CN112468037A - 永磁同步电机mtpv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mtpv控制电流轨迹搜索方法及在线控制方法 Download PDF

Info

Publication number
CN112468037A
CN112468037A CN202011519801.0A CN202011519801A CN112468037A CN 112468037 A CN112468037 A CN 112468037A CN 202011519801 A CN202011519801 A CN 202011519801A CN 112468037 A CN112468037 A CN 112468037A
Authority
CN
China
Prior art keywords
current
motor
mtpv
iteration
torque
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.)
Granted
Application number
CN202011519801.0A
Other languages
English (en)
Other versions
CN112468037B (zh
Inventor
郑萍
乔光远
刘家琦
尹佐生
刘国鹏
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 CN202011519801.0A priority Critical patent/CN112468037B/zh
Publication of CN112468037A publication Critical patent/CN112468037A/zh
Priority to PCT/CN2021/123463 priority patent/WO2022134751A1/zh
Application granted granted Critical
Publication of CN112468037B publication Critical patent/CN112468037B/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
    • H02P21/14—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MTPV控制电流轨迹搜索方法及在线控制方法，属于电机领域，本发明为解决传统算法使用固定参数值计算MTPV控制下的电流轨迹存在偏差大，无法实现准确的最大转矩电压比控制的问题。本发明方法为：在给定的转矩指令、电压极限指令、电流极限指令下，获取给定转矩、电压极限和电流极限下输出功率最大的电流工作点作为MTPV电流轨迹；该方法包括电流角和电流幅值迭代，首先进行电流角迭代，迭代方向为最高转速增加的方向；在迭代过程中，嵌套电流幅值迭代，用以确定每个电流角对应的电流幅值及最高转速，电流幅值迭代方向为给定转矩与实际转矩误差减小的方向。

Description

永磁同步电机MTPV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最大转矩电压比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最大转矩电压比在线控制算法，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，实现电机的高效运行，最大转矩电压比(Maximum Torque per Voltage,MTPV)的控制思想通常被用于内置式永磁同步电机。采用MTPV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压下的转矩输出能力，在逆变器提供的电压一定时，可以最大程度的提高电机的输出转矩，提高电机的最大运行功率。传统的MTPV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MTPV控制下的电流轨迹。
但传统的MTPV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MTPV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MTPV控制下的电流轨迹明显不合理，得到的电流轨迹与实际MTPV控制电流轨迹有偏差，无法实现准确的最大转矩电压比控制。
发明内容
本发明目的是为了解决传统算法使用固定参数值计算MTPV控制下的电流轨迹存在偏差大，无法实现准确的最大转矩电压比控制的问题，提供了一种永磁同步电机MTPV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MTPV控制电流轨迹搜索方法，该方法为：在给定的转矩指令、电压极限指令、电流极限指令下，获取给定转矩、电压极限和电流极限下输出功率最大的电流工作点作为MTPV电流轨迹；
该方法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，电流角迭代方向为最高转速增加的方向；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及最高转速，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，认为电机转速已经收敛至最大值，电机在电压限制下的输出功率收敛至最大值，输出MTPV电流轨迹。
优选地，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最高转速目标函数值W(λk)和W(βk)是否存在关系W(λk)＜W(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；
最高转速目标函数值W(λk)和W(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最高转速目标函数值W(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最高转速目标函数值W(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满足电流极限的要求：若I(λk)Ilim，Ilim为给定电流极限值，输出MTPV轨迹；否则，重新输入转矩指令，再返回执行步骤A1。
优选地，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 BDA0002848571780000031
获取，其中：
Figure BDA0002848571780000032
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)、计算并输出给定转矩和给定电压极限下的电机最高转速W(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，MTPV轨迹包括给定转矩
Figure BDA0002848571780000033
给定电压极限和电流极限下的电机最高转速w＝W(θ)，电流幅值I＝I(λk)和电流角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，给定电压极限下的电机最高转速W(θ)按
Figure BDA0002848571780000041
获取，
式中：Ulim为给定电压极限值。
本发明还提供另一个技术方案：永磁同步电机MTPV在线控制方法，采用所述永磁同步电机MTPV控制电流轨迹搜索方法得到永磁同步电机在多个工作点下的电流轨迹，将这些电流轨迹作为样本数据，训练生成MTPV神经网络模型，MTPV神经网络模型的输入为电机的转矩、电流极限值和电压极限值，输出为最高转速、电流幅值与电流角；
将MTPV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MTPV在线控制，根据电机的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MTPV电流轨迹搜索方法，该方法具有两个迭代循环：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最大转矩电压比控制，提高电机运行性能。
(3)提供了一种基于神经网络模型的MTPV在线控制算法。将基于双黄金分割迭代法的MTPV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MTPV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线MTPV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是本发明所述永磁同步电机MTPV电流轨迹搜索方法流程图；
图3是采用本发明所述永磁同步电机MTPV电流轨迹搜索方法与传统公式法进行电机MTPV控制时的电流轨迹对比图；
图4是分别采用本发明所述永磁同步电机MTPV电流轨迹搜索方法和传统公式法进行MTPV控制时搜索方法或公式法计算的负载电压和有限元仿真的负载电压对比图，其中图4(a)是采用传统公式法进行电机MTPV控制时公式法计算的负载电压和有限元仿真结果，图4(b)是采用本发明所述永磁同步电机MTPV电流轨迹搜索方法进行电机MTPV控制时搜索方法计算的负载电压和有限元仿真结果；
图5是MTPV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MTPV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MTPV控制下的电流轨迹明显不合理，得到的电流轨迹与实际MTPV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、电压极限指令、电流极限指令下，获取给定转矩、电压极限和电流极限下输出功率最大的电流工作点，实现MTPV控制。该搜索方法具有两个迭代循环：电流角迭代和电流幅值迭代。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，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。MTPV神经网络模型的输入为电机的转矩、电压极限和电流极限，输出为最高转速、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MTPV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MTPV在线控制。
具体实施方式一：下面结合图1说明本实施方式，本实施方式所述永磁同步电机MTPV控制电流轨迹搜索方法包括电流角迭代循环步骤和电流幅值迭代循环步骤，参见图2所示，电流角迭代循环步骤中的目标函数值W(λk)和W(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最高转速目标函数值有W(λ1)、W(β1)；W(λ2)、W(β2)；W(λ3)、W(β3)…，输出至电流幅值迭代循环的参数为电流角试探点λk、βk，比如θ＝λk时，经电流幅值迭代输出W(θ)，即相当于输出W(λk)作为目标函数值返回电流角迭代循环中，同理θ＝βk时，返回W(θ)＝W(βk)。同理电流幅值迭代计算出对应的I(θ)返回至电流角迭代循环中，进行极限条件判断。
电机非线性负载交直轴磁链模型的建立：
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 BDA0002848571780000071
其中直轴电压
Figure BDA0002848571780000072
交轴电压
Figure BDA0002848571780000073
w为电机的电角速度，R1为电机电阻。
考虑稳态运行时的工况，忽略电阻的影响，给定电压极限下的电机最高转速W(θ)按
Figure BDA0002848571780000074
获取，
式中：Ulim为给定电压极限值。
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。
本实施方式提供的电流轨迹搜索方法是基于双黄金分割迭代法的MTPV电流轨迹搜索方法，具体参见图2所示，该方法可以在给定的转矩指令、电压极限指令、电流极限指令下，获取给定转矩、电压极限和电流极限下输出功率最大的电流工作点，实现MTPV控制。
该方法具有两个迭代循环：电流角迭代和电流幅值迭代。首先进行流程图左侧的电流角的迭代：在给定的转矩指令、电压极限指令、电流极限指令下，电流角迭代方向为最高转速增加的方向；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及最高转速，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，电流幅值迭代过程的输出结果用于电流角的迭代过程，当电流角的迭代区间小于给定值，认为迭代收敛，得到电机MTPV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MTPV电流轨迹搜索方法的实施步骤：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：
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。
λ1＝a1+0.382(b1-a1)、β1＝a1+0.618(b1-a1)；
A2、判断两电流角试探点处最高转速目标函数值W(λk)和W(βk)是否存在关系W(λk)＜W(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；
最高转速目标函数值W(λk)和W(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最高转速目标函数值W(βk+1)，然后执行步骤A7；
本步骤中不用执行计算W(λk+1)的调用步骤，因为W(λk+1)＝W(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目标函数值W(λk+1)，然后执行步骤A7；
本步骤中不用执行计算W(βk+1)的调用步骤，因为W(βk+1)＝W(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满足电流极限的要求：若I(λk)≤Ilim，Ilim为给定电流极限值，输出MTPV轨迹；否则，重新输入转矩指令，再返回执行步骤A1；
MTPV轨迹包括给定转矩
Figure BDA0002848571780000091
给定电压极限和电流极限下的电机最高转速w＝W(θ)，电流幅值I＝I(λk)和电流角θ＝λk。输入不同的转转矩可获取一系列工作点数据。当然也可根据具体情况调整Ilim、Ulim。
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W(λ1)、W(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的电流极限要求，输出MTPV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Ilim＝14A，电流值的初值区间定为[0A，14A]，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 BDA0002848571780000101
获取，其中：
Figure BDA0002848571780000102
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)、计算并输出给定转矩和给定电压极限下的电机最高转速W(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MTPV电流轨迹搜索方法可以获得任一工作点(给定转矩指令、电压极限指令、电流极限指令)在MTPV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。
使用该搜索方法计算串并联永磁同步电机MTPV控制时的电流轨迹，电流轨迹如附图3所示，并同时使用公式法计算电机MTPV控制时的电流轨迹，如附图3所示。通过两条电流轨迹的对比可以看出，在相同的电压、电流极限下，该迭代搜索方法计算出的电机MTPV控制时电流轨迹的准确性较高。使用有限元仿真验证公式法和所提出的迭代搜索算法给出的电流轨迹，有限元仿真的负载电压和两种方法计算的负载电压如附图4所示。由于使用公式法计算电机转矩、负载电压时准确度较差，在进行有限元仿真验证时可以发现施加公式法计算出的MTPV电流轨迹后电机的端电压已经超过电机的电压极限，故由公式法计算出的MTPV电流轨迹无法实施。同时根据计算过程可以看出该迭代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至图5说明本实施方式，本实施方式所述永磁同步电机MTPV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。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，MTPV神经网络模型建立完成，神经网络模型训练、测试与验证误差如图4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。该神经网络模型有三个输入，分别为电机转矩、电压极限和电流极限，有三个输出，分别为最高转速、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8个神经元。将该MTPV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在线MTPV控制。

Claims (8)

1.永磁同步电机MTPV控制电流轨迹搜索方法，其特征在于，该方法为：在给定的转矩指令、电压极限指令、电流极限指令下，获取给定转矩、电压极限和电流极限下输出功率最大的电流工作点作为MTPV电流轨迹；
该方法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，电流角迭代方向为最高转速增加的方向；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及最高转速，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，认为电机转速已经收敛至最大值，电机在电压限制下的输出功率收敛至最大值，输出MTPV电流轨迹。
2.根据权利要求1所述永磁同步电机MTPV控制电流轨迹搜索方法，其特征在于，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最高转速目标函数值W(λk)和W(βk)是否存在关系W(λk)＜W(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；
最高转速目标函数值W(λk)和W(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最高转速目标函数值W(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最高转速目标函数值W(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满足电流极限的要求：若I(λk)≤Ilim，Ilim为给定电流极限值，输出MTPV轨迹；否则，重新输入转矩指令，再返回执行步骤A1。
3.根据权利要求2所述永磁同步电机MTPV控制电流轨迹搜索方法，其特征在于，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 FDA0002848571770000021
获取，其中：
Figure FDA0002848571770000022
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，h+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)、计算并输出给定转矩和给定电压极限下的电机最高转速W(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。
4.根据权利要求2或3所述永磁同步电机MTPV控制电流轨迹搜索方法，其特征在于，MTPV轨迹包括给定转矩
Figure FDA0002848571770000023
给定电压极限和电流极限下的电机最高转速w＝W(θ)，电流幅值I＝I(λk)和电流角θ＝λk。
5.根据权利要求2或3所述永磁同步电机MTPV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。
6.根据权利要求5所述永磁同步电机MTPV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)。
7.根据权利要求6所述永磁同步电机MTPV控制电流轨迹搜索方法，其特征在于，给定电压极限下的电机最高转速W(θ)按
Figure FDA0002848571770000031
获取，
式中：Ulim为给定电压极限值。
8.永磁同步电机MTPV在线控制方法，其特征在于，采用权利要求1～7任一权利要求所述的永磁同步电机MTPV控制电流轨迹搜索方法得到永磁同步电机在多个工作点下的电流轨迹，将这些电流轨迹作为样本数据，训练生成MTPV神经网络模型，MTPV神经网络模型的输入为电机的转矩、电流极限值和电压极限值，输出为电机最高转速、电流幅值与电流角；
将MTPV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MTPV在线控制，根据电机的转矩实时输出电流幅值与电流角用于控制电机运行。
CN202011519801.0A 2020-12-21 2020-12-21 永磁同步电机mtpv控制电流轨迹搜索方法及在线控制方法 Active CN112468037B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011519801.0A CN112468037B (zh) 2020-12-21 2020-12-21 永磁同步电机mtpv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
CN202011519801.0A CN112468037B (zh) 2020-12-21 2020-12-21 永磁同步电机mtpv控制电流轨迹搜索方法及在线控制方法

Publications (2)

Publication Number Publication Date
CN112468037A true CN112468037A (zh) 2021-03-09
CN112468037B CN112468037B (zh) 2022-07-12

Family

ID=74803195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011519801.0A Active CN112468037B (zh) 2020-12-21 2020-12-21 永磁同步电机mtpv控制电流轨迹搜索方法及在线控制方法

Country Status (1)

Country Link
CN (1) CN112468037B (zh)

Cited By (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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106301128A (zh) * 2016-10-27 2017-01-04 江苏大学 一种内嵌式永磁同步电机恒直轴电流控制方法及系统
CN106411215A (zh) * 2016-10-27 2017-02-15 北京新能源汽车股份有限公司 一种永磁同步电机深度弱磁控制方法及控制装置
JP2018078762A (ja) * 2016-11-11 2018-05-17 国立大学法人 名古屋工業大学 埋込磁石同期電動機を用いた加振制御システム
CN108696219A (zh) * 2018-06-21 2018-10-23 精进电动科技股份有限公司 一种标定永磁同步电机电流的方法和装置
CN109617486A (zh) * 2018-12-29 2019-04-12 南京越博电驱动系统有限公司 一种永磁同步电机自动标定方法
CN109873590A (zh) * 2019-04-09 2019-06-11 湘潭大学 一种电动汽车用内嵌式永磁同步电机的弱磁扩速方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106301128A (zh) * 2016-10-27 2017-01-04 江苏大学 一种内嵌式永磁同步电机恒直轴电流控制方法及系统
CN106411215A (zh) * 2016-10-27 2017-02-15 北京新能源汽车股份有限公司 一种永磁同步电机深度弱磁控制方法及控制装置
JP2018078762A (ja) * 2016-11-11 2018-05-17 国立大学法人 名古屋工業大学 埋込磁石同期電動機を用いた加振制御システム
CN108696219A (zh) * 2018-06-21 2018-10-23 精进电动科技股份有限公司 一种标定永磁同步电机电流的方法和装置
CN109617486A (zh) * 2018-12-29 2019-04-12 南京越博电驱动系统有限公司 一种永磁同步电机自动标定方法
CN109873590A (zh) * 2019-04-09 2019-06-11 湘潭大学 一种电动汽车用内嵌式永磁同步电机的弱磁扩速方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHIHAO SONG等: ""A V/Hz based Maximum Torque per Volt Control in Flux-Weakening Region for Interior Permanent Magnet Synchronous Motors"", 《2020 IEEE ENERGY CONVERSION CONGRESS AND EXPOSITION (ECCE)》 *

Cited By (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

Also Published As

Publication number Publication date
CN112468037B (zh) 2022-07-12

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
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
CN111953250A (zh) 一种注入谐波电流的永磁同步电机转矩脉动抑制方法
CN104579083A (zh) 永磁同步电机矢量控制方法及系统
CN110098773B (zh) 一种利用最小二乘法的永磁同步电机参数辨识方法
Nasirian et al. High-fidelity magnetic characterization and analytical model development for switched reluctance machines
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
Feng et al. Maximum-torque-per-square-ampere control for interior PMSMs considering cross-saturation inductances
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
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
CN112468032B (zh) 永磁同步电机的全速域效率map图生成方法
Qian et al. Torque ripple reduction of PMSM based on modified DBN-DNN surrogate model
CN112821834B (zh) 一种永磁同步电机的在线参数辨识方法和装置
Radimov et al. Simple model of switched-reluctance machine based only on aligned and unaligned position data
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
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
Wen et al. Fast Backfire Double Annealing Particle Swarm Optimization Algorithm for Parameter Identification of Permanent Magnet Synchronous Motor.
CN114244216A (zh) 一种永磁同步电机参数辨识方法、装置及系统
CN112541154B (zh) 一种磁路功率的计算方法
CN110112976B (zh) 一种利用牛顿拉普逊法的永磁同步电机参数辨识方法
CN107919823B (zh) 一种永磁电机离散仿真模型设计方法
CN113054883A (zh) 双凸极永磁电机控制方法

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