CN113659895A - 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 - Google Patents
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 Download PDFInfo
- Publication number
- CN113659895A CN113659895A CN202110878616.9A CN202110878616A CN113659895A CN 113659895 A CN113659895 A CN 113659895A CN 202110878616 A CN202110878616 A CN 202110878616A CN 113659895 A CN113659895 A CN 113659895A
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- synchronous motor
- magnet synchronous
- function
- following
- 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 64
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001914 filtration Methods 0.000 title claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 42
- 230000004888 barrier function Effects 0.000 claims description 17
- 238000009795 derivation Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000004880 explosion Methods 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004804 winding 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- 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
- H02P21/05—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for damping motor oscillations, e.g. for reducing hunting
-
- 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
- H02P21/18—Estimation of position or speed
-
- 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
-
- 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
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Abstract
本发明公开了一种基于指令滤波的永磁同步电动机全状态约束有限时间控制方法。该方法针对永磁同步电动机的控制精度需求以及驱动系统中的非线性问题,采用有限时间控制技术加快了系统收敛速度并提高了系统的抗干扰能力,保证系统的跟踪误差收敛到原点的一个足够小的邻域内;通过引入指令滤波技术解决传统反步控制的计算爆炸问题,同时设计了有限时间误差补偿机制减小了滤波误差的影响,提高了系统的控制精度;构建了障碍Lyapunov函数,以保证永磁同步电动机系统的转子角速度、定子电流等状态量始终在给定的状态区间内,同时利用神经网络自适应技术处理系统中未知的非线性项。本发明实现了对永磁同步电动机位置跟踪控制快速有效的响应,具有较好的鲁棒性。
Description
技术领域
本发明属于永磁同步电动机位置跟踪控制技术领域,尤其涉及一种基于指令滤波的永磁同步电动机全状态约束有限时间控制方法。
背景技术
近年来,永磁同步电动机凭借其结构简单、无转子损耗和调速范围广等优点,在制造业、农业及航天等领域得到了广泛应用。然而,永磁同步电动机系统具有多变量、强耦合、高度非线性等特点,容易受一些不确定因素的影响而无法正常工作,例如参数不确定以及负载扰动等。为了使系统获得更优良的控制性能,研究者们提出了许多有效的控制策略,如反步控制、神经网络控制、滑模变结构控制、自适应控制、动态面控制等先进的控制技术。
然而,上述方法所应用的系统都是渐进稳定的系统,没有考虑永磁同步电动机在实际运行中的收敛速度,系统无法在短时间内稳定从而实现快速有效的跟踪。同时系统容易受到外部负载转矩扰动的影响,因此考虑在永磁同步电动机系统中引入有限时间技术,可以提高系统的收敛速度和抗干扰能力,具有一定的实际意义。此外,在许多实际工程中,系统的状态量总是被限制在合理的范围内,若超出范围可能会影响系统的性能和安全性,可能使系统出现故障,甚至威胁人身安全,例如,在工农业生产过程中,电动机的转子机械角速度超过给定的范围会使设备的生产效率和安全性降低;过大的励磁电流会使电动机绕组发热,产生严重的热损耗,加速绝缘老化,缩短电动机使用寿命。因此,对于永磁同步电动机而言,其转子位置、转子角速度和励磁电流等状态量要限制在合理的范围内。
另外,在另一个前沿领域,作为先进控制方法的自适应反步法已成功运用到了永磁同步电动机系统中。自适应反步控制方法将复杂的非线性系统分解成多个简单低阶的子系统,通过引入虚拟控制变量来逐步进行控制器设计,最终确定控制律以及参数自适应律,从而实现对系统的有效控制。但是传统的自适应反步法却存在局限性,主要表现为永磁同步电动机驱动系统中某些函数必须是线性的以及在对虚拟控制函数反复求导的过程中,随着高阶导数的出现会导致计算爆炸问题。针对第一个问题,相关研究已经提出了模糊逻辑系统或神经网络等近似理论来逼近系统中未知的非线性项。针对计算爆炸问题,已经提出了动态面控制方法来解决,然而动态面控制方法不能消除滤波误差的影响,会影响系统的控制精度。
发明内容
本发明的目的在于提出一种基于指令滤波的永磁同步电动机全状态约束有限时间控制方法,以实现永磁同步电动机系统的有限时间位置跟踪控制,且能够有效保证系统的状态量始终处于给定的状态区间内。本发明为了实现上述目的,采用如下技术方案:
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法,包括如下步骤:
步骤1.建立d-q坐标轴下永磁同步电动机的动态数学模型,如公式(1)所示:
其中,θ表示转子角度,ω表示转子角速度,uq表示q轴定子电压,ud表示d轴定子电压,iq表示q轴定子电流,id表示d轴定子电流,Lq表示q轴定子电感,Ld表示d轴定子电感,J表示转动惯量,B表示摩擦系数,np表示极对数,Φ表示永磁体产生的磁链,T表示电磁转矩;TL表示负载转矩,Rs表示定子电阻;为了简化以上动态数学模型,定义如下新变量:
则永磁同步电动机的动态数学模型用公式(2)表示,即:
步骤2.采用障碍Lyapunov函数设计基于一种指令滤波的永磁同步电动机全状态约束有限时间控制方法,控制目标是设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得x1跟踪期望的位置信号xd,同时使永磁同步电动机系统的状态量始终在给定的区间内;
对于一个连续的非线性函数f(Z),存在径向基函数神经网络WTS(Z)使得:
W∈Rw是权重向量,神经网络节点数w为正整数,且w>1,Rw为实数向量集;S(Z)=[s1(Z),...,sw(Z)]T∈Rw为基函数向量;sj(Z)为高斯函数,其表达式为:
其中,μj表示接受域的中心,ηj表示高斯函数的宽度;
定义有限时间:对于任意的实数λ1>0,λ2>0,0<β<1,则有限时间稳定的扩展Lyapunov条件表示为:其中,V(x)表示系统的Lyapunov函数;系统的收敛时间Tr通过Tr≤t0+[1/λ1(1-β)]ln[(λ1V1-β(t0)+λ2)/λ2]来估计,t0表示初始时间;
定义有限时间指令滤波器为:
其中,虚拟控制信号αt表示有限时间指令滤波器的输入信号,t=1,2;
其中,zi为系统跟踪误差变量,vi为补偿误差,ζi为误差补偿信号,i=1,2,3,4;
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法的每一步都采用一个障碍Lyapunov函数来构建一个虚拟控制信号或者真实控制律;控制方法包括以下步骤:
步骤2.1.对于期望的位置信号xd,选取障碍Lyapunov函数V1为:
对V1求导得:
选取虚拟控制信号α1和误差补偿信号ζ1为:
其中,k1和s1是正的设计参数,0<β<1;将公式(7)、(8)、(9)代入公式(6)得到:
步骤2.2.选取障碍Lyapunov函数V2为:
对公式(11)进行求导,得到:
其中,d表示|TL|的上限值,ε1为任意小的正数;
其中,δ2表示逼近误差,并且满足|δ2|≤ε2,从而由杨氏不等式得:
其中,W2∈Rw是权重向量,||W2||为向量W2的范数,S2(Z)为基函数向量,l2>0,h2为正常数;选取虚拟控制信号α2和误差补偿信号ζ2为:
步骤2.3.选取障碍Lyapunov函数V3为:
对公式(19)进行求导,得到:
其中,δ3表示逼近误差,并且满足|δ3|≤ε3,从而由杨氏不等式得:
其中,W3∈Rw是权重向量,||W3||为向量W3的范数,S3(Z)为基函数向量,sign(ζ3)表示ζ3的符号函数,l3>0,h3为正常数;设计q轴定子电压uq为真实控制律,uq的表达式如下:
误差补偿信号ζ3为:
其中,k3和s3是正的设计参数;将公式(21)至公式(24)代入公式(20)得到:
步骤2.4.选取障碍Lyapunov函数V4为:
对公式(26)求导得到:
其中,δ4表示逼近误差,并且满足|δ4|≤ε4,从而由杨氏不等式得:
其中,W4∈Rw是权重向量,||W4||为向量W4的范数,S4(Z)为基函数向量,l4>0,h4为正常数,sign(ζ4)表示ζ4的符号函数;设计d轴定子电压ud为真实控制律,ud的表达式如下:
误差补偿信号ζ4为:
其中,k4和s4是正的设计参数;将公式(28)至公式(31)代入公式(27)得到:
定义θ=max{||W2||2,||W3||2,||W4||2},则得到:
其中,r为正常数,则对V求导得到:
其中,m为正常数,将公式(36)代入公式(35)得到:
步骤3.对永磁同步电动机全状态约束有限时间控制方法进行稳定性分析;
由杨氏不等式得:
将公式(38)至公式(40)代入公式(37),则得到:
通过有限时间定义得知,补偿误差vi和误差补偿信号ζi都是在有限时间内收敛到原点附近的小邻域内,即系统误差变量zi也在有限时间内收敛;
由于误差补偿信号ζi是收敛的,所以,存在一个正常数kζ,使得|ζi|≤kζ;
因此,永磁同步电动机系统的状态量被约束在紧集Ωx内。
本发明具有如下优点:
(1)本发明构建障碍Lyapunov函数,以保证永磁同步电动机系统的转子角速度、定子电流等状态量始终在给定的状态区间内,避免因违反状态约束而引发的安全性问题。
(2)本发明采用指令滤波技术,解决了传统反步控制中存在的“计算爆炸”问题,同时设计了误差补偿信号减小了滤波误差的影响,提高了永磁同步电动机系统的控制精度。
(3)本发明利用神经网络处理永磁同步电动机系统中的非线性函数,将反步技术与神经网络自适应方法结合起来控制永磁同步电动机,实现理想的位置跟踪控制效果。
(4)本发明采用了改进的有限时间指令滤波器,使滤波器的输出更快的逼近虚拟控制信号的导数,在滤波器中引入了饱和项可以避免抖振现象的发生,保证了有限时间稳定性。
(5)本发明仅采用一个自适应律,能够减轻在线计算负担,且易于工程实现。
附图说明
图1是本发明实施例中基于指令滤波的永磁同步电动机全状态约束有限时间控制器、坐标变换单元、SVPWM逆变器和检测单元组成的复合被控对象的示意图;
图2是采用本发明控制方法后转子角度和转子角度设定值跟踪仿真图;
图3是采用本发明控制方法后转子角度跟踪误差仿真图;
图4是采用本发明控制方法后永磁同步电动机q轴定子电压仿真图;
图5是采用本发明控制方法后永磁同步电动机d轴定子电压仿真图;
图6是采用本发明控制方法后永磁同步电动机状态量x2,x3,x4的仿真图。
具体实施方式
本发明的基本思想为:利用神经网络逼近永磁同步电动机系统中未知的非线性函数;利用障碍Lyapunov函数将永磁同步电动机系统的转子角速度、定子电流等状态量始终约束在给定的状态区间内;运用指令滤波反步法构造中间虚拟控制信号和误差补偿信号,逐步递推得到控制律,从而保证电压稳定在一个有界区域内,减小控制误差,从而提高控制精度。引入了有限时间控制技术,使得跟踪误差能够在有限时间内收敛到原点非常小的领域内,提高系统的控制精度和抗干扰能力。
下面结合附图以及具体实施方式对本发明作进一步详细说明:
如图1示出了本发明实施例中基于指令滤波的永磁同步电动机全状态约束有限时间控制器、坐标变换单元、SVPWM逆变器和检测单元组成的复合被控对象的示意图。
图1中涉及的部件包括基于指令滤波的永磁同步电动机全状态约束有限时间控制器1、坐标变换单元2、SVPWM逆变器3、转速检测单元4和电流检测单元5。
其中,参数U、V、W表示三相电压,参数Uα和Uβ表示两相静止坐标系下的电压。
转速检测单元4和电流检测单元5用于检测永磁同步电动机的电流值和转速变量,通过将实际测量的电流和转速变量作为输入,基于指令滤波的永磁同步电动机全状态约束有限时间控制器1进行电压控制,最终转换为三相电控制永磁同步电动机的转速。
为了设计一个更加有效的控制器,建立永磁同步电动机系统的动态模型是十分重要的。
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法,包括如下步骤:
步骤1.建立d-q坐标轴下永磁同步电动机的动态数学模型,如公式(1)所示:
其中,θ表示转子角度,ω表示转子角速度,uq表示q轴定子电压,ud表示d轴定子电压,iq表示q轴定子电流,id表示d轴定子电流,Lq表示q轴定子电感,Ld表示d轴定子电感,J表示转动惯量,B表示摩擦系数,np表示极对数,Φ表示永磁体产生的磁链,T表示电磁转矩;TL表示负载转矩,Rs表示定子电阻。为了简化以上动态数学模型,定义如下新变量:
则永磁同步电动机的动态数学模型用公式(2)表示,即:
步骤2.采用障碍Lyapunov函数设计基于一种指令滤波的永磁同步电动机全状态约束有限时间控制方法,控制目标是设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得x1跟踪期望的位置信号xd,同时使永磁同步电动机系统的状态量始终在给定的区间内。
对于一个连续的非线性函数f(Z),存在径向基函数神经网络WTS(Z)使得:
f(Z)=WTS(Z)+δ(Z);其中,δ(Z)是逼近误差且满足|δ(Z)|≤ε,ε为任意小的正常数;是输入向量,q是神经网络输入维数,Rq为实数向量集;W∈Rw是权重向量,神经网络节点数w为正整数,且w>1,Rw为实数向量集。
S(Z)=[s1(Z),...,sw(Z)]T∈Rw为基函数向量;sj(Z)为高斯函数,其表达式为:
其中,μj表示接受域的中心,ηj表示高斯函数的宽度。
定义有限时间:对于任意的实数λ1>0,λ2>0,0<β<1,则有限时间稳定的扩展Lyapunov条件表示为:其中,V(x)表示系统的Lyapunov函数;系统的收敛时间Tr通过Tr≤t0+[1/λ1(1-β)]ln[(λ1V1-β(t0)+λ2)/λ2]来估计,t0表示初始时间。
定义有限时间指令滤波器为:
其中,虚拟控制信号αt表示有限时间指令滤波器的输入信号,t=1,2。
其中,zi为系统跟踪误差变量,vi为补偿误差,ζi为误差补偿信号,i=1,2,3,4。
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法的每一步都采用一个障碍Lyapunov函数来构建一个虚拟控制信号或者真实控制律;控制方法包括以下步骤:
步骤2.1.对于期望的位置信号xd,选取障碍Lyapunov函数V1为:
对V1求导得:
选取虚拟控制信号α1和误差补偿信号ζ1为:
其中,k1和s1是正的设计参数,0<β<1。将公式(7)至公式(9)代入公式(6)得到:
步骤2.2.选取障碍Lyapunov函数V2为:
对公式(11)进行求导,得到:
其中,d表示|TL|的上限值;ε1为任意小的正数。
其中δ2表示逼近误差,并且满足|δ2|≤ε2,从而由杨氏不等式得:
其中,W2∈Rw是权重向量,||W2||为向量W2的范数,S2(Z)为基函数向量,l2>0,h2为正常数;选取虚拟控制信号α2和误差补偿信号ζ2为:
步骤2.3.选取障碍Lyapunov函数V3为:
对公式(19)进行求导,得到:
其中,δ3表示逼近误差,并且满足|δ3|≤ε3,从而由杨氏不等式得:
其中,W3∈Rw是权重向量,||W3||为向量W3的范数,S3(Z)为基函数向量,sign(ζ3)表示ζ3的符号函数,l3>0,h3为正常数。设计q轴定子电压uq为真实控制律,uq的表达式如下:
误差补偿信号ζ3为:
其中,k3和s3是正的设计参数。将公式(21)至公式(24)代入公式(20)得到:
步骤2.4.选取障碍Lyapunov函数V4为:
对公式(26)求导得到:
其中,δ4表示逼近误差,并且满足|δ4|≤ε4,从而由杨氏不等式得:
其中,W4∈Rw是权重向量,||W4||为向量W4的范数,S4(Z)为基函数向量,l4>0,h4为正常数,sign(ζ4)表示ζ4的符号函数。设计d轴定子电压ud为真实控制律,ud的表达式如下:
误差补偿信号ζ4为:
其中,k4和s4是正的设计参数。将公式(28)至公式(31)代入公式(27)得到:
定义θ=max{||W2||2,||W3||2,||W4||2},则得到:
其中,r为正常数,则对V求导得到:
其中,m为正常数,将公式(36)代入公式(35)得到:
步骤3.对永磁同步电动机全状态约束有限时间控制方法进行稳定性分析。
由杨氏不等式得:
将公式(38)、(39)、(40)代入公式(37),则得到:
通过有限时间定义得知,补偿误差vi和误差补偿信号ζi都是在有限时间内收敛到原点附近的小邻域内,即系统误差变量zi也在有限时间内收敛。
由于误差补偿信号ζi是收敛的,所以,存在一个正常数kζ,使得|ζi|≤kζ。
因此,永磁同步电动机系统的状态量被约束在紧集Ωx内。
下面利用MATLAB软件对所提出的基于指令滤波的永磁同步电动机全状态约束有限时间控制方法进行仿真,以验证所提出控制方法的可行性。具体参数选择如下:
电动机及负载参数为:J=0.003798kg·m2,Rs=0.68Ω,B=0.001158N·m/(rad/s),Ld=0.00285H,Lq=0.00315H,Φ=0.1245H,np=3。
选择控制律参数为:s1=2,s2=1,s3=1,s4=1,k1=120,k2=1,k3=180,k4=30,l1=l2=l3=0.1,l4=0.5,h2=h3=h4=0.5,r=0.01,m=0.2。
指令滤波器的参数选择为α=1/3。
永磁同步电动机仿真初始状态为[x1,x2,x3,x4]=[0,0,0,0]。
|x1|<2,|x2|<15,|x3|<20,|x4|<20。
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法的仿真结果如图2-6所示。
应用本发明控制方法后,转子角度跟踪信号x1和期望信号xd如图2所示;转子角度跟踪误差如图3所示;由图2和图3看出,永磁同步电动机系统的输出很好的跟踪期望信号。
q轴定子电压和d轴定子电压如图4和图5所示。
由图4和图5看出,经过本发明控制方法后真实控制律uq和ud都稳定在一个有界区域内。
永磁同步电动机状态量的约束空间如图6所示。由图6能够看出,经过本发明控制方法后,电动机的转子角速度、定子电流等状态量都在约束空间内。
以上仿真结果表明,本发明中基于指令滤波的永磁同步电动机全状态约束有限时间控制方法能够高效地跟踪参考信号,因此,具有实际的实施意义。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (1)
1.基于指令滤波的永磁同步电动机全状态约束有限时间控制方法,其特征在于,
包括如下步骤:
步骤1.建立d-q坐标轴下永磁同步电动机的动态数学模型,如公式(1)所示:
其中,θ表示转子角度,ω表示转子角速度,uq表示q轴定子电压,ud表示d轴定子电压,iq表示q轴定子电流,id表示d轴定子电流,Lq表示q轴定子电感,Ld表示d轴定子电感,J表示转动惯量,B表示摩擦系数,np表示极对数,Φ表示永磁体产生的磁链,T表示电磁转矩;TL表示负载转矩,Rs表示定子电阻;为了简化以上动态数学模型,定义如下新变量:
则永磁同步电动机的动态数学模型用公式(2)表示,即:
步骤2.采用障碍Lyapunov函数设计基于一种指令滤波的永磁同步电动机全状态约束有限时间控制方法,控制目标是设计q轴定子电压uq和d轴定子电压ud为真实控制律,使得x1跟踪期望的位置信号xd,同时使永磁同步电动机系统的状态量始终在给定的区间内;
对于一个连续的非线性函数f(Z),存在径向基函数神经网络WTS(Z)使得:
W∈Rw是权重向量,神经网络节点数w为正整数,且w>1,Rw为实数向量集;S(Z)=[s1(Z),...,sw(Z)]T∈Rw为基函数向量;sj(Z)为高斯函数,其表达式为:
其中,μj表示接受域的中心,ηj表示高斯函数的宽度;
定义有限时间:对于任意的实数λ1>0,λ2>0,0<β<1,则有限时间稳定的扩展Lyapunov条件表示为:其中,V(x)表示系统的Lyapunov函数;系统的收敛时间Tr通过Tr≤t0+[1/λ1(1-β)]ln[(λ1V1-β(t0)+λ2)/λ2]来估计,t0表示初始时间;
定义有限时间指令滤波器为:
其中,虚拟控制信号αt表示有限时间指令滤波器的输入信号,t=1,2;
其中,zi为系统跟踪误差变量,vi为补偿误差,ζi为误差补偿信号,i=1,2,3,4;
基于指令滤波的永磁同步电动机全状态约束有限时间控制方法的每一步都采用一个障碍Lyapunov函数来构建一个虚拟控制信号或者真实控制律;控制方法包括以下步骤:
对V1求导得:
选取虚拟控制信号α1和误差补偿信号ζ1为:
其中,k1和s1是正的设计参数,0<β<1;将公式(7)、(8)、(9)代入公式(6)得到:
对公式(11)进行求导,得到:
其中,d表示|TL|的上限值,ε1为任意小的正数;
其中,δ2表示逼近误差,并且满足|δ2|≤ε2,从而由杨氏不等式得:
其中,W2∈Rw是权重向量,||W2||为向量W2的范数,S2(Z)为基函数向量,l2>0,h2为正常数;选取虚拟控制信号α2和误差补偿信号ζ2为:
对公式(19)进行求导,得到:
其中,δ3表示逼近误差,并且满足|δ3|≤ε3,从而由杨氏不等式得:
其中,W3∈Rw是权重向量,||W3||为向量W3的范数,S3(Z)为基函数向量,sign(ζ3)表示ζ3的符号函数,l3>0,h3为正常数;设计q轴定子电压uq为真实控制律,uq的表达式如下:
误差补偿信号ζ3为:
其中,k3和s3是正的设计参数;将公式(21)至公式(24)代入公式(20)得到:
步骤2.4.选取障碍Lyapunov函数V4为:
对公式(26)求导得到:
其中,δ4表示逼近误差,并且满足|δ4|≤ε4,从而由杨氏不等式得:
其中,W4∈Rw是权重向量,||W4||为向量W4的范数,S4(Z)为基函数向量,l4>0,h4为正常数,sign(ζ4)表示ζ4的符号函数;设计d轴定子电压ud为真实控制律,ud的表达式如下:
误差补偿信号ζ4为:
其中,k4和s4是正的设计参数;将公式(28)至公式(31)代入公式(27)得到:
定义θ=max{||W2||2,||W3||2,||W4||2},则得到:
其中,r为正常数,则对V求导得到:
其中,m为正常数,将公式(36)代入公式(35)得到:
步骤3.对永磁同步电动机全状态约束有限时间控制方法进行稳定性分析;
由杨氏不等式得:
将公式(38)至公式(40)代入公式(37),则得到:
通过有限时间定义得知,补偿误差vi和误差补偿信号ζi都是在有限时间内收敛到原点附近的小邻域内,即系统误差变量zi也在有限时间内收敛;
由于误差补偿信号ζi是收敛的,所以,存在一个正常数kζ,使得|ζi|≤kζ;
因此,永磁同步电动机系统的状态量被约束在紧集Ωx内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110878616.9A CN113659895B (zh) | 2021-08-02 | 2021-08-02 | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110878616.9A CN113659895B (zh) | 2021-08-02 | 2021-08-02 | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113659895A true CN113659895A (zh) | 2021-11-16 |
CN113659895B CN113659895B (zh) | 2023-08-11 |
Family
ID=78490161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110878616.9A Active CN113659895B (zh) | 2021-08-02 | 2021-08-02 | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113659895B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280944A (zh) * | 2021-12-31 | 2022-04-05 | 贵州大学 | 一种具有输出约束的pmsm系统有限时间动态面控制方法 |
CN114499306A (zh) * | 2022-04-02 | 2022-05-13 | 贵州大学 | 具有时滞和扰动的永磁同步电机的自适应funnel动态面控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788046A (zh) * | 2017-02-20 | 2017-05-31 | 青岛大学 | 永磁同步电机命令滤波有限时间模糊控制方法 |
CN109921698A (zh) * | 2019-01-29 | 2019-06-21 | 青岛大学 | 考虑铁损的永磁同步电机随机命令滤波神经网络控制方法 |
GB2572458A (en) * | 2018-03-28 | 2019-10-02 | Huaiyin Inst Technology | An adaptive sliding-mode control method of the permanent magnet synchronous motor based on dynamic surface technology |
CN110336505A (zh) * | 2019-07-10 | 2019-10-15 | 青岛大学 | 基于状态约束的异步电动机命令滤波模糊控制方法 |
CN112019111A (zh) * | 2020-08-27 | 2020-12-01 | 青岛大学 | 基于状态约束的永磁同步电动机随机系统模糊自适应控制方法 |
CN115313939A (zh) * | 2022-08-16 | 2022-11-08 | 青岛大学 | 永磁同步电机随机系统指令滤波模糊自适应控制方法 |
-
2021
- 2021-08-02 CN CN202110878616.9A patent/CN113659895B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788046A (zh) * | 2017-02-20 | 2017-05-31 | 青岛大学 | 永磁同步电机命令滤波有限时间模糊控制方法 |
GB2572458A (en) * | 2018-03-28 | 2019-10-02 | Huaiyin Inst Technology | An adaptive sliding-mode control method of the permanent magnet synchronous motor based on dynamic surface technology |
CN109921698A (zh) * | 2019-01-29 | 2019-06-21 | 青岛大学 | 考虑铁损的永磁同步电机随机命令滤波神经网络控制方法 |
CN110336505A (zh) * | 2019-07-10 | 2019-10-15 | 青岛大学 | 基于状态约束的异步电动机命令滤波模糊控制方法 |
CN112019111A (zh) * | 2020-08-27 | 2020-12-01 | 青岛大学 | 基于状态约束的永磁同步电动机随机系统模糊自适应控制方法 |
CN115313939A (zh) * | 2022-08-16 | 2022-11-08 | 青岛大学 | 永磁同步电机随机系统指令滤波模糊自适应控制方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280944A (zh) * | 2021-12-31 | 2022-04-05 | 贵州大学 | 一种具有输出约束的pmsm系统有限时间动态面控制方法 |
CN114280944B (zh) * | 2021-12-31 | 2024-02-13 | 贵州大学 | 一种具有输出约束的pmsm系统有限时间动态面控制方法 |
CN114499306A (zh) * | 2022-04-02 | 2022-05-13 | 贵州大学 | 具有时滞和扰动的永磁同步电机的自适应funnel动态面控制方法 |
CN114499306B (zh) * | 2022-04-02 | 2024-03-26 | 贵州大学 | 具有时滞和扰动的永磁同步电机的自适应funnel动态面控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113659895B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110401391B (zh) | 异步电动机随机系统模糊自适应动态面控制方法 | |
CN110336505B (zh) | 基于状态约束的异步电动机命令滤波模糊控制方法 | |
CN109873582B (zh) | 基于动态面的永磁同步电机有限时间位置跟踪控制方法 | |
CN110401390B (zh) | 基于观测器的永磁同步电机随机命令滤波模糊控制方法 | |
CN113659895B (zh) | 基于指令滤波的永磁同步电动机全状态约束有限时间控制方法 | |
CN112731805B (zh) | 一种基于风速估计的风力发电机最大功率跟踪无传感器鲁棒控制方法 | |
CN113206623B (zh) | 基于快速积分终端滑模及干扰估计的永磁同步电机有限时间调速控制方法 | |
Lin | Nonlinear backstepping control design of LSM drive system using adaptive modified recurrent Laguerre orthogonal polynomial neural network | |
Yu et al. | Adaptive fuzzy backstepping position tracking control for a permanent magnet synchronous motor | |
CN112187127B (zh) | 一种永磁同步电机控制方法 | |
Kılıç et al. | Adaptive controller with RBF neural network for induction motor drive | |
CN115890668A (zh) | 一种机器人关节模组分散式优化学习控制方法及系统 | |
CN116317794A (zh) | 航空发动机电动执行机构高精度控制方法 | |
CN113346810B (zh) | 速度和电流双闭环模糊控制的pmsm无传感器控制方法 | |
Sun et al. | Speed sensorless control strategy for six‐phase linear induction motor based on the dual reduced‐dimensional serial extended Kalman filters | |
CN112019111B (zh) | 基于状态约束的永磁同步电动机随机系统模糊自适应控制方法 | |
CN115313939A (zh) | 永磁同步电机随机系统指令滤波模糊自适应控制方法 | |
CN111293941B (zh) | 一种考虑铁损的永磁同步电动机有限时间动态面控制方法 | |
Mohamed et al. | New hybrid sensorless speed of a non-salient pole PMSG coupled to wind turbine using a modified switching algorithm | |
CN110492809B (zh) | 基于神经网络逼近的异步电动机动态面离散容错控制方法 | |
Li et al. | Adaptive robust position control of uncertain PMSM servo system using extended state observer | |
CN113659894B (zh) | 基于指令滤波的异步电动机随机有限时间模糊自适应控制方法 | |
CN113381662B (zh) | 基于有限时间动态面技术的永磁同步电动机随机系统模糊控制方法 | |
Wang et al. | Fuzzy adaptive super‐twisting algorithm based sliding‐mode observer for sensorless control of permanent magnet synchronous motor | |
CN112039374B (zh) | 考虑输入饱和的永磁同步电动机命令滤波离散控制方法 |
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 |