CN115242151A - 一种基于滚动时域估计的同步电机无参数预测控制方法 - Google Patents

一种基于滚动时域估计的同步电机无参数预测控制方法 Download PDF

Info

Publication number
CN115242151A
CN115242151A CN202210802291.0A CN202210802291A CN115242151A CN 115242151 A CN115242151 A CN 115242151A CN 202210802291 A CN202210802291 A CN 202210802291A CN 115242151 A CN115242151 A CN 115242151A
Authority
CN
China
Prior art keywords
axis
representing
time domain
synchronous motor
current
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
Application number
CN202210802291.0A
Other languages
English (en)
Other versions
CN115242151B (zh
Inventor
马志勋
牛海川
黄健
张旭
林国斌
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN202210802291.0A priority Critical patent/CN115242151B/zh
Publication of CN115242151A publication Critical patent/CN115242151A/zh
Application granted granted Critical
Publication of CN115242151B publication Critical patent/CN115242151B/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
    • H02P21/0003—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
    • 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
    • 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
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/34—Modelling or simulation for control purposes
    • 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

Landscapes

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

Abstract

本发明公开了一种基于滚动时域估计的同步电机无参数预测控制方法，包括：采集同步电机d、q轴的电压和电流；基于d、q轴的电压和电流、d、q轴的已知项和未知扰动项集总以及系统输入的增益系数，构建同步电机超局部模型；基于所述同步电机超局部模型对滚动时域估计器进行设计，利用所述滚动时域估计器对所述d、q轴的已知项和未知扰动项集总进行估计，并输出最佳参考的电压指令。本发明所述的无参数预测控制方法由于采用基于超局部模型的滚动时域估计器对系统已知项和未知干扰项进行准确估计，在满足实际硬件要求的情况下，实现了更准确的参考电压给定，因此具备更优异的稳态和暂态表现。

Description

一种基于滚动时域估计的同步电机无参数预测控制方法
技术领域
本发明涉及的同步电机的无参数预测控制技术领域，尤其涉及一种基于滚动时域估计的同步电机无参数预测控制方法。
背景技术
同步电机是现代工业中得到广泛应用的电机之一，以永磁同步电机为例，其具有较高的能量转换效率和较高的转矩密度，在各领域得到了广泛的应用。另一方面，高性能的同步电机驱动闭环控制，传统的基于模型的控制方法如模型预测控制，具有较好的动态控制性能，但该类方法十分依赖于建模的准确性，一方面实际电机参数发生改变时，会由于参数失配影响控制效果；另一方面，系统的未建模因素和外界扰动会降低控制系统的鲁棒性。
以磁阻同步电机为例，其具有非线性和强耦合的特点，由于磁饱和和交叉饱和特性的影响，其d、q轴电感值会发生较大的数值变化，对传统的基于模型的预测控制方法而言，由于非线性影响引起的参数失配可能会导致错误的参考电压指令，从而降低控制系统的性能。由此，解决参数失配且抑制未知扰动的影响对传统模型预测方法在电机控制领域的应用发展尤为重要。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：非线性影响引起的参数失配可能会导致错误的参考电压指令，从而降低控制系统的性能的问题。
为解决上述技术问题，本发明提供如下技术方案：采集同步电机d、q轴的电压和电流；基于d、q轴的电压和电流、d、q轴的已知项和未知扰动项集总以及系统输入的增益系数，构建同步电机超局部模型；基于所述同步电机超局部模型对滚动时域估计器进行设计，利用所述滚动时域估计器对所述d、q轴的已知项和未知扰动项集总进行估计，并输出最佳参考的电压指令。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：所述同步电机超局部模型
Figure BDA0003734408130000021
的计算包括，
Figure BDA0003734408130000022
其中，y＝[id iq]T表示的d、q轴电流，
Figure BDA0003734408130000023
表示d、q轴电流的一阶导，id表示d轴电流，iq表示q轴电流，u＝[ud uq]T表示的d、q轴电压，ud表示d轴电压，uq表示q轴电压，α表示系统输入u的增益系数,f＝[fd fq]T表示d、q轴的已知项和未知扰动项集总，fd表示d轴的已知项和未知扰动项，fq表示q轴的已知项和未知扰动项。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：所述fd、fq的计算包括，
Figure BDA0003734408130000024
其中，εd表示d轴未知扰动，εq表示q轴未知扰动，id表示d轴电流，iq表示q轴电流，Ld表示d轴电感，Lq表示q轴电感，Rs表示初级绕组电阻，ψf表示磁链，ΔLd表示d轴电感参数的改变值，ΔLq表示q轴电感参数的改变值，Δψf表示磁链参数的改变值，v表示动子速度，τ表示极距。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：根据同步电机d、q轴电压方程的超局部模型
Figure BDA0003734408130000028
设计所述滚动时域估计器，所述滚动时域估计器的滚动窗口范围为当前k采样时刻之前的N个采样间隔。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：所述滚动时域估计器的基本估计过程包括，在当前k时刻，利用过去N个采样周期的系统状态测量值和估计值的差值构建目标函数J，通过最小化目标函数得到每个周期间隔内d、q轴集总扰动的增量
Figure BDA0003734408130000025
以此计算得到d、q轴已知项和未知干扰项集总
Figure BDA0003734408130000026
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：所述目标函数J的获取包括，
基于同步电机超局部模型
Figure BDA0003734408130000027
的一阶离散化形式移项得到同步电机的d、q轴参考电压uref，
Figure BDA0003734408130000031
其中，
Figure BDA0003734408130000032
表示同步电机的d、q轴参考电压，
Figure BDA0003734408130000033
表示同步电机的d、q轴参考电流，yκ＝[id,κ iq,κ]T表示当前k时刻电机d、q轴电流的测量值，
Figure BDA0003734408130000034
表示d、q轴已知项和未知干扰项集总，Ts为采样周期。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：包括，
根据无差拍控制原理，可认为下一时刻系统状态的测量值等于当前时刻的系统给定参考值，即yκ+1＝yref；
所述同步电机的d、q轴参考电压uref所表示的系统为一个多输入-单输出系统，输入为当前k时刻系统状态的测量值yκ、下一时刻的系统状态yκ+1和系统已知项和未知扰动项集总估计值
Figure BDA0003734408130000035
输出为最优参考电压
Figure BDA0003734408130000036
所述最优参考电压
Figure BDA0003734408130000037
包括，
Figure BDA0003734408130000038
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：包括，
基于同步电机超局部模型
Figure BDA0003734408130000039
的一阶离散化形式，所述超局部模型的估计模型可表示为，
Figure BDA00037344081300000310
Figure BDA00037344081300000311
Figure BDA00037344081300000312
Figure BDA00037344081300000313
其中
Figure BDA00037344081300000314
表示当前k时刻电机d、q轴电流估计值；
Figure BDA00037344081300000315
表示k-1时刻电机d、q轴电流的估计值，
Figure BDA00037344081300000316
表示k-1时刻d、q轴的参考值，
Figure BDA00037344081300000317
表示k-1时刻d、q轴的总扰动，
Figure BDA00037344081300000318
表示k-2时刻系统总扰动
Figure BDA00037344081300000319
与间隔内扰动增量之和，B、D均表示矩阵。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：还包括，
将同步电机超局部模型转换成矩阵形式，得到超局部模型的滚动时域估计模型，所述超局部模型的滚动时域估计模型包括，
Figure BDA0003734408130000041
Figure BDA0003734408130000042
Figure BDA0003734408130000043
Figure BDA0003734408130000044
其中，
Figure BDA0003734408130000045
表示所述虚拟窗口估计模型的初始值，
Figure BDA0003734408130000046
表示滚动时域估计器虚拟窗口内每个采样时刻系统状态的估计值序列，U表示当前采样点上一时刻的电压序列，
Figure BDA0003734408130000047
表示当前采样点上一时刻的总扰动估计值序列，
Figure BDA0003734408130000048
表示每个采样间隔总扰动
Figure BDA0003734408130000049
的增量所构成的序列，
Figure BDA00037344081300000410
表示k时刻的虚拟窗口内、k时刻的d、q轴电流的估计值，
Figure BDA00037344081300000411
表示k时刻的虚拟窗口内、k-2时刻的d、q轴扰动的估计值，uk,k表示k时刻的虚拟窗口内、k时刻的d、q轴电压的估计值，
Figure BDA00037344081300000412
表示k时刻的虚拟窗口内、k时刻的系统已知项和未知扰动项集总估计值；
所述目标函数J的计算包括，
Figure BDA00037344081300000413
其中，Q、R均表示权重因子组成的对角矩阵。
作为本发明所述的基于滚动时域估计的同步电机无参数预测控制方法的一种优选方案，其中：最优增量
Figure BDA00037344081300000414
的获取包括，，
设定目标函数J对
Figure BDA00037344081300000415
的梯度为零，推导得到最优增量
Figure BDA00037344081300000416
Figure BDA00037344081300000417
其中，
Figure BDA0003734408130000051
本发明的有益效果：本发明所述的无参数预测控制方法由于采用基于超局部模型的滚动时域估计器对系统已知项和未知干扰项进行准确估计，在满足实际硬件要求的情况下，实现了更准确的参考电压给定，因此具备更优异的稳态和暂态表现。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的基本流程；
图2为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的永磁同步直线电机驱动系统控制框图；
图3为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变载测试工况一下采用传统基于模型的预测控制方法的永磁同步直线电机q轴电流跟踪波形图；
图4为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变载测试工况一下采用本发明所述方法的永磁同步直线电机q轴电流跟踪波形图；
图5为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变载测试工况二下采用传统基于模型的预测控制方法的永磁同步直线电机q轴电流跟踪波形图；
图6为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变载测试工况二下采用本发明所述方法的永磁同步直线电机q轴电流跟踪波形图；
图7为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变速测试工况下采用传统基于模型的预测控制方法的永磁同步直线电机q轴电流跟踪波形图；
图8为本发明一个实施例提供的一种基于滚动时域估计的同步电机无参数预测控制方法的变速测试工况下采用本发明所述方法的永磁同步直线电机q轴电流跟踪波形图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”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。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1，为本发明的一个实施例，提供了一种基于滚动时域估计的同步电机无参数预测控制方法，包括：
S1：采集同步电机d、q轴的电压和电流。
S2：基于d、q轴的电压和电流、d、q轴的已知项和未知扰动项集总以及系统输入的增益系数，构建同步电机超局部模型。需要说明的是：
同步电机超局部模型
Figure BDA0003734408130000071
的计算包括，
Figure BDA0003734408130000072
其中，y＝[id iq]T表示的d、q轴电流，
Figure BDA0003734408130000073
表示d、q轴电流的一阶导，id表示d轴电流，iq表示q轴电流，u＝[ud uq]T表示的d、q轴电压，ud表示d轴电压，uq表示q轴电压，α表示系统输入u的增益系数,f＝[fd fq]T表示d、q轴的已知项和未知扰动项集总，fd表示d轴的已知项和未知扰动项，fq表示q轴的已知项和未知扰动项。
fd、fq的计算包括，
Figure BDA0003734408130000074
其中，εd表示d轴未知扰动，εq表示q轴未知扰动，id表示d轴电流，iq表示q轴电流，Ld表示d轴电感，Lq表示q轴电感，Rs表示初级绕组电阻，ψf表示磁链，ΔLd表示d轴电感参数的改变值，ΔLq表示q轴电感参数的改变值，Δψf表示磁链参数的改变值，v表示动子速度，τ表示极距。
S3：基于同步电机超局部模型对滚动时域估计器进行设计，利用滚动时域估计器对d、q轴的已知项和未知扰动项集总进行估计，并输出最佳参考的电压指令。需要说明的是：
根据同步电机d、q轴电压方程的超局部模型
Figure BDA0003734408130000075
设计滚动时域估计器，滚动时域估计器的滚动窗口范围为当前k采样时刻之前的N个采样间隔。
滚动时域估计器的基本估计过程包括，在当前k时刻，利用过去N个采样周期的系统状态测量值和估计值的差值构建目标函数J，通过最小化目标函数得到每个周期间隔内d、q轴集总扰动的增量
Figure BDA0003734408130000076
以此计算得到d、q轴已知项和未知干扰项集总
Figure BDA0003734408130000077
目标函数J的获取包括，
基于同步电机超局部模型
Figure BDA0003734408130000081
的一阶离散化形式移项得到同步电机的d、q轴参考电压uref，
Figure BDA0003734408130000082
其中，
Figure BDA0003734408130000083
表示同步电机的d、q轴参考电压，
Figure BDA0003734408130000084
表示同步电机的d、q轴参考电流，yκ＝[id,κ iq,κ]T表示当前k时刻电机d、q轴电流的测量值，
Figure BDA0003734408130000085
表示d、q轴已知项和未知干扰项集总，Ts为采样周期。
包括，
根据无差拍控制原理，可认为下一时刻系统状态的测量值等于当前时刻的系统给定参考值，即yκ+1＝yref；
同步电机的d、q轴参考电压uref所表示的系统为一个多输入-单输出系统，输入为当前k时刻系统状态的测量值yκ、下一时刻的系统状态yκ+1和系统已知项和未知扰动项集总估计值
Figure BDA0003734408130000086
输出为最优参考电压
Figure BDA0003734408130000087
最优参考电压
Figure BDA0003734408130000088
包括，
Figure BDA0003734408130000089
包括，
基于同步电机超局部模型
Figure BDA00037344081300000810
的一阶离散化形式，超局部模型的估计模型可表示为，
Figure BDA00037344081300000811
Figure BDA00037344081300000812
Figure BDA00037344081300000813
Figure BDA00037344081300000814
其中
Figure BDA00037344081300000815
表示当前k时刻电机d、q轴电流估计值；
Figure BDA00037344081300000816
表示k-1时刻电机d、q轴电流的估计值，
Figure BDA00037344081300000817
表示k-1时刻d、q轴的参考值，
Figure BDA00037344081300000818
表示k-1时刻d、q轴的总扰动，
Figure BDA00037344081300000819
表示k-2时刻系统总扰动
Figure BDA00037344081300000820
与间隔内扰动增量之和，B、D均表示矩阵。
还包括，
将同步电机超局部模型转换成矩阵形式，得到超局部模型的滚动时域估计模型，超局部模型的滚动时域估计模型包括，
Figure BDA0003734408130000091
Figure BDA0003734408130000092
Figure BDA0003734408130000093
Figure BDA0003734408130000094
其中，
Figure BDA0003734408130000095
表示所述虚拟窗口估计模型的初始值，
Figure BDA0003734408130000096
表示滚动时域估计器虚拟窗口内每个采样时刻系统状态的估计值序列，U表示当前采样点上一时刻的电压序列，
Figure BDA0003734408130000097
表示当前采样点上一时刻的总扰动估计值序列，
Figure BDA0003734408130000098
表示每个采样间隔总扰动
Figure BDA0003734408130000099
的增量所构成的序列，
Figure BDA00037344081300000910
表示k时刻的虚拟窗口内、k时刻的d、q轴电流的估计值，
Figure BDA00037344081300000911
表示k时刻的虚拟窗口内、k-2时刻的d、q轴扰动的估计值，uk,k表示k时刻的虚拟窗口内、k时刻的d、q轴电压的估计值，
Figure BDA00037344081300000912
表示k时刻的虚拟窗口内、k时刻的系统已知项和未知扰动项集总估计值。
目标函数J的计算包括，
Figure BDA00037344081300000913
其中，Q、R均表示权重因子组成的对角矩阵。
最优增量
Figure BDA00037344081300000914
的获取包括，，
设定目标函数J对
Figure BDA00037344081300000915
的梯度为零，推导得到最优增量
Figure BDA00037344081300000916
Figure BDA00037344081300000917
其中，H＝(ΓTQΓ+R)-1，
Figure BDA00037344081300000918
本发明所述的无参数预测控制方法由于采用基于超局部模型的滚动时域估计器对系统已知项和未知干扰项进行准确估计，在满足实际硬件要求的情况下，实现了更准确的参考电压给定，因此具备更优异的稳态和暂态表现。
实施例2
参照图2至图8为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于滚动时域估计的同步电机无参数预测控制方法的验证测试，为对本方法中采用的技术效果加以验证说明，本实施例选择传统的基于模型的预测控制方法(MBPCC)和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
传统的技术方案存在参数不匹配而引起的q轴电流无法准确跟踪给定参考值，这将导致电机实际工作点偏离最佳工作点，电机最大输出能力受限，电机性能下降。
为验证本方法相对传统方法具有更优异的克服参数不匹配的能力，具备更好的电流跟踪性能及无参数控制性能。
本实施例中将采用传统的基于模型的预测控制方法(MBPCC)和本方法分别对永磁同步直线电机进行仿真，并对永磁同步直线电机q轴电流进行实时对比。
以永磁同步直线电机的闭环控制系统为例，如图2所示，给出了所述基于滚动时域估计(MHE)的永磁同步直线电机驱动系统无参数电流预测控制方法框图。传统基于模型的预测控制方法，通过对控制对象进行数学建模设计电流环控制律，通常为最小化d、q轴电流跟踪为目标选择合适的电压矢量或开关状态。当实际电机受非线性和外界环境影响时，电机参数如电感、电阻和永磁磁链会发生变化从而与控制系统中采用的标称值存在差异，这导致了电流环不合理的参考指令，降低电机的动态性能和控制系统的鲁棒性。
在MATLAB/Simulink环境中，采用传统技术方法和本方法对永磁同步直线电机进行仿真运行，设置逆变器开关频率为10kHz，采样频率20kHz，记录同一工况下电机q轴电流数据，参数不匹配情况设置为：控制使用电感值为真实值的80％，电阻值为真实值的50％，磁链为真实值的110％。
仿真测试工况如下：
变载测试工况一：控制使用电机参数准确情况下，永磁同步直线电机空载启动并稳定运行于1m/s速度点，在t＝0.23s时刻突增负载阻力至700N。
变载测试工况二：控制使用电机参数不匹配情况下，永磁同步直线电机空载启动并稳定运行于1m/s速度点，在t＝0.23s时刻突增负载阻力至700N。
变速测试工况：控制使用电机参数不匹配情况下，永磁同步直线电机恒阻力启动并稳定运行于1m/s速度点，在t＝0.2s时刻参考转速指令阶跃至2m/s，待进入稳态运行后，在t＝0.3s时刻参考转速指令阶跃至3m/s。
如图3至图7所示，图中曲线iq表示q轴电流的给定参考值，曲线iq_ref表示实际仿真中q轴电流的真实值；如图3和图4所示，在变载测试工况一下，参数准确情况下本方法和传统方法具备同样优异的控制性能，表现在电机q轴电流能够准确的跟踪给定值，且响应迅速；如图5所示，在变载测试工况二下，参数不匹配情况下传统方法在启动时q轴电流不能跟踪给定值，导致电机输出转矩降低，施加负载后，q轴电流真实值与给定值存在较大误差，系统性能下降；如图6所示，在变载测试工况二下，参数不匹配情况下本方法仍然能够保证优异的电流跟踪性能，克服参数失配的影响；如图7所示，在变速测试工况下，参数不匹配情况下传统方法在施加转速阶跃信号时，q轴电流不能达到电机最大输出能力，表现在升速过程中q轴电流的真实值不能跟随给定值；如图8所示，在变速测试工况下，参数不匹配情况下本方法在施加转速阶跃信号时，在电机升速过程中q轴电流仍然能够保证优异的跟踪性能，克服参数不匹配影响。
综上所述，通过以上仿真结果分析，本方法在同步电机预测控制方法中对参数不匹配导致的系统性能下降问题具有明显的改善效果，而传统方法无法克服在参数不匹配影响下引起的电机性能下降问题。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于滚动时域估计的同步电机无参数预测控制方法，其特征在于，包括：
采集同步电机d、q轴的电压和电流；
基于d、q轴的电压和电流、d、q轴的已知项和未知扰动项集总以及系统输入的增益系数，构建同步电机超局部模型；
基于所述同步电机超局部模型对滚动时域估计器进行设计，利用所述滚动时域估计器对所述d、q轴的已知项和未知扰动项集总进行估计，并输出最佳参考的电压指令。
2.如权利要求1所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：所述同步电机超局部模型
Figure FDA0003734408120000011
的计算包括，
Figure FDA0003734408120000012
其中，y＝[id iq]T表示的d、q轴电流，
Figure FDA0003734408120000013
表示d、q轴电流的一阶导，id表示d轴电流，iq表示q轴电流，u＝[ud uq]T表示的d、q轴电压，ud表示d轴电压，uq表示q轴电压，α表示系统输入u的增益系数,f＝[fd fq]T表示d、q轴的已知项和未知扰动项集总，fd表示d轴的已知项和未知扰动项，fq表示q轴的已知项和未知扰动项。
3.如权利要求2所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：所述fd、fq的计算包括，
Figure FDA0003734408120000014
其中，εd表示d轴未知扰动，εq表示q轴未知扰动，id表示d轴电流，iq表示q轴电流，Ld表示d轴电感，Lq表示q轴电感，Rs表示初级绕组电阻，ψf表示磁链，ΔLd表示d轴电感参数的改变值，ΔLq表示q轴电感参数的改变值，Δψf表示磁链参数的改变值，v表示动子速度，τ表示极距。
4.如权利要求2或3所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：根据同步电机d、q轴电压方程的超局部模型
Figure FDA0003734408120000015
设计所述滚动时域估计器，所述滚动时域估计器的滚动窗口范围为当前k采样时刻之前的N个采样间隔。
5.如权利要求4所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：所述滚动时域估计器的基本估计过程包括，在当前k时刻，利用过去N个采样周期的系统状态测量值和估计值的差值构建目标函数J，通过最小化目标函数得到每个周期间隔内d、q轴集总扰动的增量
Figure FDA0003734408120000021
以此计算得到d、q轴已知项和未知干扰项集总
Figure FDA0003734408120000022
6.如权利要求5所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：所述目标函数J的获取包括，
基于同步电机超局部模型
Figure FDA0003734408120000023
的一阶离散化形式移项得到同步电机的d、q轴参考电压uref，
Figure FDA0003734408120000024
其中，
Figure FDA0003734408120000025
表示同步电机的d、q轴参考电压，
Figure FDA0003734408120000026
表示同步电机的d、q轴参考电流，yκ＝[id,κ iq,κ]T表示当前k时刻电机d、q轴电流的测量值，
Figure FDA0003734408120000027
表示d、q轴已知项和未知干扰项集总，Ts为采样周期。
7.如权利要求6所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：包括，
根据无差拍控制原理，可认为下一时刻系统状态的测量值等于当前时刻的系统给定参考值，即yκ+1＝yref；
所述同步电机的d、q轴参考电压uref所表示的系统为一个多输入-单输出系统，输入为当前k时刻系统状态的测量值yκ、下一时刻的系统状态yκ+1和系统已知项和未知扰动项集总估计值
Figure FDA0003734408120000028
输出为最优参考电压
Figure FDA0003734408120000029
所述最优参考电压
Figure FDA00037344081200000210
包括，
Figure FDA00037344081200000211
8.如权利要求7所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：包括，
基于同步电机超局部模型
Figure FDA00037344081200000212
的一阶离散化形式，所述超局部模型的估计模型可表示为，
Figure FDA00037344081200000213
Figure FDA00037344081200000214
Figure FDA0003734408120000031
Figure FDA0003734408120000032
其中
Figure FDA0003734408120000033
表示当前k时刻电机d、q轴电流估计值；
Figure FDA0003734408120000034
表示k-1时刻电机d、q轴电流的估计值，
Figure FDA0003734408120000035
表示k-1时刻d、q轴的参考值，
Figure FDA0003734408120000036
表示k-1时刻d、q轴的总扰动，
Figure FDA0003734408120000037
表示k-2时刻系统总扰动
Figure FDA0003734408120000038
与间隔内扰动增量之和，B、D均表示矩阵。
9.如权利要求8所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：还包括，
将同步电机超局部模型转换成矩阵形式，得到超局部模型的滚动时域估计模型，所述超局部模型的滚动时域估计模型包括，
Figure FDA0003734408120000039
Figure FDA00037344081200000310
Figure FDA00037344081200000311
Figure FDA00037344081200000312
其中，
Figure FDA00037344081200000313
表示所述虚拟窗口估计模型的初始值，
Figure FDA00037344081200000314
表示滚动时域估计器虚拟窗口内每个采样时刻系统状态的估计值序列，U表示当前采样点上一时刻的电压序列，
Figure FDA00037344081200000315
表示当前采样点上一时刻的总扰动估计值序列，
Figure FDA00037344081200000316
表示每个采样间隔总扰动
Figure FDA00037344081200000317
的增量所构成的序列，
Figure FDA00037344081200000318
表示k时刻的虚拟窗口内、k时刻的d、q轴电流的估计值，
Figure FDA00037344081200000319
表示k时刻的虚拟窗口内、k-2时刻的d、q轴扰动的估计值，uk,k表示k时刻的虚拟窗口内、k时刻的d、q轴电压的估计值，
Figure FDA00037344081200000320
表示k时刻的虚拟窗口内、k时刻的系统已知项和未知扰动项集总估计值；
所述目标函数J的计算包括，
Figure FDA0003734408120000041
其中，Q、R均表示权重因子组成的对角矩阵，Y表示N个采样间隔虚拟窗口内的实际测量值序列。
10.如权利要求9所述的基于滚动时域估计的同步电机无参数预测控制方法，其特征在于：最优增量
Figure FDA0003734408120000042
的获取包括，，
设定目标函数J对
Figure FDA0003734408120000043
的梯度为零，推导得到最优增量
Figure FDA0003734408120000044
Figure FDA0003734408120000045
其中，H＝(ΓTQΓ+R)-1，
Figure FDA0003734408120000046
CN202210802291.0A 2022-07-07 2022-07-07 一种基于滚动时域估计的同步电机无参数预测控制方法 Active CN115242151B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210802291.0A CN115242151B (zh) 2022-07-07 2022-07-07 一种基于滚动时域估计的同步电机无参数预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210802291.0A CN115242151B (zh) 2022-07-07 2022-07-07 一种基于滚动时域估计的同步电机无参数预测控制方法

Publications (2)

Publication Number Publication Date
CN115242151A true CN115242151A (zh) 2022-10-25
CN115242151B CN115242151B (zh) 2024-10-01

Family

ID=83670542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210802291.0A Active CN115242151B (zh) 2022-07-07 2022-07-07 一种基于滚动时域估计的同步电机无参数预测控制方法

Country Status (1)

Country Link
CN (1) CN115242151B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111896A (zh) * 2023-04-12 2023-05-12 潍柴动力股份有限公司 一种电机控制方法、系统、存储介质及电子设备
CN117997177A (zh) * 2024-04-03 2024-05-07 潍柴动力股份有限公司 永磁同步电机的控制方法、电流环及永磁同步电机控制系统、可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111313781A (zh) * 2019-11-11 2020-06-19 北方工业大学 一种基于超局部模型的无模型预测电流控制方法
CN112701968A (zh) * 2020-12-24 2021-04-23 西安理工大学 一种永磁同步电机模型预测控制鲁棒性能提升方法
CN112910362A (zh) * 2021-04-20 2021-06-04 北京理工大学 永磁同步电机无模型预测电流控制方法
CN113783484A (zh) * 2021-08-13 2021-12-10 北京理工大学 一种基于扰动观测的永磁同步电机无模型控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111313781A (zh) * 2019-11-11 2020-06-19 北方工业大学 一种基于超局部模型的无模型预测电流控制方法
CN112701968A (zh) * 2020-12-24 2021-04-23 西安理工大学 一种永磁同步电机模型预测控制鲁棒性能提升方法
CN112910362A (zh) * 2021-04-20 2021-06-04 北京理工大学 永磁同步电机无模型预测电流控制方法
CN113783484A (zh) * 2021-08-13 2021-12-10 北京理工大学 一种基于扰动观测的永磁同步电机无模型控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HATIPOGLU, K. AND OLAMA, M.: ""A New Distributed Model-Free Control Strategy to Diminish Distribution System Voltage Violations"", 《2021 IEEE POWER AND ENERGY SOCIETY GENERAL MEETING (PESGM)》, 20 November 2021 (2021-11-20), pages 1 - 5 *
NIU, H等: ""Ultra-Local Model-Free Predictive Current Control for PMLSM drive systems with Moving Horizon Estimator"", 《2022 IEEE TRANSPORTATION ELECTRIFICATION CONFERENCE AND EXPO, ASIA-PACIFIC (ITEC ASIA-PACIFIC)》, 14 December 2022 (2022-12-14), pages 1 - 4 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111896A (zh) * 2023-04-12 2023-05-12 潍柴动力股份有限公司 一种电机控制方法、系统、存储介质及电子设备
CN116111896B (zh) * 2023-04-12 2023-06-23 潍柴动力股份有限公司 一种电机控制方法、系统、存储介质及电子设备
CN117997177A (zh) * 2024-04-03 2024-05-07 潍柴动力股份有限公司 永磁同步电机的控制方法、电流环及永磁同步电机控制系统、可读存储介质

Also Published As

Publication number Publication date
CN115242151B (zh) 2024-10-01

Similar Documents

Publication Publication Date Title
CN115242151A (zh) 一种基于滚动时域估计的同步电机无参数预测控制方法
CN111555680B (zh) 一种永磁同步电机无差拍预测电流控制方法
CN112072981B (zh) 一种基于sd-mpm的pmsm电流预测控制方法
CN106849795A (zh) 一种基于线性扩张状态观测器的永磁直线同步电机滑模控制系统
CN108964544B (zh) 一种永磁直线同步电机双时间尺度滑模控制系统及方法
CN102176653A (zh) 带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法
CN111478636A (zh) 一种永磁同步电机单电流传感器预测控制方法
CN105871281A (zh) 一种改进的永磁同步电机模型预测控制算法
CN109510539B (zh) 一种基于增益矩阵的模型预测磁链控制系统及方法
CN109067276B (zh) 一种永磁同步电机高动态鲁棒预测电流控制方法
CN112865646A (zh) 一种永磁同步电机单电流传感器无差拍预测控制方法
CN111987943A (zh) 一种永磁同步电机模型预测控制的鲁棒性能提升方法
CN112910359A (zh) 一种改进型永磁同步直线电机模型预测电流控制方法
CN112422014A (zh) 基于高阶滑模补偿的超局部无模型永磁同步电机转速预测方法
CN113258833A (zh) 基于滑模策略的无差拍直接转矩控制与实现方法
CN112713819A (zh) 一种提高永磁同步直线电机定位力补偿精度的方法
CN104779873A (zh) 一种用于pmsm伺服系统的预测函数控制方法
CN115566947A (zh) 基于eso的改进滑模无感六相永磁同步电机控制方法
CN109802614B (zh) 一种永磁同步电机电感参数辨识系统和方法
CN116317751B (zh) 感应电机模型预测速度控制方法
CN116404925A (zh) 改进超局部模型的感应电机模型预测速度控制方法
CN114499312B (zh) 一种双三相永磁同步电机无模型电流预测控制方法及系统
CN105790661B (zh) 一种直线永磁游标电机的解耦控制方法
CN115102454A (zh) 一种永磁同步电机电磁转矩的估算方法
CN113965129A (zh) 一种永磁同步电机控制系统电流测量偏移误差的补偿方法

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