CN112865643B - 永磁同步电机的模型预测控制方法、装置及电机控制器 - Google Patents

永磁同步电机的模型预测控制方法、装置及电机控制器 Download PDF

Info

Publication number
CN112865643B
CN112865643B CN202110052247.8A CN202110052247A CN112865643B CN 112865643 B CN112865643 B CN 112865643B CN 202110052247 A CN202110052247 A CN 202110052247A CN 112865643 B CN112865643 B CN 112865643B
Authority
CN
China
Prior art keywords
torque
cost function
determining
function value
control period
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
CN202110052247.8A
Other languages
English (en)
Other versions
CN112865643A (zh
Inventor
张晓光
闫康
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.)
North China University of Technology
Original Assignee
North China University 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 North China University of Technology filed Critical North China University of Technology
Priority to CN202110052247.8A priority Critical patent/CN112865643B/zh
Publication of CN112865643A publication Critical patent/CN112865643A/zh
Application granted granted Critical
Publication of CN112865643B publication Critical patent/CN112865643B/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
    • 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
    • H02P21/20—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
    • H02P27/00—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage
    • H02P27/04—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage
    • H02P27/06—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters
    • H02P27/08—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation
    • H02P27/12—Arrangements or methods for the control of AC motors characterised by the kind of supply voltage using variable-frequency supply voltage, e.g. inverter or converter supply voltage using dc to ac converters or inverters with pulse width modulation pulsing by guiding the flux vector, current vector or voltage vector on a circle or a closed curve, e.g. for direct torque control
    • 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
    • Y02T10/64—Electric machine technologies in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本公开提出一种永磁同步电机的模型预测控制方法、装置及电机控制器，涉及电机技术领域。该方法包括：确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数；确定第k+1个控制周期对应的第二参考转矩；根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值；根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量；利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制，从而减少了系统的损耗。

Description

永磁同步电机的模型预测控制方法、装置及电机控制器
技术领域
本公开涉及电机技术领域，尤其涉及一种永磁同步电机的模型预测控制方法、装置及电机控制器。
背景技术
永磁同步电机(Permanent magnetic synchronous machine,简称PMSM)，是由稀土永磁体励磁的，当稀土永磁体被磁化时，可以产生永磁磁场。近年来，随着稀土永磁材料、电力电子技术和控制技术的发展，永磁同步电机以其重量轻、效率高、结构简单、体积小等优点，在各个领域得到了广泛的应用。在使用模型预测控制时，如何减少系统的损耗，成为目前亟待解决的问题。
发明内容
本公开的目的旨在至少解决上述的技术问题之一。
本公开提出一种永磁同步电机的模型预测控制方法、装置及电机控制器，通过该方法可以有效解决加权因数的设计问题，还可以在保证稳态性能的同时，尽可能的降低开关损耗。
本公开一方面实施例提出的永磁同步电机的模型预测控制方法，包括：
确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数；
确定第k+1个控制周期对应的第二参考转矩；
根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值；
根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量；
利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制。
本公开另一方面实施例提出的永磁同步电机的模型预测控制装置，包括：
第一确定模块，用于确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数；
第二确定模块，用于确定第k+1个控制周期对应的第二参考转矩；
第三确定模块，用于根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值；
第四确定模块，用于根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量；
控制模块，用于利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制。
本公开再一方面实施例提出的电机控制器，其包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如前所述的永磁同步电机的模型预测控制方法。
本公开又一方面实施例提出的计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如前所述的永磁同步电机的模型预测控制方法。
本公开又一方面实施例提出的计算机程序，该程序被处理器执行时，以实现本公开实施例所述的永磁同步电机的模型预测控制方法。
本公开实施例提供的永磁同步电机的模型预测控制方法、装置及电机控制器，存在如下有益效果：
可以首先确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，之后再确定第k+1个控制周期对应的第二参考转矩，然后根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值，从而根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量，即可利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开一实施例所提供的一种永磁同步电机的模型预测控制方法的流程示意图；
图2为本公开一实施例提供的一种永磁同步电机的模型预测控制方法的控制框图；
图3为本公开一实施例所提供的一种表贴式永磁同步电机的两电平变换器拓扑结构示意图；
图4为本公开一实施例所提供的一种a相绕组等效电路图；
图5为本公开一实施例所提供的一种αβ轴电动势与电流的关系；
图6为本公开一实施例提供的一种双转矩预测轨迹图；
图7A为本公开一实施例提供的一种传统MPTC在额定负载(5N·m)下的稳态性能图；
图7B为本公开一实施例提供的一种传统MPTC在500rpm转速下的下的稳态性能图；
图7C为本公开一实施例提供的一种单级D-MPTC在额定负载(5N·m)下的稳态性能图；
图7D为本公开一实施例提供的一种单级D-MPTC在额定负载(5N·m)下的稳态性能图；
图7E为本公开一实施例提供的一种两级串联D-MPTC在额定负载(5N·m)下的稳态性能图；
图7F为本公开一实施例提供的一种两级串联D-MPTC在额定负载(5N·m)下的稳态性能图；
图8为本公开一实施例提供的传统MPTC、单级D-MPTC、两级串联D-MPTC方法对应的开关频率对比结果；
图9A为本公开一实施例提供的一种传统MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果；
图9B为本公开一实施例提供的一种单级D-MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果；
图9C为本公开一实施例提供的一种两级串联D-MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果；
图10为本公开另一实施例所提供的一种永磁同步电机的模型预测控制方法的流程示意图；
图11为本公开一实施例提供的一种永磁同步电机的模型预测控制装置的结构示意图；
图12为本公开实施例提供的电机控制器的结构示意图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的要素。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面参考附图对本公开提供的永磁同步电机的模型预测控制方法、装置及电机控制器进行详细描述。
本公开实施例的永磁同步电机的模型预测控制方法，可由本公开实施例提供的永磁同步电机的模型预测控制装置执行，该装置可配置于电机控制器中。
图1为本公开实施例所提供的一种永磁同步电机的模型预测控制方法的流程示意图。
如图1所示，该永磁同步电机的模型预测控制方法，包括以下步骤：
步骤101，确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数。
其中，候选电压矢量可以由逆变器产生，逆变器可以为多种拓扑结构，比如说两电平逆变器、三电平逆变器等，本公开对此不做限定。
通常逆变器可以产生8个基本电压矢量，其中6个非零电压矢量和2个零电压矢量。本公开中N个候选电压矢量即为逆变器产生的基本电压矢量，即N＝8。
本公开8个候选电压矢量，可分别记为U1、U2、U3、U4、U5、U6、U7、U8。
另外，第k个控制周期，是指以当前时刻为起始时刻的控制周期，第k个控制周期对应的第一参考转矩，包括第k个控制周期对应的有功参考转矩及无功参考转矩。
为方便说明，本公开以直流侧电压源、两电平三相逆变器、表贴式永磁同步电机(Surface-mounted permanent magnet synchronous motor，简称SPMSM)组成的拓扑结构为例，对确定第k个控制周期对应的第一参考转矩的过程进行详细说明。
需要说明的是，上述拓扑结构仅是示意性说明，并不能作为对本公开提供的永磁同步电机的模型预测控制方法的限定。
可以理解的是，由于传统模型预测转矩(model predictive torque control，简称MPTC)的代价函数中存在定子磁链和电磁转矩两个控制变量，且这两个控制变量的维数不同，因此需要在MPTC中设计加权因子，以平衡电磁转矩和定子磁链之间的控制性能。在线预测各电压矢量下的电磁转矩和定子磁链时，计算量大，占用系统资源多。因此，为了消除定子磁链和电磁转矩的复杂设计过程，提高系统的控制精度，可以使用一种无加权因数的双转矩(有功、无功转矩)控制方法。
图2为本公开提供的一种永磁同步电机的模型预测控制方法的控制框图。如图2所示，其中，主要包括四个部分：一拍延时补偿、双转矩预测模型推导、参考值计算和最优电压矢量的选择。
其中，表贴式永磁同步电机的两电平变换拓扑结构可以如图3所示，该拓扑结构可以由直流侧电压源、两电平三相逆变器和表贴式永磁同步电机三部分组成。
可以理解的是，表贴式永磁电机的数学模型可以如公式(1)所示：
Figure BDA0002899454480000031
其中，ud、uq分别为d轴和q轴对应的定子电压分量。id、iq分别为d轴、q轴的定子电流分量。由于采用了表贴式永磁同步电机，在同步旋转坐标系中，d轴等效电感等于q轴(即Ld＝Lq＝L)。R、ωe分别是定子电阻和电机转子角速度(rad/s)。ψd、ψq分别为d轴、q轴的定子磁链分量，可以表示为如公式(2)：
Figure BDA0002899454480000032
其中ψf为永磁体磁链。因此，电磁转矩可以如公式(3)所示：
Te＝1.5pn(ψdiq-ψqid)＝1.5pnψfiq (3)
其中，pn为极对数。
在一种可能的实现方式中，可以采用梯形积分法将公式(1)中的电压方程离散化，从而可将得到的(k+1)时刻的预测电流值，用于如公式(4)所示的模型预测控制：
Figure BDA0002899454480000041
其中，Ts为系统的控制周期。
可以理解的是，在实际应用的数字电路中，一拍延时会影响系统的控制性能。为了有效地减小一拍延时对系统控制性能的影响，可以采用一拍预测法对系统进行补偿。因此，根据公式(4)所示的离散模型，可以用(k)时刻的电流值来预测(k+1)时刻的电流，从而用(k+1)时刻的电流代替(k)时刻的采样电流，实现一拍延时补偿，从而可将一拍延时补偿后的电流值表示为如公式(5)：
is'(k)＝is(k+1)＝is(k)+Ts/L·[us(k)-Ris(k)-jωψfejθ] (5)
其中，is'＝[id' iq']T,us＝[ud uq]T。
之后，通过公式(4)，利用(k+1)时刻的电流值来预测实际(k)时刻的电流值，实现控制。因此，可将当前公式(4)的离散模型改写为如下公式(6)所示：
Figure BDA0002899454480000042
另外，传统模型预测转矩控制(MPTC)的预测模型可以表示为如公式(7)所示：
Figure BDA0002899454480000043
之后，可将预测的磁链值和转矩值代入如公式(8)所示的代价函数中
Figure BDA0002899454480000045
式中，A，B为电磁转矩和定子磁链之间的加权因数。值得注意的是，实际应用需要根据仿真和实验结果反复调整，才能获得良好的控制效果。
本公开为了解决加权因数难以调整的问题，可以将电磁转矩和定子磁链这两个控制变量转化为单一变量，因此可将电磁转矩转换为机械功率进行分析，如公式(9)所示：
Figure BDA0002899454480000044
其中，P3m、q3m分别是三相有功机械功率、三相无功机械功率，ωm是电机的机械角速度，对应的Tep、Teq分别代表电机的有功转矩和无功转矩。
为了得到机械功率和电磁转矩与电流的关系，从而实现双转矩控制，可以以a相绕组为例，对系统的功率分布进行了分析，该a相绕组等效电路图可以如图4所示。
其中，a相总输入功率可以如公式(10)所示：
Figure BDA0002899454480000051
式中，ea是电动机产生的电动势。
另外，考虑到电阻R的发热损耗很小，电感中电流的变化率产生无功功率，a相绕组产生的有功机械功率可以表示为如公式(11)所示：
pam＝iaea (11)
因此，三相输出的总机械有功功率可以为如公式(12)所示：
Figure BDA0002899454480000052
为了实现对dq轴的控制，将abc轴的有功机械功率转换为dq轴，可以如公式(13)所示：
Figure BDA0002899454480000053
其中，
Figure BDA0002899454480000054
矩阵c是从abc轴转换到dq轴的逆矩阵，矩阵cT是c的转置矩阵。
则，可以得到如公式(14)所示：
Figure BDA0002899454480000055
最后，引入瞬时功率理论(P-Q理论)，将机械转矩解耦为有功转矩和无功转矩，实现双转矩预测控制。
如图5所示，给出了αβ轴上电机转动产生的电动势与电流的关系。由于电动机是一个感性负载，电压e领先于电流iθ度。
三相瞬时有功电流ip和瞬时无功电流iq分别是瞬时电流矢量i对瞬时电压矢量u及其法向的投影。由此，可以得到瞬时有功功率和瞬时无功功率的表达式如公式(15)所示：
Figure BDA0002899454480000056
式中，
Figure BDA0002899454480000057
和
Figure BDA0002899454480000058
分别为αβ轴上的瞬时有功功率和瞬时无功功率。
之后，结合公式(14)和(15)，得到d轴、q轴下电磁转矩的有功机械功率和无功机械功率如公式(16)所示：
Figure BDA0002899454480000059
将公式(16)代入瞬时功率和电磁转矩的表达式公式(9)中，得到双转矩表达式并离散得到如公式(17)所示的预测方程：(一拍延时补偿)
Figure BDA0002899454480000061
另外，电磁转矩的参考值可以由给定的转速值和电机的实际转速值通过转速外环的PI调节器得到，如公式(18)所示：
Te *＝PI{ω-ω*} (18)
其中，定子磁链参考值可以由作用于MTPA(最大转矩电流比控制)模块的转矩参考值得到。由于本公开采用表贴式转子结构，电磁性能属于隐极转子结构。由于该结构没有显著的凸极效应，如欲使单位电流产生最大转矩，则应控制直轴电流id＝0。结合转矩公式(3)，定子磁链参考值如公式(19)所示：
Figure BDA0002899454480000062
在计算参考双转矩时，由于
Figure BDA0002899454480000063
是有功转矩，所以其值就是电动机的实际参考转矩。其次，将公式(19)中MTPA得到的磁链参考值、公式(17)中的无功转矩预测方程与方程id＝0的组合得到无功转矩参考值，如公式(20)所示：
Figure BDA0002899454480000064
由此，经过上述分析可知，第k个控制周期对应的第一参考转矩可以表示为如公式(20)所示。
步骤102，确定第k+1个控制周期对应的第二参考转矩。
在实际使用中，可以先获取第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩。
其中，第k-1个控制周期对应的第三参考转矩可以记为
Figure BDA0002899454480000065
第k-2个控制周期对应的第四参考转矩可以记为
Figure BDA0002899454480000066
根据公式(20)，确定出的第一参考转矩可以记为
Figure BDA0002899454480000067
分别表示有功参考转矩
Figure BDA0002899454480000068
和无功参考转矩
Figure BDA0002899454480000069
之后，再根据第一参考转矩、第三参考转矩及第四参考转矩，确定第二参考转矩。
其中，在根据第一参考转矩、第三参考转矩及第四参考转矩，确定第二参考转矩时，可以使用公式(21)：
Figure BDA00028994544800000610
式中，各
Figure BDA00028994544800000611
分别表示有功参考转矩
Figure BDA00028994544800000612
和无功参考转矩
Figure BDA00028994544800000613
之后，将获取到的第一参考转矩
Figure BDA00028994544800000614
第三参考转矩
Figure BDA00028994544800000615
及第四参考转矩
Figure BDA00028994544800000616
分别代入公式(21)，即可确定出对应的第二参考转矩
Figure BDA00028994544800000617
步骤103，根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值。
在实际使用时，可以先根据预设的双转矩预测模型，确定在第k个控制周期内每个候选电压矢量对应的每个第一预测转矩。
其中，由上述推导可知，预设的双矩阵预测模型方程可以如公式(17)所示，则根据预设的双矩阵预测模型(17)，可以得到8个候选电压矢量U1、U2、U3、U4、U5、U6、U7、U8，第k个控制周期对应的第一预测转矩分别为T11'、T12'、T13'、T14'、T15'、T16'、T17'、T18'。
之后，根据每个第一预测转矩、预设的代价函数及第一参考转矩，确定每个第一预测转矩对应的每个第一代价函数值。
其中，预设的代价函数可以如公式(22)所示：
Figure BDA0002899454480000071
将每个第一预测转矩、第一参考转矩分别代入公式(22)中，即可得到每个第一预测转矩对应的每个第一代价函数值，为方便起见，可以将其记为e11、e12、e13、e14、e15、e16、e17、e18。
根据代价函数最小化原则，最优候选电压矢量为使得代价函数取值最小的候选电压矢量，因此，可以首先由低至高的顺序从N个第一代价函数值中选取M个第一代价函数值，其中，M为小于N的正整数。
其中，M可以为小于N的任意正整数，比如，M可以为3、4、5等，本公开对此不做限定。
举例来说，各个候选电压矢量对应的第一代价函数值可以表示为e11、e12、e13、e14、e15、e16、e17、e18，将其由低至高进行排序后，得到的排列结果可能为e12、e15、e13、e14、e11、e17、e16、e18，M为3，则可以选取e12、e15、e13这三个第一代价函数值，或者M为4时，可以对应选取e12、e15、e13、e14这四个第一代价函数值。
或者，在如图6所示的双转矩预测轨迹图中，水平虚线表示参考转矩矢量，倾斜带箭头虚线表示8个不同候选电压矢量作用于双转矩预测模型后的转矩轨迹，其中U8、U7对应的转矩轨迹重合，图6中预测的转矩轨迹仅作为一个例子表示，并不具体指哪个基本电压矢量产生该轨迹。
如图6所示，根据代价函数公式(22)可以判断误差e(u3(k+1))是最小值，即电压矢量U3的转矩轨迹最接近参考转矩值，其次是电压矢量U2、U1的转矩轨迹较接近参考转矩值，因此，在(k+1)时刻，若M为3时，可以选择电压矢量U3、U2、U1。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中M取值、以及各第一代价函数值的限定。
之后，再根据预设的双转矩预测模型，确定在第k+1个控制周期内M个候选电压矢量内每个候选电压矢量对应的每个第二预测转矩，其中，M个候选电压矢量分别与M个第一代价函数值对应。
其中，预设的双转矩预测模型如公式(17)所示，当第k+1个控制周期，该预设的双转矩预测模型公式中k的取值发生变化，从而第k+1个控制周期，该公式可以为如公式(23)所示：
Figure BDA0002899454480000072
举例来说，M为3时，由低至高的顺序从各个第一代价函数值e12、e15、e13、e14、e11、e17、e16、e18中选取的3个第一代价函数值，可以分别为e12、e15、e13，其对应的候选电压矢量分别为U2、U5、U3。之后，再根据公式(23)，即可确定出在第k+1个控制周期内，3个候选电压矢量U2、U5、U3分别对应的第二预测转矩，可将其记为：T22'、T25'、T23'。
接下来，根据每个第二预测转矩、预设的代价函数及第二参考转矩，确定每个第二预测转矩对应的每个第二代价函数值。
其中，可以分别将3个候选电压矢量U2、U5、U3对应的第二预测转矩T22'、T25'、T23'与第二参考转矩
Figure BDA0002899454480000081
代入预设的代价函数公式(22)中，即可确定出各个第二预测转矩对应的第二代价函数值，可将其记为e22、e25、e23。
步骤104，根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量。
其中，代价函数值越小，表明各预测转矩与对应的参考转矩越接近，准确性越高。
可以先确定M个候选电压矢量内、每个候选电压矢量对应的第一代价函数值与第二代价函数值的和，之后，将第一代价函数值与第二代价函数值的和最小的候选电压矢量，确定为目标电压矢量。
举例来说，M为3时，根据由低至高的顺序从第一代价函数值中选取的3个候选电压矢量可以分别为U2、U5、U3，对应的第一代价函数值可以分别为e12、e15、e13，对应的第二代价函数值可以分别为e22、e25、e23，对应的第一代价函数值与第二代价函数值的和分别为e2＝e12+e22、e5＝e15+e25、e3＝e13+e23。
之后可以对e2、e5、e3按照由低至高的顺序进行排列，排列结果可能为e5、e3、e2，从而可将e5对应的候选电压矢量U2确定为目标电压矢量，由此，可以进一步提高确定出的目标电压矢量的准确度。
需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中M取值、第一代价函数值、第二代价函数值及排列顺序等的限定。
步骤105，利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。
其中，根据代价函数最小化原则，选取的目标电压矢量，可以适用于相邻周期的电机的控制，从而可以最大限度的保证了相邻周期可以用相同的电压矢量进行控制，减少了电压矢量的切换，从而减少了开关的切换频率，降低了开关频率的损耗。
需要说明的是，为了方便说明，本公开以两级串联为例进行说明，但在实际使用过程中，还可以进行三级、四级等多级串联，即可以根据当前周期之后的相邻多个周期的代价函数值、以及各周期对应的参考转矩，进行当前控制周期的电压矢量的选择和预测，可以根据实际需要选择对应的串联方式，本公开对此种具体的串联方式不做限定。
下面，以传统MPTC，单级D-MPTC和本公开提供的两级串联D-MPTC为例进行性能的分析。
其中D-MPTC表示永磁同步电机的模型预测控制，实验平台采用TMS320F28335作为永磁同步电动机的控制系统处理器，电动机系统的参数列于表I，控制频率均为12kHz。
电机参数
Figure BDA0002899454480000091
表I
如图7A、图7B、图7C、图7D、图7E与图7F所示，给出了上述各方法在低速(500rpm)和5N·m负载下的稳态比较结果。其中包括a相电流及电流THD分析、电磁转矩和定子磁链波动情况。
其中，图7A、图7C、图7E中的n为转速，ψf为永磁体磁链，Te为负载转矩，id为电流，图7B、图7D、与图7F中，各横轴Frequency为频率,纵轴Mag为幅值。图7A为传统MPTC在额定负载(5N·m)下的稳态性能图，图7B为传统MPTC在500rpm转速下的下的稳态性能图，图7C为单级D-MPTC在额定负载(5N·m)下的稳态性能图，图7D为单级D-MPTC在额定负载(5N·m)下的稳态性能图，图7E为两级串联D-MPTC在额定负载(5N·m)下的稳态性能图，图7F为两级串联D-MPTC在额定负载(5N·m)下的稳态性能图。
从图7A、图7B、图7C与图7D可以看出，模型预测双转矩控制在不考虑加权因数的情况下降低了传统MPTC的电流纹波，从15.59％降低到了14.79％。从而降低转矩和磁链纹波，与传统MPTC类似。从图7C、图7D、图7E与图7F可以看出，在现有模型预测双转矩控制的基础上，通过增加两级串联代价函数，电流THD从14.79％降低到14.73％，略有改善。因此，本公开通过增加两级串联思想，可推断出开关频率性能会有所改善，但稳态性能改善有限。
进一步地，为了更好地展示所提出的方法在开关频率降低方面的优势，图8给出在相同的工作条件下(500rpm转速和5N·m额定负载)，三种方法的开关频率实验结果。
从图8可以清晰地看到：与传统的MPTC模型相比，双转矩预测控制的开关频率从2.28kHz降低到1.98kHz；在单级D-MPTC的基础上，两级串联D-MPTC相比于单级D-MPTC，从1.98kHz降低到1.56kHz。
与传统MPTC相比，双转矩预测控制开关频率降幅
Figure BDA0002899454480000092
表II
与传统的MPTC相比，单级D-MPTC和两级串联D-MPTC的开关频率降低的百分率如表II所示。很明显，两级串联D-MPTC的31.58％降幅远大于单级D-MPTC的13.15％的降幅。同时，该双级串联D-MPTC方法的相电流THD与单级D-MPTC方法相似，从而验证了两级串联D-MPTC方法的先进性。
进一步地，为了测试动态响应性能，给出了负载转矩在500r/min转速下从3N·m变为5N·m时三种方法的动态性能，图9A为传统MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果，图9B为单级MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果，图9C为两级串联MPTC在500rpm转速下负载从3N·m变为5N·m时的动态响应结果。
从图9A、图9B、图9C中的动态实验结果分析得出，三种方法的动态响应时间基本相同，为320ms。即在单级双转矩预测方法的基础上，随着串联级数的增加，动态响应不受影响。
需要说明的是，上述只是举例说明，不能作为对本公开实施例中试验平台、电机及各种参数等的限定。
本公开实施例中，可以首先确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，之后再确定第k+1个控制周期对应的第二参考转矩，然后根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值，从而根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量，即可利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。
下面结合图10对本公开另一实施例提供的一种永磁同步电机的模型预测控制方法进行详细说明。图10为本公开另一实施例提供的一种永磁同步电机的模型预测控制方法的流程示意图。如图10所示，该永磁同步电机的模型预测控制方法，包括：
步骤201，确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数。
步骤202，获取第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩。
步骤203，根据第一参考转矩、第三参考转矩及第四参考转矩，确定第二参考转矩。
步骤204，根据预设的双转矩预测模型，确定在第k个控制周期内每个候选电压矢量对应的每个第一预测转矩、及在第k+1个控制周期内每个候选电压矢量对应的每个第二预测转矩。
比如说，8个候选电压矢量分别为U1、U2、U3、U4、U5、U6、U7、U8，根据预设的双矩阵预测模型公式(17)，可以得到各个候选电压矢量、第k个控制周期对应的第一预测转矩，可以将其记为T11'、T12'、T13'、T14'、T15'、T16'、T17'、T18'，第k+1个控制周期内每个候选电压矢量对应的每个第二预测转矩，可以将其记为T21'、T22'、T23'、T24'、T25'、T26'、T27'、T28'。
步骤205，根据每个第一预测转矩、预设的代价函数及第一参考转矩，确定每个第一预测转矩对应的每个第一代价函数值。
其中，可以根据公式(20)得到第一参考转矩。
之后，分别将每个第一预测转矩、第一参考转矩代入预设的代价函数公式(22)中，即可确定出每个第一预测转矩对应的第一代价函数值，分别为e11、e12、e13、e14、e15、e16、e17、e18。
步骤206，根据每个第二预测转矩、预设的代价函数及第二参考转矩，确定每个第二预测转矩对应的每个第二代价函数值。
其中，可以根据公式(21)可以得到第二参考转矩。
之后，分别将每个第二预测转矩、第二参考转矩代入预设的代价函数公式(22)中，即可确定出每个第二预测转矩对应的第二代价函数值，分别为e21、e22、e23、e24、e25、e26、e27、e28。
步骤207，根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量。
其中，在确定第k个控制周期对应的目标电压矢量时，可以有多种选择方法。
比如说，可以选取第一代价函数值取值最小时其对应的候选电压矢量作为目标电压矢量。
或者，选取第二代价函数值取值最小时其对应的候选电压矢量作为目标电压矢量。
或者，还可以将每个候选电压矢量对应的第一代价函数值与第二代价函数值相加，之后选取相加之后和最小的数值对应的候选电压矢量作为目标电压矢量。
比如说，候选电压矢量U1对应的第一代价函数值与第二代价函数值相加，得到的和为e1＝e11+e21，候选电压矢量U2对应的第一代价函数值与第二代价函数值相加，得到的和为e2＝e12+e22，候选电压矢量U3对应的第一代价函数值与第二代价函数值相加，得到的和为e3＝e13+e23，候选电压矢量U4对应的第一代价函数值与第二代价函数值相加，得到的和为e4＝e14+e24，候选电压矢量U5对应的第一代价函数值与第二代价函数值相加，得到的和为e5＝e15+e25，候选电压矢量U6对应的第一代价函数值与第二代价函数值相加，得到的和为e6＝e16+e26，候选电压矢量U7对应的第一代价函数值与第二代价函数值相加，得到的和为e7＝e17+e27，候选电压矢量U8对应的第一代价函数值与第二代价函数值相加，得到的和为e8＝e18+e28，之后比较e1、e2、e3、e4、e5、e6、e7、e8的大小，若e3最小，则可以将其对应的U3作为目标电压矢量。
或者，每个候选电压矢量对应的第一代价函数值与其对应的第二代价函数值相加，同时有多个和最小的数值，比如e2、e5、e8均为相等的最小值，可以比较e12、e15、e18的大小，选取最小的第一代价函数值对应的候选电压矢量，将其作为目标电压矢量，比如说e15最小，则可以将U5作为目标电压矢量。
需要说明的是，上述选取方法只是示意性说明，不能作为对本公开中确定第k个控制周期对应的目标电压矢量的限定。
步骤208，利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。
本公开实施例，可以首先根据确定出的N个候选电压矢量及第k个控制周期对应的第一参考转矩，以及第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩确定出第k+1个控制周期对应的第二参考矩阵，之后根据预设的双转矩预测模型确定出各个候选电压矢量对应的每个第一预测转矩、第二预测转矩，进而再根据预设的代价函数即可的到对应的第一代价函数值、第二代价函数值，从而确定出目标电压矢量，即可利用目标电压矢量，对永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。
为了实现上述实施例，本公开还提出一种永磁同步电机的模型预测控制装置。
图11为本公开实施例提供的一种永磁同步电机的模型预测控制装置的结构示意图。
如图11所示，该永磁同步电机的模型预测控制装置600，包括：第一确定模块610、第二确定模块620、第三确定模块630、第四确定模块640、控制模块650。
其中，第一确定模块610，用于确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数。
第二确定模块620，用于确定第k+1个控制周期对应的第二参考转矩。
第三确定模块630，用于根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值。
第四确定模块640，用于根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量。
控制模块650，用于利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制。
在一种可能的实现方式中，第三确定模块630，具体用于根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩；根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；由低至高的顺序从N个所述第一代价函数值中选取M个第一代价函数值，其中，M为小于N的正整数；根据所述预设的双转矩预测模型，确定在所述第k+1个控制周期内M个候选电压矢量内每个候选电压矢量对应的每个第二预测转矩，其中，所述M个候选电压矢量分别与所述M个第一代价函数值对应；根据所述每个第二预测转矩、所述预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值。
在一种可能的实现方式中，第四确定模块640，具体用于确定所述M个候选电压矢量内、每个候选电压矢量对应的第一代价函数值与第二代价函数值的和；将第一代价函数值与第二代价函数值的和最小的候选电压矢量，确定为所述目标电压矢量。
在一种可能的实现方式中，第三确定模块630，还具体用于根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩、及在所述第k+1个控制周期内每个所述候选电压矢量对应的每个第二预测转矩；根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；根据所述每个第二预测转矩、预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值。
在一种可能的实现方式中，第二确定模块620，具体用于获取第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩；根据所述第一参考转矩、所述第三参考转矩及所述第四参考转矩，确定所述第二参考转矩。
本公开实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。
本公开实施例提供的永磁同步电机的模型预测控制装置，可以首先确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，之后再确定第k+1个控制周期对应的第二参考转矩，然后根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值，从而根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量，即可利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。为了实现上述实施例，本公开还提出一种电机控制器。
图12为本公开实施例的永磁同步电机的模型预测控制方法的电机控制器的结构示意图。
如图12所示，上述电机控制器200包括：
存储器210及处理器220，连接不同组件(包括存储器210和处理器220)的总线230，存储器210存储有计算机程序，当处理器220执行所述程序时实现本公开实施例所述的永磁同步电机的模型预测控制方法。
总线230表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电机控制器200典型地包括多种电机控制器可读介质。这些介质可以是任何能够被电机控制器200访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器210还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)240和/或高速缓存存储器250。电机控制器200可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统260可以用于读写不可移动的、非易失性磁介质(图12未显示，通常称为“硬盘驱动器”)。尽管图12中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线230相连。存储器210可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块270的程序/实用工具280，可以存储在例如存储器210中，这样的程序模块270包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块270通常执行本公开所描述的实施例中的功能和/或方法。
电机控制器200也可以与一个或多个外部设备290(例如键盘、指向设备、显示器291等)通信，还可与一个或者多个使得用户能与该电机控制器200交互的设备通信，和/或与使得该电机控制器200能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口292进行。并且，电机控制器200还可以通过网络适配器293与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器293通过总线230与电机控制器200的其它模块通信。应当明白，尽管图中未示出，可以结合电机控制器200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器220通过运行存储在存储器210中的程序，从而执行各种功能应用以及数据处理。
需要说明的是，本实施例的电机控制器的实施过程和技术原理参见前述对本公开实施例的永磁同步电机的模型预测控制方法的解释说明，此处不再赘述。
本公开实施例提供的电机控制器，可以首先确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，之后再确定第k+1个控制周期对应的第二参考转矩，然后根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值，从而根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量，即可利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。
为了实现上述实施例，本公开还提出一种计算机可读存储介质。
其中，该计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，以实现本公开实施例所述的永磁同步电机的模型预测控制方法。
为了实现上述实施例，本公开再一方面实施例提供一种计算机程序，该程序被处理器执行时，以实现本公开实施例所述的永磁同步电机的模型预测控制方法。
一种可选实现形式中，本实施例可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电机控制器上执行、部分地在用户电机控制器上执行、作为一个独立的软件包执行、部分在用户电机控制器上部分在远程电机控制器上执行、或者完全在远程电机控制器或服务器上执行。在涉及远程电机控制器的情形中，远程电机控制器可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电机控制器，或者，可以连接到外部电机控制器(例如利用因特网服务提供商来通过因特网连接)。
根据本公开的技术方案，可以首先确定N个候选电压矢量及第k个控制周期对应的第一参考转矩，之后再确定第k+1个控制周期对应的第二参考转矩，然后根据第一参考转矩及第二参考转矩，分别确定N个候选电压矢量在第k个控制周期内对应的各个第一代价函数值、及在第k+1个控制周期内对应的各个第二代价函数值，从而根据每个候选电压矢量对应的第一代价函数值及第二代价函数值，确定第k个控制周期对应的目标电压矢量，即可利用目标电压矢量，对第k个控制周期内的永磁同步电机进行控制。由此，通过两级串联双转矩模型预测控制方法，可以最大限度的保证在相邻周期可以使用相同的电压矢量对电机进行控制，从而减少了电压矢量的切换，进而减少了开关的切换频率，降低了开关频率的损耗。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种永磁同步电机的模型预测控制方法，其特征在于，包括：
确定N个候选电压矢量，及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数；
确定第k+1个控制周期对应的第二参考转矩；
根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值，包括，根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩，所述第一预测转矩为一拍延时补偿后的预测转矩；根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；由低至高的顺序从N个所述第一代价函数值中选取M个第一代价函数值，其中，M为小于N的正整数；根据所述预设的双转矩预测模型，确定在所述第k+1个控制周期内M个候选电压矢量内每个候选电压矢量对应的每个第二预测转矩，其中，所述M个候选电压矢量分别与所述M个第一代价函数值对应；根据所述每个第二预测转矩、所述预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值；其中，双转矩包括有功转矩和无功转矩；
根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量；
利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制。
2.如权利要求1所述的方法，其特征在于，所述根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量，包括：
确定所述M个候选电压矢量内每个候选电压矢量对应的第一代价函数值与第二代价函数值的和；
将第一代价函数值与第二代价函数值的和最小的候选电压矢量，确定为所述目标电压矢量。
3.如权利要求1所述的方法，其特征在于，所述根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值，包括：
根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩、及在所述第k+1个控制周期内每个所述候选电压矢量对应的每个第二预测转矩；
根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；
根据所述每个第二预测转矩、预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值；双转矩包括有功转矩和无功转矩。
4.如权利要求1-3任一所述的方法，其特征在于，所述确定第k+1个控制周期对应的第二参考转矩，包括：
获取第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩；
根据所述第一参考转矩、所述第三参考转矩及所述第四参考转矩，确定所述第二参考转矩。
5.一种永磁同步电机的模型预测控制装置，其特征在于，包括：
第一确定模块，用于确定N个候选电压矢量，及第k个控制周期对应的第一参考转矩，其中，N和k分别为正整数；
第二确定模块，用于确定第k+1个控制周期对应的第二参考转矩；
第三确定模块，用于根据所述第一参考转矩及所述第二参考转矩，分别确定所述N个候选电压矢量在所述第k个控制周期内对应的各个第一代价函数值、及在所述第k+1个控制周期内对应的各个第二代价函数值，包括，根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩，所述第一预测转矩为一拍延时补偿后的预测转矩；根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；由低至高的顺序从N个所述第一代价函数值中选取M个第一代价函数值，其中，M为小于N的正整数；根据所述预设的双转矩预测模型，确定在所述第k+1个控制周期内M个候选电压矢量内每个候选电压矢量对应的每个第二预测转矩，其中，所述M个候选电压矢量分别与所述M个第一代价函数值对应；根据所述每个第二预测转矩、所述预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值；其中，双转矩包括有功转矩和无功转矩；
第四确定模块，用于根据每个所述候选电压矢量对应的第一代价函数值及第二代价函数值，确定所述第k个控制周期对应的目标电压矢量；
控制模块，用于利用所述目标电压矢量，对所述第k个控制周期内的所述永磁同步电机进行控制。
6.如权利要求5所述的装置，其特征在于，所述第四确定模块，具体用于：
确定所述M个候选电压矢量内每个候选电压矢量对应的第一代价函数值与第二代价函数值的和；
将第一代价函数值与第二代价函数值的和最小的候选电压矢量，确定为所述目标电压矢量。
7.如权利要求5所述的装置，其特征在于，所述第三确定模块，具体用于：
根据预设的双转矩预测模型，确定在所述第k个控制周期内每个所述候选电压矢量对应的每个第一预测转矩、及在所述第k+1个控制周期内每个所述候选电压矢量对应的每个第二预测转矩；
根据所述每个第一预测转矩、预设的代价函数及所述第一参考转矩，确定所述每个第一预测转矩对应的每个第一代价函数值；
根据所述每个第二预测转矩、预设的代价函数及所述第二参考转矩，确定所述每个第二预测转矩对应的每个第二代价函数值；双转矩包括有功转矩和无功转矩。
8.如权利要求5-7任一所述的装置，其特征在于，所述第二确定模块，具体用于：
获取第k-1个控制周期对应的第三参考转矩、及与第k-2个控制周期对应的第四参考转矩；
根据所述第一参考转矩、所述第三参考转矩及所述第四参考转矩，确定所述第二参考转矩。
9.一种电机控制器，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1-4中任一所述的永磁同步电机的模型预测控制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的永磁同步电机的模型预测控制方法。
CN202110052247.8A 2021-01-15 2021-01-15 永磁同步电机的模型预测控制方法、装置及电机控制器 Active CN112865643B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110052247.8A CN112865643B (zh) 2021-01-15 2021-01-15 永磁同步电机的模型预测控制方法、装置及电机控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110052247.8A CN112865643B (zh) 2021-01-15 2021-01-15 永磁同步电机的模型预测控制方法、装置及电机控制器

Publications (2)

Publication Number Publication Date
CN112865643A CN112865643A (zh) 2021-05-28
CN112865643B true CN112865643B (zh) 2022-05-31

Family

ID=76006429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110052247.8A Active CN112865643B (zh) 2021-01-15 2021-01-15 永磁同步电机的模型预测控制方法、装置及电机控制器

Country Status (1)

Country Link
CN (1) CN112865643B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108688646A (zh) * 2017-04-04 2018-10-23 现代自动车株式会社 混合动力车辆和控制混合动力车辆的充电模式的方法
CN111064408A (zh) * 2020-01-02 2020-04-24 广西大学 一种无权值的异步电机模型预测转矩控制方法
CN111082722A (zh) * 2020-01-02 2020-04-28 广西大学 一种异步电机定子磁链与转矩多时间尺度双层级电压控制方法
CN111800050A (zh) * 2020-06-18 2020-10-20 中国石油大学(华东) 一种基于电压矢量筛选与优化的永磁同步电机三矢量模型预测转矩控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110130903A1 (en) * 2009-11-30 2011-06-02 Gm Global Technology Operations, Inc. Torque command structure for an electric motor

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108688646A (zh) * 2017-04-04 2018-10-23 现代自动车株式会社 混合动力车辆和控制混合动力车辆的充电模式的方法
CN111064408A (zh) * 2020-01-02 2020-04-24 广西大学 一种无权值的异步电机模型预测转矩控制方法
CN111082722A (zh) * 2020-01-02 2020-04-28 广西大学 一种异步电机定子磁链与转矩多时间尺度双层级电压控制方法
CN111800050A (zh) * 2020-06-18 2020-10-20 中国石油大学(华东) 一种基于电压矢量筛选与优化的永磁同步电机三矢量模型预测转矩控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
永磁同步电机模型预测控制研究与应用;陈咏炜;《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》;20200615(第6期);第7页第1段至第21页最后1段，图2-9 *
永磁同步电机模型预测控制策略研究;刘莹;《中国博士学位论文全文数据库（工程科技Ⅱ辑）》;20190515(第5期);第4页第1段至第11页最后1段，图1-4 *

Also Published As

Publication number Publication date
CN112865643A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
Wang et al. Finite control set model predictive current control of a five-phase PMSM with virtual voltage vectors and adaptive control set
Lee et al. An adaptive H∞ controller design for permanent magnet synchronous motor drives
Zhang et al. A simplified deadbeat based predictive torque control for three-level simplified neutral point clamped inverter fed IPMSM drives using SVM
Zhang et al. Multi-stage series model predictive control for PMSM drives
Zhang et al. Minimising torque ripple of SRM by applying DB‐DTFC
Li et al. Displacement sensorless control for bearingless induction motor drives based on the MRAS method
Lin et al. Position sensorless direct torque control for six‐phase permanent magnet synchronous motor under two‐phase open circuit
CN112865643B (zh) 永磁同步电机的模型预测控制方法、装置及电机控制器
CN112821832B (zh) 永磁同步电机的控制方法、装置及电机控制器
Zahraoui et al. Robust vector control of synchronous reluctance motor using space vector modulation algorithm
Peng et al. MPTC of NP‐clamped three‐level inverter‐fed permanent‐magnet synchronous motor system for NP potential imbalance suppression
Wang et al. Predictive direct torque control of permanent magnet synchronous motors using deadbeat torque and flux control
Ancuti et al. Practical wide-speed-range sensorless control system for permanent magnet reluctance synchronous motor drives via active flux model
Ma et al. Dichotomy solution based model predictive control for permanent magnet linear synchronous motors
Zhang et al. Predictive power control of induction motor drives with improved efficiency
Du et al. An improved model predictive torque control strategy of a shearer semi-direct permanent magnet synchronous motor based on duty cycle
Feng et al. Design of a current controller for symmetrical six‐phase fault‐tolerant PMSM under fault conditions
Niu et al. Model predictive control with common-mode voltage minimization for a three-level NPC inverter PMLSM drive system
Zhou et al. Robust three-vector model predictive torque and stator flux control for PMSM drives with prediction error compensation
Adam et al. Adaptive steering‐based HDTC algorithm for PMSM
CN111106773A (zh) 基于优化占空比的永磁同步电机模型预测控制方法
Zhao et al. A model predictive current control based on sliding mode speed controller for PMSM
Khalilzadeh et al. Deadbeat current control of permanent magnet synchronous motors using a simplified discrete space vector modulation
Jackiewicz et al. Novel dual thread angle sampled multioscillatory-based control for speed ripple reduction in a switched reluctance machine-based drive
Zhang et al. Robust model predictive current control without dead‐zone compensation

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