预测电压矢量中选择备选电压矢量；
所述成本函数优化模块，用于确定所述备选电压矢量的预测开关状态，根据所述当前开关状态及所述预测开关状态确定改变状态的开关数量；
所述成本函数优化模块，还用于根据所述改变状态的开关数量，对所述备选电压矢量进行筛选；
所述电压源型逆变器，用于通过筛选后的所述备选电压矢量，在下一个时刻控制所述永磁同步电机。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括：模型构建模块；
所述模型构建模块，用于根据电压源型逆变器的输出电压、电压矢量及开关状态的关系，构建得到所述电压源型逆变器的计算模型；
所述计算模块，还用于根据所述当前定子电压确定所述电压源型逆变器的当前输出电压；
所述计算模块，还用于根据所述电压源型逆变器的计算模型及所述当前输出电压，计算得到当前开关状态和当前电压矢量。
8.根据权利要求6所述的系统，其特征在于，
所述成本函数模块，具体用于获取正交电流参考值及最大定子电流幅值；
所述成本函数模块，还用于根据所述正交电流参考值、所述最大定子电流幅值及所述预设成本函数，从所述预测电压矢量中选择使电流误差最小的备选电压矢量。
9.根据权利要求8所述的系统，其特征在于，
所述成本函数优化模块，还用于确定所述备选电压矢量的预测开关状态；
所述成本函数优化模块，还用于通过比较所述预测开关状态和所述当前开关状态，确定下一个时刻需要改变状态的开关数量。
10.根据权利要求9所述的系统，其特征在于，
所述成本函数优化模块，还用于判断所述改变状态的开关数量是否大于预置值；
所述成本函数优化模块，还用于若大于，则不选择所述备选电压矢量；
所述成本函数优化模块，还用于若小于，则从所述备选电压矢量中选择最优电压矢量。
CN202010407455.0A 2020-05-14 2020-05-14 一种基于模型预测控制的永磁同步电机控制方法及系统 Pending CN111464100A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010407455.0A CN111464100A (zh) 2020-05-14 2020-05-14 一种基于模型预测控制的永磁同步电机控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010407455.0A CN111464100A (zh) 2020-05-14 2020-05-14 一种基于模型预测控制的永磁同步电机控制方法及系统

Publications (1)

Publication Number Publication Date
CN111464100A true CN111464100A (zh) 2020-07-28

Family

ID=71680061

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010407455.0A Pending CN111464100A (zh) 2020-05-14 2020-05-14 一种基于模型预测控制的永磁同步电机控制方法及系统

Country Status (1)

Country Link
CN (1) CN111464100A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532132A (zh) * 2020-11-26 2021-03-19 西北工业大学 一种永磁同步电机电流快速响应控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108448961A (zh) * 2018-05-04 2018-08-24 南通大学 计及开关频率优化的永磁同步电机模型预测转矩控制方法
CN111030542A (zh) * 2019-12-30 2020-04-17 湖南大学 一种永磁同步电机预测电流控制方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN108448961A (zh) * 2018-05-04 2018-08-24 南通大学 计及开关频率优化的永磁同步电机模型预测转矩控制方法
CN111030542A (zh) * 2019-12-30 2020-04-17 湖南大学 一种永磁同步电机预测电流控制方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BADII GMATI等: ""Improved MPC for PMSM drives to reduce switching losses"", 《2017 INTERNATIONAL CONFERENCE ON GREEN ENERGY CONVERSION SYSTEMS (GECS)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532132A (zh) * 2020-11-26 2021-03-19 西北工业大学 一种永磁同步电机电流快速响应控制方法

Similar Documents

Publication Publication Date Title
Amiri et al. Predictive torque control implementation for induction motors based on discrete space vector modulation
Vafaie et al. A new predictive direct torque control method for improving both steady-state and transient-state operations of the PMSM
Butt et al. Simplified fuzzy-logic-based MTPA speed control of IPMSM drive
Peyrl et al. Model predictive torque control of a switched reluctance motor
Ravi Eswar et al. Modified predictive torque and flux control for open end winding induction motor drive based on ranking method
Al-Kaf et al. Hybrid current controller for permanent-magnet synchronous motors using robust switching techniques
Kuo et al. Control of a permanent magnet synchronous motor with a fuzzy sliding-mode controller
Li et al. A high-performance indirect torque control strategy for switched reluctance motor drives
CN111464100A (zh) 一种基于模型预测控制的永磁同步电机控制方法及系统
Ismail et al. Performance enhancement of salient permanent-magnet motors over wide speed range based on finite-set model predictive control
Bharath Kumar et al. Simple predictive torque control of an open‐end winding interior permanent magnet synchronous motor drive without weighting factor for electric vehicle applications
Hafeez et al. FLC based hysteresis band adaptation to optimize torque and stator flux ripples of a DTC based IM drive
Shiravani et al. An improved predictive current control for IM drives
Korkmaz et al. Artificial neural network based DTC driver for PMSM
Sujatha et al. Artificial intelligence based speed control of brushless DC motor
Viola et al. Direct torque control of induction motors using a fuzzy inference system for reduced ripple torque and current limitation
Penne et al. Model Predictive Saturation Controller-Based Direct Torque Control of Permanent-Magnet Synchronous Machines
Allirani et al. Direct torque control technique for voltage source inverter fed induction motor drive
Ortega et al. Direct torque control of induction motors using fuzzy logic with current limitation
Ismail Improving the performance of the DTC saturated model of the induction motor in case of two level and three level VSI using GA and PSO algorithms
Guiti et al. Direct Torque Control with ANN hysteresis controller for PMSM
Khalilzadeh et al. Deadbeat current control of permanent magnet synchronous motors using a simplified discrete space vector modulation
Garcia et al. Performance evaluation between SMPTC and PTC for PMSM drives
Moghadasian et al. Torque ripple minimization in direct torque control of six-phase induction machines using fuzzy inference systems
Sharifian et al. Direct torque control of brushless DC motor drives based on ANFIS controller with fuzzy supervisory learning

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200728