CN115037211A - 一种基于电流预测误差的电机控制方法 - Google Patents
一种基于电流预测误差的电机控制方法 Download PDFInfo
- Publication number
- CN115037211A CN115037211A CN202210890840.4A CN202210890840A CN115037211A CN 115037211 A CN115037211 A CN 115037211A CN 202210890840 A CN202210890840 A CN 202210890840A CN 115037211 A CN115037211 A CN 115037211A
- Authority
- CN
- China
- Prior art keywords
- axis
- representing
- current
- time
- prediction error
- 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.)
- Pending
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- 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
- H02P21/22—Current control, e.g. using a current control loop
-
- 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)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开一种基于电流预测误差的电机控制方法,包括S1:获取电流参数,电流参数包括电压、转速、d轴电流和q轴电流;S2:建立电机电流预测模型,得到k时刻的电流预测误差PE(k);S3:根据电流预测误差PE(k)求出d、q轴电流预测误差的比例关系Pd、Pq;S4:根据d、q轴电流预测误差的比例关系Pd、Pq计算k+1时刻所有电压矢量对应的电流预测误差;S5:采用预测误差补偿系数对S4中的电流预测误差进行优化,从而得到k+1时刻的预测电流;S6:根据k+1时刻的预测电流计算k+2时刻的预测电流,再将k+2时刻的预测电流输入代价函数进行求解,将最小值输出到电机的电压。
Description
技术领域
本发明涉及电机控制技术领域,特别涉及一种基于电流预测误差的电机控制方法。
背景技术
电机作为一个感性负载,主要的变化参数有电机电阻、磁链和交、直轴电感,当以上变化参数失配时,可能会导致电机控制失调。
现有技术中,用于电机控制器的矢量控制方法中的d、q轴电流环普遍采用PI控制器,其稳定性较好,但动态响应能力不足,因此采用模型预测电流控制,但传统的模型预测电流控制非常依赖电机模型的准确程度,即抗扰性不足。还有部分研究者采用设置状态观测器、采用递归最小二乘法算法等方法对参数失配引起的系统扰动进行补偿,但是这样却带来了大量的计算量,对硬件系统的选型要求较高。
发明内容
针对现有技术中模型预测电流控制电机抗扰性不足的问题,本发明提出一种基于电流预测误差的电机控制方法,增加了电流预测误差和补偿系数,提高了电流预测模型的抗干扰性能,使得电机的控制更加稳定。
为了实现上述目的,本发明提供以下技术方案:
一种基于电流预测误差的电机控制方法,具体包括以下步骤:
S1:获取电流参数,电流参数包括电压、转速、d轴电流和q轴电流;
S2:建立电机电流预测模型,得到k时刻的电流预测误差PE(k);
S3:根据电流预测误差PE(k)求出d、q轴电流预测误差的比例关系Pd、Pq;
S4:根据d、q轴电流预测误差的比例关系Pd、Pq计算k+1时刻所有电压矢量对应的电流预测误差;
S5:采用预测误差补偿系数对S4中的电流预测误差进行优化,从而得到k+1时刻的预测电流;
S6:根据k+1时刻的预测电流计算k+2时刻的预测电流,再将k+2时刻的预测电流输入代价函数进行求解,将最小值输出到电机的电压。
优选地,所述S2包括以下步骤:
S2-1:建立的电机实际模型和预测模型分别表示为:
公式(1)中:id(k+1)代表k+1时刻的d轴实际电流,iq(k+1)代表k+1时刻的q轴实际电流;Ts表示采样周期;Rs表示定子电阻;Ld表示d轴定子电感;ωe表示转子电角速度;Lq表示q轴定子电感;id(k)代表k时刻的d轴实际电流,iq(k)代表k时刻的q轴实际电流;ud(k)表示k时刻的d轴定子实际电压;uq(k)表示k时刻的q轴定子实际电压;ψf表示转子永磁体磁链;
S2-2:预测模型中使用的定子电阻、转子永磁体磁链和d、q轴定子电感分别记为Rsp、ψfp、Ldp、Lqp;实际模型中的四个参数记为Rsn、ψfn、Ldn、Lqn;预测模型和实际模型中两组参数的关系表示为:
Rsp=Rsn×NR,ψfp=ψfn×Nψ,Ldp=Ldn×Nd,Lqp=Lqn×Nq (2)
公式(2)中,NR表示定子电阻转换系数;Nψ表示永磁体磁链转换系数;Nd表示d轴电感转换系数;Nq表示q轴电感转换系数;
S2-3:k时刻的电流预测误差PE(k)可表示为:
公式(2)中,PE_id表示d轴电流预测误差;表示k+1时刻的d轴预测电流;id(k+1)表示k+1时刻的d轴实际电流;Ts表示采样周期;Rsn表示定子电阻;id(k)表示k时刻的d轴实际电流;Nd表示d轴电感转换系数;NR表示定子电阻转换系数;Ldn表示d轴定子电感;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k)表示k时刻的q轴实际电流;Nq表示q轴电感转换系数;ud(k)表示k时刻的d轴实际电压;
PE_iq表示q轴电流预测误差;表示k+1时刻的q轴预测电流;iq(k+1)表示k+1时刻的q轴实际电流;iq(k)表示k时刻的q轴实际电流;Lqn表示q轴定子电感;uq(k)表示k时刻的q轴实际电压;ψfn表示转子实际永磁体磁链;Nψ表示永磁体磁链转换系数;
S2-4:当只考虑电感失配对预测模型的影响,则电流预测误差PE_id、PE_iq简化并重新表示为:
公式(3)中,PE_id(k)表示k时刻d轴电流预测误差;表示k时刻的d轴预测电流;id(k)表示k时刻的d轴实际电流;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;Rsn表示定子电阻;id(k-1)表示k-1时刻的d轴实际电流;Nq表示q轴电感转换系数;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k-1)表示k-1时刻的q轴实际电流;
优选地,所述S3包括以下步骤:
S3-1:相邻两个控制周期预测误差差值ΔPE可表示为:
ΔPE=PE(k)-PE(k-1) (4)
公式(4)中,PE(k)表示k时刻的电流预测误差,PE(k-1)表示k-1时刻的电流预测误差;
S3-2:假设d、q轴电流为恒定,则ΔPE表示为:
公式(5)中,ΔPE_id表示相邻两个控制周期d轴电流预测误差;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;ud(k-2)表示k-2时刻的d轴实际电压;Pd表示d轴电流预测误差的比例关系;Δud表示相邻两个控制周期d轴电压差值;
ΔPE_iq表示相邻两个控制周期q轴电流预测误差;Lqn表示q轴定子电感;Nq表示q轴电感转换系数;uq(k-1)表示k-1时刻的q轴实际电压;uq(k-2)表示k-2时刻的q轴实际电压;Pq表示q轴电流预测误差的比例关系;Δuq表示相邻两个控制周期q轴电压差值。
优选地,所述S4中,电压矢量包括6个非零电压矢量和2个零电压矢量,每一个电压矢量都有对应的电流预测误差,表达式如下:
公式(6)中,表示第y个电压矢量k+1时刻d轴的电流预测误差;PE_id(k)表示k时刻d轴的电流预测误差;Pd表示d轴电流预测误差的比例关系;ud(k)表示k时刻的电压;ud(k-1)表示k-1时刻的电压;
优选地,所述S5中,k+1时刻的预测电流表达式为:
优选地,所述预测误差补偿系数α的取值范围为0-1。
优选地,所述S6中,代价函数g的表达式为:
公式(7)中,表示k+2时刻d轴的预测电流,表示k+2时刻d轴电流的参考值;λq代表权重系数,表示k+2时刻q轴的预测电流,表示k+2时刻q轴的电流的参考值;f(id,iq)为电流约束条件,保证定子电流不超过允许的最大电流Imax。
综上所述,由于采用了上述技术方案,与现有技术相比,本发明至少具有以下有益效果:
当电机电感变化时,由于增加了电流预测误差,从而提高了电流预测模型的抗干扰性能,使得电机的控制更加稳定。实时更新前两个周期的预测误差,提高了准确性。代价函数中考虑了d、q轴电流误差的权重系数,进一步提高控制精度,又尽量减少了硬件系统的设计要求。
附图说明:
图1为根据本发明示例性实施例的一种基于电流预测误差的电机控制方法示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
电机作为一个感性负载,主要的变化参数有电机电阻、磁链和交、直轴电感,当以上变化参数失配时,可能会导致电机控制失调。由于交、直轴电感主要随电流变化,电机电阻和磁链主要随温度变化,而电流变化频率远大于温度的变化频率,且交、直轴电感参数失配对电机控制精度的影响最大,故本发明只考虑电感失配对预测电流模型的影响,达到在原有模型上增加少量计算量、不用重新进行硬件选型又能满足较高的计算精度,另外本发明对代价函数中的d、q轴电流误差设置不同的权重系数,可进一步提高计算精度。
因此本发明采用基于电流预测误差的电流环控制器和传统的PI控制器对电流进行控制,再经由逆变器输出相应的电流电压,从而对电机进行控制。传统的PI控制器为现有技术,基于电流预测误差的电流环控制器为本发明的创新技术。
如图1所示,本发明提供一种基于电流预测误差的电流环控制器的设计方法,具体包括以下步骤:
S1:获取电流参数,电流参数包括母线电压、转速、交直轴电流。
本实施例中,母线电压由电压传感器采集,转速由旋变传感器采集,交直轴电流由三相电流传感器采集。
S2:建立电流预测模型,得到k时刻的电流预测误差PE(k)。
本实施例中,永磁同步电机实际模型和预测模型分别可表示为(采用前向欧拉离散法):
公式(1)中:id(k+1)代表k+1时刻的d轴实际电流,iq(k+1)代表k+1时刻的q轴实际电流;Ts表示采样周期;Rs表示定子电阻;Ld表示d轴定子电感;ωe表示转子电角速度;Lq表示q轴定子电感;id(k)代表k时刻的d轴实际电流,iq(k)代表k时刻的q轴实际电流;ud(k)表示k时刻的d轴定子实际电压;uq(k)表示k时刻的q轴定子实际电压;ψf表示转子永磁体磁链;
本实施例中,预测模型中使用的定子电阻、转子永磁体磁链和d、q轴定子电感分别记为Rsp、ψfp、Ldp、Lqp;实际电机模型中的四个参数记为Rsn、ψfn、Ldn、Lqn;预测模型和实际模型中两组参数的关系表示为:
Rsp=Rsn×NR,ψfp=ψfn×Nψ,Ldp=Ldn×Nd,Lqp=Lqn×Nq (2)
公式(2)中,NR表示定子电阻转换系数;Nψ表示永磁体磁链转换系数;Nd表示d轴电感转换系数;Nq表示q轴电感转换系数。
则k时刻的电流预测误差PE(k)可表示为:
公式(2)中,PE_id表示d轴电流预测误差;表示k+1时刻的d轴预测电流;id(k+1)表示k+1时刻的d轴实际电流;Ts表示采样周期;Rsn表示定子电阻;id(k)表示k时刻的d轴实际电流;Nd表示d轴电感转换系数;NR表示定子电阻转换系数;Ldn表示d轴定子电感;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k)表示k时刻的q轴实际电流;Nq表示q轴电感转换系数;ud(k)表示k时刻的d轴实际电压;
PE_iq表示q轴电流预测误差;表示k+1时刻的q轴预测电流;iq(k+1)表示k+1时刻的q轴实际电流;iq(k)表示k时刻的q轴实际电流;Lqn表示q轴定子电感;uq(k)表示k时刻的q轴实际电压;ψfn表示转子实际永磁体磁链;Nψ表示永磁体磁链转换系数。
本实施例中,由于交、直轴电感主要随电流变化,电机电阻和磁链主要随温度变化,而电流变化频率远大于温度的变化频率,且交、直轴电感参数失配对电机控制精度的影响最大,故本发明只考虑电感失配对预测电流模型的影响,则电流预测误差PE_id、PE_iq可简化并重新表示为:
公式(3)中,PE_id(k)表示k时刻d轴电流预测误差;表示k时刻的d轴预测电流;id(k)表示k时刻的d轴实际电流;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;Rsn表示定子电阻;id(k-1)表示k-1时刻的d轴实际电流;Nq表示q轴电感转换系数;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k-1)表示k-1时刻的q轴实际电流;
S3:若两个周期施加的电压相同,则将预测误差视为不变;若两个周期施加的电压不同,则求出两个周期施加的电压分别与d、q轴电流预测误差的比例关系Pd、Pq。
本实施例中,相邻两个控制周期预测误差差值ΔPE可表示为:
ΔPE=PE(k)-PE(k-1) (4)
公式(4)中,PE(k)表示k时刻的电流预测误差,PE(k-1)表示k-1时刻的电流预测误差。
由于永磁同步电机的电变化频率远大于机械变化频率,故可将相邻两个周期的转速视为不变;稳态下相邻两个周期的d、q轴电流也可视为恒定,即使电流出现突变,但d、q轴电压的变化幅值量级远大于电流变化幅值量级,故d、q轴电流也可视为恒定的。
因此相邻两个控制周期预测误差差值ΔPE可表示为:
公式(5)中,ΔPE_id表示相邻两个控制周期d轴电流预测误差;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;ud(k-2)表示k-2时刻的d轴实际电压;Pd表示d轴电流预测误差的比例关系;Δud表示相邻两个控制周期d轴电压差值;
ΔPE_iq表示相邻两个控制周期q轴电流预测误差;Lqn表示q轴定子电感;Nq表示q轴电感转换系数;uq(k-1)表示k-1时刻的q轴实际电压;uq(k-2)表示k-2时刻的q轴实际电压;Pq表示q轴电流预测误差的比例关系;Δuq表示相邻两个控制周期q轴电压差值。
则d、q轴电流预测误差的比例关系Pd、Pq可表示为:
S4:根据d、q轴电流预测误差的比例关系Pd、Pq计算k+1时刻所有电压矢量对应的电流预测误差。
本实施例中,电机控制器采用三相两电平电压源逆变器,其6个IGBT可以产生8种有效开关状态组合,包括6个非零电压矢量和2个零电压矢量,每一个电压矢量都有对应的电流预测误差。
则k+1时刻电压矢量对应的电流预测误差的表达式如下:
公式(6)中,表示第y个电压矢量k+1时刻d轴的电流预测误差;PE_id(k)表示k时刻d轴的电流预测误差;Pd表示d轴电流预测误差的比例关系;ud(k)表示k时刻的电压;ud(k-1)表示k-1时刻的电压;
S5:本实施例中,由于假设电机为稳定工况且未考虑转速影响,因此需要采用预测误差补偿系数对电流预测误差进行优化,从而得到k+1时刻的预测电流。
本实施例中,预测误差补偿系数为经验系数,可在【0,1】之前根据控制效果逐步增大进行调试;如果被控电机的电阻值偏大,则应尽量选择较小的补偿系数降低电流波动带来的影响。
S6:根据k+1时刻的预测电流计算k+2时刻的预测电流,再将k+2时刻的预测电流输入代价函数进行求解,将最小值作为输出的最优电压,即输出到电机的电压。
本实施例中,代价函数g的表达式为:
公式(7)中,表示k+2时刻d轴的预测电流,表示k+2时刻d轴电流的参考值;λq代表权重系数,表示k+2时刻q轴的预测电流,表示k+2时刻q轴的电流的参考值;f(id,iq)为电流约束条件,保证定子电流不超过允许的最大电流Imax,对应结果为0,可不对代价函数产生影响,若超过最大电流,则输出一个非常大的值,使得导致该电压矢量过大而不被选择。
本发明中当电机电感变化时,由于增加了电流预测误差,从而提高了电流预测模型的抗干扰性能,使得电机的控制更加稳定。
实时更新前两个周期的预测误差比例系数,提高了预测误差的准确性。
代价函数中考虑了d、q轴电流误差的权重系数λq,λq>1时,iq就比id有了更高的优先级,该权重系数主要采用调试的方法,可先赋予一个>1的值保证iq的优先级和重要度,然后根据调试效果,调整具体数值,进一步提高控制精度。
总而言之,本发明既保证了准确程度,又尽量减少了硬件系统的设计要求。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (7)
1.一种基于电流预测误差的电机控制方法,其特征在于,具体包括以下步骤:
S1:获取电流参数,电流参数包括电压、转速、d轴电流和q轴电流;
S2:建立电机电流预测模型,得到k时刻的电流预测误差PE(k);
S3:根据电流预测误差PE(k)求出d、q轴电流预测误差的比例关系Pd、Pq;
S4:根据d、q轴电流预测误差的比例关系Pd、Pq计算k+1时刻所有电压矢量对应的电流预测误差;
S5:采用预测误差补偿系数对S4中的电流预测误差进行优化,从而得到k+1时刻的预测电流;
S6:根据k+1时刻的预测电流计算k+2时刻的预测电流,再将k+2时刻的预测电流输入代价函数进行求解,将最小值输出到电机的电压。
2.如权利要求1所述的一种基于电流预测误差的电机控制方法,其特征在于,所述S2包括以下步骤:
S2-1:建立的电机实际模型和预测模型分别表示为:
公式(1)中:id(k+1)代表k+1时刻的d轴实际电流,iq(k+1)代表k+1时刻的q轴实际电流;Ts表示采样周期;Rs表示定子电阻;Ld表示d轴定子电感;ωe表示转子电角速度;Lq表示q轴定子电感;id(k)代表k时刻的d轴实际电流,iq(k)代表k时刻的q轴实际电流;ud(k)表示k时刻的d轴定子实际电压;uq(k)表示k时刻的q轴定子实际电压;ψf表示转子永磁体磁链;
S2-2:预测模型中使用的定子电阻、转子永磁体磁链和d、q轴定子电感分别记为Rsp、ψfp、Ldp、Lqp;实际模型中的四个参数记为Rsn、ψfn、Ldn、Lqn;预测模型和实际模型中两组参数的关系表示为:
Rsp=Rsn×NR,ψfp=ψfn×Nψ,Ldp=Ldn×Nd,Lqp=Lqn×Nq (2)
公式(2)中,NR表示定子电阻转换系数;Nψ表示永磁体磁链转换系数;Nd表示d轴电感转换系数;Nq表示q轴电感转换系数;
S2-3:k时刻的电流预测误差PE(k)可表示为:
公式(2)中,PE_id表示d轴电流预测误差;表示k+1时刻的d轴预测电流;id(k+1)表示k+1时刻的d轴实际电流;Ts表示采样周期;Rsn表示定子电阻;id(k)表示k时刻的d轴实际电流;Nd表示d轴电感转换系数;NR表示定子电阻转换系数;Ldn表示d轴定子电感;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k)表示k时刻的q轴实际电流;Nq表示q轴电感转换系数;ud(k)表示k时刻的d轴实际电压;
PE_iq表示q轴电流预测误差;表示k+1时刻的q轴预测电流;iq(k+1)表示k+1时刻的q轴实际电流;iq(k)表示k时刻的q轴实际电流;Lqn表示q轴定子电感;uq(k)表示k时刻的q轴实际电压;ψfn表示转子实际永磁体磁链;Nψ表示永磁体磁链转换系数;
S2-4:当只考虑电感失配对预测模型的影响,则电流预测误差PE_id、PE_iq简化并重新表示为:
公式(3)中,PE_id(k)表示k时刻d轴电流预测误差;表示k时刻的d轴预测电流;id(k)表示k时刻的d轴实际电流;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;Rsn表示定子电阻;id(k-1)表示k-1时刻的d轴实际电流;Nq表示q轴电感转换系数;ωe表示转子电角速度;Lqn表示q轴定子电感;iq(k-1)表示k-1时刻的q轴实际电流;
3.如权利要求1所述的一种基于电流预测误差的电机控制方法,其特征在于,所述S3包括以下步骤:
S3-1:相邻两个控制周期预测误差差值ΔPE可表示为:
ΔPE=PE(k)-PE(k-1) (4)
公式(4)中,PE(k)表示k时刻的电流预测误差,PE(k-1)表示k-1时刻的电流预测误差;
S3-2:假设d、q轴电流为恒定,则ΔPE表示为:
公式(5)中,ΔPE_id表示相邻两个控制周期d轴电流预测误差;Ts表示采样周期;Ldn表示d轴定子电感;Nd表示d轴电感转换系数;ud(k-1)表示k-1时刻的d轴实际电压;ud(k-2)表示k-2时刻的d轴实际电压;Pd表示d轴电流预测误差的比例关系;Δud表示相邻两个控制周期d轴电压差值;
ΔPE_iq表示相邻两个控制周期q轴电流预测误差;Lqn表示q轴定子电感;Nq表示q轴电感转换系数;uq(k-1)表示k-1时刻的q轴实际电压;uq(k-2)表示k-2时刻的q轴实际电压;Pq表示q轴电流预测误差的比例关系;Δuq表示相邻两个控制周期q轴电压差值。
6.如权利要求5所述的一种基于电流预测误差的电机控制方法,其特征在于,所述预测误差补偿系数α的取值范围为0-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210890840.4A CN115037211A (zh) | 2022-07-27 | 2022-07-27 | 一种基于电流预测误差的电机控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210890840.4A CN115037211A (zh) | 2022-07-27 | 2022-07-27 | 一种基于电流预测误差的电机控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115037211A true CN115037211A (zh) | 2022-09-09 |
Family
ID=83130533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210890840.4A Pending CN115037211A (zh) | 2022-07-27 | 2022-07-27 | 一种基于电流预测误差的电机控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115037211A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115603636A (zh) * | 2022-10-31 | 2023-01-13 | 佛山市尼博微电子有限公司(Cn) | 一种基于高频信号注入的电机电压补偿方法及系统 |
CN115923535A (zh) * | 2023-02-02 | 2023-04-07 | 重庆赛力斯新能源汽车设计院有限公司 | 一种车辆电驱控制方法、系统、终端设备及存储介质 |
CN116633221A (zh) * | 2023-07-24 | 2023-08-22 | 南京理工大学 | 基于控制量补偿的最小电压矢量误差控制方法 |
-
2022
- 2022-07-27 CN CN202210890840.4A patent/CN115037211A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115603636A (zh) * | 2022-10-31 | 2023-01-13 | 佛山市尼博微电子有限公司(Cn) | 一种基于高频信号注入的电机电压补偿方法及系统 |
CN115923535A (zh) * | 2023-02-02 | 2023-04-07 | 重庆赛力斯新能源汽车设计院有限公司 | 一种车辆电驱控制方法、系统、终端设备及存储介质 |
CN115923535B (zh) * | 2023-02-02 | 2024-04-09 | 重庆赛力斯新能源汽车设计院有限公司 | 一种车辆电驱控制方法、系统、终端设备及存储介质 |
CN116633221A (zh) * | 2023-07-24 | 2023-08-22 | 南京理工大学 | 基于控制量补偿的最小电压矢量误差控制方法 |
CN116633221B (zh) * | 2023-07-24 | 2023-10-31 | 南京理工大学 | 基于控制量补偿的最小电压矢量误差控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115037211A (zh) | 一种基于电流预测误差的电机控制方法 | |
CN110429881B (zh) | 一种永磁同步电机的自抗扰控制方法 | |
Liang et al. | Adaptive second-order sliding-mode observer for PMSM sensorless control considering VSI nonlinearity | |
CN109274303B (zh) | 一种基于扩展控制集的异步电机模型预测控制方法 | |
CN109004669B (zh) | 基于干扰观测器补偿的三相并网逆变器改进无源控制方法 | |
Yin et al. | Research on anti-error performance of speed and flux estimation for induction motors based on robust adaptive state observer | |
CN110460281A (zh) | 一种三电平永磁同步电机双矢量模型预测磁链控制方法 | |
CN110764418A (zh) | 基于有限时间收敛扩张状态观测器的自抗扰控制器 | |
CN108155651B (zh) | 有源电力滤波器直流侧电压的改进滑模pi控制方法 | |
CN111130366A (zh) | 三相vienna整流器的无网压传感器的预测控制方法 | |
CN114079399B (zh) | 基于线性自抗扰控制的并网逆变器电流环控制系统和方法 | |
CN109802433B (zh) | 一种并网逆变器功率振荡抑制系统及方法 | |
CN112271970B (zh) | 永磁同步电机矢量控制方法、设备及存储介质 | |
CN113193809A (zh) | 一种改进二阶线性自抗扰的永磁同步电机控制方法 | |
CN112217437A (zh) | 一种永磁同步电机三矢量模型预测电流控制电路和方法 | |
Zhang et al. | Robust plug-in repetitive control for speed smoothness of cascaded-PI PMSM drive | |
CN110620533A (zh) | 一种表贴式永磁同步电机无传感器控制方法 | |
CN115864928A (zh) | 一种基于校正电流预测的pmsm模型参考自适应转速估算方法 | |
CN113179065A (zh) | 一种永磁同步电机模型预测脉冲序列控制方法 | |
JP2019083672A (ja) | インバータ並びにモータの駆動制御方法 | |
CN111262491A (zh) | 一种适用于永磁电机系统的增量式直接预测速度控制方法 | |
Lei et al. | Enhanced deadbeat predictive current control for PMSM drives using iterative sliding mode observer | |
CN111082726A (zh) | 一种永磁电机伺服系统的电流控制方法 | |
Sun et al. | Improved deadbeat predictive current control with extended state observer for dual three-phase PMSMs | |
Shi et al. | Modified model predictive control of voltage source inverter |
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 |