CN112671291A

CN112671291A - 一种基于改进粒子群的电机串级自抗扰控制参数优化方法

Info

Publication number: CN112671291A
Application number: CN202011226315.XA
Authority: CN
Inventors: 石照耀; 张攀; 林家春
Original assignee: Beijing University of Technology
Current assignee: Beijing University of Technology
Priority date: 2020-11-06
Filing date: 2020-11-06
Publication date: 2021-04-16

Abstract

本发明公开了一种基于改进粒子群的电机串级自抗扰控制参数优化方法，搭建永磁同步电机矢量控制系统模型，使用一阶ADRC控制器代替电流环的PI控制器，使用二阶ADRC代替速度环PI控制器，然后使用改进粒子群优化算法整定ADRC控制器的参数，通过ITAE准则与迭代次数终止寻优，最终获得串级ADRC的控制参数，加快永磁同步电机的响应速度、提高抗干扰能力、兼容快速性与超调性。本发明采用串级ADRC控制策略，使用一阶ADRC控制器代替电流环的PI控制器，使用二阶ADRC代替速度环的PI控制器用来提高系统的快速性与抗干扰能力，同时实现快速无超调的启动、调速。使用改进粒子群优化算法可以简化ADRC控制参数的整定过程，可以加快收敛速度，避免陷入局部最优，并得到最优的结果。

Description

一种基于改进粒子群的电机串级自抗扰控制参数优化方法

技术领域

本发属于高精度交流伺服控制领域，涉及一种永磁同步电机高精度伺服控制方法，特别是一种永磁同步电机电流环、速度环自抗扰控制器参数优化的改进型粒子群优化方法。

背景技术

永磁同步电机具有结构简单、效率高、功率密度高、转矩脉动小、响应快等优点，广泛应用于家电、汽车、机床、机器人、工业伺服、航空、航天等高精度伺服控制领域。因此对永磁同步电机的调速性能要求也越来越高。

永磁同步控制控制系统中多采用串级PI(D)控制策略。即电流环作为最内环、速度环作其次、位置环作为最外环。串级PI(D)控制方式具有结构简单，容易实现的优点。但是也存在动态性能差、抗干扰能力弱、无法兼容快速与超调等问题。在高精度控制场合往往需要多组PI(D)参数适应不同的工况。

针对串级PI控制存在动态性能差、抗干扰能力弱、无法兼容快速与超调的问题，使用串级ADRC控制器代替串级PI控制器，使用改进粒子群优化算法整定串级ADRC的参数，最终提高PMSM动态性能与抗干扰能力，并实现快速无超调启动、调速。

中科院韩京清先生深入分析PID控制基础上提出了一种自抗扰控制理论，融合了PID控制中基于误差消除误差的精髓。自抗扰控制技术不依赖被控对象数学模型，通过实时估计系统内外扰动并对控制信号进行补偿，实现高性能控制。

ADRC需要整定的参数较多，若要得到精确的控制效果，必须对自抗扰控制器中的参数做细致的整定。ADRC参数整定是一个复杂的调整过程，目前主要有经验法、带宽/零极点配置法、BP神经网络法等。经验法需要调试者根据积累的经验调整，调整过程较为繁琐，但使用最为广泛。带宽法/零极点配置法需要根据系统的模型经过大量繁琐计算才能得到控制参数，通用性差。BP神经网络方法虽然可以动态调整参数，但系统的响应时间对参数变化较为敏感，从而降低系统的稳定性。串级ADRC中需要整定的参数较多，对于电流环，d轴电流和q 轴电流的一阶ADRC需要整定的参数有ESO中的beta01、beta02和NLSEF中的 beta1。对于速度环ADRC，需要整定的参数有ESO中的beta01、beta02、beta03 和NLSEF中的beta1、beta2。

针对串级ADRC控制参数整定复杂的问题，提出一种使用改进粒子群优化算法，可以方便快速的获取串级ADRC控制参数。粒子群优化算法具有结构简单、参数少、容易实现、收敛速度快等优点。粒子群优化算法最初由Kennedy博士和Eberhart博士于1995年提出。该算法源于鸟群觅食过程，通过群体和个体之间的协作和信息共享来寻求最优解。但标准粒子群优化算法易早熟、容易陷入局部最优解。通过改进粒子群优化算法中的惯性权重ω以及学习因子c₁、c₂可以提高收敛速度，避免粒子群优化算法早熟陷入局部最优解。

发明内容

针对永磁同步电机串级PI控制策略中的响应速度慢、抗干扰能力弱、无法兼容快速与超调等问题。本发明提出了一种改进粒子群优化算法的串级ADRC 控制策略。首先使用搭建永磁同步电机矢量控制系统模型，使用一阶ADRC控制器代替电流环的PI控制器，使用二阶ADRC代替速度环PI控制器，然后使用改进粒子群优化算法整定ADRC控制器的参数，通过ITAE准则与迭代次数终止寻优，最终获得串级ADRC的控制参数，加快永磁同步电机的响应速度、提高抗干扰能力、兼容快速性与超调性。

本发明的技术方案为一种基于改进粒子群优化算法的永磁同步电机串级 ADRC参数优化方法，包括以下步骤：

步骤1，搭建永磁同步电机电流环一阶ADRC矢量控制模型。

搭建永磁同步电机一阶ADRC电流环矢量控制模型，主要包括Clark变换模块、Park变换模块、Ipark变换模块、SVPWM模块、力矩环一阶ADRC模块和磁链环一阶ADRC模块。

步骤1.1，通过采集转子末端的编码器信号，采样电阻采集三相电流信号，电流信号经过Clark变换后得到静止的两相电流I_α、I_β。I_α、I_β经过Park后得到Id、 Iq电流。Id对应励磁电流，Iq对应转矩电流。采用Id＝0的控制方式。

步骤1.2，磁链环和力矩环分别采用一阶ADRC控制方式。Id、Iq分别跟设定的目标值做差计算，然后经过一阶ADRC变换后得输出Vq、Vd。Vq、Vd经过反Park变换后得到两个正弦信号V_α、V_β。V_α、V_β经SVPWM变换后输出六路互补对称的PWM信号，控制路功率器件驱动永磁同步电机工作。

步骤2，使用改进粒子群优化算法优化电流环一阶ADRC控制参数。为了简化电流环一阶ADRC参数调整过程，使用改进粒子群优化算法进行整定。

步骤2.1，设计改进粒子群优化算法。粒子群优化算法中惯性权重ω以及学习因子c₁、c₂是影响PSO算法收敛的关键。惯性权重值较大时，有利于跳出局部最优，进行全局寻优，但收敛速度慢。惯性权重值较小时，有利于局部搜索，算法收敛较快。学习因子c₁相对较大时，粒子个体认知部分比重较大，粒子“分散”现象越明显，全局最优解具有较大盲目性。学习因子c₂相对较大时，群体认知部分比重较大，粒子群体意识较强，集聚现象越明显，容易陷入局部最优解。

步骤2.2，标准粒子群算法中惯性权重呈线性变化，学习因子c₁、c₂为固定值。合理的搜索过程应该是前期具有较强的全局搜索能力，随着迭代次数的增加逐渐缩小搜索区域，迭代后期应该具有较强的局部搜索能力和较快的收敛速度。

步骤2.3，为实现上述变化过程相对于标准粒子群优化算法进行改进调整。ω呈非线性变化，先大后小。c₁、c₂呈非线性变化，c₁应该先大后小，c₂应该先小后大。若要同时保证粒子群的多样性和收敛性，c₁应该开始下降缓慢，后期下降迅速，并且前期和后期的时间应该尽可能长。c₂应该配合c₁变化，刚开始增加缓慢，后期增加迅速。

步骤2.4，改进粒子群优化算法相对于标准粒子群优化算法的不同之处在于，采用非线性Sigmoid函数作为ω的变化律，将标准Sigmoid函数做一些调整使其值域为[0.4，0.95]，使用一种基于sin² x动态变换的学习因子算法。+

步骤2.5，使用经典的Rastrigrin和Schaffer J D函数作为测试对象测试改进粒子群优化算法的寻优速度与寻优能力。

步骤2.6，电流环一阶ADRC中待优化的参数有力矩控制过程的beta01、 beta02、beta1，以及磁链控制过程的beta01、beta02、beta1，共六个参数。粒子群的搜索空间D＝6，初始化5个6维空间的粒子组成一个种群，每个粒子代表优化问题中的一个潜在最优解。

步骤3，使用适应度函数ITAE来评价电流环ADRC参数是否最优。在迭代次数内，若适应度值达到设定的条件，输出ADRC的控制参数。

步骤4，搭建速度环二阶ADRC矢量模型。

步骤4.1，在电流环一阶ADRC矢量控制基础上添加速度环二阶ADRC。使用二阶ADRC控制器代替速度环PI控制器。

步骤4.2，编码器采集转子的位置数据，通过计算得到转速信息。将转速信号输入二阶ADRC，二阶ADRC的输出作用于力矩环一阶ADRC的输入，形成串级ADRC控制方式。

步骤5，速度环二阶ADRC参数优化。

步骤5.1，二阶ADRC中待整定的参数有扩张状态观测器中的beta01、bet02、beta03和非线性状态误差反馈中的beta1、beta2共5个参数。粒子群的搜索空间 D＝5，初始化5个5维度的粒子群组成一个种群，每个粒子代表优化问题中的一个潜在最优解。

步骤5.2，使用ITAE评价准则作为粒子群优化算法的适应度函数。在迭代次数内若适应度值达到设定的条件，输出二阶ADRC的控制参数。

与现有技术相比，本发明具有以下优点：

(1)在现有永磁同步电机调速控制策略中，往往使用串级PI控制方式，这种控制策略存在抗干扰能力弱、动态性能差启动、调速过程存在超调。为改善这一问题，本发明采用串级ADRC控制策略，使用一阶ADRC控制器代替电流环的PI控制器，使用二阶ADRC代替速度环的PI控制器用来提高系统的快速性与抗干扰能力，同时实现快速无超调的启动、调速。

(2)经验法和带宽/零极点配置法整定ADRC参数具有一定的局限性，整定过程较为繁琐，复杂。使用改进粒子群优化算法可以简化ADRC控制参数的整定过程，可以加快收敛速度，避免陷入局部最优，并得到最优的结果。

附图说明

图1为基于改进粒子群优化算法的永磁同步电机串级ADRC矢量控制系统结构框图；

图2为使用Rastrigrin和Schaffer J D作为测试函数，测试改进粒子群算法、Sigmoid惯性权重粒子群算法及标准粒子群算法的结果对比图；(a)Rastrigrin函数测试对比；(b)Schaffer J D函数测试对比

图3为改进粒子群优化算法整定电流环和速度环的算法流程图；

图4为经改进型粒子群优化算法整定后的串级ADRC控制策略和串级PI控制策略的速度仿真结果对比。

图5为经改进型粒子群优化算法整定后的串级ADRC控制策略和串级PI控制策略的电流仿真结果对比。

图6为经改进型粒子群优化算法整定后的串级ADRC控制策略和串级PI控制策略的转矩仿真结果对比。

具体实施方式

结合附图1-6和具体实施实例对本方法进行详细说明。

实施方式。

图1为基于改进粒子群优化算法的永磁同步电机串级自抗扰系统结构框图，具体实施方式如下：

步骤S10，搭建永磁同步电机一阶ADRC电流环矢量控制系统，主要包括 Clark变换模块、Park变换模块、Ipark变换模块、SVPWM模块、力矩环一阶 ADRC模块和磁链环一阶ADRC模块。

步骤S11，通过采集转子末端的编码器信号，采样电阻采集三相电流信号，电流信号经过Clark变换后得到静止的两相电流I_α、I_β。I_α、I_β经过Park变换后转化为旋转的Id、Iq电流，Id、Iq相对转子是静止的。Id对应励磁电流，Iq对应转矩电流，Id、Iq不再是正弦信号，而是直流信号，通过控制这两个变量可以控制电机的励磁和转矩。

步骤S12，采用Id＝0的控制方式。磁链环和力矩环分别采用一阶ADRC控制方式。Id、Iq分别跟设定的目标值做误差计算，然后经过一阶ADRC变换后得输出Vq、Vd。Vq、Vd经过反Park变换后得到两个正弦信号V_α、V_β，相位互差90度。V_α、V_β经SVPWM变换后六路互补对称的PWM信号，控制6 路功率器件驱动永磁同步电机工作。

步骤S20，对于电流环一阶ADRC需要整定的参数有：控制力矩的一阶ADRC 中beta01、beta02、beta1，控制磁链的一阶ADRC中beta01、beta02、beta1，共六个参数。

步骤S30，使用改进型粒子群优化算法进行电流环一阶ADRC中的六个参数寻优。在标准粒子群优化算法基础上进行改进，采用非线性Sigmoid函数作为ω的变化律，将标准Sigmoid函数做一些调整使其值域为[0.4，0.95]，使用一种基于sin² x动态改变学习因子c₁、c₂。

步骤S40，粒子群的搜索空间D＝6，初始化5个6维空间的粒子组成一个种群，设置迭代次数为20，每个粒子代表优化参数中的一个潜在最优解。经过迭代寻优得到电流环一阶ADRC的控制参数。

步骤S50，在电流环一阶ADRC基础上添加速度环二阶ADRC。由编码器采集到角度数据，经过计算得到实际转速。将目标转速和实际转速输入到速度环二阶ADRC，速度环二阶ADRC的输出作为力矩环一阶ADRC的输入，构成串级 ADRC控制方式。

步骤S60，使用改进粒子群优化算法整定速度环二阶ADRC控制参数。速度环二阶ADRC中待整定的参数有扩张状态观测器中的beta01、bet02、beta03和非线性状态误差反馈中的beta1、beta2共5个参数。粒子群的搜索空间D＝5，初始化5个5维度的粒子群组成一个种群，设置迭代次数为20，进行迭代寻优。经过迭代寻优得到速度环一阶ADRC的控制参数。

图2为使用Rastrigrin和Schaffer J D作为测试函数对改进粒子群算法、Sigmoid惯性权重粒子群算法、标准粒子群算法的测试结果。从图中可以看出采用改进型粒子群优化算法的迭代次数少、收敛速度快，采用Sigmoid惯性权重算法次之，采用线性权重算法收敛性最慢。

粒子群优化算法中每个粒子代表优化问题中的一个潜在最优解，用速度、位置、适应度来表示该粒子的特征。位置表示为X_i＝(x_i1,x_i2,...,x_iD)，速度表示为 V_i＝(v_i1,v_i2,...,v_iD)，粒子通过跟踪个体极值(pbest)和群体极值(gbest)来更新迭代，粒子得到这两个极值之后通过式(14)来更新自身的速度和位置，即：

其中，

表示第k次迭代粒子i位置矢量的第d维分量，d∈[1,D]，位置变化范围限定在[X_min,X_max]之间。

表示第k次迭代粒子i飞行速度矢量的第d维分量，速度变化范围限定在[V_min,V_max]之间。

表示第k次迭代粒子i在d维分量的个体极值，

表示第k次迭代群体在d维分量的群体极值。c1、c2为学习因子，主要影响粒子的目标识别能力。rand为[0,1]之间的随机数。

Kmax为最大迭代次数，k为当前迭代次数。

本发明中的改进算法中c₁、c₂不在是定值，使用一种基于sin² x动态改变学习因子的算法，c₁、c₂变换律如式(31)所示

图3为改进粒子群优化算法优化模型的流程图。实现稳定可靠的电流环控制是外环控制的前提，参数整定时首先需要先整定电流环的参数，当电流环参数整定完毕后，修改粒子群寻优空间与寻优范围，进行位置环迭代寻优。改进粒子群优化算法通过matlab中.m编程，通过运行.m文件将被优化的参数赋值到工作空间。

通过调用sim函数运行Simulink中模型，得到对应的ITAE值，通过限定迭代次数与限定ITAE值判断是否结束迭代更新。如果没有满足条件根据更新公式继续迭代更新种群，如果满足条件就得到了全局最优解。

图(4)为通过改进型粒子群优化算法整定串级ADRC参数和串级PI参数后的模型运行结果。

选取永磁同步电机额定功率为1.5KW；额定转矩为Tn＝8Nm；定子电阻R＝0.6 Ω；定子电感L＝0.75mH；极对数p＝4；转动惯量J＝10kg.cm²。

启动时设置目标速度500rpm，在0.1s时施加1N*m负载，在0.2s时设置速度为1000rpm，在0.3s时施加4N*m负载。调整控制参数使二者到达稳态时间基本相同，仿真结果如图6所示，从图中能够看出串级PI控制方式在在到达稳态之前存在明显的超调与振荡，并且在两次调试时的超调量有很大差别，说明一组 PI控制参数并不能很好适应较大范围的调速。而串级ADRC启动与调速过程不存在超调与振荡。在0.1s时施加1Nm负载，二者速度均变化不明显，但是0.3s 施加4Nm负载后，从局部放大图中可以看出PI控制方式下降到990rpm，而ADRC 控制方式速度下降到997rpm，并且串级ADRC的恢复时间要短于PI控制。串级 ADRC的控制方式的抗干扰能力与稳定性都要优于PI控制方式。

图5为电流仿真结果，电流的变化与速度的变化相对应。0.2s转速由500rpm 变为1000rpm，电流的变化频率变为之前的2倍。0.3s前后负载由1Nm变为3Nm，对应的三相电流的电流幅值也变为原来3倍，从约1.4变为约4.2。串级ADRC 控制的电流更稳定，在启动阶段和0.2s时的调速阶段串级ADRC控制方式电流波动的幅值与振荡的次数都要小于PI控制方式。启动阶段串级ADRC控制方式电流波动幅值约为-3A～8A，而PI控制方式的电流波动幅值约为-13～21A。在0.3s 时施加负载后，串级ADRC控制电流的波动幅值也小于PID控制方式电流的波动幅值。

图6为转矩仿真结果，转矩的变化与速度和电流的变化相对应。串级ADRC 控制方式转矩变化相比串级PI控制方式要稳定。启动阶段和0.2s调速阶段，PI 控制方式转矩的波动幅值要明显大于串级ADRC控制方式，并且PI控制方式转矩出现多次振荡，而串级ADRC控制方式没有振荡。0.1s和0.3s施加负载时，串级ADRC方式转矩的超调量要小于串级PI控制的超调量，并且稳定后，串级 ADRC控制方式的转矩波动幅值要小于PI控制方式。

Claims

1.一种基于改进粒子群的电机串级自抗扰控制参数优化方法，其特征在于：该方法包括如下步骤，

步骤1，搭建永磁同步电机电流环一阶ADRC矢量控制模型；

搭建永磁同步电机一阶ADRC电流环矢量控制模型，包括Clark变换模块、Park变换模块、Ipark变换模块、SVPWM模块、力矩环一阶ADRC模块和磁链环一阶ADRC模块；

步骤2，使用改进粒子群优化算法优化电流环一阶ADRC控制参数；

步骤3，使用适应度函数ITAE来评价电流环ADRC参数是否最优，在迭代次数内，若适应度值达到设定的条件，输出ADRC的控制参数；

步骤4，搭建速度环二阶ADRC矢量模型；

步骤5，速度环二阶ADRC参数优化。

2.根据权利要求1所述的一种基于改进粒子群的电机串级自抗扰控制参数优化方法，其特征在于：步骤1中，步骤1.1，通过采集转子末端的编码器信号，采样电阻采集三相电流信号，电流信号经过Clark变换后得到静止的两相电流I_α、I_β；I_α、I_β经过Park后得到Id、Iq电流；Id对应励磁电流，Iq对应转矩电流；采用Id＝0的控制方式；

步骤1.2，磁链环和力矩环分别采用一阶ADRC控制方式；Id、Iq分别跟设定的目标值做差计算，然后经过一阶ADRC变换后得输出Vq、Vd；Vq、Vd经过反Park变换后得到两个正弦信号V_α、V_β；V_α、V_β经SVPWM变换后输出六路互补对称的PWM信号，控制路功率器件驱动永磁同步电机工作。

3.根据权利要求1所述的一种基于改进粒子群的电机串级自抗扰控制参数优化方法，其特征在于：步骤2中，步骤2.1，设计改进粒子群优化算法；粒子群优化算法中惯性权重ω以及学习因子c₁、c₂是影响PSO算法收敛的关键；

步骤2.2，标准粒子群算法中惯性权重呈线性变化，学习因子c₁、c₂为固定值；合理的搜索过程应该是前期具有较强的全局搜索能力，随着迭代次数的增加逐渐缩小搜索区域；

步骤2.3，ω呈非线性变化，先大后小；c₁、c₂呈非线性变化，c₁先大后小，c₂先小后大；若要同时保证粒子群的多样性和收敛性，c₁开始下降缓慢，后期下降迅速；c₂配合c₁变化，刚开始增加缓慢，后期增加迅速；

步骤2.4，改进粒子群优化算法相对于标准粒子群优化算法的不同之处在于，采用非线性Sigmoid函数作为ω的变化律，将标准Sigmoid函数做一些调整使其值域为[0.4，0.95]，使用一种基于sin²x动态变换的学习因子算法；

步骤2.5，使用Rastrigrin和SchafferJD函数作为测试对象测试改进粒子群优化算法的寻优速度与寻优能力；

步骤2.6，电流环一阶ADRC中待优化的参数有力矩控制过程的beta01、beta02、beta1，以及磁链控制过程的beta01、beta02、beta1，共六个参数；粒子群的搜索空间D＝6，初始化5个6维空间的粒子组成一个种群，每个粒子代表优化问题中的一个潜在最优解。

4.根据权利要求1所述的一种基于改进粒子群的电机串级自抗扰控制参数优化方法，其特征在于：步骤4中，步骤4.1，在电流环一阶ADRC矢量控制基础上添加速度环二阶ADRC；使用二阶ADRC控制器代替速度环PI控制器；

步骤4.2，编码器采集转子的位置数据，通过计算得到转速信息；将转速信号输入二阶ADRC，二阶ADRC的输出作用于力矩环一阶ADRC的输入，形成串级ADRC控制方式。

5.根据权利要求1所述的一种基于改进粒子群的电机串级自抗扰控制参数优化方法，其特征在于：步骤5中，步骤5.1，二阶ADRC中待整定的参数有扩张状态观测器中的beta01、bet02、beta03和非线性状态误差反馈中的beta1、beta2共5个参数；粒子群的搜索空间D＝5，初始化5个5维度的粒子群组成一个种群，每个粒子代表优化问题中的一个潜在最优解；

步骤5.2，使用ITAE评价准则作为粒子群优化算法的适应度函数；在迭代次数内若适应度值达到设定的条件，输出二阶ADRC的控制参数。