CN112468036B - 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法 - Google Patents

永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法 Download PDF

Info

Publication number
CN112468036B
CN112468036B CN202011519799.7A CN202011519799A CN112468036B CN 112468036 B CN112468036 B CN 112468036B CN 202011519799 A CN202011519799 A CN 202011519799A CN 112468036 B CN112468036 B CN 112468036B
Authority
CN
China
Prior art keywords
current
iteration
amplitude
motor
current amplitude
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
Application number
CN202011519799.7A
Other languages
English (en)
Other versions
CN112468036A (zh
Inventor
郑萍
尹佐生
乔光远
刘国鹏
苑子航
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202011519799.7A priority Critical patent/CN112468036B/zh
Publication of CN112468036A publication Critical patent/CN112468036A/zh
Priority to PCT/CN2021/123463 priority patent/WO2022134751A1/zh
Application granted granted Critical
Publication of CN112468036B publication Critical patent/CN112468036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/34—Modelling or simulation for control purposes
    • 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
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • 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
    • H02P21/0085—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for high speeds, e.g. above nominal speed
    • H02P21/0089—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for high speeds, e.g. above nominal speed using field weakening
    • 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
    • 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
    • H02P21/141—Flux estimation
    • 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
    • H02P21/20—Estimation of torque
    • 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
    • H02P21/22—Current control, e.g. using a current control loop
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法，属于电机领域，本发明为解决传统的全速域效率最优控制算法使用固定参数值计算，存在电流轨迹偏差大，无法实现准确的全速域效率最优控制的问题。本发明该方法为：电机运行在基速值以下时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用MTPA控制方式获取电流幅值最小的电流工作点作为电流轨迹；电机运行在基速值以上时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点作为电流轨迹。

Description

永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线 控制方法
技术领域
本发明涉及一种永磁同步电机全速域效率最优控制时的电流轨迹搜索算法，一种永磁同步电机非线性磁链模型和一种基于神经网络的永磁同步电机全速域效率最优在线控制算法，属于电机领域。
背景技术
近年来传统汽车保有量激增，造成的环境污染问题日益严重，逐步成为加剧全球变暖和温室效应的重要因素之一。同时，传统汽车使用内燃机，其能量转化率较低，且十分依赖石油等不可再生资源，环境污染和能源危机的双重压力促使传统汽车产业逐步向新能源汽车方向发展。稀土永磁同步电机具有高功率因数、高功率密度、高效率、高可靠性等优点，被广泛应用于电动汽车，轨道交通，家用电器，航空航天和国防工业等领域。稀土永磁电机按转子结构不同可以分为表贴式永磁同步电机和内置式永磁同步电机，其中内置式永磁同步电机的交、直轴电感不同，利用电感的不对称性可以产生额外的磁阻转矩，进而提高电机的转矩输出能力。
为最大程度地利用磁阻转矩，提高电机的输出转矩，实现电机在全速域的高效运行，全速域效率最优控制的思想通常被用于内置式永磁同步电机。采用全速域效率最优控制方法能够最大限度地利用电机的磁阻转矩，提高电机在单位定子电流下的转矩输出能力，在一定的输出转矩需求和电压极限下，只需施加较小的定子电流，可以有效降低电机运行时的铜损，提高电机的运行效率。传统的全速域效率最优控制算法基于永磁同步电机的数学模型，根据转矩计算公式和电压计算公式，计算出电机在全速域效率最优控制下的电流轨迹。
但传统的全速域效率最优控制算法认为电机的交直轴电感、永磁磁链等参数值固定，这种等效处理方式是不合理的，传统全速域效率最优控制算法中用到永磁磁链、交轴电感、直轴电感等电机参数，这些电机参数会随着电机铁心饱和程度的变化而变化，且电机的负载饱和程度越高，电机电感等参数变化越明显，传统算法使用固定参数值计算全速域效率最优控制下的电流轨迹明显不合理，得到的电流轨迹与实际全速域效率最优控制电流轨迹有偏差，无法实现准确的全速域效率最优控制。
发明内容
本发明目的是为了解决传统的全速域效率最优控制算法使用固定参数值计算，存在电流轨迹偏差大，无法实现准确的全速域效率最优控制的问题，提供了一种永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法。
本发明所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，该方法为：电机运行在基速值以下时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用MTPA控制方式获取电流幅值最小的电流工作点作为电流轨迹；电机运行在基速值以上时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点作为电流轨迹；
采用MTPA控制方式获取电流幅值最小的电流工作点的过程包括电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电流幅值减小的方向；在进行电流角迭代过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出MTPA电流轨迹；
采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点的过程包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电压极限下电流幅值减小的方向；在进行电流角迭代的过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出弱磁区效率最优控制电流轨迹。
优选地，采用MTPA控制方式获取电流幅值最小的电流工作点的过程包括电流角迭代循环步骤和电流幅值迭代循环步骤：
电流角迭代循环步骤包括：
A1、初始化电流角初值区间[a1,b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
A2、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，电流角迭代次数k＝1,2,3...
判断结果为是，执行步骤A3；判断结果为否执行步骤A5；
电流幅值目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
A3、令ak+1＝λk，bk+1＝bk，λk+1＝βk，βk+1＝ak+1+0.618(bk+1-ak+1)，
A4、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤A7；
A5、令ak+1＝ak，bk+1＝βk，βk+1＝λk，λk+1＝ak+1+0.382(bk+1-ak+1)，
A6、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤A7；
A7、令k＝k+1；
A8、判断迭代是否收敛：若bk-ak＜L1，执行步骤A9；否则，返回步骤A2；
其中L1为电流角迭代精度；
A9、判断电流工作点是否同时满足电流极限与电压极限的要求：若I(λk)≤Ilim&U(λk)≤Ulim，Itim为给定电流极限值，Utim为给定电压极限值，输出MTPA电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤A1；
电流幅值迭代循环步骤包括：
B1、初始化电流幅值的初值区间：[c1，d1]，并计算电流幅值试探点初值μ1、v1：
μ1＝c1+0.382(d1-c1)、v1＝c1+0.618(d1-c1)；
B2、计算两电流幅值试探点处的转矩误差目标函数值：f(μ1)、f(v1)，
转矩误差目标函数f(I)按
Figure GDA0003467065520000031
获取，其中：
Figure GDA0003467065520000032
为给定转矩，Te(I，θ)为电流角θ对应的转矩，电流角θ为电流角迭代循环输出的电流角试探点λk、βk；I为电流幅值；
B3、判断两电流幅值试探点处转矩误差目标函数值f(μh)和f(vh)是否存在关系f(μh)＞f(vh)，电流幅值迭代次数h＝1，2，3…
判断结果为是，执行步骤B4；判断结果为否执行步骤B5；
B4、令ch+1＝μh，dh+1＝dh，μh+1＝vh，vh+1＝ch+1+0.618(dh+1-ch+1)，
计算目标函数值f(vh+1)，然后步骤B6；
B5、令ch+1＝ch，dh+1＝vh，vh+1＝μh，μh+1＝ch+1+0.382(dh+1-ch+1)，
计算目标函数值f(μh+1)，然后步骤B6；
B6、令h＝h+1，
B7、判断迭代是否收敛：若dh-ch＜L2，输出给定电流角对应的电流幅值I(θ)、电压幅值U(θ)，输出结果用于电流角的迭代搜索过程；否则，返回步骤B3；其中L2为电流幅值迭代精度。
优选地，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点的过程包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤：
弱磁电流角迭代循环步骤包括：
C1、初始化电流角初值区间[a1，b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
C2、判断负载电压目标函数值U(βk)和电压极限值Ulim的大小关系，若U(βk)＞Ulim，执行步骤C6；否则，执行步骤C3；
负载电压目标函数值U(βk)通过调用电流幅值迭代循环获取，电流角迭代次数k＝1，2，3…：
C3、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，
判断结果为是，执行步骤C4；判断结果为否执行步骤C6；
电流幅值目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
C4、令ak+1＝λk，bk+1＝bk，λk+1＝βk，βk+1＝ak+1+0.618(bk+1-ak+1)，
C5、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤C8；
C6、令ak+1＝ak，bk+1＝βk，βk+1＝λk，λk+1＝ak+1+0.382(bk+1-ak+1)，
C7、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤C8；
C8、令k＝k+1；
C9、判断迭代是否收敛：若bk-ak＜L1，执行步骤C10；否则，返回步骤C2；
其中L1为电流角迭代精度；
C10、判断电流工作点是否同时满足电流极限的要求：若I(λk)≤Ilimm，Ilim为给定电流极限值，输出弱磁区效率最优控制电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤C1；
电流幅值迭代循环步骤包括：
B1、初始化电流幅值的初值区间：[c1，d1]，并计算电流幅值试探点初值μ1、v1：
μ1＝c1+0.382(d1-c1)、v1＝c1+0.618(d1-c1)；
B2、计算两电流幅值试探点处的转矩误差目标函数值：f(μ1)、f(v1)，
转矩误差目标函数f(I)按
Figure GDA0003467065520000051
获取，其中：
Figure GDA0003467065520000052
为给定转矩，Te(I，θ)为电流角θ对应的转矩，电流角θ为电流角迭代循环输出的电流角试探点λk、βk；I为电流幅值；
B3、判断两电流幅值试探点处转矩误差目标函数值f(μh)和f(vh)是否存在关系f(μh)＞f(vh)，电流幅值迭代次数h＝1，2，3…
判断结果为是，执行步骤B4；判断结果为否执行步骤B5；
B4、令ch+1＝μh，dh+1＝dh，μh+1＝vh，vh+1＝ch+1+0.618(dh+1-ch+1)，
计算目标函数值f(vh+1)，然后步骤B6；
B5、令ch+1＝ch，dh+1＝vh，vh+1＝μh，μh+1＝ch+1+0.382(dh+1-ch+1)，
计算目标函数值
Figure GDA0003467065520000053
然后步骤B6；
B6、令h＝h+1，
B7、判断迭代是否收敛：若dh-ch＜L2，输出给定电流角对应的电流幅值I(θ)、电压幅值U(θ)，输出结果用于电流角的迭代搜索过程；否则，返回步骤B3；其中L2为电流幅值迭代精度。
优选地，电流轨迹为：电流幅值I＝I(λk)、电流角θ＝λk。
优选地，转矩Te(I，θ)由电机非线性负载交直轴磁链模型计算输出，按如下公式获取：
Te(I，θ)＝p(ψd(I，θ)iq-ψq(I，θ)id)
其中，p为电机极对数，id为电机的直轴电流，iq为电机的交轴电流，ψd为电机的直轴磁链，ψq为电机的交轴磁链。
优选地，电机非线性负载交直轴磁链模型的建立过程：
在电机的电流极限范围内等距或不等距的选取一系列电流工作点，包括等距或不等距电流幅值系列值及等距或不等距电流角系列值，所选取的电流工作点间距由电机的饱和程度决定，需要保证相邻两电流工作点之间的铁心磁导率保持不变，铁心按线性材料处理；
采用仿真或实验的方式，计算所选取的电流工作点对应的电机负载交、直轴磁链数据，并将得到的负载交、直轴磁链数据进行插值，得到电流极限范围内所有电流工作点的负载交、直轴磁链模型，即永磁同步电机的非线性磁链模型：
ψd(I,θ)＝ψd(id,iq)
ψq(I,θ)＝ψq(id,iq)。
优选地，电压幅值U(θ)按下式获取：
Figure GDA0003467065520000061
其中，直轴电压
Figure GDA0003467065520000062
交轴电压
Figure GDA0003467065520000063
w为电机的电角速度，R1为电机电阻。
本发明还提供另一个技术方案：永磁同步电机全速域效率最优控制在线控制方法，采用所述永磁同步电机弱磁区效率最优控制电流轨迹搜索方法获取全速域范围内的多个电流工作点，包括基速值以下采用MTPA控制方式获取的电流工作点，和基速值以上采用弱磁区效率最优控制方式获取的电流工作点；
将这些电流工作点作为样本数据，训练生成全速域效率最优控制神经网络模型，全速域效率最优控制神经网络模型的输入为电机的转速、转矩、电流极限值和电压极限值，输出为电流幅值与电流角；
将全速域效率最优控制神经网络模型加载至DSP或FPGA控制器中，可以实现永磁同步电机在全速域范围内效率最优在线控制，根据电机的转速和转矩实时输出电流幅值与电流角用于控制电机运行。
本发明的有益效果：
(1)提供了一种充分考虑电机非线性的负载磁链模型，充分考虑了不同磁化状态下、不同负载情况下铁心饱和等非线性因素对电机模型的影响规律，可以准确模拟电机在不同磁化状态下、不同负载情况下的非线性特性，不需要计算电感、永磁磁链等参数，可以准确计算电机转矩、负载电压等。
(2)提供了一种基于双黄金分割迭代法的全速域效率最优控制电流轨迹搜索方法，该搜索方法包括两部分，恒转矩区的效率最优控制电流轨迹搜索方法和弱磁区的效率最优控制电流轨迹搜索方法，每个搜索方法具有两个迭代循环：弱磁电流角迭代和电流幅值迭代。利用电机的负载磁链模型，搜索过程迭代收敛速度快，计算量小，可以快速、准确地实现永磁同步电机全速域效率最优控制，提高电机运行性能。
(3)提供了一种基于神经网络模型的全速域效率最优在线控制算法。将基于双黄金分割迭代法的全速域效率最优控制搜索方法得到的电流轨迹作为样本数据，对神经网络模型进行训练、测试与验证，建立神经网络模型，将全速域效率最优控制神经网络模型加载至DSP或FPGA控制器中，可以实现永磁同步电机全速域效率最优在线控制。
本发明不仅针对常规永磁同步电机，对新型永磁同步电机，如可调磁通永磁同步电机等同样适用，可调磁通永磁同步电机结构与常规永磁同步电机结构相似，由于采用了低矫顽力永磁体，电机的磁化状态可以通过在电枢绕组中施加充、去磁电流进行相应地调整，电机可以运行在多个磁化状态下，但电机在每个磁化状态下的运行原理与常规永磁同步电机一致，所以本发明的内容同样适用于新型永磁同步电机。
附图说明
图1是串并联可调磁通永磁同步电机饱和去磁后的负载磁链模型，其中图1(a)是负载直轴磁链模型，图1(b)是负载交轴磁链模型；
图2是本发明全速域效率最优控制电流轨迹搜索方法中基速值以下采用MTPA控制方式获取工作点的流程图；
图3是本发明全速域效率最优控制电流轨迹搜索方法中基速值以上采用弱磁区效率最优控制方式获取工作点的流程图；
图4是使用传统公式法计算得到的电机MTPA控制效率MAP图；
图5是采用本发明轨迹搜索方法计算得到的电机全速域效率最优控制效率MAP图；
图6是全速域效率最优控制神经网络模型的训练、测试与验证误差的示意图。
具体实施方式
现有的技术方案，如公式法、查表法等，在准确性、计算量、实施速度等方面具有一定的不足。传统全速域效率最优控制算法中用到永磁磁链、交轴电感、直轴电感等电机参数，这些电机参数会随着电机铁心饱和程度的变化而变化，且电机的负载饱和程度越高，电机电感等参数变化越明显，传统算法使用固定参数值计算全速域效率最优控制下的电流轨迹明显不合理，得到的电流轨迹与实际全速域效率最优控制电流轨迹有偏差。
本发明不计算交直轴电感、永磁磁链等参数，本发明搜索方法基于黄金分割的思想，可以在给定的转矩指令、转速指令、电压极限、电流极限下，获取电流幅值最小的电流工作点，实现全速域效率最优控制控制。电机运行在基速值以下为恒转速区域，基速值以上为弱磁区域，为了实现全速域效率最优，本发明在基速值以下时MTPA控制方式获取电流幅值最小的电流工作点作为电流轨迹；电机运行在基速值以上时，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点作为电流轨迹；采用MTPA控制方式包括电流角迭代循环步骤和电流幅值迭代循环步骤，采用弱磁区效率最优控制方式包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤。
考虑到电感和永磁磁链的非线性，电流幅值难以通过转矩公式直接求得，所以在电流角(弱磁电流角)迭代过程中嵌套了电流幅值迭代，电流幅值迭代过程中转矩的计算使用了电机非线性负载交直轴磁链模型，考虑了电感和永磁磁链非线性的影响，计算结果准确。使用该非线性负载磁链模型可以准确的计算电机转矩、负载电压等，不再需要计算电感，永磁磁链等参数，计算量小，计算速度快，能够准确模拟永磁同步电机不同磁化状态下、不同负载情况下铁心饱和程度的变化规律，实现电机的准确建模。利用上述搜索方法得到永磁同步电机在不同充磁状态下，多个工作点下的电流轨迹，将这些电流轨迹作为样本数据，对神经网络模型进行训练、测试与验证。全速域效率最优在线控制神经网络模型的输入为电机的转速、转矩、电压极限、电流极限，输出为电流幅值与电流角(或直轴电流与交轴电流)，该模型不仅可以输出样本数据中相应工作点的电流轨迹，还可以输出样本数据以外的工作点的电流轨迹，即可以输出所有工作点的电流轨迹。将全速域效率最优在线控制神经网络模型(可以用输入输出的函数关系来表达)加载至DSP或FPGA控制器中，可以实现永磁同步电机全速域效率最优在线控制。
具体实施方式一：下面结合图1～图5说明本实施方式，本实施方式所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，电机运行在基速值以下时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用MTPA控制方式获取电流幅值最小的电流工作点作为电流轨迹；电机运行在基速值以上时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点作为电流轨迹；
采用MTPA控制方式获取电流幅值最小的电流工作点的过程包括电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电流幅值减小的方向；在进行电流角迭代过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出MTPA电流轨迹；
采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点的过程包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电压极限下电流幅值减小的方向；在进行电流角迭代的过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出弱磁区效率最优控制电流轨迹。
首先建立电机非线性负载交直轴磁链模型：
针对永磁同步电机不同磁化状态下、不同负载情况下铁心饱和程度变化明显，电机参数变化明显的特点，首先提出并建立一种非线性磁链模型，来模拟电机在不同磁化状态下、不同负载情况下的非线性特性。
在电机的电流极限范围内等距或不等距的选取一系列电流工作点，如电流幅值选取范围为(0，2，4，…)，电流角选取范围为(0°，5°，10°，…)，所选取的电流工作点间距由电机的饱和程度决定，需要保证相邻两电流工作点之间的铁心磁导率保持不变，铁心可以作为线性材料处理。采用仿真或实验的方式，计算所选取的电流工作点对应的电机负载交、直轴磁链数据，并将得到的负载交、直轴磁链数据进行插值，得到电流极限范围内所有电流工作点的负载交、直轴磁链模型，即永磁同步电机的非线性磁链模型：
ψd(I,θ)＝ψd(id,iq)
ψq(I,θ)＝ψq(id,iq)
直轴磁链模型：ψd(I,θ)＝ψd(id,iq)，根据电机的交直轴电流就可以对应计算出电机的直轴磁链ψd。
交轴磁链模型：ψq(I,θ)＝ψq(id,iq)，根据电机的交直轴电流就可以对应计算出电机的交轴磁链ψq。
根据得到的非线性磁链模型，可以准确地计算电机的电磁转矩、负载电压等，电磁转矩和负载电压的计算公式如下所示：
转矩计算公式：
Te(I,θ)＝p(ψd(I,θ)iq-ψq(I,θ)id)
其中，Te(I,θ)为电磁转矩，p为电机极对数，id为电机的直轴电流，iq为电机的交轴电流，ψd为电机的直轴磁链，ψq为电机的交轴磁链。
电压幅值
Figure GDA0003467065520000101
其中直轴电压
Figure GDA0003467065520000102
交轴电压
Figure GDA0003467065520000103
w为电机的电角速度，R1为电机电阻。
该模型结合永磁同步电机考虑铁心饱和时可以处理为分段线性模型的特点，只需要计算电机额定运行电流范围内的一小部分电流工作点对应的负载磁链，再利用分段线性的特点插值得到所有电流工作点的负载磁链，同时不再需要计算电感，永磁磁链等参数，该模型计算量小，计算速度快，且能够准确模拟永磁同步电机不同磁化状态下、不同负载情况下铁心饱和程度的变化规律，实现电机的准确建模。
下面给出一个模型实施例：以一个极数为6，槽数为45，额定转速为2100转/分，饱和去磁后额定转矩为12.2Nm的串并联磁路型永磁同步电机为例，通过有限元仿真的手段获得电机的非线性磁链模型。此时电机磁化状态为饱和去磁，电机的电流给定为：直轴电流id取值为(0，-2，-4，-6，-8，-10，-12)(A)，共7个离散的电流点；交轴电流iq取值为(0，2，4，6，8，10，12)(A)，共7个离散的电流点；共有7×7＝49个离散的电流工作点。通过有限元仿真软件，仿真计算得到电机在饱和去磁状态下在上述的49个电流工作点处的电机直、交轴磁链，并对相邻两个电流工作点之间的其他电流工作点对应的磁链进行插值，得到串并联永磁同步电机在电流极限值范围内所有电流工作点对应的直、交轴负载磁链，即电机的非线性磁链模型，如附图1所示。
基于双黄金分割迭代法的MTPA电流控制方式获取电流轨迹：可以在给定的转矩指令、转速指令、电机充磁状态下，获取电流幅值最小的电流工作点，从而实现MTPA控制，具体参见图2所示。
该过程具有两个迭代循环：电流角迭代和电流幅值迭代。首先进行电流角的迭代，在给定的转矩指令、转速指令、电压极限、电流极限下，电流角迭代方向为电流幅值减小的方向；在进行电流角迭代的同时，嵌套电流幅值的迭代，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向。当电流角的迭代区间小于给定值，认为电流幅值已经收敛至最小值，即MTPA工作点。
电流角迭代循环步骤中的目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取，k＝1,2,3…即需要调用电流幅值迭代循环获取的目标函数值有I(λ1)、I(β1)；I(λ2)、I(β2)；I(λ3)、I(β3)…，输出至电流幅值迭代循环的参数为电流角试探点λk、βk，k＝1时，θ＝λ1和β1两个值，需要进行两次电流幅值迭代循环，k＝2，3…时，θ＝λk或βk，进行一次电流幅值迭代循环即可，经电流幅值迭代输出I(θ)，即相当于输出I(λk)或I(βk)作为目标函数值返回电流角迭代循环中。
考虑到电感和永磁磁链的非线性，电流幅值难以通过转矩公式直接求得，所以在电流角迭代过程中嵌套了幅值迭代，幅值迭代过程中转矩的计算使用了非线性负载磁链模型，考虑了电感和永磁磁链非线性的影响，电流幅值迭代结果准确。
下面介绍基于双黄金分割迭代法的MTPA控制获取电流轨迹的实施步骤：包括电流角迭代循环步骤和电流幅值迭代循环步骤。
电流角迭代循环步骤包括：
A1、初始化电流角初值区间[a1，b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
比如[a1，b1]取值为[0°，90°]，同时设定迭代精度，随着迭代过程的不断进行，当区间长度小于给定的迭代精度时，认为迭代收敛。
A2、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，电流角迭代次数k＝1，2，3…
判断结果为是，执行步骤A3；判断结果为否执行步骤A5；
电流幅值目标函数的输入为电流角，目标函数的输出为给定转矩下的电流幅值，目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
A3、令ak+1＝λk，bk+1＝bk，则
λk+1＝ak+1+0.382(bk+1-ak+1)
＝ak+0.382(bk-ak)+0.382(bk-ak-0.382(bk-ak))
＝ak+0.618(bk-ak)＝βk
βk+1＝ak+1+0.618(bk+1-ak+1)，
A4、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤A7；
本步骤中不用执行计算λk+1的调用步骤，因为I(λk+1)＝I(βk)，即利用上次迭代的结果即可。由于使用黄金分割系数确定下一次迭代时的试探点，在进行下一次试探点选取的时候，其中一个试探点直接取自上一次迭代时的试探点，只需重新计算另一个试探点，节省了计算资源，计算量小，计算速度快。
A5、令ak+1＝ak，bk+1＝βk，则
βk+1＝ak+1+0.618(bk+1-ak+1)
＝ak+0.618(ak+0.618(bk-ak)-ak)
＝ak+0.382(bk-ak)＝λk
λk+1＝ak+1+0.382(bk+1-ak+1)，
A6、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤A7；
本步骤中不用执行计算I(βk+1)的调用步骤，因为I(βk+1)＝I(λk)，即利用上次迭代的结果即可。由于使用黄金分割系数确定下一次迭代时的试探点，在进行下一次试探点选取的时候，其中一个试探点直接取自上一次迭代时的试探点，只需重新计算另一个试探点，节省了计算资源，计算量小，计算速度快。
A7、令k＝k+1；
A8、判断迭代是否收敛：若bk-ak＜L1，执行步骤A9；否则，返回步骤A2；
其中L1为电流角迭代精度；
A9、判断电流工作点是否同时满足电流极限与电压极限的要求：若I(λk)≤Ilim&U(λk)≤Ulim，Ilim为给定电流极限值，Ulim为给定电压极限值，输出MTPA电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤A1；
输出MTPA电流轨迹为：电流幅值I＝I(λk)、电流角θ＝λk的工作点，输入不同的转速、转矩可获取一系列工作点数据。
k＝1时，将试探点初值λ1、β1输入至电流幅值迭代中，通过调用电流幅值迭代循环计算出目标函数值I(λ1)、I(β1)并返回电流角迭代循环中，根据步骤A2的判断结果决定计算k+1时计算哪个试探点，k+1时的目标函数值也是调用电流幅值迭代循环完成，根据步骤A8判断迭代是否收敛，若不收敛继续迭代循环；若收敛且满足步骤A9的电流极限、电压极限要求，输出MTPV轨迹，若收敛但不满足电流极限、电压极限要求，证明系统输入的参数偏差大，则重新输入转矩、转速指令，从头重新执行两个迭代循环。
电流幅值迭代循环步骤包括：
B1、初始化电流幅值的初值区间：[c1，d1]，并计算电流幅值试探点初值μ1、v1：
μ1＝c1+0.382(d1-c1)、v1＝c1+0.618(d1-c1)；
比如当电流极限值为12A，电流值的初值区间定为[0A，12A]，同时设定迭代精度，随着迭代过程的不断进行，当区间长度小于给定的迭代精度时，认为迭代收敛。
B2、计算两电流幅值试探点处的转矩误差目标函数值：f(μ1)、f(ν1)，
转矩误差目标函数f(I)按
Figure GDA0003467065520000131
获取，其中：
Figure GDA0003467065520000132
为给定转矩，Te(I，θ)为电流角θ对应的转矩，电流角θ在电流幅值迭代的过程中不变，为一确定值，电流角θ为电流角迭代循环输出的电流角试探点λk、βk；I为电流幅值，id＝Isinθ，iq＝Icosθ；
转矩Te(I，θ)由电机非线性负载交直轴磁链模型计算输出，按如下公式获取：
Te(I，θ)＝p(ψd(I，θ)iq-ψq(I，θ)id)
其中，p为电机极对数，id为电机的直轴电流，iq为电机的交轴电流，ψd为电机的直轴磁链，ψq为电机的交轴磁链。
B3、判断两电流幅值试探点处转矩误差目标函数值f(μh)和f(vh)是否存在关系f(μh)＞f(vh)，电流幅值迭代次数h＝1，2，3…
判断结果为是，执行步骤B4；判断结果为否执行步骤B5；
B4、令ch+1＝μh，dh+1＝dh，则
μh+1＝ch+1+0.382(dh+1-ch+1)
＝ch+0.382(dh-ch)+0.382(dh-ch-0.382(dh-ch))
＝ch+0.618(dh-ch)＝vh
vh+1＝ch+1+0.618(dh+1-ch+1)，
计算目标函数值f(vh+1)，然后步骤B6；
B5、令ch+1＝ch，dh+1＝vh，则
vh+1＝ch+1+0.618(dh+1-ch+1)＝ch+0.618(ch+0.618(dh-ch)-ch)
＝ch+0.382(dh-ch)＝μh
μh+1＝ch+1+0.382(dh+1-ch+1)，
计算目标函数值
Figure GDA0003467065520000133
然后步骤B6；
B6、令h＝h+1，
B7、判断迭代是否收敛：若dh-ch＜L2，输出给定电流角对应的电流幅值I(θ)、电压幅值U(θ)，输出结果用于电流角的迭代搜索过程；否则，返回步骤B3；其中L2为电流幅值迭代精度。
基于双黄金分割迭代法的弱磁区效率最优控制获取电流轨迹：可以在给定的转矩指令、转速指令、电压极限、电流极限下，获取电流幅值最小的电流工作点，实现弱磁区效率最优控制，具体参见图2所示。
该过程具有两个迭代循环：弱磁电流角迭代和电流幅值迭代。首先进行弱磁电流角的迭代，在给定的转矩指令、转速指令、电压极限和电流极限下，电流角迭代方向为电压极限下，电流幅值减小的方向；在进行电流角迭代的同时，嵌套电流幅值的迭代，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向。当电流角的迭代区间小于给定值，认为电流幅值已经收敛至最小值，即弱磁区效率最优控制工作点。
考虑到电感和永磁磁链的非线性，电流幅值难以通过转矩公式直接求得，所以在电流角迭代过程中嵌套了幅值迭代，幅值迭代过程中转矩的计算使用了非线性负载磁链模型，考虑了电感和永磁磁链非线性的影响，电流幅值迭代结果准确。
下面介绍基于双黄金分割迭代法的弱磁区效率最优控制获取电流轨迹的实施步骤：包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤。
弱磁电流角迭代循环步骤包括：
C1、初始化电流角初值区间[a1,b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
比如[a1,b1]取值为[0°，90°]，同时设定迭代精度，随着迭代过程的不断进行，当区间长度小于给定的迭代精度时，认为迭代收敛。
C2、判断负载电压目标函数值U(βk)和电压极限值Ulim的大小关系，若U(βk)＞Ulim，执行步骤C6；否则，执行步骤C3；
负载电压目标函数值U(βk)通过调用电流幅值迭代循环获取，电流角迭代次数k＝1,2,3…；
调用电流幅值迭代循环输出U(θ)＝U(βk)或U(λk)，本实施方式只用到U(βk)，负载电压目标函数的输入为电流角，输出为给定转矩、转速下的负载电压。
C3、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，
判断结果为是，执行步骤C4；判断结果为否执行步骤C6；
电流幅值目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
电流幅值目标函数的输入为电流角，输出为给定转矩、转速下的电流幅值。
C4、令ak+1＝λk，bk+1＝bk，则
λk+1＝ak+1+0.382(bk+1-ak+1)
＝ak+0.382(bk-ak)+0.382(bk-ak-0.382(bk-ak))
＝ak+0.618(bk-ak)＝βk
βk+1＝ak+1+0.618(bk+1-ak+1)，
C5、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤C8；
本步骤中不用执行计算λk+1的调用步骤，因为I(λk+1)＝I(βk)，即利用上次迭代的结果即可。由于使用黄金分割系数确定下一次迭代时的试探点，在进行下一次试探点选取的时候，其中一个试探点直接取自上一次迭代时的试探点，只需重新计算另一个试探点，节省了计算资源，计算量小，计算速度快。
C6、令ak+1＝ak，bk+1＝βk，则
βk+1＝ak+1+0.618(bk+1-ak+1)
＝ak+0.618(ak+0.618(bk-ak)-ak)
＝ak+0.382(bk-ak)＝λk
λk+1＝ak+1+0.382(bk+1-ak+1)，
C7、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤C8；
本步骤中不用执行计算I(βk+1)的调用步骤，因为I(βk+1)＝I(λk)，即利用上次迭代的结果即可。由于使用黄金分割系数确定下一次迭代时的试探点，在进行下一次试探点选取的时候，其中一个试探点直接取自上一次迭代时的试探点，只需重新计算另一个试探点，节省了计算资源，计算量小，计算速度快。
C8、令k＝k+1；
C9、判断迭代是否收敛：若bk-ak＜L1，执行步骤C10；否则，返回步骤C2；
其中L1为电流角迭代精度；
C10、判断电流工作点是否同时满足电流极限的要求：若I(λk)≤Ilimm，Ilim为给定电流极限值，输出弱磁区效率最优控制电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤C1；
弱磁区效率最优控制电流轨迹为：电流幅值I＝I(λk)、电流角θ＝λk，输入不同的转速、转矩可获取一系列工作点数据。
k＝1时，将试探点初值λ1、β1输入至电流幅值迭代中，通过调用电流幅值迭代循环计算出目标函数值I(λ1)、I(β1)、U(β1)并返回电流角迭代循环中，根据步骤C2的判断结果决定计算k+1时计算哪个试探点，k+1时的目标函数值也是调用电流幅值迭代循环完成，根据步骤C8判断迭代是否收敛，若不收敛继续迭代循环；若收敛且满足步骤C10的电流极限要求，输出弱磁区效率最优控制电流轨迹，若收敛但不满足电流极限要求，证明系统输入的参数偏差大，则重新输入转矩、转速指令，从头重新执行两个迭代循环。
电流幅值迭代循环步骤包括：
B1、初始化电流幅值的初值区间：[c1，d1]，并计算电流幅值试探点初值μ1、v1：
μ1＝c1+0.382(d1-c1)、v1＝c1+0.618(d1-c1)；
比如当电流极限值为12A，电流值的初值区间定为[0A，12A]，同时设定迭代精度，随着迭代过程的不断进行，当区间长度小于给定的迭代精度时，认为迭代收敛。
B2、计算两电流幅值试探点处的转矩误差目标函数值：f(μ1)、f(v1)，
转矩误差目标函数f(I)按
Figure GDA0003467065520000161
获取，其中：
Figure GDA0003467065520000162
为给定转矩，Te(I，θ)为电流角θ对应的转矩，电流角θ为弱磁电流角迭代循环输出的电流角试探点λk、βk；I为电流幅值；
B3、判断两电流幅值试探点处转矩误差目标函数值f(μh)和f(vh)是否存在关系f(μh)＞f(vh)，电流幅值迭代次数h＝1，2，3…
判断结果为是，执行步骤B4；判断结果为否执行步骤B5；
B4、令ch+1＝μh，dh+1＝dh，则
μh+1＝ch+1+0.382(dh+1-ch+1)
＝ch+0.382(dh-ch)+0.382(dh-ch-0.382(dh-ch))
＝ch+0.618(dh-ch)＝vh
vh+1＝ch+1+0.618(dh+1-ch+1)，
计算目标函数值f(vh+1)，然后步骤B6；
B5、令ch+1＝ch，dh+1＝vh，则
vh+1＝ch+1+0.618(dh+1-ch+1)＝ch+0.618(ch+0.618(dh-ch)-ch)
＝ch+0.382(dh-ch)＝μh
μh+1＝ch+1+0.382(dh+1-ch+1)，
计算目标函数值
Figure GDA0003467065520000171
然后步骤B6；
B6、令h＝h+1，
B7、判断迭代是否收敛：若dh-ch＜L2，输出给定电流角对应的电流幅值I(θ)、电压幅值U(θ)，输出结果用于电流角的迭代搜索过程；否则，返回步骤B3；其中L2为电流幅值迭代精度。
通过上述的基于双黄金分割迭代法的全速域效率最优控制电流轨迹搜索方法可以获得任一工作点(给定转矩指令、转速指令、电压极限、电流极限)在全速域范围内(基速值以下的恒转矩区)和基速值以上的弱磁区实现效率最优控制时应该施加的电流幅值及相位，该搜索方法迭代收敛速度快，计算量小，且考虑了铁心饱和等非线性因素的影响，计算结果准确。
电机在恒转矩区运行时，电机的负载端电压未达到电机极限值，恒转矩区的效率最优控制电流轨迹搜索方法基于黄金分割的思想，可以在给定的转矩指令、转速指令下，获取电机在恒转矩区运行时电流幅值最小的电流工作点，实现恒转矩区的效率最优控制、即MTPA控制；电机在弱磁区运行时，若继续采用MTPA控制，电机的负载端电压会超过电压极限值，必须增加直轴弱磁电流以降低电机负载端电压，弱磁区的效率最优控制电流轨迹搜索方法基于黄金分割的思想，可以在给定的转矩指令、转速指令、电压极限、电流极限下，获取电机在弱磁区运行时电流幅值最小的电流工作点，实现弱磁区的效率最优控制。
使用该搜索方法计算串并联永磁同步电机弱磁区效率最优控制时的电流轨迹并计算施加相应电流轨迹后的电机效率MAP图，如附图5所示，并同时使用公式法计算电机全速域效率最优控制时的效率MAP图，如附图4所示。通过两图的对比可以看出，在相同的电压、电流极限下，该迭代搜索方法计算出的电机弱磁运行范围更大，且转折速度后的每个转速点对应的最大转矩也更高，同时可以看出迭代搜索方法算出的MAP图的高效区占比更大，所以该迭代搜索方法在计算全速域工作点时准确性较高。同时根据计算过程可以看出该搜索方法的计算量小，计算速度快。
具体实施方式二：下面结合图1～图6说明本实施方式，本实施方式所述永磁同步电机全速域效率最优控制在线控制方法。
利用实施方式一所述搜索方法得到永磁同步电机在不同充磁状态下，一系列工作点下的电流轨迹，将这些电流轨迹作为样本数据，对神经网络模型进行训练、测试与验证。全速域效率最优控制神经网络模型的输入为电机的转速、转矩、电压极限、电流极限，输出为电流幅值与电流角(或直轴电流与交轴电流)，利用BP算法根据神经网络输出值与样本值之间的误差的梯度，沿着神经网络计算的逆向方向对各节点的权值与偏置进行调节，在每个样本的训练过程中，各节点的权值和偏置都依据误差得到调节，当误差小于设定值后训练完成，神经网络结构以及各个神经元的权重和偏置参数确定，神经网络模型训练、测试与验证误差如图6所示，该模型不仅可以输出样本数据中相应工作点的电流轨迹，还可以输出样本数据以外的工作点的电流轨迹，即可以输出所有工作点的电流轨迹。该神经网络模型有四个输入，分别为电机转速、转矩、电压极限和电流极限，有两个输出，分别为直轴电流和交轴电流，神经网络模型采用一层隐藏层，隐藏层中采用15个神经元。将该全速域效率最优控制神经网络模型(可以用输入输出的函数关系来表达)加载至DSP或FPGA控制器中，可以实现永磁同步电机全速域效率最优在线控制。

Claims (6)

1.永磁同步电机全速域效率最优控制电流轨迹搜索方法，其特征在于，该方法为：电机运行在基速值以下时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用MTPA控制方式获取电流幅值最小的电流工作点作为电流轨迹；电机运行在基速值以上时，在给定的转矩指令、转速指令、电压极限、电流极限下，采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点作为电流轨迹；
采用MTPA控制方式获取电流幅值最小的电流工作点的过程包括电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电流幅值减小的方向；在进行电流角迭代过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出MTPA电流轨迹；
采用弱磁区效率最优控制方式获取电流幅值最小的电流工作点的过程包括弱磁电流角迭代循环步骤和电流幅值迭代循环步骤，首先进行电流角迭代循环步骤，电流角迭代方向为电压极限下电流幅值减小的方向；在进行电流角迭代的过程中，嵌套电流幅值迭代循环步骤，用以确定每个电流角对应的电流幅值，电流幅值的迭代方向为给定转矩与实际转矩误差减小的方向，当电流角的迭代区间小于给定电流角迭代精度，认为电流幅值已经收敛至最小值，输出弱磁区效率最优控制电流轨迹；
电流角迭代循环步骤包括：
A1、初始化电流角初值区间[a1,b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
A2、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，电流角迭代次数k＝1,2,3...
判断结果为是，执行步骤A3；判断结果为否执行步骤A5；
电流幅值目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
A3、令ak+1＝λk，bk+1＝bk，λk+1＝βk，βk+1＝ak+1+0.618(bk+1-ak+1)，
A4、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤A7；
A5、令ak+1＝ak，bk+1＝βk，βk+1＝λk，λk+1＝ak+1+0.382(bk+1-ak+1)，
A6、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤A7；
A7、令k＝k+1；
A8、判断迭代是否收敛：若bk-ak＜L1，执行步骤A9；否则，返回步骤A2；
其中L1为电流角迭代精度；
A9、判断电流工作点是否同时满足电流极限与电压极限的要求：若I(λk)≤Ilim&U(λk)≤Ulim，Ilim为给定电流极限值，Ulim为给定电压极限值，U(λk)为电流工作点的电角度等于λk时对应的电压幅值，输出MTPA电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤A1；
电流幅值迭代循环步骤包括：
B1、初始化电流幅值的初值区间：[c1，d1]，并计算电流幅值试探点初值μ1、v1：
μ1＝c1+0.382(d1-c1)、v1＝c1+0.618(d1-c1)；
B2、计算两电流幅值试探点处的转矩误差目标函数值：f(μ1)、f(ν1)，
转矩误差目标函数f(I)按
Figure FDA0003467065510000021
获取，其中：
Figure FDA0003467065510000022
为给定转矩，Te(I,θ)为电流角θ对应的转矩，电流角θ为电流角迭代循环输出的电流角试探点λk、βk；I为电流幅值；
B3、判断两电流幅值试探点处转矩误差目标函数值f(μh)和f(νh)是否存在关系f(μh)＞f(νh)，电流幅值迭代次数h＝1,2,3…
判断结果为是，执行步骤B4；判断结果为否执行步骤B5；
B4、令ch+1＝μh，dh+1＝dh，μh+1＝vh，vh+1＝ch+1+0.618(dh+1-ch+1)，
计算目标函数值f(vh+1)，然后步骤B6；
B5、令ch+1＝ch，dh+1＝vh，νh+1＝μh，μh+1＝ch+1+0.382(dh+1-ch+1)，
计算目标函数值f(μh+1)，然后步骤B6；
B6、令h＝h+1，
B7、判断迭代是否收敛：若dh-ch＜L2，输出给定电流角对应的电流幅值I(θ)、电压幅值U(θ)，输出结果用于电流角的迭代搜索过程；否则，返回步骤B3；其中L2为电流幅值迭代精度；
弱磁电流角迭代循环步骤包括：
C1、初始化电流角初值区间[a1,b1]，并计算电流角试探点初值λ1、β1：
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
C2、判断负载电压目标函数值U(βk)和电压极限值Ulim的大小关系，若U(βk)＞Ulim，执行步骤C6；否则，执行步骤C3；
负载电压目标函数值U(βk)通过调用电流幅值迭代循环获取，电流角迭代次数k＝1,2,3…；
C3、判断两电流角试探点处电流幅值目标函数值I(λk)和I(βk)是否存在关系I(λk)＞I(βk)，
判断结果为是，执行步骤C4；判断结果为否执行步骤C6；
电流幅值目标函数值I(λk)和I(βk)通过调用电流幅值迭代循环获取；
C4、令ak+1＝λk，bk+1＝bk，λk+1＝βk，βk+1＝ak+1+0.618(bk+1-ak+1)，
C5、调用电流幅值迭代循环获取电流幅值目标函数值I(βk+1)，然后执行步骤C8；
C6、令ak+1＝ak，bk+1＝βk，βk+1＝λk，λk+1＝ak+1+0.382(bk+1-ak+1)，
C7、调用电流幅值迭代循环获取电流幅值目标函数值I(λk+1)，然后执行步骤C8；
C8、令k＝k+1；
C9、判断迭代是否收敛：若bk-ak＜L1，执行步骤C10；否则，返回步骤C2；
其中L1为电流角迭代精度；
C10、判断电流工作点是否同时满足电流极限的要求：若I(λk)≤Ilim，Ilim为给定电流极限值，输出弱磁区效率最优控制电流轨迹；否则，重新输入转矩、转速指令，再返回执行步骤C1。
2.根据权利要求1所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，其特征在于，电流轨迹为：电流幅值I＝I(λk)、电流角θ＝λk。
3.根据权利要求2所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，其特征在于，转矩Te(I,θ)由电机非线性负载交直轴磁链模型计算输出，按如下公式获取：
Te(I,θ)＝p(ψd(I,θ)iq-ψq(I,θ)id)
其中，p为电机极对数，id为电机的直轴电流，iq为电机的交轴电流，ψd为电机的直轴磁链，ψq为电机的交轴磁链。
4.根据权利要求3所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，其特征在于，电机非线性负载交直轴磁链模型的建立过程：
在电机的电流极限范围内等距或不等距的选取一系列电流工作点，包括等距或不等距电流幅值系列值及等距或不等距电流角系列值，所选取的电流工作点间距由电机的饱和程度决定，需要保证相邻两电流工作点之间的铁心磁导率保持不变，铁心按线性材料处理；
采用仿真或实验的方式，计算所选取的电流工作点对应的电机负载交、直轴磁链数据，并将得到的负载交、直轴磁链数据进行插值，得到电流极限范围内所有电流工作点的负载交、直轴磁链模型，即永磁同步电机的非线性磁链模型：
ψd(I,θ)＝ψd(id,iq)
ψq(I,θ)＝ψq(id,iq)。
5.根据权利要求4所述永磁同步电机全速域效率最优控制电流轨迹搜索方法，其特征在于，电压幅值U(θ)按下式获取：
Figure FDA0003467065510000041
其中，直轴电压
Figure FDA0003467065510000042
交轴电压
Figure FDA0003467065510000043
w为电机的电角速度，R1为电机电阻。
6.永磁同步电机全速域效率最优控制在线控制方法，其特征在于，采用权利要求1～5任一权利要求所述的永磁同步电机弱磁区效率最优控制电流轨迹搜索方法获取全速域范围内的多个电流工作点，包括基速值以下采用MTPA控制方式获取的电流工作点，和基速值以上采用弱磁区效率最优控制方式获取的电流工作点；
将这些电流工作点作为样本数据，训练生成全速域效率最优控制神经网络模型，全速域效率最优控制神经网络模型的输入为电机的转速、转矩、电流极限值和电压极限值，输出为电流幅值与电流角；
将全速域效率最优控制神经网络模型加载至DSP或FPGA控制器中，可以实现永磁同步电机在全速域范围内效率最优在线控制，根据电机的转速和转矩实时输出电流幅值与电流角用于控制电机运行。
CN202011519799.7A 2020-12-21 2020-12-21 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法 Active CN112468036B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011519799.7A CN112468036B (zh) 2020-12-21 2020-12-21 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法
PCT/CN2021/123463 WO2022134751A1 (zh) 2020-12-21 2021-10-13 永磁同步电机最大功率及全速域效率最优控制电流轨迹搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011519799.7A CN112468036B (zh) 2020-12-21 2020-12-21 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法

Publications (2)

Publication Number Publication Date
CN112468036A CN112468036A (zh) 2021-03-09
CN112468036B true CN112468036B (zh) 2022-07-12

Family

ID=74803135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011519799.7A Active CN112468036B (zh) 2020-12-21 2020-12-21 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法

Country Status (1)

Country Link
CN (1) CN112468036B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022134751A1 (zh) * 2020-12-21 2022-06-30 哈尔滨工业大学 永磁同步电机最大功率及全速域效率最优控制电流轨迹搜索方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11043912B2 (en) * 2018-09-20 2021-06-22 Fca Us Llc Sensorless position estimation for interior permanent magnet synchronous motor
CN110581680B (zh) * 2019-11-11 2020-02-28 南京埃斯顿自动化股份有限公司 一种内嵌永磁同步电机的矢量控制及弱磁方法和系统
CN111884552B (zh) * 2020-07-02 2021-11-02 华中科技大学 基于电压反馈的永磁同步电机弱磁优化控制方法及系统

Also Published As

Publication number Publication date
CN112468036A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN112468035B (zh) 可调磁通永磁同步电机全速域效率最优控制磁化状态选择方法及在线控制方法
CN112468038B (zh) 永磁同步电机mtpa控制电流轨迹搜索方法及在线控制方法
Sun et al. Multiobjective design optimization of an IPMSM for EVs based on fuzzy method and sequential Taguchi method
CN107896080A (zh) 内嵌式永磁同步电机mtpa曲线拟合方法及控制系统
CN112468034B (zh) 永磁同步电机弱磁区效率最优控制电流轨迹搜索方法及在线控制方法
CN112468033B (zh) 永磁同步电机最大功率控制电流轨迹搜索方法及在线控制方法
CN104393814B (zh) 一种永磁同步电机控制方法
CN110112974B (zh) 电机控制方法、控制器、存储介质及电机驱动系统
CN105871281A (zh) 一种改进的永磁同步电机模型预测控制算法
Nasirian et al. High-fidelity magnetic characterization and analytical model development for switched reluctance machines
CN113131817A (zh) 一种永磁同步电机在线参数辨识系统及方法
CN106655939B (zh) 基于运动趋势多模型自适应混合控制的永磁同步电机控制方法
Yan et al. Torque estimation and control of PMSM based on deep learning
CN112468036B (zh) 永磁同步电机全速域效率最优控制电流轨迹搜索方法及在线控制方法
CN112468037B (zh) 永磁同步电机mtpv控制电流轨迹搜索方法及在线控制方法
CN112468032B (zh) 永磁同步电机的全速域效率map图生成方法
WO2022134751A1 (zh) 永磁同步电机最大功率及全速域效率最优控制电流轨迹搜索方法
Qian et al. Torque ripple reduction of PMSM based on modified DBN-DNN surrogate model
Hu et al. Improved loss model and loss minimization control strategy for linear induction machine
Radimov et al. Simple model of switched-reluctance machine based only on aligned and unaligned position data
CN117081448B (zh) 一种内置式永磁同步电机高精度动态建模方法
Hu et al. Dynamic loss minimization control of linear induction machine
CN117335700A (zh) 半闭环场景下基于深度强化学习的电动伺服位置反馈动态调优方法
Zhu The key technologies for powertrain system of intelligent vehicles based on switched reluctance motors
CN114244216A (zh) 一种永磁同步电机参数辨识方法、装置及系统

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