CN112468049B - 一种变频压缩机转速波动抑制的方法、装置和空调 - Google Patents

Abstract

一种变频压缩机转速波动抑制方法，包括构建带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型：设置变频压缩机控制系统的跟踪误差函数；根据所述控制模型和跟踪误差函数进行迭代学习，当所述控制模型满足预设的收敛条件时，采用收敛时所述控制模型中的参数控制所述变频压缩机。还提供了一种变频压缩机转速波动抑制装置、一种非暂时性计算机可读介质和一种空调。采用本发明的方案，能够减小压缩机的周期性转速脉动、削弱压缩机系统中非周期性扰动带来的误差累积问题、减小压缩机负载的时间相关性对速度波动抑制效果的影响、实现了压缩机转矩的力矩补偿，从而达到抑制速度波动的目的。

Description

一种变频压缩机转速波动抑制的方法、装置和空调

技术领域

本发明涉及自动控制领域，更具体地涉及一种变频压缩机转速波动抑制方法和装置、空调以及一种非暂时性计算机可读介质。

背景技术

随着人民生活水平的普遍提高,形式多样、功能齐全的空调进入各行各业和普通家庭，给人们创造了舒适的温湿环境。

通常，压缩机在高频运行范围内的能效比普遍较低，在低、中频运行范围内的能效比相对比较高。然而，在变频压缩机控制系统中，低频运行时压缩机存在明显的负载转矩脉动，容易引起较大的转速波动，并会带来低频振动和噪声，同时缩短了压缩机的使用寿命，这些问题严重限制了变频空调的推广应用。

迭代学习控制时是一种能完全跟踪期望轨迹的控制理论，它本质上是前馈控制，属于智能控制的分支，适用于具有重复运动的被控对象，通过被控对象进行控制尝试，以输出信号与给定信号的偏差修正不理想的控制信号，使得系统的跟随性能得以提高。

此外，迭代学习控制根据当前或以前的周期的误差信息，累加构造得到控制量，使得系统能够完全跟踪给定的周期信号。当存在周期性干扰时，迭代学习控制能够在对误差信息进行学习后，找到期望的控制补偿量，从而使得系统能够完全跟踪给定信号。对于非周期性干扰，迭代学习控制无法通过学习将干扰补偿掉。

带遗忘因子的PD型迭代学习控制算法具有消息，与通常PD型迭代学习控制算法相比，得到的误差迭代次数曲线相对较为平滑，在误差跟踪性能方面具有一定的优越性。在对空调压缩机转速波动进行抑制时，需要带有PD型迭代学习控制的方法。

上述在背景部分公开的信息仅用于对本发明的背景做进一步的理解，因此它可以包含对于本领域普通技术人员已知的不构成现有技术的信息。

发明内容

本发明提供了改进一种带有遗忘因子的PD型迭代学习控制(Forgetting Factorand PD Type Iterative Learning Control,FPDILC)变频压缩机转速波动抑制方案，能够将有效抑制转速的波动，提高空调的能效比与制冷/制热能力。

为此，本发明一方面提供了一种变频压缩机转速波动抑制方法，另一方面提供了一种变频压缩机转速波动抑制装置，另一方面提供了一种非暂时性计算机可读介质，另一方面提供了一种空调。通过本发明提供的方案，在PD型迭代学习控制方法的基础上进行优化，补足现有技术中算法的缺漏，使控制策略更具有效性和优越性。

本发明的第一方面一种变频压缩机转速波动抑制的方法，包括:

构建带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型：设置变频压缩机控制系统的跟踪误差函数；在变频压缩机系统运行时，根据所述控制模型和跟踪误差函数进行迭代学习，当所述控制模型满足预设的收敛条件时，采用收敛时所述控制模型中的参数控制所述变频压缩机。

根据本发明的一个实施例，所述PD型迭代学习控制模型为：u_k+1(t)＝(1-a)*u_k(t)+G_p*e_k(t)+G_d*[de_k+1(t)/dt]；所述跟踪误差函数为：e_k+1(t)＝y_d-y_k＝(1-a)*e_k+m*[G_p*e_k+G_d*[de_k+1/dt]]+[(1-a)*d_k-d_k+1+a*y_d]，其中u_k+1(t)、u_k(t)分别为下一个周期和当前周期变频压缩机控制系统的输入，e_k+1(t)、e_k(t)分别为下一个周期和当前周期的误差，y_k(t)为当前周期的变频压缩机控制系统的输出，y_d(t)为变频压缩机控制系统的期望输出，G_p、G_d分别为跟踪误差函数的PD调节系数，a为遗忘因子，其中0<a<1，m为控制输入调节系数，d_k为当周期性扰动信号，d_k+1为下一个周期性扰动信号；其中所述变频压缩机控制系统的收敛性、收敛速度和收敛水平取决于m、G_p、G_d、a。

根据本发明的一个实施例，在对所述变频压缩机的转速进行迭代学习控制时，采用变频压缩机转子位置估算角θ_e来取代所述PD型迭代学习控制模型中的时间t，得到所述变频压缩机的前馈电路补偿量ΔIq_(i+1)，采用所述前馈电路补偿量ΔIq_(i+1)对变频压缩机q轴电流进行补偿；其中所述ΔIq_(i+1)为：

ΔIq_(i+1)(θ_e)＝(1-a)*ΔIq_i(θ_e)+G_p1*e_(i-1)(θ_e)+G_p2*e_i(θ_e)+G_p3*e_(i-2)(θ_e)+G_d*[e_i(θ_e)-e_(i-1)(θ_e)]；其中e_i(θ_e)是变频压缩机转子速度误差函数，G_p1、G_p2、G_p3分别为前一个周期、当前周期和前前一个周期误差的学习增益，i表示迭代的次数。

根据本发明的一个实施例，其中通过低通滤波器来实现所述带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型。

根据本发明的一个实施例，其中所述PD型迭代学习控制模型的收敛条件为：||1-P_n*k_t/J*G_pi||<1，i＝1,2,3；其中P_n为极对数，k_t为转矩系数，J为转动惯量，并且其中，当0<P_n*k_t/J≤|P_n*k_t/J|_max时，0<G_pi<2/|P_n*k_t/J|_max。

根据本发明的一个实施例，其中在所述PD型迭代学习控制模型的迭代过程中，对变频压缩机转子速度误差函数e_i(θ_e)的处理为：e_(i-2)(θ_e)＝e_(i-1)(θ_e)；e_(i-1)(θ_e)＝e_i(θ_e)；e_i(θ_e)＝(ω^* _e-ω_e)*cos(θ_e)；其中，e_(i-2)(θ_e)代表上两个周期的变频压缩机转子速度误差函数(或偏差)；e_(i-1)(θ_e)代表上一个周期的变频压缩机转子速度误差函数(或偏差)；e_i(θ_e)代表当前周期的变频压缩机转子速度误差函数(或偏差)，ω^* _e-ω_e为速度误差转速信号。

根据本发明的一个实施例，所述变频压缩机转子速度误差函数e_i(θ_e)为cos(θ_e)、sin(θ_e)或为傅里叶级数展开的函数。

根据本发明的一个实施例，其中所述G_pi＝2*τ*W_n*J/k_t，所述G_d＝W_n^2*J/k_t，所述G_pi和G_d值随变频压缩机的固定参数来确定，转子速度误差函数e_i(θ_e)随着变频压缩机转子转速波动而自适应地进行调节，其中τ为阻尼系数，Wn为带宽。

根据本发明的一个实施例，其中所述遗忘因子的取值和所述变频压缩机控制系统的稳定性、所述PD型迭代学习控制模型的收敛性和所述变频压缩机转速波动抑制水平有关。

本发明的第二方面提供一种变频压缩机转速波动抑制的装置，其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当所述一个多个处理器执行所述程序指令时，所述一个或多个处理器用于实现本发明的变频压缩机转速波动抑制的方法。

本发明的第三方面提供一种非暂时性计算机可读存储介质，其上存储有程序指令，当所述程序指令被一个或多个处理器执行时，所述一个或多个处理器用于实现本发明的变频压缩机转速波动抑制的方法。

本发明的第四方面提供一种空调，其采用了本发明变频压缩机转速波动抑制的方法，或包括本发明变频压缩机转速波动抑制的装置，或具有根本发明所述的非暂时性计算机可读存储介质。

本发明的有益效果为：通过实施本发明的方案，减小压缩机的周期性转速脉动，在此基础上引入遗忘因子，削弱压缩机系统中非周期性扰动带来的误差累积问题，并通过优化改进的PD型迭代学习控制，减小压缩机负载的时间相关性对速度波动抑制效果的影响，然后，将迭代学习控制学习出的q轴电流补偿量进行前馈补偿，以实现压缩机转矩的力矩补偿，从而达到抑制压缩机转子转动速度波动的目的。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图进行简单介绍，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而言，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是根据本发明的一个示例性实施例的空调变频压缩机的工作原理图。

图2是根据本发明的一个示例性的实施例的空调变频压缩机脉动负载力矩、电机力矩和速度示意图。

图3是根据本发明的一个示例性的实施例的本发明PD型迭代学习控制控制原理图。

图4是根据本发明的一个示例性实施例的PD型迭代学习控制方法流程图。

图5是根据本发明的一个示例性实施例的优化的FPDILC算法实现图。

附图标记定义说明：

u_k+1(t)：当前周期变频压缩机控制系统的输入

u_k(t)：下一个周期变频压缩机控制系统的输入

e_k+1(t)：当前周期的误差函数

e_k(t)：下一个周期的误差函数

y_k(t)：当前周期的变频压缩机控制系统的输出

y_d(t)：变频压缩机控制系统的期望输出

G_p：跟踪误差函数的PD调节系数

G_d：跟踪误差函数的PD调节系数

m：控制输入调节系数

d_k：当周期性扰动信号

d_k+1：下一个周期性扰动信号

a:遗忘因子

上述变量在第2点已有解释

θ_e:变频压缩机转子位置估算角θ_e

ΔIq_(i+1):前馈电路补偿量

e_i(θ_e):变频压缩机转子速度误差函数

e_(i-2)(θ_e):前前一个周期变频压缩机转子速度误差函数

e_(i-1)(θ_e):前一个周期变频压缩机转子速度误差函数

G_p1:当前周期的周期误差的学习增益

G_p2:前一个周期的周期误差的学习增益

G_p3:前前一个周期的周期误差的学习增益

i:表示迭代的次数

P_n:极对数

k_t:转矩系数

J:转动惯量

ω_e:估算速度

ω^* _e:参考(需求)速度

W_n:带宽

τ:阻尼系数

τ_M:电机力矩

τ_L:负载力矩

r/s:单位，转/秒

Δω_r:速度误差转速信号，＝ω^* _e-ω_e

具体实施例

如在本文中所使用的，词语“第一”、“第二”等可以用于描述本发明的示例性实施例中的元件。这些词语只用于区分一个元件与另一元件，并且对应元件的固有特征或顺序等不受该词语的限制。除非另有定义，本文中使用的所有术语(包括技术或科学术语)具有与本发明所属技术领域的普通技术人员通常理解的含意相同的含意。如在常用词典中定义的那些术语被解释为具有与相关技术领域中的上下文含意相同的含意，而不被解释为具有理想或过于正式的含意，除非在本发明中被明确定义为具有这样的含意。

本领域的技术人员将理解的是，本文中描述的且在附图中说明的本发明的装置和方法是非限制性的示例性实施例，并且本发明的范围仅由权利要求书限定。结合一个示例性实施例所说明或描述的特征可与其他实施例的特征组合。这种修改和变化包括在本发明的范围内。

下文中，将参考附图详细描述本发明的示例性实施例。在附图中，省略相关已知功能或配置的详细描述，以避免不必要地遮蔽本发明的技术要点。另外，通篇描述中，相同的附图标记始终指代相同的电路、模块或单元，并且为了简洁，省略对相同电路、模块或单元的重复描述。

此外，应当理解一个或多个以下方法或其方面可以通过至少一个控制系统、控制单元或控制器执行。术语“控制单元”，“控制器”,“控制模块”或者“主控模块”可以指代包括存储器和处理器的硬件设备，术语“空调”可以指代类似于空调器的设备。存储器或者计算机可读存储介质配置成存储程序指令，而处理器具体配置成执行程序指令以执行将在以下进一步描述的一个或更多进程。而且，应当理解，正如本领域普通技术人员将意识到的，以下方法可以通过包括处理器并结合一个或多个其他部件来执行。

图1是根据本发明的一个示例性实施例的空调变频压缩机的工作原理图，在图1中各个标记的含义为：1.吸气管2.弹簧3.滑片4.排气阀5.气缸体6.滚动转子7.曲轴8.主轴A.A腔B.B腔。

图2是根据本发明的一个示例性的实施例的空调变频压缩机脉动负载力矩、电机力矩和速度示意图。其中τ_M为电机力矩；τ_L为负载力矩。

如图1所示的压缩机工作过程和图2所示的单转子型压缩机脉动负载力矩、电机力矩和速度，电机力矩大于负载力矩的区间为正，电机加速；反之，负载力矩大于电机力矩的区间为负，电机减速。由图1可知由于电机在压缩机缸体内不均匀的圆周运动、冷媒吸排气压力等因素的影响，电机转速将产生周期性波动，可近似于周期性的脉动负载，但又不属于严格意义上的周期性，周期为压缩机机械转动周期。引起转速脉动的因素有：不同工况(如室内温度、室外温度等)下都会导致负载的变化；空间上的负载周期特性，即由于电机本体设计造成的磁通谐波引起的转速脉动；时间上的负载周期特性，即由于逆变器的非线性等造成的电流谐波引起的转矩脉动；负载转矩在时间上的相关性，即当前负载转矩状态不仅和现在相关，而且和过去相关，但相关性越来越小。

为了解决上述问题，引进转矩补偿控制算法，能够有效解决转速脉动问题。相较于其他转矩补偿算法，优化的FPDILC变频压缩机转速波动抑制方法能够很好地抑制变频压缩机的低频转速波动，提高低频运行时的平稳性，减小低频运行时的振动及噪声，提高空调系统性能。

图3是根据本发明的一个示例性的实施例的本发明PD型迭代学习控制控制原理图。

在图3中，PD型迭代学习控制(PD type iterative learning control,PDILC)的表达式如下：

u_k+1(t)＝u_k(t)+G_p*e_k(t)+G_d*[de_k+1(t)/dt]

e_k(t)＝y_d(t)-y_k(t)

其中其中u_k+1(t)、u_k(t)分别为下一个周期和当前周期变频压缩机控制系统的输入，e_k+1(t)、e_k(t)分别为下一个周期和当前周期的误差，y_k(t)为当前周期的变频压缩机控制系统的输出，y_d(t)为变频压缩机控制系统的期望输出，G_p、G_d分别为跟踪误差函数的PD调节系数。

图4是根据本发明的一个示例性实施例的PD型迭代学习控制方法流程图。如图4所示，

在步骤S401处，构建带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型；

在步骤S402处，设置变频压缩机控制系统的跟踪误差函数；

在步骤S403处，根据所述控制模型和跟踪误差函数进行迭代学习，当所述控制模型满足预设的收敛条件时，采用收敛时所述控制模型中的参数控制所述变频压缩机。

在实际工况中，受温度、频率等不同因素影响，压缩机的负载特性还存在非周期性的扰动信号，这将给系统带来误差累积，可能造成迭代发散。为了避免非周期性扰动带来的误差累积问题，可通过引入遗忘因子进行一定程度上的消除。

带有遗忘因子的PD型迭代学习控制模型为：

u_k+1(t)＝(1-a)*u_k(t)+G_p*e_k(t)+G_d*[de_k+1(t)/dt]

控制系统的跟踪误差为：

e_k+1(t)＝y_d-y_k＝

(1-a)*e_k+m*[G_p*e_k+G_d*[de_k+1/dt]]+[(1-a)*d_k-d_k+1+a*y_d]

在上式中，a为遗忘因子(0<a<1)，遗忘因子的取值需要综合考虑控制器稳定性、算法收敛速度和转矩脉动抑制水平等因素。m为控制输入调节系数，d_k为当周期性扰动信号，d_k+1为下一个周期性扰动信号。控制系统的收敛性、收敛速度和收敛水平取决于上式中的系数m、G_p、G_d、a。由上式可知，通过引入遗忘因子，能够有效削弱压缩机控制系统中非周期性扰动带来的高频误差累积，从而能更好地减小变频压缩机的转速波动。

利用迭代学习控制方法控制减小了压缩机的周期性转速脉动，在此基础上引入遗忘因子，削弱压缩机系统中非周期性扰动带来的误差累积问题，并通过优化改进的PD型迭代学习控制，减小压缩机负载的时间相关性对速度波动抑制效果的影响。也就是说遗忘因子是用来消弱非周期性扰动带来的误差累积问题，即控制环路在前期计算能减小压缩机的周期性转速脉动，但非周期扰动，如不同工况(如室内温度、室外温度等)下导致的负载变化，电压骤降等，则需在控制算法后端再反馈回去进行一次计算，引入的遗忘因子则相当于一个负增益，误差越大则反馈值越小，“加”的值越小。从而防止在一次非周期扰动后，补偿电流仍然继续“用着”有偏差的值，造成误差累积问题。

根据本发明的一个或多个实施例，由于压缩机具有脉动的周期性负载特性，是转子位置的周期函数。因此，在对转速进行迭代学习控制时，可采用转子位置估算角θ_e取代时间t。如图5所示，图5是根据本发明的一个示例性实施例的优化的FPDILC算法实现图，其中图5中的各参数定义为：(1)Δω_r：误差转速信号；(2)零阶保持：实现一个采样周期的零阶保持；(3)0低通滤波器：滤除输入信号的噪声；(4)θ_e：位置估算角；(5)cos(θ_e)：函数e_i(θ_e)的变量；(6)G_p1、G_p2、G_p3：分别为前一个周期、当前周期和前前一个周期误差的学习增益；(7)G_d：为跟踪误差函数的PD调节系数；(8)存储记忆单元：存储上一个时间周期的输入值；(9)限幅:限定输入信号幅值；(10)ΔI_q(i+1)：补偿电流量。

在本发明PD型迭代学习控制模型中，计算出来的量即为变频压缩机前馈的电流补偿量ΔIq_(i+1)；e_i(θ_e)是速度误差信号ω^* _e-ω_e的函数，i代表迭代的次数，LPF是低通滤波器，是为了去除测量噪声。此时，变频压缩机的迭代学习控制率为：

ΔIq_(i+1)(θ_e)＝(1-a)*ΔIq_i(θ_e)+G_p1*e_(i-1)(θ_e)+G_p2*e_i(θ_e)+G_p3*e_(i-2)(θ_e)+G_d*[e_i(θ_e)-e_(i-1)(θ_e)]

其中e_i(θ_e)是变频压缩机转子速度误差函数，G_p1、G_p2、G_p3分别为前一个周期、当前周期和前前一个周期误差的学习增益，i表示迭代的次数。

为了使迭代算法最终快速收敛，必须满足下列条件：

||1-P_n*k_t/J*G_pi||<1，i＝1,2,3

其中P_n为极对数，k_t为转矩系数，J为转动惯量。

显然，0<P_n*k_t/J≤|P_n*k_t/J|_max，那么有：0<G_pi<2/|P_n*k_t/J|_max。

根据本发明的一个或多个实施例，遗忘因子a的取值在(0，1)之间。遗忘因子的取值需要综合考虑控制器稳定性、算法收敛速度和转矩脉动抑制水平等因素，通常a的取值可通过实验得出。

本发明的优化的FPDILC算法可以通过软件或硬件来实现，具体地，通过低通滤波器来实现所述带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型。

如图5所示，低通滤波器其实质为对输入量进行了一次一阶积分，即可线性化为：

Y(n)＝a*X(n)+(1-a)*Y(n-1)

上式中a为滤波系数(遗忘因子)，X(n)为本次采样值，Y(n-1)为上一次滤波输出值，Y(n)为本次滤波输出值。

然后PD型迭代学习控制模型进行迭代学习的处理，即对当前周期、上一个周期及上两个周期当中的控制输入，即偏差量函数e_i(θ_e)的处理如下：

e_(i-2)(θ_e)＝e_(i-1)(θ_e)；

e_(i-1)(θ_e)＝e_i(θ_e)；

e_i(θ_e)＝(ω^* _e-ω_e)*cos(θ_e)；

其中，e_(i-2)(θ_e)代表上两个周期的变频压缩机转子速度误差函数(偏差)；e_(i-1)(θ_e)代表上一个周期的变频压缩机转子速度误差函数(偏差)；e_i(θ_e)代表当前周期的变频压缩机转子速度误差函数(偏差)，ω^* _e-ω_e为速度误差转速信号。

如果压缩机单纯的存在周期性转速脉动，则转速脉动偏差量在各个周期都是一致的。但压缩机在实际运行过程中存在非周期扰动，如不同工况(如室内温度、室外温度等)下导致的负载变化，电压骤降等，则当前周期转速脉动偏差量与上一个周期偏差量并不一致，以此类推。

根据本发明的一个或多个实施例，图5中的PD型迭代学习控制模型进行迭代学习方法采用cos(θ_e)作为函数e_i(θ_e)的变量，其依据于非正弦磁通分布产生周期性变化的磁通谐波转矩：

T_e＝3/4*P*i_q*[Ψ_f0+Ψ_f6*cos(6θ_e)+Ψ_f12*cos(12θ_e)+...]

＝T₀+T₆ cos(6ω_et)+T₁₂ cos(12ω_et)+T₁₈ cos(18ω_et)+...

其中P为极对数，i_q为q轴电流，Ψ_f0、Ψ_f6、Ψ_f12分别为磁通基波分量、6次、12次谐波分量，T₀、T₆、T₁₂、T₁₈分别为转矩基波分量、6次、12次、18次谐波分量。

根据本发明的一个或多个实施例，图5中的PD型迭代学习控制模型进行迭代学习方法也可以采用傅里叶级数展开的转速波动亦可作为函数e_i(θ_e)的变量：

Δω＝ΔA_ω0+∑_n＝0 ^+∞ΔA_{ωn_c} cos(n*θ(t)/P_n)+∑_n＝0 ^+∞ΔA_{ωn_s} sin(n*θ(t)/P_n)

其中Δω＝ω^* _e-ω_e，ΔA_ω0为转速误差基波幅值ΔA_{ωn_c}、ΔA_{ωn_s}分别为速度给定n次谐波的余弦和正弦分量幅值。使用此函数虽然补偿了q轴电流分量，但转速波动的抑制较弱。

此外，图5中的PD型迭代学习控制模型进行迭代学习方法也可以采用sin(θ_e)作为函数e_i(θ_e)的变量。

根据本发明的一个或多个实施例，G_pi增益在满足取值范围的情况下，取值将根据G_pi＝2*τ*W_n*J/k_t，G_d＝W_n^2*J/k_t，即增益值将随压缩机固定参数而定，转速误差及补偿角度都根据位置估算而得到，并随转速波动而自适应地进行调节。优化FPDILC算法后，速度误差都保持在允许的范围内(速度误差允许范围一般在20r/s以内)，其速度波动抑制效果都能够得到较好的改善(速度波动一般在0.2％以内可视为波动小)。

根据本发明的一个或多个实施例，压缩机内腔体转子运行如图1所示，虽然转子在作圆周运动，但并不是均匀的圆周运动，即受力并不均匀(如图2所示)，补偿的力矩，即补偿q轴电流，并不能在每个圆周点补偿完全一样的q轴电流。优化的FPDILC控制算法前端只引入了速度误差信号Δω_r，如图5所示，即补偿的幅值都一样。亟需补足补偿角度的运算，即需要补充误差函数e_i(θ_e)。函数的选取根据影响压缩机转矩波动的原因而进行选取，如齿槽转矩、磁通谐波转矩、电流测量偏置误差等。

根据本发明的一个或多个实施例，本发明还提供一种非暂时性计算机可读存储介质，其上存储有程序指令，当所述程序指令被一个或多个处理器执行时，所述一个或多个处理器用于实现如上所示的本发明各个实施例中的方法或流程。

根据本发明的一个或多个实施例，本发明还提供一种变频压缩机转速波动抑制的装置，其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当所述一个多个处理器执行所述程序指令时，所述一个或多个处理器用于实现如上所示的本发明各个实施例中的方法或流程。

根据本发明的一个或多个实施例，本发明还包括一种空调，其中包括由变频压缩机，采用本发明上述的方法，或包括本发明的变频压缩机转速波动抑制的装置，或具有上述的非暂时性计算机可读存储介质。

根据本发明的一个或多个实施例，本发明的变频压缩机转速波动抑制的方法可以使用存储在非暂时性计算机和/或机器可读介质(例如硬盘驱动器、闪存、只读存储器、光盘、数字多功能磁盘、高速缓存、随机存取存储器和/或任何其他存储设备或存储磁盘)上的编码的指令(例如，计算机和/或机器可读指令)来实现如本发明以上所述控制方法的处理，在非暂时性计算机和/或机器可读介质中存储任何时间期间(例如，延长的时间段、永久的、短暂的实例、临时缓存和/或信息高速缓存)的信息。如本文所使用的，术语“非暂时性计算机可读介质”被明确定义为包括任何类型的计算机可读存储设备和/或存储盘，并且排除传播信号并排除传输介质。

根据本发明的一个或多个实施例，空调中的主控系统或控制模块可以包含一个或多个处理器也可以在内部包含有非暂时性计算机可读介质。具体地，在变频压缩机控制装置或系统(主控系统或控制模块)可以为微控制器MCU，其布置在空调中，用于控制变频压缩机的各种操作和实施多种功能。用于实现变频压缩机控制功能的处理器可以诸如但不限于一个或多个单核或多核处理器。(一个或多个)处理器可包括通用处理器和专用处理器(例如，图形处理器、应用处理器等)的任何组合。处理器可与其耦接和/或可包括计存储器/存储装置，并且可被配置为执行存储在存储器/存储装置中的指令，以实现在本发明中控制器上运行的各种应用和/或操作系统。

本发明采用了采用PD型迭代学习控制(Iterative Learning Control，ILC)控制算法，在此基础上引入遗忘因子，搭建的FPDILC前馈控制给予q轴电流补偿；从而实现压缩机转矩的力矩补偿，从而达到抑制压缩机转子转动速度波动的目的。另外，本发明采用了优化FPDILC控制，补充误差函数e_i(θ_e)，完善控制算法的缺漏。

作为本发明示例的上文涉及的附图和本发明的详细描述，用于解释本发明，但不限制权利要求中描述的本发明的含义或范围。因此，本领域技术人员可以很容易地从上面的描述中实现修改。此外，本领域技术人员可以删除一些本文描述的组成元件而不使性能劣化，或者可以添加其它的组成元件以提高性能。此外，本领域技术人员可以根据工艺或设备的环境来改变本文描述的方法的步骤的顺序。因此，本发明的范围不应该由上文描述的实施例来确定，而是由权利要求及其等同形式来确定。

尽管本发明结合目前被认为是可实现的实施例已经进行了描述，但是应当理解本发明并不限于所公开的实施例，而相反的，意在覆盖包括在所附权利要求的精神和范围内的各种修改和等同配置。

Claims (9)

1.一种变频压缩机转速波动抑制的方法，包括:

构建带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型：

设置变频压缩机控制系统的跟踪误差函数；

根据所述控制模型和跟踪误差函数进行迭代学习，当所述控制模型满足预设的收敛条件时，采用收敛时所述控制模型中的参数控制所述变频压缩机；

其中，在对所述变频压缩机的转速进行迭代学习控制时，采用变频压缩机转子位置估算角θ_e来取代所述PD型迭代学习控制模型中的时间t，得到所述变频压缩机的前馈电路补偿量ΔIq_(i+1)，采用所述前馈电路补偿量ΔIq_(i+1)对变频压缩机q轴电流进行补偿；其中所述ΔIq_(i+1)为：

ΔIq_(i+1)(θ_e)＝(1-a)*ΔIq_i(θ_e)+G_p1*e_(i-1)(θ_e)+G_p2*e_i(θ_e)+G_p3*e_(i-2)(θ_e)+G_d*[e_i(θ_e)-e_(i-1)(θ_e)]；

其中G_p1、G_p2、G_p3分别为前一个周期、当前周期和前前一个周期误差的学习增益，i表示迭代的次数，其中G_d为跟踪误差函数的PD调节系数，a为遗忘因子；

其中在所述PD型迭代学习控制模型的迭代过程中，对变频压缩机转子速度误差函数的处理为：e_(i-2)(θ_e)＝e_(i-1)(θ_e)；

e_(i-1)(θ_e)＝e_i(θ_e)；

e_i(θ_e)＝(ω^* _e-ω_e)*cos(θ_e)；

其中，e_(i-2)(θ_e)代表前前一个周期的变频压缩机转子速度误差函数；e_(i-1)(θ_e)代表上一个周期的变频压缩机转子速度误差函数；e_i(θ_e)代表当前周期的变频压缩机转子速度误差函数，ω^* _e-ω_e为速度误差转速信号，其中ω^* _e为参考速度，ω_e为估算速度。

2.根据权利要求1所述的方法，其中，

所述PD型迭代学习控制模型为：

u_k+1(t)＝(1-a)*u_k(t)+G_p*e_k(t)+G_d*[de_k+1(t)/dt]；

所述跟踪误差函数为：

e_k+1(t)＝y_d-y_k＝(1-a)*e_k+m*[G_p*e_k+G_d*[de_k+1/dt]]+[(1-a)*d_k-d_k+1+a*y_d]，

其中u_k+1(t)、u_k(t)分别为下一个周期和当前周期变频压缩机控制系统的输入，e_k+1(t)、e_k(t)分别为下一个周期和当前周期的误差函数，y_k为当前周期的变频压缩机控制系统的输出，y_d为变频压缩机控制系统的期望输出，G_p、G_d分别为跟踪误差函数的PD调节系数，a为遗忘因子，其中0<a<1，m为控制输入调节系数，d_k为当周期性扰动信号，d_k+1为下一个周期性扰动信号；

其中所述变频压缩机控制系统的收敛性、收敛速度和收敛水平取决于m、G_p、G_d和a。

3.根据权利要求1所述的方法，其中通过低通滤波器来实现所述带有遗忘因子的变频压缩机控制系统的PD型迭代学习控制模型。

4.根据权利要求1所述的方法，其中所述PD型迭代学习控制模型的收敛条件为：||1-P_n*k_t/J*G_pi||<1，i＝1,2,3；其中P_n为极对数，k_t为转矩系数，J为转动惯量，并且其中，当0<P_n*k_t/J≤|P_n*k_t/J|_max时，0<G_pi<2/|P_n*k_t/J|_max。

5.根据权利要求1所述的方法，其中所述G_pi＝2*τ*W_n*J/k_t，i＝1,2,3,所述G_d＝W_n^2*J/k_t，所述G_pi和G_d值随变频压缩机的固定参数来确定，转子速度误差函数e_i(θ_e)随着变频压缩机转子转速波动而自适应地进行调节，其中τ为阻尼系数，Wn为带宽,k_t为转矩系数，J为转动惯量。

6.根据权利要求1所述的方法，其中所述遗忘因子的取值和所述变频压缩机控制系统的稳定性、所述PD型迭代学习控制模型的收敛性和所述变频压缩机转速波动抑制水平有关。

7.一种变频压缩机转速波动抑制的装置，其包括一个或多个处理器以及存储有程序指令的非暂时性计算机可读存储介质，当所述一个多个处理器执行所述程序指令时，所述一个或多个处理器用于实现根据权利要求1-6任意一项所述的方法。

8.一种非暂时性计算机可读存储介质，其上存储有程序指令，当所述程序指令被一个或多个处理器执行时，所述一个或多个处理器用于实现根据权利要求1-6中任一项所述的方法。

9.一种空调，其采用权利要求1-6中任一项所述的方法，或包括权利要求7所述的装置，或具有根据权利要求8所述的非暂时性计算机可读存储介质。

Images