CN113014170A - 一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 - Google Patents
一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 Download PDFInfo
- Publication number
- CN113014170A CN113014170A CN202110429593.3A CN202110429593A CN113014170A CN 113014170 A CN113014170 A CN 113014170A CN 202110429593 A CN202110429593 A CN 202110429593A CN 113014170 A CN113014170 A CN 113014170A
- Authority
- CN
- China
- Prior art keywords
- motor
- module
- permanent magnet
- loss
- magnet synchronous
- 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
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 101
- 238000005457 optimization Methods 0.000 title claims abstract description 93
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 89
- 241000283153 Cetacea Species 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 49
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 54
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 229910052742 iron Inorganic materials 0.000 claims abstract description 27
- 230000003068 static effect Effects 0.000 claims abstract description 26
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 23
- 229910052802 copper Inorganic materials 0.000 claims abstract description 23
- 239000010949 copper Substances 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000009471 action Effects 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02P21/22—Current control, e.g. using a current control loop
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H02P25/03—Synchronous motors with brushless 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明适用于电机控制技术领域,提供了一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,具体方法包括:搭建FOC控制系统并输入永磁同步电机各项参数;将电机参数及运行参数基于电机模型进行推导,得到电机铜损和铁损关于d轴电流的关系式,然后利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)迭代计算得到该永磁同步电机在确定工况下稳定运行可以得到的最小损耗下的d轴电流参考值;最后通过坐标变换将得到的控制参数转化为驱动永磁同步电机运行的三相静止坐标系下的电流,驱动永磁同步电机运行,实现最小损耗控制。本发明能够有效降低永磁同步电机在确定工况稳定运行的状态下的损耗功率,提高了永磁同步电机的运行效率,且寻优过程收敛迅速,计算速度快。
Description
技术领域
本发明属于电机损耗控制技术领域,尤其涉及一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法。
背景技术
永磁同步电机因具有高效率、高转矩电流比、高功率密度、可靠性等优点,已在电动汽车、航空工业等领域得到了广泛应用。在永磁同步电机运行过程中,其电气损耗,即铜损和铁损会随电流的大小不断变化,且铜损最小与铁损最小所对应的d轴电流大小是不同的,因此需要通过使用控制算法,根据当前工况获得一个电流值,使得铜损和铁损之和,即总损耗最小,以达到提高电机运行效率的目标。目前多采用损耗模型法以及搜索法,损耗模型法通过建立永磁同步电机最小损耗模型,直接由计算获得最优电流,系统响应速度快,但是需要精确建模,受电机参数和运行工况影响大,且对不同的电机缺乏通用性。搜索法省去了繁琐的搭建损耗模型的过程,通过搜索电机运行的最小电流或者最小损耗功率来确定最优运行点,寻优精度高,但是对电流、功率、转速等的测量精度要求高,且算法收敛时间较长,最小二乘法、梯度法和黄金分割搜索法是早期研究的一些搜索算法。近年来,随着智能控制技术的不断发展,其逐渐成为了为以多变量、强耦合、非线性等为特征的永磁同步电机系统控制及研究的有力工具,但部分智能寻优算法存在结构复杂,计算速度慢,对计算机的运算能力要求高等问题。
发明内容
本发明所要解决的技术问题是提供一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,以解决现有技术中存在的需要搭建精确的损耗模型、受电机参数及运行工况影响大、计算速度慢、对计算机运算能力要求较高等问题
为解决以上技术问题,本发明的技术方案为:提供一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其创新点在于:具体包括以下步骤:
(1)搭建FOC控制系统并输入电机参数:在电机控制软件上根据永磁同步电机foc矢量控制方法搭建搭建FOC控制系统,所述搭建FOC控制系统包括鲸鱼优化算法模块,将各个电机参数输入到鲸鱼优化算法模块中;
(3)损耗表达式推导:画出电机运行的等效电路模型,将步骤(1)、步骤(2)中的电机参数和电机运行信号通过等效电路模型以及永磁同步电机转矩方程进行推导,得到电机总损耗关于d轴电流id的表达式。
(4)鲸鱼优化算法寻优:将步骤(3)中所获得的总损耗关于d轴电流id的表达式输入到鲸鱼优化算法中,通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流id;
(5)坐标变换:将设定的电机角速度ωe作为参考值,速度/位置传感器得到的电机角速度作为实际值输入转速环PI模块,经过转速环PI模块的作用得到q轴电流iq,将q轴电流iq和步骤(4)得到的d轴电流id分别经过q轴电流环PI模块和d轴电流环PI模块,再均依次经过逆Park变换模块、逆Clarke变换及SVPWM模块和逆变器模块来得到三相静止坐标系电流;
(6)电机最小损耗控制:将步骤(5)得到的三相静止坐标系电流经过电流传感器输入永磁同步电机PMSM模块,以此来进行电机最小损耗控制。
进一步的,所述步骤(1)中搭建的永磁同步电机FOC控制系统还包括转速环PI模块、q轴电流环PI模块、d轴电流环PI模块、Clarke变换模块、Park变换模块,逆Clarke变换及SVPWM模块、逆Park变换模块,逆变器模块、永磁同步电机PMSM模块、电流传感器模块和速度/位置传感器模块。
进一步的,所述步骤(1)中各个电机参数包括同步旋转坐标系下的d轴电感Ld、q轴电感Lq、永磁同步电机极对数p、永磁同步电机定子绕组电阻R和等效铁损电阻Rs、永磁同步电机磁链ψf、永磁同步电机的转动惯量J、阻尼系数B以及设定的负载转矩TL和电机角速度ωe。
进一步的,所述步骤(3)中电机总损耗包括铜损和铁损,所述电机总损耗关于d轴电流id的表达式推导具体过程如下:
永磁同步电机铜损Pcu表示为:
永磁同步电机铁损Pfe表示为:
根据永磁同步电机等效电路得:
根据上式分别代入可得铜损和铁损关于isd和isq的表达式,
随后根据电机转矩方程
此外,永磁同步电机运行时,其电机转矩的大小可由下式获得,
将上述式子进行推导和带入,将式中的isq替换,分别得到铜损和铁损关于isd的表达式:
再由等效电路将上式中的isd用同步旋转坐标系下的d轴电流id表示,
由转矩方程和等效电路可得,isd与同步旋转坐标系下的d轴电流id的关系为:
通过移项可得用iq表示isd的表达式:
最后将上式带入到铜损和铁损表达式中,得到铜损和铁损关于id的表达式,即电机总损耗关于d轴电流id的表达式。
进一步的,所述步骤(4)中通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流的具体步骤为:
A、由于鲸鱼优化算法目的是找到稳定工况下最小总损耗对应的id值,自变量只有id一个,因此设置鲸鱼优化算法的自变量维度等于1,设置自变量的上界和下届分别为10A和-10A;设置鲸鱼优化算法种群规模为30,最大迭代次数设置为20次;
B、设置概率p1=0.5为种群会按当前最优值继续寻优,另外设置概率p2=0.5为种群会从头开始寻优;
C、将步骤(3)得到的总损耗关于id的表达式作为鲸鱼优化算法的适应度函数输入鲸鱼优化算法模块中,进行寻优。
进一步的,所述步骤(5)中得到三相静止坐标系电流的具体步骤为:
A.将转速环PI模块输出的q轴电流作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的q轴电流作为实际值输入q轴电流环PI模块,经过q轴电流环PI模块作用输出同步旋转坐标系下的电压Uq;
B.将鲸鱼优化算法模块输出的d轴电流id作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的d轴电流作为实际值输入d轴电流环PI模块,经过d轴电流环PI模块作用输出同步旋转坐标系下的电压Ud;
C.将步骤A和B中分别得到的同步旋转坐标系下的电压Uq、Ud均输入逆Park变换模块变换为两相静止坐标系下的电压Uα、Uβ,再将两相静止坐标系下的电压Uα、Uβ输入逆Clarke变换及SVPWM模块变换为三相静止坐标系下的电压Ua、Ub、Uc,再将三相静止坐标系下的电压Ua、Ub、Uc输入逆变器模块,转化为三相静止坐标系下的电流ia、ib、ic。
与现有技术相比,本发明具有以下优点:
1.本发明提出的永磁同步电机最小损耗控制方法引入的一种智能寻优算法,相比传统的搜索法,其优势是收敛速度快,迭代次数少,计算速度快。
2.本发明提出的基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,相比传统的基于模型的最小损耗控制,能够直接得出当前运行状态下的最小总损耗及对应d轴电流id,省去了搭建损耗模型以及进行仿真验证的时间,且鲸鱼优化算法的寻优效果不会因运行工况或电机参数的改变而改变。
3.本发明提出的基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,算法程序流程短、结构简单,编写及理解都比较容易,且对计算机的运算能力要求低。
附图说明
以下附图是本发明通过FOC控制系统所得出的部分结果图,显而易见的,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来讲,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,以下实施例为了更直观表现本发明对永磁同步电机损耗控制的效果,加入了与id=0策略的对比,在正常运用时,无需进行对比。
另外,本发明所使用的永磁同步电机
图1是本发明的基于鲸鱼优化算法的永磁同步电机最小损耗控制方法流程图;
图2是本发明的基于鲸鱼优化算法的永磁同步电机最小损耗控制方法的结构框图;
图3是永磁同步电机考虑铜损和铁损的等效电路图;
图4是永磁同步电机总损耗关于d轴电流id以及角速度ωe的函数图像;
图5a是在正常情况下,给定角速度20rad/min,负载转矩10N/m时,鲸鱼优化算法模块的寻优过程曲线图;
图5b是图5a所述条件下,通过鲸鱼优化算法寻优的损耗值与id=0策略的损耗值的对比图。
图6a是在正常情况下,给定角速度40rad/min,负载转矩10N/m时,鲸鱼优化算法的寻优过程曲线图;
图6b是图6a所述条件下,鲸鱼优化算法寻优的损耗值与id=0策略的损耗值的对比图。;
图7a是在正常情况下,给定角速度20rad/min,负载转矩10N/m时,将电机参数变为Rt=2R、Rt=2R,Rst=2Rs,Ldt=0.5Ld,Lqt=0.5Lq,ψft=0.8ψf,Bt=1.2B,Jt=0.5J时鲸鱼优化算法的寻优过程曲线图;
图7b是图7a所述条件下,鲸鱼优化算法寻优的损耗值与id=0策略的损耗值的对比图。
具体实施方式
为了说明本发明所述的技术方案,下面结合附图进一步说明本发明。
本发明提供基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,如图1和2所示,包括以下步骤:
(1)搭建FOC控制系统并输入电机参数:在电机控制软件上根据永磁同步电机foc矢量控制方法搭建搭建FOC控制系统,优选的,本发明的电机控制仿真软件为matlab/simulink,利用matlab/simulink软件进行FOC控制系统搭建,搭建FOC控制系统包括鲸鱼优化算法模块,将各个电机参数输入到鲸鱼优化算法模块中;搭建的永磁同步电机FOC控制系统还包括转速环PI模块、q轴电流环PI模块、d轴电流环PI模块、Clarke变换模块、Park变换模块,逆Clarke变换及SVPWM模块、逆Park变换模块,逆变器模块、永磁同步电机PMSM模块、电流传感器模块和速度/位置传感器模块。其中,除鲸鱼优化算法模块外,图2中所示其余所有模块都属于matlab/simulink软件自带,鲸鱼优化算法模块的程序则用matlab/simulink软件中的S-function模块带入控制系统中。
输入鲸鱼优化算法模块的各个电机参数包括同步旋转坐标系下的d轴电感Ld(单位H)、q轴电感Lq(单位H)、永磁同步电机极对数p、永磁同步电机定子绕组电阻R(单位Ω)和等效铁损电阻Rs(单位Ω)、永磁同步电机磁链ψf(单位Wb)、永磁同步电机的转动惯量J(单位kg·m2)、阻尼系数B、负载转矩TL(单位N/m)和电机角速度ωe。
(2)采集电机运行信号:通过电流传感器检测永磁同步电机的定义电流ia、ib,通过转速/位置传感器模块检测电机的转速、转角信息,得到电机角速度以及当前转角θ;电流传感器检测到的电流ia、ib经过Clarke变换模块得到两相静止坐标系下的定子电流iα、iβ,再经过Park变换模块为同步旋转坐标系下的d轴电流和q轴电流
(3)损耗表达式推导:画出电机运行的等效电路模型,如图3所示,图中ife.d、ife.q分别是d轴和q轴的铁损电流,isd、isq分别是d轴和q轴的转矩电流,将步骤(1)、步骤(2)中的电机参数和电机运行信号通过等效电路模型以及永磁同步电机转矩方程进行推导,得到电机总损耗关于d轴电流id的表达式,电机总损耗关于d轴电流id的表达式推导具体过程如下:
永磁同步电机铜损Pcu表示为:
永磁同步电机铁损Pfe表示为:
根据永磁同步电机等效电路得:
根据上式分别代入可得铜损和铁损关于isd和isq的表达式,
随后根据电机转矩方程
此外,永磁同步电机运行时,其电机转矩的大小可由下式获得,
将上述式子进行推导和带入,将式中的isq替换,分别得到铜损和铁损关于isd的表达式:
再由等效电路将上式中的isd用同步旋转坐标系下的d轴电流id表示,
由转矩方程和等效电路可得,isd与同步旋转坐标系下的d轴电流id的关系为:
通过移项可得用iq表示isd的表达式:
最后将上式带入到铜损和铁损表达式中,得到铜损和铁损关于id的表达式,即电机总损耗关于d轴电流id的表达式,由于电机总损耗关于d轴电流id的表达式过于冗长,且仅仅是公式代入的操作,本发明在此不进行书写。
将永磁同步电机总损耗关于d轴电流id以及设定角速度ωe进行坐标图绘制,得到图4,图中,d轴电流iq为x轴,角速度ωe为y轴,铜损Pcu与铁损Pfe之和,即总损耗为z轴。由图4中可得,在永磁同步电机稳定运行,即电机转速恒定的情况下,电机总损耗是关于d轴电流id的凹函数,有且只有一个最低值,即该运行状态下的最小总损耗,利用鲸鱼优化算法,即可进行最优值搜索。
(4)鲸鱼优化算法寻优:将步骤(3)中所获得的总损耗关于d轴电流id的表达式输入到鲸鱼优化算法中,通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流id;其中,通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流的具体步骤为:
A、由于鲸鱼优化算法目的是找到稳定工况下最小总损耗对应的id值,自变量只有id一个,因此设置鲸鱼优化算法的自变量维度等于1,设置自变量的上界和下届分别为10A和-10A;设置鲸鱼优化算法种群规模为30,最大迭代次数设置为20次;
B、设置概率p1=0.5为种群会按当前最优值继续寻优,另外设置概率p2=0.5为种群会从头开始寻优;
C、将步骤(3)得到的总损耗关于id的表达式作为鲸鱼优化算法的适应度函数输入鲸鱼优化算法模块中,进行寻优。
(5)坐标变换:将设定的电机角速度ωe作为参考值,速度/位置传感器得到的电机角速度作为实际值输入转速环PI模块,经过转速环PI模块的作用得到q轴电流iq,将q轴电流iq和步骤(4)得到的d轴电流id分别经过q轴电流环PI模块和d轴电流环PI模块,再均依次经过逆Park变换模块、逆Clarke变换及SVPWM模块和逆变器模块来得到三相静止坐标系电流;其中,得到三相静止坐标系电流的具体步骤为:
A.将转速环PI模块输出的q轴电流作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的q轴电流作为实际值输入q轴电流环PI模块,经过q轴电流环PI模块作用输出同步旋转坐标系下的电压Uq;
B.将鲸鱼优化算法模块输出的d轴电流id作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的d轴电流作为实际值输入d轴电流环PI模块,经过d轴电流环PI模块作用输出同步旋转坐标系下的电压Ud;
C.将步骤A和B中分别得到的同步旋转坐标系下的电压Uq、Ud均输入逆Park变换模块变换为两相静止坐标系下的电压Uα、Uβ,再将两相静止坐标系下的电压Uα、Uβ输入逆Clarke变换及SVPWM模块变换为三相静止坐标系下的电压Ua、Ub、Uc,再将三相静止坐标系下的电压Ua、Ub、Uc输入逆变器模块,转化为三相静止坐标系下的电流ia、ib、ic。
(6)电机最小损耗控制:将步骤(5)得到的三相静止坐标系电流ia、ib、ic经过电流传感器输入永磁同步电机PMSM模块,以此来进行电机最小损耗控制。
关于鲸鱼优化算法具体参数设置及使用如下:
在本发明中,是基于matlab对鲸鱼优化算法程序进行编写和使用,在matlab/simulink上搭建FOC控制系统,对基于鲸鱼优化算法的永磁同步电机最小损耗控制方法进行实验验证,为方便验证本发明所提控制方法在永磁同步电机控制系统的可行性,设置一组具体的永磁同步电机参数进行验证,具体各参数值为:Ld=0.00525H、Lq=0.012H、R=0.958Ω、Rs=20Ω、p=4、ψf=0.1827Wb、B=0.008、J=0.003kg·m2,结果如图5a、图5b、图6a、图6b、图7a、图7b所示。
图5a是在正常情况下,给定角速度20rad/min,负载转矩10N/m时,鲸鱼优化算法的寻优过程曲线,可以看到本发明所用的鲸鱼优化算法收敛比较迅速,在迭代第5次时就已找到最优值;图5b为图5a所述条件下,利用FOC控制系统对鲸鱼优化算法寻优得到的最优的d轴电流作为d轴参考值与d轴电流参考值为0,即id=0策略所作的对比,可以看到经鲸鱼优化算法寻优的d轴电流所得到的电机总损耗明显降低,说明本发明所述的基于鲸鱼优化算法的永磁同步电机最小损耗控制方法有效地降低了永磁同步电机的损耗功率。
为了验证改变电机运行工况后鲸鱼优化算法的可靠性,如图6a所示,改变电机的运行工况为给定角速度40rad/min,负载转矩10N/m时,鲸鱼优化算法的寻优过程曲线,可以看到改变了运行工况之后,鲸鱼优化算法仍能快速找到最小的损耗及对应的id值;图6b为改变运行工况后与id=0策略所作的对比,可以看到经鲸鱼优化算法寻优的d轴电流所得到的电机总损耗仍明显降低,验证了在改变电机运行工况后鲸鱼优化算法的可靠性。
为了验证改变电机参数后鲸鱼优化算法的可靠性,如图7a所示,在给定角速度20rad/min,负载转矩10N/m时,将电机参数变为Rt=2R,Rst=2Rs,Ldt=0.5Ld,Lqt=0.5Lq,ψft=0.8ψf,Bt=1.2B,Jt=0.5J,鲸鱼优化算法的寻优过程曲线,可以看到鲸鱼优化算法收敛仍比较迅速,经过较少迭代次数就已找到最优值;如图7b利用FOC控制系统对图7a的鲸鱼优化算法寻优得到的最优的d轴电流作为d轴电流参考值与id=0策略所作的对比,可以看到经鲸鱼优化算法寻优的d轴电流所得到的电机总损耗仍明显降低,验证了在改变电机参数后鲸鱼优化算法的可靠性。
Claims (7)
1.一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:具体包括以下步骤:
(1)搭建FOC控制系统并输入电机参数:在电机控制软件上根据永磁同步电机foc矢量控制方法搭建搭建FOC控制系统,所述搭建FOC控制系统包括鲸鱼优化算法模块,将各个电机参数输入到鲸鱼优化算法模块中;
(2)采集电机运行信号:通过电流传感器检测永磁同步电机的定义电流ia、ib,通过转速/位置传感器模块检测电机的转速、转角信息,得到电机角速度ωe *以及当前转角θ;
(3)损耗表达式推导:画出电机运行的等效电路模型,将步骤(1)、步骤(2)中的电机参数和电机运行信号通过等效电路模型以及永磁同步电机转矩方程进行推导,得到电机总损耗关于d轴电流id的表达式。
(4)鲸鱼优化算法寻优:将步骤(3)中所获得的总损耗关于d轴电流id的表达式输入到鲸鱼优化算法中,通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流id;
(5)坐标变换:将设定的电机角速度ωe作为参考值,速度/位置传感器得到的电机角速度作为实际值输入转速环PI模块,经过转速环PI模块的作用得到q轴电流iq,将q轴电流iq和步骤(4)得到的d轴电流id分别经过q轴电流环PI模块和d轴电流环PI模块,再均依次经过逆Park变换模块、逆Clarke变换及SVPWM模块和逆变器模块来得到三相静止坐标系电流;
(6)电机最小损耗控制:将步骤(5)得到的三相静止坐标系电流经过电流传感器输入永磁同步电机PMSM模块,以此来进行电机最小损耗控制。
2.根据权利要求1所述的一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:所述步骤(1)中搭建的永磁同步电机FOC控制系统还包括转速环PI模块、q轴电流环PI模块、d轴电流环PI模块、Clarke变换模块、Park变换模块,逆Clarke变换及SVPWM模块、逆Park变换模块,逆变器模块、永磁同步电机PMSM模块、电流传感器模块和速度/位置传感器模块。
3.根据权利要求1所述的一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:所述步骤(1)中各个电机参数包括同步旋转坐标系下的d轴电感Ld、q轴电感Lq、永磁同步电机极对数p、永磁同步电机定子绕组电阻R和等效铁损电阻Rs、永磁同步电机磁链ψf、永磁同步电机的转动惯量J、阻尼系数B以及设定的负载转矩TL和电机角速度ωe。
5.根据权利要求1所述的一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:所述步骤(3)中电机总损耗包括铜损和铁损,所述电机总损耗关于d轴电流id的表达式推导具体过程如下:
永磁同步电机铜损Pcu表示为:
永磁同步电机铁损Pfe表示为:
根据永磁同步电机等效电路得:
根据上式分别代入可得铜损和铁损关于isd和isq的表达式,
随后根据电机转矩方程
此外,永磁同步电机运行时,其电机转矩的大小可由下式获得,
将上述式子进行推导和带入,将式中的isq替换,分别得到铜损和铁损关于isd的表达式:
再由等效电路将上式中的isd用同步旋转坐标系下的d轴电流id表示,
由转矩方程和等效电路可得,isd与同步旋转坐标系下的d轴电流id的关系为:
通过移项可得用iq表示isd的表达式:
最后将上式带入到铜损和铁损表达式中,得到铜损和铁损关于id的表达式,即电机总损耗关于d轴电流id的表达式。
6.根据权利要求1所述的一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:所述步骤(4)中通过迭代计算获得当前运行状态下可以达到的电机总鲸鱼优化算法模块损耗的最小值以及对应的d轴电流的具体步骤为:
A、由于鲸鱼优化算法目的是找到稳定工况下最小总损耗对应的id值,自变量只有id一个,因此设置鲸鱼优化算法的自变量维度等于1,设置自变量的上界和下届分别为10A和-10A;设置鲸鱼优化算法种群规模为30,最大迭代次数设置为20次;
B、设置概率p1=0.5为种群会按当前最优值继续寻优,另外设置概率p2=0.5为种群会从头开始寻优;
C、将步骤(3)得到的总损耗关于id的表达式作为鲸鱼优化算法的适应度函数输入鲸鱼优化算法模块中,进行寻优。
7.根据权利要求1所述的一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法,其特征在于:所述步骤(5)中得到三相静止坐标系电流的具体步骤为:
A.将转速环PI模块输出的q轴电流作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的q轴电流作为实际值输入q轴电流环PI模块,经过q轴电流环PI模块作用输出同步旋转坐标系下的电压Uq;
B.将鲸鱼优化算法模块输出的d轴电流id作为参考值,将步骤(2)中依次经过Clarke变换模块和Park变换模块变换的d轴电流作为实际值输入d轴电流环PI模块,经过d轴电流环PI模块作用输出同步旋转坐标系下的电压Ud;
C.将步骤A和B中分别得到的同步旋转坐标系下的电压Uq、Ud均输入逆Park变换模块变换为两相静止坐标系下的电压Uα、Uβ,再将两相静止坐标系下的电压Uα、Uβ输入逆Clarke变换及SVPWM模块变换为三相静止坐标系下的电压Ua、Ub、Uc,再将三相静止坐标系下的电压Ua、Ub、Uc输入逆变器模块,转化为三相静止坐标系下的电流ia、ib、ic。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429593.3A CN113014170B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429593.3A CN113014170B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113014170A true CN113014170A (zh) | 2021-06-22 |
CN113014170B CN113014170B (zh) | 2022-08-12 |
Family
ID=76388949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110429593.3A Active CN113014170B (zh) | 2021-04-21 | 2021-04-21 | 一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113014170B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113890447A (zh) * | 2021-11-01 | 2022-01-04 | 中车大连电力牵引研发中心有限公司 | 基于改进鲸鱼优化算法的永磁同步电机自抗扰控制方法 |
CN114604103A (zh) * | 2022-03-17 | 2022-06-10 | 威睿电动汽车技术(宁波)有限公司 | 电机的主动加热方法、装置、设备、存储介质及程序产品 |
CN114977920A (zh) * | 2021-12-09 | 2022-08-30 | 昆明理工大学 | 一种高精度的永磁同步电机参数辨识方法 |
CN115356624A (zh) * | 2022-08-15 | 2022-11-18 | 小米汽车科技有限公司 | 电机铁耗确定方法、装置、车辆、存储介质及芯片 |
CN116620042A (zh) * | 2023-06-05 | 2023-08-22 | 小米汽车科技有限公司 | 电机控制参数标定方法、装置及车辆 |
WO2023221740A1 (zh) * | 2022-05-18 | 2023-11-23 | 湘潭大学 | 永磁同步电机效率优化控制方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58125210A (ja) * | 1982-01-20 | 1983-07-26 | Pioneer Electronic Corp | メモリアドレス情報信号発生装置 |
GB8427685D0 (en) * | 1983-11-04 | 1984-12-05 | Chesebrough Ponds | Induction motor control system |
US20090063160A1 (en) * | 2007-09-04 | 2009-03-05 | Tsung-Han Tsai | Configurable common filterbank processor applicable for various audio standards and processing method thereof |
CN108418499A (zh) * | 2018-03-16 | 2018-08-17 | 南京工业大学 | 内置式永磁同步电机直接转矩控制节能变频器及构造法 |
CN108599647A (zh) * | 2018-05-10 | 2018-09-28 | 安徽大学 | 永磁同步电机定子绕组不对称故障的直接转矩控制方法 |
CN108736782A (zh) * | 2018-06-04 | 2018-11-02 | 湖南机电职业技术学院 | 对电机矢量控制参考电流进行分配及效率优化控制的方法 |
CN108880368A (zh) * | 2018-06-08 | 2018-11-23 | 湖南机电职业技术学院 | 基于改进型黄金分割法的永磁同步电机效率优化控制方法 |
CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
CN109902873A (zh) * | 2019-02-28 | 2019-06-18 | 长安大学 | 一种基于改进型鲸鱼算法的云制造资源配置的方法 |
CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
CN110071520A (zh) * | 2019-06-06 | 2019-07-30 | 河海大学 | 一种基于鲸鱼算法的混合直流输电系统控制参数优化方法 |
CN110707974A (zh) * | 2019-10-14 | 2020-01-17 | 电子科技大学 | 一种永磁同步电机驱动系统最小损耗控制方法 |
CN111066054A (zh) * | 2017-07-10 | 2020-04-24 | 伊利诺斯工具制品有限公司 | 焊接系统参数比较系统和方法 |
CN111523749A (zh) * | 2020-02-28 | 2020-08-11 | 华中科技大学 | 一种水电机组模型智能辨识方法 |
CN112308194A (zh) * | 2020-09-24 | 2021-02-02 | 广西大学 | 一种量子迁移平行多层蒙特卡罗双馈风机参数优化方法 |
CN112560914A (zh) * | 2020-12-08 | 2021-03-26 | 昆明理工大学 | 一种基于改进lssvm的滚动轴承故障诊断方法 |
-
2021
- 2021-04-21 CN CN202110429593.3A patent/CN113014170B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58125210A (ja) * | 1982-01-20 | 1983-07-26 | Pioneer Electronic Corp | メモリアドレス情報信号発生装置 |
GB8427685D0 (en) * | 1983-11-04 | 1984-12-05 | Chesebrough Ponds | Induction motor control system |
US20090063160A1 (en) * | 2007-09-04 | 2009-03-05 | Tsung-Han Tsai | Configurable common filterbank processor applicable for various audio standards and processing method thereof |
CN111066054A (zh) * | 2017-07-10 | 2020-04-24 | 伊利诺斯工具制品有限公司 | 焊接系统参数比较系统和方法 |
CN108418499A (zh) * | 2018-03-16 | 2018-08-17 | 南京工业大学 | 内置式永磁同步电机直接转矩控制节能变频器及构造法 |
CN108599647A (zh) * | 2018-05-10 | 2018-09-28 | 安徽大学 | 永磁同步电机定子绕组不对称故障的直接转矩控制方法 |
CN108736782A (zh) * | 2018-06-04 | 2018-11-02 | 湖南机电职业技术学院 | 对电机矢量控制参考电流进行分配及效率优化控制的方法 |
CN108880368A (zh) * | 2018-06-08 | 2018-11-23 | 湖南机电职业技术学院 | 基于改进型黄金分割法的永磁同步电机效率优化控制方法 |
CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
CN109902873A (zh) * | 2019-02-28 | 2019-06-18 | 长安大学 | 一种基于改进型鲸鱼算法的云制造资源配置的方法 |
CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
CN110071520A (zh) * | 2019-06-06 | 2019-07-30 | 河海大学 | 一种基于鲸鱼算法的混合直流输电系统控制参数优化方法 |
CN110707974A (zh) * | 2019-10-14 | 2020-01-17 | 电子科技大学 | 一种永磁同步电机驱动系统最小损耗控制方法 |
CN111523749A (zh) * | 2020-02-28 | 2020-08-11 | 华中科技大学 | 一种水电机组模型智能辨识方法 |
CN112308194A (zh) * | 2020-09-24 | 2021-02-02 | 广西大学 | 一种量子迁移平行多层蒙特卡罗双馈风机参数优化方法 |
CN112560914A (zh) * | 2020-12-08 | 2021-03-26 | 昆明理工大学 | 一种基于改进lssvm的滚动轴承故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
张帆等: "内嵌式永磁同步电机最小功率损失控制优化", 《通信电源技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113890447A (zh) * | 2021-11-01 | 2022-01-04 | 中车大连电力牵引研发中心有限公司 | 基于改进鲸鱼优化算法的永磁同步电机自抗扰控制方法 |
CN113890447B (zh) * | 2021-11-01 | 2024-04-26 | 中车大连电力牵引研发中心有限公司 | 基于改进鲸鱼优化算法的永磁同步电机自抗扰控制方法 |
CN114977920A (zh) * | 2021-12-09 | 2022-08-30 | 昆明理工大学 | 一种高精度的永磁同步电机参数辨识方法 |
CN114604103A (zh) * | 2022-03-17 | 2022-06-10 | 威睿电动汽车技术(宁波)有限公司 | 电机的主动加热方法、装置、设备、存储介质及程序产品 |
CN114604103B (zh) * | 2022-03-17 | 2024-02-02 | 威睿电动汽车技术(宁波)有限公司 | 电机的主动加热方法、装置、设备、存储介质及程序产品 |
WO2023221740A1 (zh) * | 2022-05-18 | 2023-11-23 | 湘潭大学 | 永磁同步电机效率优化控制方法及系统 |
CN115356624A (zh) * | 2022-08-15 | 2022-11-18 | 小米汽车科技有限公司 | 电机铁耗确定方法、装置、车辆、存储介质及芯片 |
CN116620042A (zh) * | 2023-06-05 | 2023-08-22 | 小米汽车科技有限公司 | 电机控制参数标定方法、装置及车辆 |
CN116620042B (zh) * | 2023-06-05 | 2024-02-06 | 小米汽车科技有限公司 | 电机控制参数标定方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN113014170B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113014170B (zh) | 一种基于鲸鱼优化算法的永磁同步电机最小损耗控制方法 | |
Shi et al. | Speed estimation of an induction motor drive using an optimized extended Kalman filter | |
CN108418487B (zh) | 一种用于电动汽车的速度脉动抑制方法 | |
CN106627251A (zh) | 一种电机控制方法及装置 | |
CN106992733A (zh) | 车载内置式永磁同步电机控制方法 | |
CN107017817A (zh) | 一种高速内嵌式永磁同步电机电流解耦控制方法 | |
CN103944471B (zh) | 一种改善转矩及磁链性能的矩阵变换器直接转矩控制方法 | |
Çavuş et al. | MPC-based flux weakening control for induction motor drive with DTC for electric vehicles | |
CN206640528U (zh) | 永磁同步电机无权值模型预测转矩控制系统 | |
CN114938173A (zh) | 永磁同步电机效率优化控制方法及装置 | |
CN114337426A (zh) | 一种d-q轴静止坐标系下永磁同步电机偏差解耦控制方法 | |
CN109639200B (zh) | 一种基于电机负载转矩检测的转动惯量在线辨识方法 | |
CN116961512B (zh) | 一种基于模型预测的电流控制方法、装置和存储介质 | |
Qian et al. | Torque ripple reduction of PMSM based on modified DBN-DNN surrogate model | |
CN113098335A (zh) | 基于模糊qpr控制和电压补偿的永磁同步电机谐波抑制方法 | |
CN110995096B (zh) | 一种无轴承无铁心永磁电机悬浮力预测控制系统 | |
CN113131830A (zh) | 直线感应电机效率优化控制方法、系统、介质、处理终端 | |
Li et al. | Third-harmonic current injection control of five-phase permanent-magnet synchronous motor based on Third-harmonic current reference online identification | |
CN113949320B (zh) | 一种感应电机预测控制驱动方法及系统 | |
CN107482978A (zh) | 一种基于有限时间算法的永磁同步电机在线参数辨识方法 | |
CN108649846A (zh) | 一种基于单电流调节器的弱磁电压确定方法 | |
Keshari et al. | Performance Analysis of PMSM-Electric Vehicle with Fuzzy Logic Controller | |
CN112910350A (zh) | 一种永磁同步电机鲁棒控制系统及方法 | |
Zhao et al. | A dynamic-decoupling controller of current for permanent magnet synchronous motor | |
CN112311287A (zh) | 一种无轴承无铁心永磁电机悬浮力模型预测控制系统 |
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 |