CN112838793A - 一种基于状态转移的永磁同步电机控制方法 - Google Patents

Abstract

本发明涉及电机技术领域，具体公开了一种基于状态转移的永磁同步电机控制方法，包括如下步骤：S1，采集永磁同步电机工作过程中的历史数据，历史数据包括开关状态和开关状态的顺序；S2、基于历史数据，计算不同开关状态之间的转移概率，并建立转移概率矩阵；S3、建立代价方程，基于转移概率矩阵计算转移约束误差，将转移约束误差输入到代价方程中，获取代价方程的取值，基于取值选取对应的开关状态作为下一周期的实际开关状态。采用本发明的技术方案能够减少永磁同步电机输出转矩波动、转速波动，提高汽车的乘坐舒适性。

Description

一种基于状态转移的永磁同步电机控制方法

技术领域

本发明涉及电机技术领域，特别涉及一种基于状态转移的永磁同步电机控制方法。

背景技术

永磁同步电机由于具有尺寸小和功率密度高等特点而得到广泛的运用，尤其是在纯电动汽车的驱动系统方面具有足够的发展前景，而其控制系统直接影响电机乃至整车的驾乘性能，因此对永磁同步电机的控制系统提出了更高的要求。

模型预测控制(MPC)是一种广泛运用于工业控制中的高级控制算法，它采用控制对象的数学模型通过滚动预测的方式来控制电机的运动趋势。采用性能指标函数来寻找使实际响应变量与预测量之间误差最小的控制量。现有技术中提出了基于单环模型预测和遗忘因子的转动惯量识别控制方法，相比于传统模型预测具有良好的动态性能。现有技术中还提出了一种通过历史定子电压、电流估计的反电动势(EMF)来预测电流的模型预测控制方法，该种控制方法在保持较好动态特性的同时，具有较好的稳态特性。现有技术中还提出了一种基于改进型的转矩预测控制方法，该方法具有避免传统转矩预测控制中权重因子选取困难的特点。

综上，一方面传统电机控制策略多依赖开发人员的经验；另一方面交流电机作为被控对象，具有强非线性、耦合、多变量以及电机参数动态变化等特点，使得传统控制方法在电机调速过程中容易出现控制性能下降等问题，进而影响系统的及时响应特性和稳定性。

而在电流预测控制的模型预测控制方法中，通过代价函数寻找优化的开关切换序列，此种电流预测控制方法存在一个非常严重的问题是预测控制获得的开关状态直接作为控制变量会引起电机输出转矩、转速波动过大，导致汽车一系列的振动、噪声问题，从而影响驾乘人员的乘坐舒适性。再者电机控制过程中还存在着一些随机扰动因素，这种随机扰动因素无法建立准确的数学模型。

为此,需要一种能有效的减少电机的输出转矩波动、转速波动，从而提高汽车的驾乘舒适性的永磁同步电机控制方法。

发明内容

本发明提供了一种基于状态转移的永磁同步电机控制方法，能够增强永磁同步电机的环境适应性。

为了解决上述技术问题，本申请提供如下技术方案：

一种基于状态转移的永磁同步电机控制方法，包括如下步骤：

S1，采集永磁同步电机工作过程中的历史数据，历史数据包括开关状态和开关状态的顺序；

S2、基于历史数据，计算不同开关状态之间的转移概率，并建立转移概率矩阵；

S3、建立代价方程，基于转移概率矩阵计算转移约束误差，将转移约束误差输入到代价方程中，获取代价方程的取值，基于取值选取对应的开关状态作为下一周期的实际开关状态。

基础方案原理及有益效果如下：

本方案中，通过开关状态等历史数据计算开关切换的转移概率，并获得转移概率矩阵，然后通过当前开关状态以及状态转移矩阵获得转移约束误差项，将该转移约束误差项作为代价方程的一个约束项，通过代价方程对下一时刻的控制变量寻优，获得优化的开关切换状态。

从而使系统越来越接近理想状态进行工作，该方法鲁棒性强，具有更好的转矩、转速响应特性，能够减少电机的输出转矩波动、转速波动，从而提高汽车的驾乘的舒适性。

而且本方案与传统自适应控制有一定的区别，本方案将转移约束误差作为下一状态选择的因素，相对于传统的自适应控制方法而言对其计算能力并不会有太高的要求，常用的处理器便能满足需求，成本不会有所增加。

进一步，所述S2中，转移概率矩阵的计算方式为：

考虑随机过程：

{X⁽ⁿ⁾,n＝0,1,2,...}

它的取值为一个有限或可数的集合M；

假设存在一个独立于时间的固定的概率p_ij使得

P(X⁽ⁿ⁺¹⁾＝i|X⁽ⁿ⁾＝j,X^(n-1)＝i_n-1,...,X⁽⁰⁾＝i₀)＝P_ij,n≥0

其中i,j,i₀,i_n-1∈M；

式中m_ij是由状态i转移到状态j的次数，m_i为状态i转移次数总和；

由转移概率P_ij组成的转移概率矩阵为：

本方案首次在永磁同步电机控制领域中，通过上述方法来计算开关切换序列的转移概率。由于开关状态的转移，反应了永磁同步电机开关状态的常用组合形式，通过转移概率的形式可以将不常用的开关状态的转移进行弱化，而加强常用的开关状态的转移。

进一步，所述S3中，代价函数为：

g＝C_D+C_Q+C_R+C_T

其中C_D＝λ_id(id)²为驱动误差，C_Q＝λ_iq(iq^*-iq)²为跟随误差，i_q ^*为q轴参考电流，C_R为约束误差，λ(...)为权重系数，C_T为开关状态的转移约束误差。

通过引入驱动项误差、跟随误差、约束误差可以进一步提高准确性。

进一步，所述S3中，C_T由转移概率矩阵决定，表示为：

C_T＝λ_T*P_ij。

进一步，所述S3中，将驱动误差、跟随误差、约束误差以及转移约束误差代入代价方程中，求得目标方程的取值，选择使目标方程取值最小的开关状态作为下一周期的开关状态输出。

进一步，所述永磁同步电机为三相永磁同步电机。

附图说明

图1为实施例一基于状态转移的永磁同步电机控制方法的控制逻辑图；

图2为实施例一中开关状态转移的示意图；

图3为实施例一中转移概率示意图；

图4为实施例一中转移约束项权重系数选择的示意图；

图5为实施例二中传统的模型预测控制方法的转矩响应曲线；

图6为实施例二中基于状态转移的永磁同步电机控制方法的转矩响应曲线；

图7为实施例二中q轴电流响应曲线；

图8为实施例二中d轴电流响应曲线；

图9为实施例二中传统的模型预测控制方法的三相电流；

图10为实施例二中基于状态转移的永磁同步电机控制方法的三相电流；

图11为实施例二中电机的目标转速与实际响应转速。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例一

如图1所示，本实施例的一种基于状态转移的永磁同步电机控制方法，包括如下步骤：

S1，采集永磁同步电机工作过程中的历史数据，历史数据包括开关状态和开关状态的顺序。本实施例中，采用三相永磁同步电机，对于三相永磁同步电机而言，开关状态有8种组合，即8种开关状态，按照工况的不同，开关状态的顺序也就不同。

S2、基于历史数据，计算不同开关状态之间的转移概率，并建立转移概率矩阵。

本实施例中，基于随机过程理论建立转移概率矩阵。随机过程理论是研究随机现象变化过程的概率规律性，马尔可夫是一个随机过程，简称马尔可夫过程(MarkovProcess)，马尔可夫链模型是一个随机变量序列，它与某个系统的状态相对应，而此系统的某个时刻的状态只依赖于它前一时刻的状态，因此能够根据当前状态推断未来任何时刻的状态，而与过去的历史状态无直接关系。转移概率矩阵的计算方式如下：

考虑随机过程：

{X⁽ⁿ⁾,n＝0,1,2,...}

它的取值为一个有限或可数的集合M。假设存在一个独立于时间的固定的概率p_ij使得：

P(X⁽ⁿ⁺¹⁾＝i|X⁽ⁿ⁾＝j,X^(n-1)＝i_n-1,...,X⁽⁰⁾＝i₀)＝P_ij,n≥0

其中i,j,i₀,i_n-1∈M，则称此随机过程为马尔科夫链。

式中m_ij是由状态i转移到状态j的次数，m_i为状态i转移次数总和。

由转移概率P_ij组成的转移概率矩阵为：

由于本实施例中三相永磁同步电机仅有8种开关状态，将其分别编号为状态1、2、3、4、5、6、7、8，这8种开关状态之间可以相互转移，因此在马尔可夫链的转移过程中有8种转移状态，转移方向和转移对象按照转移概率执行，即将当前时刻的开关状态按照最大转移概率进行转移，转移到的开关状态作为下一时刻的开关状态。图2中箭头的指向为能够转移的方向。

例如针对某一特定开关状态转移的历史数据求得的转移概率，多个这样的转移概率将组成一个转移概率矩阵，转移概率为实时更新量，如图3中方框标注所示，部分状态下的转移概率接近于1，即从当前状态2转移到状态3的概率是0.9961。

由于该开关状态的转移，反应了永磁同步电机开关状态的常用组合形式，通过转移概率的形式可以将不常用的开关状态的转移进行弱化，而加强常用的开关状态的转移。

S3、建立代价方程，基于转移概率矩阵计算转移约束误差，将转移约束误差输入到代价方程中，获取代价方程的取值，基于取值选取对应的开关状态作为下一周期的实际开关状态。

建立代价方程：

g＝C_D+C_Q+C_R+C_T

其中C_D＝λ_id(id)²为驱动误差，主要由d轴电流的误差所决定，C_Q＝λ_iq(iq^*-iq)²为跟随误差，主要由q轴电流误差所决定，i_q ^*是q轴参考电流，C_R是约束误差，要求d轴和q轴电流的平方和要小于电流阈值I_max，λ(...)为权重系数，可以按照经验或者是试验进行确定。C_T是开关状态的转移约束误差，由转移概率矩阵决定，当转移概率大时取较小值，当转移概率小时取较大值；C_T具体可以表示为：

C_T＝λ_T*P_ij

其中T表示开关状态。本实施例中，C_T具体可以按照工程经验或者标定值进行选取，也可以参照图4进行取值。

本实施例中，将d轴、q轴的参考电流和反馈电流，电机转速以及电机转角输入到模型预测控制系统中便可以求得驱动误差、跟随误差、以及约束误差，将以上误差以及转移约束误差代入代价方程中，便可以求得目标方程的取值，最终选择使目标方程取值最小的开关状态作为下一周期的开关状态输出。

通过以上方法，能够对永磁同步电机的工作状态进行优化，增强永磁同步电机的转矩响应特性和转速响应特性，改善汽车的乘坐舒适性。而且对处理器的性能在传统控制器的基础之上没有特殊的要求，不会增加硬件成本。

基于上述永磁同步电机控制方法，本实施例还提供一种永磁同步电机控制系统，包括模型预测控制模块、逆变器模块、状态转移矩阵计算模块、存储器、功率供应模块、霍尔元件、模数转换模块、处理器、观测器模块。

模型预测控制模块用于向逆变器模块输出开关状态，该开关状态会在下一个控制周期作为逆变器模块的输入信号，同时该开关状态会存入存储器形成历史数据的数据集，随着工作时间的积累，该历史数据的数据集会越来越大，计算的转移概率会越来越接近理想工作状态，另外该数据集的大小可以根据实际需求按照经验或标定状态进行选取。

状态转移矩阵计算模块用于从存储器获取历史数据，计算不同开关状态之间的转移概率，并建立转移概率矩阵，将转移概率矩阵输入模型预测控制模块。

功率供应模块采用动力电池，输出为直流电压，通过逆变器模块的作用输出交流电，以使永磁同步电机运转。

霍尔元件采集的永磁同步电机三相电流的模拟信号输入到模数转换模块后，被转化为数字信号以供处理器处理该数据，然后将处理后的数据经过Clark变换和Park变换得到反馈回来的d轴和q轴电流，最终得到电机转角和电机转速。

观测器模块会将反馈回来的电机角度和转速进行调节，最终得到d轴和q轴的参考电流，并将其作为模型预测控制模块的输入。

模型预测控制模块还用于根据d轴、q轴的参考电流和反馈电流，电机转速以及电机转角求得驱动误差、跟随误差、以及约束误差，将以上误差以及转移约束误差代入代价方程中，便可以求得目标方程的取值大小，最终选择使目标方程取值最小的开关状态作为下一周期的开关状态输出。

实施例二

本实施例在MATLAB/Simulink环境下对传统的模型预测控制方法以及本方案的基于状态转移的永磁同步电机控制方法进行仿真分析。

本实施例使用的永磁同步电机参数如表1所示：

表1

传统的模型预测控制以及本方案的转矩响应特性如图5和图6所示，电机目标转速为10rad/s，且负载扭矩为150Nm，在0.55s负载转矩降为50Nm。对比可以看出传统模型预测控制方法的转矩响应速度较本方案缓慢，且电流波动较大，原因是传统的模型预测控制，仅考虑了电流的驱动误差、跟随误差，而本方案会根据大量的历史数据对状态转移进行限制，即将驱动误差、跟随误差、电流的响应速度、转矩的波动情况等都会通过综合转移概率进行修正，而该转移概率矩阵是对随机过程中无法直接捕捉的影响因素通过马尔可夫链进行了概率统计，因此本方案的稳定性能更好。

q轴电流的响应曲线如图7所示，其中实线为传统模型预测控制的q轴电流响应曲线，虚线为本方案的q轴电流曲线，对比可以看出两者均能按照期望的目标转矩进行输出，传统模型预测控制的q轴电流的波动幅度较大，而本方案的q轴电流波动较小。图8所示为d轴电流响应曲线，对比可以看出本方案的d轴电流更接近于0，传统模型预测控制的d轴电流波动幅度相对较大。

图9和图10所示为三相电流的仿真结果，从仿真结果可以看出，两种控制方法均能按照需求的转矩进行三相电流输出，并且两者都能快速的进行电流响应，但是基于本方案的控制策略，电流波动更小。

如图11所示为电机的目标转速与实际转速响应曲线对比图，其中Spd_ref为目标转速，SpdMthd1_resp为传统模型预测控制方法的转速响应曲线，SpdMthd2_resp为本方案的转速响应曲线。从图中可以看出两种控制方法都能快速响应需求转速，在0.2s附近时转速波动达到最大值，但本方案在速度响应过程中的转速波动更小。在0.55s时随着负载转矩的改变，两种控制方法均出现了小幅度的转速波动，从两者波动的图像对比可以看出传统模型预测控制方法的转速波动范围较本方案的波动大。

综上，通过仿真分析可以看出本方案在转速波动和转矩波动方面均较传统的模型预测控制方法更优。

以上的仅是本发明的实施例，该发明不限于此实施案例涉及的领域，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (6)

1.一种基于状态转移的永磁同步电机控制方法，其特征在于，包括如下步骤：

S1，采集永磁同步电机工作过程中的历史数据，历史数据包括开关状态和开关状态的顺序；

S2、基于历史数据，计算不同开关状态之间的转移概率，并建立转移概率矩阵；

S3、建立代价方程，基于转移概率矩阵计算转移约束误差，将转移约束误差输入到代价方程中，获取代价方程的取值，基于取值选取对应的开关状态作为下一周期的实际开关状态。

2.根据权利要求1所述的基于状态转移的永磁同步电机控制方法，其特征在于：所述S2中，转移概率矩阵的计算方式为：

考虑随机过程：

{X⁽ⁿ⁾,n＝0,1,2,...}

它的取值为一个有限或可数的集合M；

假设存在一个独立于时间的固定的概率p_ij使得

P(X⁽ⁿ⁺¹⁾＝i|X⁽ⁿ⁾＝j,X^(n-1)＝i_n-1,...,X⁽⁰⁾＝i₀)＝P_ij,n≥0

其中i,j,i₀,i_n-1∈M；

式中m_ij是由状态i转移到状态j的次数，m_i为状态i转移次数总和；

由转移概率P_ij组成的转移概率矩阵为：

3.根据权利要求2所述的基于状态转移的永磁同步电机控制方法，其特征在于：所述S3中，代价函数为：

g＝C_D+C_Q+C_R+C_T

其中C_D＝λ_id(id)²为驱动误差，C_Q＝λ_iq(iq^*-iq)²为跟随误差，i_q ^*为q轴参考电流，C_R为约束误差，λ(...)为权重系数，C_T为开关状态的转移约束误差。

4.根据权利要求3所述的基于状态转移的永磁同步电机控制方法，其特征在于：S3中，C_T由转移概率矩阵决定，表示为：

C_T＝λ_T*P_ij。

5.根据权利要求4所述的基于状态转移的永磁同步电机控制方法，其特征在于：将驱动误差、跟随误差、约束误差以及转移约束误差代入代价方程中，求得目标方程的取值，选择使目标方程取值最小的开关状态作为下一周期的开关状态输出。

6.根据权利要求5所述的基于状态转移的永磁同步电机控制方法，其特征在于：所述永磁同步电机为三相永磁同步电机。

Images