CN115528975A - 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法 - Google Patents

基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法 Download PDF

Info

Publication number
CN115528975A
CN115528975A CN202211253648.0A CN202211253648A CN115528975A CN 115528975 A CN115528975 A CN 115528975A CN 202211253648 A CN202211253648 A CN 202211253648A CN 115528975 A CN115528975 A CN 115528975A
Authority
CN
China
Prior art keywords
inverter
voltage vector
candidate voltage
candidate
sub
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
Application number
CN202211253648.0A
Other languages
English (en)
Inventor
李红梅
刘润东
周超
杨利国
周亚男
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.)
Hefei University of Technology
Original Assignee
Hefei 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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202211253648.0A priority Critical patent/CN115528975A/zh
Publication of CN115528975A publication Critical patent/CN115528975A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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
    • H02P21/22—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
    • H02P25/024—Synchronous motors controlled by supply frequency
    • 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
    • H02P27/085—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 wherein the PWM mode is adapted on the running conditions of the motor, e.g. the switching frequency
    • 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
    • H02P2207/055—Surface mounted magnet motors

Landscapes

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

Abstract

本发明涉及一种基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，包括：建立SMPMSM驱动系统超局部模型，生成逆变器参考电压矢量；根据所生成的逆变器参考电压矢量位置，将逆变器电压六边形分为三个子区域；获得各个子区域中电流控制性能最优的候选电压矢量；设计包含定子电流误差和逆变器开关次数的双目标代价函数，将每个子区域中电流控制性能最佳的候选电压矢量的逆变器开关次数作为基准，再选择每个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集；基于双目标代价函数对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优电压矢量，本发明具有确保系统获得全局最优逆变器电压矢量、计算负荷小和鲁棒性强的优点。

Description

基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制 方法
技术领域
本发明涉及SMPMSM驱动系统技术领域，尤其是一种基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法。
背景技术
永磁同步电机(Permanent magnet synchronous motor，PMSM)具有高效率、高功率密度和低维护的优点，被广泛应用于新能源汽车、电梯、空气压缩机等，在实际应用中，为了实现PMSM驱动系统高控制品质运行，亟需突破PMSM驱动系统电机电流及逆变器开关频率双目标优化控制关键技术。
模型预测控制(Model Predictive Control，MPC)因其清晰的物理概念、灵活的控制结构、高动态响应，以及在PMSM驱动系统中易于实现而获得了研究关注。MPC可分为连续控制集模型预测控制(CCS-MPC)和有限控制集模型预测控制(Finite Control Set ModelPredictive Control，FCS-MPC)。离散空间矢量调制(Discrete space vectormodulation，DSVM)通过引入虚拟电压矢量扩大了逆变器候选电压矢量数，基于DSVM的FCS-MPC的PMSM驱动系统，可根据系统不同的运行工况自动选择单矢量控制、双矢量控制或三矢量控制，增加了逆变器电压矢量选择的自由度，此外，伴随着逆变器DSVM时间间隔的增加，逆变器电压矢量六边形中的候选电压矢量数量也在增加，进一步减少了PMSM驱动系统稳态运行时的转矩脉动。
基于DSVM的SMPMSM驱动系统电流控制性能和逆变器开关频率双目标最优的有限控制集模型预测控制，现有方法所获得的逆变器电压矢量可能只是局部最优解，通过枚举所有的逆变器候选电压矢量并使双目标代价函数最小化的枚举法，虽然可以获得全局最优逆变器电压矢量，但需要枚举所有的逆变器候选电压矢量，导致了控制器在线计算负担的增加。此外，系统控制性能敏感依赖于SMPMSM驱动系统的建模精度。
发明内容
本发明的目的在于提供一种不依赖于SMPMSM驱动系统精确建模、无需在线评估所有逆变器电压矢量，能够实时生成电流控制性能与逆变器开关频率双目标全局最优逆变器电压矢量的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法。为实现上述目的，本发明采用了以下技术方案：一种基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，该方法包括下列顺序的步骤：
(1)建立SMPMSM驱动系统的超局部模型，生成逆变器参考电压矢量
Figure BDA0003888997920000021
(2)根据逆变器参考电压矢量
Figure BDA0003888997920000022
的位置，将逆变器电压六边形分为三个子区域，再将逆变器参考电压矢量
Figure BDA0003888997920000023
所在的子区域定义为
Figure BDA00038889979200000213
其他两个子区域按逆时针顺序分别定义为
Figure BDA0003888997920000024
和
Figure BDA0003888997920000025
(3)分别获取子区域
Figure BDA0003888997920000026
和
Figure BDA0003888997920000027
中电流控制性能最佳的候选电压矢量；
(4)生成各个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集；
(5)对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优逆变器电压矢量
Figure BDA0003888997920000028
所述步骤(1)具体是指：
在dq同步速旋转坐标系下，建立包含电机参数不确定性、逆变器非线性和未知扰动的SMPMSM驱动系统数学模型，表示为：
Figure BDA0003888997920000029
式中：id、iq表示d、q轴定子电流，
Figure BDA00038889979200000210
和
Figure BDA00038889979200000211
表示逆变器d、q轴参考电压；np为极对数；Ωr为电机机械角速度；Rs、Ls和
Figure BDA00038889979200000212
分别表示定子电阻、定子电感和永磁体磁链的标称参数；fds和fqs表示由电机参数不确定性引起的扰动；Vd,dead和Vq,dead表示由逆变器非线性引起的扰动，dd和dq是未知干扰，αd和αq代表逆变器d、q轴参考电压的比例系数；
基于无模型控制，建立SMPMSM驱动系统的超局部模型：
Figure BDA0003888997920000031
式中：
Figure BDA0003888997920000032
Figure BDA0003888997920000033
Fd和Fq的估计通过代数参数辨识方法获得，Fd和Fq的估计表达式为：
Figure BDA0003888997920000034
式中：TF＝nFTs，nF为窗口长度，Ts为采样时间；δ为积分的自变量，ud(δ)和uq(δ)分别表示δ时刻的逆变器d、q轴参考电压，id(δ)和iq(δ)分别表示δ时刻d、q轴的定子采样电流；
从第k个采样时刻开始到基于第k个采样时刻数据所计算的逆变器d、q轴参考电压结束，存在两个控制周期的延迟；假设
Figure BDA0003888997920000035
和
Figure BDA0003888997920000036
分别等于
Figure BDA0003888997920000037
和
Figure BDA0003888997920000038
通过对公式(1)进行欧拉离散化和延迟补偿，得到第(k+2)时刻的id和iq的预测值id(k+2)和iq(k+2)，表示为：
Figure BDA0003888997920000039
根据无差拍预测控制，d、q轴定子电流在第(k+2)时刻达到参考值
Figure BDA00038889979200000310
Figure BDA00038889979200000311
生成k时刻的逆变器d、q轴参考电压，表示为：
Figure BDA00038889979200000312
然后，通过坐标变换生成逆变器参考电压矢量
Figure BDA00038889979200000313
所述步骤(2)具体是指：
根据逆变器参考电压矢量
Figure BDA00038889979200000314
的位置，以逆变器电压六边形中心为原点，按照[0,2π/3]、[2π/3,4π/3]、[4π/3,2π]三个角度范围将逆变器电压六边形分为三个子区域，三个子区域依次定义为Z1，Z2和Z3；
由于所生成的
Figure BDA0003888997920000041
的位置不固定，将
Figure BDA0003888997920000042
所在的子区域定义为
Figure BDA0003888997920000043
Figure BDA0003888997920000044
表示向上取整，其他两个子区域按逆时针顺序分别定义为
Figure BDA0003888997920000045
和
Figure BDA0003888997920000046
所述步骤(3)具体包括以下步骤：
(3a)获取子区域
Figure BDA0003888997920000047
中的电流控制性能最优的逆变器候选电压矢量：
基于最小距离原则，距离逆变器参考电压矢量
Figure BDA0003888997920000048
最近的逆变器候选电压矢量为电流控制性能最优的候选电压矢量，所述逆变器候选电压矢量包括逆变器基本电压矢量和虚拟电压矢量，子区域
Figure BDA0003888997920000049
被高
Figure BDA00038889979200000410
宽Udc/3N的网格进行剖分，每个网格顶点上的两个候选电压矢量定义为
Figure BDA00038889979200000411
的α轴和β轴的表达式为：
Figure BDA00038889979200000412
式中：
Figure BDA00038889979200000413
N为离散空间矢量调制(Discretespace vector modulation，DSVM)的时间间隔，Udc为逆变器直流母线电压；
子区域
Figure BDA00038889979200000414
中的电流控制性能最优的候选电压矢量为
Figure BDA00038889979200000415
中与
Figure BDA00038889979200000416
距离最近的电压矢量，将其定义为
Figure BDA00038889979200000417
且有：
Figure BDA00038889979200000418
(3b)获取子区域
Figure BDA00038889979200000419
和
Figure BDA00038889979200000420
中的电流控制性能最优的候选电压矢量：
在
Figure BDA00038889979200000421
和
Figure BDA00038889979200000422
中，距离
Figure BDA00038889979200000423
最近的候选电压矢量分别在
Figure BDA00038889979200000424
与
Figure BDA00038889979200000425
的公共边和
Figure BDA00038889979200000426
与
Figure BDA00038889979200000427
的公共边上，将
Figure BDA00038889979200000428
分别向这两个公共边进行投影，距离投影点最近的候选电压矢量为
Figure BDA00038889979200000429
和
Figure BDA00038889979200000430
中电流控制性能最优的候选电压矢量；当投影点不在公共边上时，电流控制性能最优的候选电压矢量为V0；将
Figure BDA00038889979200000431
和
Figure BDA00038889979200000432
中的电流控制性能最优的候选电压矢量分别定义为
Figure BDA00038889979200000433
和
Figure BDA00038889979200000434
表示为：
Figure BDA00038889979200000435
Figure BDA0003888997920000051
式中：
Figure BDA0003888997920000052
round表示四舍五入运算；
式中，c、d为辅助变量；m1、m2、m3为子区域编号，θ为电机转子位置角。
所述步骤(4)具体是指：
针对有限控制集无模型预测控制的SMPMSM驱动系统，设计包含电流控制性能和逆变器开关频率的双目标代价函数，其可表示为：
Figure BDA0003888997920000053
式中：n代表要评估的逆变器候选电压矢量，En表示其电流误差代价函数值，Jn表示其双目标代价函数值，Sn(k+2)表示其所对应的逆变器开关数，λ为权重因子；
在子区域
Figure BDA0003888997920000054
中，电流控制性能最优的候选电压矢量
Figure BDA0003888997920000055
产生最小的电流误差，若逆变器的候选电压矢量(Candidate voltage vector，CVV)的开关次数大于或等于
Figure BDA0003888997920000056
的开关数，那么它的双目标代价函数值就大于
Figure BDA0003888997920000057
因此，只有
Figure BDA0003888997920000058
和逆变器开关次数小于
Figure BDA0003888997920000059
的候选电压矢量被放入至候选电压矢量集，且只需要对候选电压矢量集中的候选电压矢量进行在线评估；采用同样的方法，在子区域
Figure BDA00038889979200000510
和
Figure BDA00038889979200000511
中，
Figure BDA00038889979200000512
及逆变器开关次数少于
Figure BDA00038889979200000513
和
Figure BDA00038889979200000514
的候选电压矢量分别被放入候选电压矢量集。
所述步骤(5)具体是指：将候选电压矢量集中的电压矢量代入所设计的双目标代价函数，双目标代价函数最小值所对应的候选电压矢量为全局最优电压矢量
Figure BDA00038889979200000515
逆变器采用不连续最小值调制策略生成逆变器功率开关器件的通、断信号，实时控制逆变器的运行。
由上述技术方案可知，本发明的有益效果为：第一，本发明通过建立SMPMSM驱动系统超局部模型，经由无差拍预测控制生成逆变器参考电压矢量
Figure BDA0003888997920000061
再根据
Figure BDA0003888997920000062
的位置将逆变器电压六边形分为三个子区域，并提出了一种获得各个子区域中具有最佳电流控制性能候选电压矢量的方法，克服了系统电流控制性能敏感依赖于系统建模精度的不足；第二，设计包含定子电流误差和逆变器开关次数的双目标代价函数，将每个子区域中电流控制性能最佳的候选电压矢量的逆变器开关次数作为基准，确定出每个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集，再基于所设计的双目标代价函数对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优逆变器电压矢量，避免了在线评估所有候选电压矢量，如实验结果所示，本发明具有在不同权重因子与不同工况下均可确保系统获得全局最优逆变器电压矢量的优点。
附图说明
图1为时间间隔为5的DSVM的候选电压向量；
图2为提出的子区域划分方法示意图；
图3为
Figure BDA0003888997920000063
的划分方法示意图；
图4为
Figure BDA0003888997920000064
和
Figure BDA0003888997920000065
中电流控制性能最佳的候选电压矢量示意图；
图5为本发明的方法流程图；
图6为所提出的SMPMSM驱动系统控制结构图；
图7为SMPMSM转速为100rpm、q轴电流参考值为10A的双目标性能对比示意图；
图8为SMPMSM转速为100rpm、q轴电流参考值为20A的双目标性能对比示意图；
图9为SMPMSM转速为500rpm、q轴电流参考值为10A的双目标性能对比示意图；
图10为SMPMSM转速为500rpm、q轴电流参考值为20A的双目标性能对比示意图；
图11为三种控制方法执行时间对比示意图；
图12为基于模型的方法和所提出的方法在参数不确定情况下的比较示意图。
具体实施方式
如图5所示，一种基于SMPMSM驱动系统的双目标全局最优无模型预测控制方法，该方法包括下列顺序的步骤：
(1)建立SMPMSM驱动系统的超局部模型，生成逆变器参考电压矢量
Figure BDA0003888997920000071
(2)根据逆变器参考电压矢量
Figure BDA0003888997920000072
的位置，将逆变器电压六边形分为三个子区域，再将逆变器参考电压矢量
Figure BDA0003888997920000073
所在的子区域定义为
Figure BDA0003888997920000074
其他两个子区域按逆时针顺序分别定义为
Figure BDA0003888997920000075
和
Figure BDA0003888997920000076
(3)分别获取子区域
Figure BDA0003888997920000077
和
Figure BDA0003888997920000078
中电流控制性能最佳的候选电压矢量；
(4)生成各个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集；
(5)对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优逆变器电压矢量
Figure BDA0003888997920000079
所述步骤(1)具体是指：
在dq同步速旋转坐标系下，建立包含电机参数不确定性、逆变器非线性和未知扰动的SMPMSM驱动系统数学模型，表示为：
Figure BDA00038889979200000710
式中：id、iq表示d、q轴定子电流，
Figure BDA00038889979200000711
和
Figure BDA00038889979200000712
表示逆变器d、q轴参考电压；np为极对数；Ωr为电机机械角速度；Rs、Ls和
Figure BDA00038889979200000713
分别表示定子电阻、定子电感和永磁体磁链的标称参数；fds和fqs表示由电机参数不确定性引起的扰动；Vd,dead和Vq,dead表示由逆变器非线性引起的扰动，dd和dq是未知干扰，αd和αq代表逆变器d、q轴参考电压的比例系数；
基于无模型控制，建立SMPMSM驱动系统的超局部模型：
Figure BDA00038889979200000714
式中：
Figure BDA0003888997920000081
Figure BDA0003888997920000082
Fd和Fq的估计通过代数参数辨识方法获得，Fd和Fq的估计表达式为：
Figure BDA0003888997920000083
式中：TF＝nFTs，nF为窗口长度，Ts为采样时间；δ为积分的自变量，ud(δ)和uq(δ)分别表示δ时刻的逆变器d、q轴参考电压，id(δ)和iq(δ)分别表示δ时刻d、q轴的定子采样电流；
从第k个采样时刻开始到基于第k个采样时刻数据所计算的逆变器d、q轴参考电压结束，存在两个控制周期的延迟；假设
Figure BDA0003888997920000084
和
Figure BDA0003888997920000085
分别等于
Figure BDA0003888997920000086
和
Figure BDA0003888997920000087
通过对公式(1)进行欧拉离散化和延迟补偿，得到第(k+2)时刻的id和iq的预测值id(k+2)和iq(k+2)，表示为：
Figure BDA0003888997920000088
根据无差拍预测控制，d、q轴定子电流在第(k+2)时刻达到参考值
Figure BDA0003888997920000089
Figure BDA00038889979200000810
生成k时刻的逆变器d、q轴参考电压，表示为：
Figure BDA00038889979200000811
然后，通过坐标变换生成逆变器参考电压矢量
Figure BDA00038889979200000812
如图2所示，所述步骤(2)具体是指：
根据逆变器参考电压矢量
Figure BDA00038889979200000813
的位置，以逆变器电压六边形中心为原点，按照[0,2π/3]、[2π/3,4π/3]、[4π/3,2π]三个角度范围将逆变器电压六边形分为三个子区域，三个子区域依次定义为Z1，Z2和Z3；
由于所生成的
Figure BDA00038889979200000814
的位置不固定，将
Figure BDA00038889979200000815
所在的子区域定义为
Figure BDA00038889979200000816
Figure BDA0003888997920000091
表示向上取整，其他两个子区域按逆时针顺序分别定义为
Figure BDA0003888997920000092
和
Figure BDA0003888997920000093
所述步骤(3)具体包括以下步骤：
(3a)获取子区域
Figure BDA0003888997920000094
中的电流控制性能最优的逆变器候选电压矢量：
如图3所示，基于最小距离原则，距离逆变器参考电压矢量
Figure BDA0003888997920000095
最近的逆变器候选电压矢量为电流控制性能最优的候选电压矢量，所述逆变器候选电压矢量包括逆变器基本电压矢量和虚拟电压矢量，子区域
Figure BDA0003888997920000096
被高
Figure BDA0003888997920000097
宽Udc/3N的网格进行剖分，每个网格顶点上的两个候选电压矢量定义为
Figure BDA0003888997920000098
Figure BDA0003888997920000099
的α轴和β轴的表达式为：
Figure BDA00038889979200000910
式中：
Figure BDA00038889979200000911
N为离散空间矢量调制(Discretespace vector modulation，DSVM)的时间间隔，Udc为逆变器直流母线电压；
子区域
Figure BDA00038889979200000912
中的电流控制性能最优的候选电压矢量为
Figure BDA00038889979200000913
中与
Figure BDA00038889979200000914
距离最近的电压矢量，如图3所示，将其定义为
Figure BDA00038889979200000915
且有：
Figure BDA00038889979200000916
(3b)获取子区域
Figure BDA00038889979200000917
和
Figure BDA00038889979200000918
中的电流控制性能最优的候选电压矢量：
如图4所示，在
Figure BDA00038889979200000919
和
Figure BDA00038889979200000920
中，距离
Figure BDA00038889979200000921
最近的候选电压矢量分别在
Figure BDA00038889979200000922
与
Figure BDA00038889979200000923
的公共边和
Figure BDA00038889979200000924
与
Figure BDA00038889979200000925
的公共边上，将
Figure BDA00038889979200000926
分别向这两个公共边进行投影，距离投影点最近的候选电压矢量为
Figure BDA00038889979200000927
和
Figure BDA00038889979200000928
中电流控制性能最优的候选电压矢量；当投影点不在公共边上时，电流控制性能最优的候选电压矢量为V0；将
Figure BDA00038889979200000929
和
Figure BDA00038889979200000930
中的电流控制性能最优的候选电压矢量分别定义为
Figure BDA00038889979200000931
和
Figure BDA00038889979200000932
如图4所示，表示为：
Figure BDA00038889979200000933
Figure BDA0003888997920000101
式中：
Figure BDA0003888997920000102
round表示四舍五入运算；
式中，c、d为辅助变量；m1、m2、m3为子区域编号，θ为电机转子位置角。
所述步骤(4)具体是指：
针对有限控制集无模型预测控制的SMPMSM驱动系统，设计包含电流控制性能和逆变器开关频率的双目标代价函数，其可表示为：
Figure BDA0003888997920000103
式中：n代表要评估的逆变器候选电压矢量，En表示其电流误差代价函数值，Jn表示其双目标代价函数值，Sn(k+2)表示其所对应的逆变器开关数，λ为权重因子；
在子区域
Figure BDA0003888997920000104
中，电流控制性能最优的候选电压矢量
Figure BDA0003888997920000105
产生最小的电流误差，若逆变器的候选电压矢量(Candidate voltage vector，CVV)的开关次数大于或等于
Figure BDA0003888997920000106
的开关数，那么它的双目标代价函数值就大于
Figure BDA0003888997920000107
因此，只有
Figure BDA0003888997920000108
和逆变器开关次数小于
Figure BDA0003888997920000109
的候选电压矢量被放入至候选电压矢量集，且只需要对候选电压矢量集中的候选电压矢量进行在线评估；采用同样的方法，在子区域
Figure BDA00038889979200001010
和
Figure BDA00038889979200001011
中，
Figure BDA00038889979200001012
及逆变器开关次数少于
Figure BDA00038889979200001013
和
Figure BDA00038889979200001014
的候选电压矢量分别被放入候选电压矢量集。
所述步骤(5)具体是指：将候选电压矢量集中的电压矢量代入所设计的双目标代价函数，双目标代价函数最小值所对应的候选电压矢量为全局最优逆变器电压矢量
Figure BDA00038889979200001015
逆变器采用不连续最小值调制策略生成逆变器功率开关器件的通、断信号，实时控制逆变器的运行。
以下结合图1至图12对本发明作进一步的说明。
对于DSVM，虚拟电压矢量可以通过在控制周期内施加若干电压矢量进行合成。针对三相两电平电压源型逆变器，当DSVM的时间间隔为5时，候选电压矢量如图1中圆点所示。
在逆变器电压六边形中，存在开关次数相同的逆变器电压矢量，如图1中灰色圆点所示，如果将这些电压矢量带入式(10)进行评估，只能获得电流控制性能最优的电压矢量，双目标优化控制退化为单电流目标的优化控制。因此，被灰色圆点包围的区域为定子电流与逆变器开关频率双目标无效优化区域，如图1中的灰色区域所示。传统的基于DSVM的双目标FCS-MPC只评估
Figure BDA0003888997920000111
周围的三个候选电压矢量，将其称之为三候选电压矢量方法，若
Figure BDA0003888997920000112
处于无效优化区域，如图1中的位于下方的三角形所示，代价函数只能选择电流控制性能最优的候选电压矢量，无法减少逆变器的开关次数，即无法降低逆变器的开关频率。此外，传统的基于DSVM的双目标FCS-MPC，基于SMPMSM驱动系统数学模型来生成
Figure BDA0003888997920000113
再选择
Figure BDA0003888997920000114
周围的候选电压矢量进行评估。然而，实际系统中的电机参数不确定、逆变器非线性和未知扰动影响了
Figure BDA0003888997920000115
的准确生成和
Figure BDA0003888997920000116
周围候选电压矢量的选择。因此，传统的基于DSVM的双目标FCS-MPC无法确保获得双目标优化的全局最优逆变器电压矢量，且存在系统控制性能敏感依赖于系统建模精度的不足。
所提出的SMPMSM驱动系统的控制结构图如图6所示，三相电流传感器与旋转编码器实时采集电流ia(k)、ib(k)、ic(k)与转子位置角θ,经由坐标变换获得dq轴采样电流idq(k)和参考电压
Figure BDA0003888997920000117
基于采样电流idq(k)和参考电压
Figure BDA0003888997920000118
对参数不确定、逆变器非线性与位置扰动进行估计获得
Figure BDA0003888997920000119
并对采样电流进行延时补偿获得k+2时刻dq轴电流idq(k+2)；将idq(k+2)、
Figure BDA00038889979200001110
idq(k)带入所提出的双目标全局最优无模型预测控制中，获得全局最优逆变器电压矢量
Figure BDA00038889979200001111
逆变器采用不连续最小值PWM调制策略生成逆变器功率开关器件的通、断信号，实时控制逆变器的运行。
在线评估所有候选电压矢量方法可以获得全局最优解和最小的代价函数值。因此，将在线评估所有候选电压矢量方法的代价函数值作为基准值，若所提出方法与三候选电压矢量方法所获得的代价函数值大于基准值，则获得的是次优解。反之，若所提出方法与三候选电压矢量方法所获得的代价函数值等于基准值，则获得了全局最优解。
设置SMPMSM驱动系统的转速为100rpm，d轴参考电流为0A，q轴参考电流分别为10A和20A时，在线评估所有候选电压矢量方法和三候选电压矢量方法的双目标控制性能对比如图7和图8所示。
当权重因子为0.05时，三候选电压矢量方法和所提出方法具有相似的dq轴电流纹波、相电流THD和逆变器开关频率，但三候选电压矢量方法选择了少量次优电压矢量。此外，随着权重因子的增加，三候选电压矢量方法的次优电压矢量的比例也明显增加。此外，逆变器开关频率无法随着权重因子的增加而降低。相比之下，本发明所提出的方法在不同的权重因子条件下均可获得双目标全局最优电压矢量，以A相电流THD的轻微增加为代价，显著降低了逆变器的开关频率。此外，本发明所提出方法保留了权重因子的双目标折中作用，允许设计者根据实际需求调整电流控制性能和逆变器开关频率。
设置SMPMSM驱动系统转速为100rpm，d轴参考电流为0A，q轴参考电流分别为10A和20A时，在线评估所有候选电压矢量方法和三候选电压矢量方法的双目标控制性能对比如图9和图10所示。
当权重因子为0.05时，两种方法均获得了全局最优电压矢量。这是因为在高速时参考电压矢量
Figure BDA0003888997920000121
的轨迹接近电压六边形边界，而三候选电压矢量方法评估的三个电压矢量不在无效的优化区域。然而，随着权重因子的增加，三候选电压矢量方法的逆变器开关频率无法进一步降低，双目标全局最优电压矢量也无法获得。而本发明所提出的方法在不同的权重因子下均可获得全局最优电压矢量，并保证了权重因子的双目标折中功能。
图11展示了三种控制方法执行时间的比较。与三候选电压矢量方法相比，本发明提出的方法的执行时间略有增加，但明显低于评估所有候选电压矢量方法的执行时间。
为了验证所提方法的鲁棒性，对基于模型的方法和本发明所提出方法在电机参数变化时进行了电流控制性能对比研究。对于基于模型的方法，采用SMPMSM驱动系统数学模型来生成逆变器参考电压矢量并预测电流，其余部分与本发明所提出的方法相同。对于这两种方法，电机参数设定为R＝1.4Rs，L＝1.2Ls，
Figure BDA0003888997920000131
其余实验条件与之前的实验相同。
设
Figure BDA0003888997920000132
在0.02s时从0A增加到10A，两种方法的dq轴电流如图12所示。在图12中，两种方法在100rpm和400rpm时均拥有快速的动态响应。然而，在稳态工况下，基于模型方法的dq轴电流脉动明显高于所提出的方法。原因是当电机参数变化时，基于模型方法中生成的逆变器参考电压矢量和预测电流并不准确，代价函数无法选择合适的候选电压矢量，导致dq轴电流脉动明显增加。本发明所提出的方法不依赖于SMPMSM驱动系统的精确建模，因此即使在电机参数不确定的情况下，仍然具有良好的动态和稳态控制性能，证实了所提出方法的鲁棒性。
综上所述，本发明通过建立SMPMSM驱动系统超局部模型，摆脱了对于SMPMSM驱动系统精确建模的依赖；基于所建立的SMPMSM驱动系统超局部模型，生成逆变器的参考电压矢量
Figure BDA0003888997920000133
再根据
Figure BDA0003888997920000134
的位置将逆变器电压六边形分为三个子区域，并提出了一种获得各个子区域中具有最佳电流控制性能的候选电压矢量；设计包含定子电流误差和逆变器开关次数的双目标代价函数，将每个子区域中电流控制性能最佳的候选电压矢量的逆变器开关次数作为基准，确定出每个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集，再基于所设计的双目标代价函数对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优电压矢量，避免了在线评估所有候选电压矢量。如实验结果所示，本发明具有确保获得全局最优电压矢量、计算负荷小、鲁棒性强的技术优势。

Claims (6)

1.一种基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：该方法包括下列顺序的步骤：
(1)建立SMPMSM驱动系统的超局部模型，生成逆变器参考电压矢量
Figure FDA0003888997910000011
(2)根据逆变器参考电压矢量
Figure FDA0003888997910000012
的位置，将逆变器电压六边形分为三个子区域，再将逆变器参考电压矢量
Figure FDA0003888997910000013
所在的子区域定义为
Figure FDA0003888997910000014
其他两个子区域按逆时针顺序分别定义为
Figure FDA0003888997910000015
和
Figure FDA0003888997910000016
(3)分别获取子区域
Figure FDA0003888997910000017
和
Figure FDA0003888997910000018
中电流控制性能最佳的候选电压矢量；
(4)生成各个子区域中需要进行在线评估的候选电压矢量并放入候选电压矢量集；
(5)对候选电压矢量集中的候选电压矢量进行在线评估，获得全局最优逆变器电压矢量
Figure FDA0003888997910000019
2.根据权利要求1所述的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：所述步骤(1)具体是指：
在dq同步速旋转坐标系下，建立包含电机参数不确定性、逆变器非线性和未知扰动的SMPMSM驱动系统数学模型，表示为：
Figure FDA00038889979100000110
式中：id、iq表示d、q轴定子电流，
Figure FDA00038889979100000111
和
Figure FDA00038889979100000112
表示逆变器d、q轴参考电压；np为极对数；Ωr为电机机械角速度；Rs、Ls和
Figure FDA00038889979100000113
分别表示定子电阻、定子电感和永磁体磁链的标称参数；fds和fqs表示由电机参数不确定性引起的扰动；Vd,dead和Vq,dead表示由逆变器非线性引起的扰动，dd和dq是未知干扰，αd和αq代表逆变器d、q轴参考电压的比例系数；
基于无模型控制，建立SMPMSM驱动系统的超局部模型：
Figure FDA00038889979100000114
式中：
Figure FDA00038889979100000115
Figure FDA0003888997910000021
Fd和Fq的估计通过代数参数辨识方法获得，Fd和Fq的估计表达式为：
Figure FDA0003888997910000022
式中：TF＝nFTs，nF为窗口长度，Ts为采样时间；δ为积分的自变量，ud(δ)和uq(δ)分别表示δ时刻的逆变器d、q轴参考电压，id(δ)和iq(δ)分别表示δ时刻d、q轴的定子采样电流；
从第k个采样时刻开始到基于第k个采样时刻数据所计算的逆变器d、q轴参考电压结束，存在两个控制周期的延迟；假设
Figure FDA0003888997910000023
和
Figure FDA0003888997910000024
分别等于
Figure FDA0003888997910000025
和
Figure FDA0003888997910000026
通过对公式(1)进行欧拉离散化和延迟补偿，得到第(k+2)时刻的id和iq的预测值id(k+2)和iq(k+2)，表示为：
Figure FDA0003888997910000027
根据无差拍预测控制，d、q轴定子电流在第(k+2)时刻达到参考值
Figure FDA0003888997910000028
Figure FDA0003888997910000029
生成k时刻的逆变器d、q轴参考电压，表示为：
Figure FDA00038889979100000210
然后，通过坐标变换生成逆变器参考电压矢量
Figure FDA00038889979100000211
3.根据权利要求1所述的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：所述步骤(2)具体是指：
根据逆变器参考电压矢量
Figure FDA00038889979100000212
的位置，以逆变器电压六边形中心为原点，按照[0,2π/3]、[2π/3,4π/3]、[4π/3,2π]三个角度范围将逆变器电压六边形分为三个子区域，三个子区域依次定义为Z1，Z2和Z3；
由于所生成的
Figure FDA00038889979100000213
的位置不固定，将
Figure FDA00038889979100000214
所在的子区域定义为
Figure FDA00038889979100000215
Figure FDA00038889979100000216
Figure FDA00038889979100000217
表示向上取整，其他两个子区域按逆时针顺序分别定义为
Figure FDA00038889979100000332
和
Figure FDA00038889979100000333
4.根据权利要求1所述的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：所述步骤(3)具体包括以下步骤：
(3a)获取子区域
Figure FDA0003888997910000031
中的电流控制性能最优的逆变器候选电压矢量：
基于最小距离原则，距离逆变器参考电压矢量
Figure FDA0003888997910000032
最近的逆变器候选电压矢量为电流控制性能最优的候选电压矢量，所述逆变器候选电压矢量包括逆变器基本电压矢量和虚拟电压矢量，子区域
Figure FDA0003888997910000033
被高
Figure FDA0003888997910000034
宽Udc/3N的网格进行剖分，每个网格顶点上的两个候选电压矢量定义为
Figure FDA0003888997910000035
Figure FDA0003888997910000036
的α轴和β轴的表达式为：
Figure FDA0003888997910000037
式中：
Figure FDA0003888997910000038
N为离散空间矢量调制的时间间隔，Udc为逆变器直流母线电压；
子区域
Figure FDA0003888997910000039
中的电流控制性能最优的候选电压矢量为
Figure FDA00038889979100000310
中与
Figure FDA00038889979100000311
距离最近的电压矢量，将其定义为
Figure FDA00038889979100000312
且有：
Figure FDA00038889979100000313
(3b)获取子区域
Figure FDA00038889979100000314
和
Figure FDA00038889979100000315
中的电流控制性能最优的候选电压矢量：
在
Figure FDA00038889979100000316
和
Figure FDA00038889979100000317
中，距离
Figure FDA00038889979100000318
最近的候选电压矢量分别在
Figure FDA00038889979100000319
与
Figure FDA00038889979100000320
的公共边和
Figure FDA00038889979100000321
与
Figure FDA00038889979100000322
的公共边上，将
Figure FDA00038889979100000323
分别向这两个公共边进行投影，距离投影点最近的候选电压矢量为
Figure FDA00038889979100000324
和
Figure FDA00038889979100000325
中电流控制性能最优的候选电压矢量；当投影点不在公共边上时，电流控制性能最优的候选电压矢量为V0；将
Figure FDA00038889979100000326
和
Figure FDA00038889979100000327
中的电流控制性能最优的候选电压矢量分别定义为
Figure FDA00038889979100000328
和
Figure FDA00038889979100000329
表示为：
Figure FDA00038889979100000330
Figure FDA00038889979100000331
式中：
Figure FDA0003888997910000041
如果
Figure FDA0003888997910000042
round表示四舍五入运算；
式中，c、d为辅助变量；m1、m2、m3为子区域编号，θ为电机转子位置角。
5.根据权利要求1所述的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：所述步骤(4)具体是指：
针对有限控制集无模型预测控制的SMPMSM驱动系统，设计包含电流控制性能和逆变器开关频率的双目标代价函数，其表示为：
Figure FDA0003888997910000043
式中：n代表要评估的逆变器候选电压矢量，En表示其电流误差代价函数值，Jn表示其双目标代价函数值，sn(k+2)表示其所对应的逆变器开关数，λ为权重因子；
在子区域
Figure FDA0003888997910000044
中，电流控制性能最优的候选电压矢量
Figure FDA0003888997910000045
产生最小的电流误差，若逆变器的候选电压矢量的开关次数大于或等于
Figure FDA0003888997910000046
的开关数，那么它的双目标代价函数值就大于
Figure FDA0003888997910000047
因此，只有
Figure FDA0003888997910000048
和逆变器开关次数小于
Figure FDA0003888997910000049
的候选电压矢量被放入至候选电压矢量集，且只需要对候选电压矢量集中的候选电压矢量进行在线评估；采用同样的方法，在子区域
Figure FDA00038889979100000410
和
Figure FDA00038889979100000411
中，
Figure FDA00038889979100000412
及逆变器开关次数少于
Figure FDA00038889979100000413
和
Figure FDA00038889979100000414
的候选电压矢量分别被放入候选电压矢量集。
6.根据权利要求1所述的基于DSVM的SMPMSM驱动系统双目标全局最优无模型预测控制方法，其特征在于：所述步骤(5)具体是指：将候选电压矢量集中的电压矢量代入双目标代价函数，双目标代价函数最小值所对应的候选电压矢量为全局最优逆变器电压矢量
Figure FDA00038889979100000415
逆变器采用不连续最小值调制策略生成逆变器功率开关器件的通、断信号，实时控制逆变器的运行。
CN202211253648.0A 2022-10-13 2022-10-13 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法 Pending CN115528975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211253648.0A CN115528975A (zh) 2022-10-13 2022-10-13 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211253648.0A CN115528975A (zh) 2022-10-13 2022-10-13 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法

Publications (1)

Publication Number Publication Date
CN115528975A true CN115528975A (zh) 2022-12-27

Family

ID=84701119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211253648.0A Pending CN115528975A (zh) 2022-10-13 2022-10-13 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法

Country Status (1)

Country Link
CN (1) CN115528975A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116526884A (zh) * 2023-07-03 2023-08-01 合肥安赛思半导体有限公司 并网逆变器无模型预测控制方法及控制系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116526884A (zh) * 2023-07-03 2023-08-01 合肥安赛思半导体有限公司 并网逆变器无模型预测控制方法及控制系统
CN116526884B (zh) * 2023-07-03 2023-10-03 合肥安赛思半导体有限公司 并网逆变器无模型预测控制方法及控制系统

Similar Documents

Publication Publication Date Title
CN106936356B (zh) 矢量筛选和占空比结合的电机模型预测控制系统及方法
CN109951128B (zh) 逆变器参考电压矢量在线优化的smpmsm驱动系统无模型电流预测控制方法及控制系统
CN110995076A (zh) 一种永磁同步电机模型预测电流控制方法
CN106452250B (zh) 一种直线感应电机多步长模型预测控制方法
CN114584040B (zh) 基于离散空间矢量调制的永磁同步电机预测转矩控制方法
TWI533591B (zh) 一種適用於內嵌式永磁同步馬達及同步磁阻馬達以延伸型反電動勢估測為基礎的預測電流控制方法
CN110445438A (zh) 一种基于扩展控制集的永磁同步电机预测磁链控制方法
CN115528975A (zh) 基于dsvm的smpmsm驱动系统双目标全局最优无模型预测控制方法
CN113179065A (zh) 一种永磁同步电机模型预测脉冲序列控制方法
CN109067276B (zh) 一种永磁同步电机高动态鲁棒预测电流控制方法
JP2019083672A (ja) インバータ並びにモータの駆動制御方法
CN112751513B (zh) 一种电机的控制方法、装置、电机、存储介质及处理器
CN105871278A (zh) 一种基于直接特征控制的新型凸极永磁同步电机控制方法
TWI543521B (zh) 以電流變化偵測技術的預測電流控制法應用於內嵌式永磁同步電動機及同步磁阻電動機驅動系統
CN114765445A (zh) 基于三电压矢量的无模型预测电流控制方法及控制系统
CN114123904B (zh) 适用于永磁同步电机高速区运行的预测电流增量控制方法
Brandstetter et al. Application of BEMF-MRAS with Kalman filter in sensorless control of induction motor drive
CN112234889B (zh) 一种开绕组永磁同步电机的单矢量控制方法
CN114499312A (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
Dong et al. Multi-vector robust model predictive current control for PMSM based on incremental model
CN110932638A (zh) 空调器、永磁同步电机的驱动装置及其控制方法、装置
CN116455288B (zh) 一种电力机车无参数预测控制方法、装置、设备和介质
CN113992094B (zh) 基于扩展电压矢量及分层多级优化策略的永磁同步电机模型预测电流控制方法
CN116191967B (zh) 一种基于混合电压矢量的无模型电流预测控制装置的电流预测控制方法
CN113708672B (zh) 高压高速开关驱动电机控制方法

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