CN115642845B - 基于模型预测控制的机电作动系统多软件联合仿真方法 - Google Patents
基于模型预测控制的机电作动系统多软件联合仿真方法 Download PDFInfo
- Publication number
- CN115642845B CN115642845B CN202211337207.9A CN202211337207A CN115642845B CN 115642845 B CN115642845 B CN 115642845B CN 202211337207 A CN202211337207 A CN 202211337207A CN 115642845 B CN115642845 B CN 115642845B
- Authority
- CN
- China
- Prior art keywords
- motor
- model
- control
- simulink
- setting
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000001360 synchronised effect Effects 0.000 claims abstract description 10
- 230000009347 mechanical transmission Effects 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 239000000463 material Substances 0.000 claims description 10
- 239000003638 chemical reducing agent Substances 0.000 claims description 9
- 238000004804 winding Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 claims description 2
- 230000004907 flux Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 239000010959 steel Substances 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 3
- 238000005094 computer simulation Methods 0.000 abstract description 3
- 230000020169 heat generation Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供了一种基于模型预测控制的机电作动系统多软件联合仿真方法，设置永磁同步电机模型的电机参数，在Twin Builder中搭建三相逆变器模型和电源模型，将Maxwell中搭建的电机有限元模型导入到Twin Builder中，在Simulink中搭建预测优化控制模块，在Amesim中搭建机械传动模块，在Simulink中调用s‑function模块将Simulink与Twin Builder连接起来，将s‑function模块与预测优化控制模块和Amesim搭建的机械模块按照对应的信号连接，完成多软件联合仿真与分析。本发明考虑了摩擦损耗、电阻产热损耗等参数变化问题，快速、精准地对机电作动器进行动态仿真分析，控制参数可以较好的移植到实际系统中，控制简单，抗干扰强，并且可以获得更高的动态响应特性和稳态精度。
Description
技术领域
本发明涉及机电领域，尤其是一种机电作动器的建模与控制方法，具体地说是机电作动器的多软件联合高精度建模仿真与模型预测优化控制的方法。
背景技术
机电作动器由于其具有重量轻、效率高、系统可靠性高和便于维护等优点，广泛应用于飞行器舵面控制、推力矢量控制、大型起竖装备等军民领域，其主要由电机、控制器、齿轮减速器、行星滚柱丝杠等四部分组成。由于机电作动器是一个强耦合、非线性的系统，建立精准可控的机电作动器模型对研究机电作动器的性能、先进控制以及进一步的结构优化等方面具有重要意义。因此机电作动器联合仿真建模与控制将成为机电作动器的关键设计技术。
目前对机电作动器的研究主要采用的方法及其存在的缺点有：
(1)基于MATLAB的Simulink工具箱对机电作动器进行建模和控制，采用工具箱自带的理想模型，各部分之间的关系用数学关系联系起来，搭建所设计的控制算法进行分析。由于模型忽略了实际中电机电感、磁链等参数的时变与机械部分存在的传动摩擦、安装间隙等因素，所以控制算法的移植可行性不高。
(2)通过对实际的系统输入较小的控制信号，采集各部分之间的数据，利用最小二乘法等拟合算法对数据进行参数辨识得到系统的数学模型，搭建设计的控制算法进行分析。由于此方法在拟合阶段将系统降阶，会存在拟合度很高但是会出现与实际系统相差较大的结果。
综上所述，对机电作动器进行精准建模和优化控制联合仿真分析是必要的。
发明内容
为了克服现有技术的不足，本发明提供一种基于模型预测控制的机电作动系统多软件联合仿真方法。
本发明解决其技术问题所采用的技术方案包括如下步骤：
(1)根据实验需求设计电机参数，并使用Maxwell软件搭建相应的永磁同步电机模型；
(2)设置步骤(1)中永磁同步电机模型的电机参数；
(3)添加边界条件为定子直径的1.05倍，激励源为电流源，创建三相绕组WingA，WingB，WingC，点击Analysis进行仿真分析，查看磁密云图验证所设计电机的可靠性，如满足可靠性要求，进入步骤(4)，如不满足可靠性要求，则返回步骤(2)重新设置永磁同步电机模型的电机参数；
(4)在Twin Builder中搭建三相逆变器模型和电源模型，根据需求设置母线电压、电感和电阻参数；
(5)将Maxwell中搭建的电机有限元模型导入到Twin Builder中，设置三相电流、角速度为输入模块，电磁转矩和电机电角度为输出模块；
(6)在Simulink中搭建预测优化控制模块，预测优化控制模块体现在两个方面：一是基于有限集模型预测控制选择最优的开关矢量进行控制，提高电流环的鲁棒性和快速性；二是采用扩张状态观测器替代传统的反馈环节，把机电作动系统中丝杠速度环所有的非线性扰动量整合并进行动态补偿，提高了速度环的精度和抗扰能力；
(7)在Amesim中搭建机械传动模块，机械传动模块包括减速器、丝杠、间隙，穿件仿真接口，将搭建好的机械传动模块导入到Simulink中；
(8)在Simulink中调用s-function模块将Simulink与Twin Builder连接起来，s-function name设置为AnsoftSFuncation，用Links工具将Simulink与Twin Builder的变量一一对应连接起来；
(9)将s-function模块与步骤6中设计的预测优化控制模块和Amesim搭建的机械模块按照对应的信号连接，设置仿真步长和目标转速后，完成Maxwell、Twin Builder、Simulink和Amesim多软件联合仿真与分析，验证所设计的控制算法的可行性，并将结果导出保存。
所述步骤(2)中，电机参数包括永磁体极对数、定转子尺寸大小、选用内置式结构和添加材料属性。
所述步骤(2)的电机参数中，定转子铁芯选择电磁钢板M19_29G，绕组材料为铜，永磁体材料为N36Z_20。
所述步骤(6)中，在Simulink中搭建预测优化控制模块，预测优化控制模块体现在两个方面：一是基于有限集模型预测控制选择最优的开关矢量进行控制，提高电流环的鲁棒性和快速性；二是采用扩张状态观测器替代传统的反馈环节，把机电作动系统中丝杠速度环所有的非线性扰动量整合并进行动态补偿，提高了速度环的精度和抗扰能力。具体控制算法如下：
a.模型预测控制算法：
式中，
式中，△t为采样时间，ed(ti)为ti时刻d轴反电动势，eq(ti)为ti时刻q轴反电动势，vd(ti)为ti时刻d轴控制电压，vq(ti)为ti时刻q轴控制电压，ωe(ti)为ti时刻电角速度，id(ti)为ti时刻d轴电流，iq(ti)为ti时刻q轴电流，id(ti+1)为ti+1时刻d轴电流，iq(ti+1)为ti+1时刻q轴电流，φmg为永磁体磁链，Ld分别为d轴电感，Lq分别为q轴电感，Rs为相电阻；
计算ti时刻对应的最佳控制电压信号为：
其中，vd,q(ti)opt与vd,q(ti-1)opt分别为ti时刻与ti-1时刻d,q轴对应的最佳电压值，即该电压值工作下电机运行性能最佳，ka为反馈控制增益，△id,q(ti)为ti时刻与ti-1时刻d,q轴对应的电流值之差；
构建目标函数，计算ti时刻不同开关信号k对应的电压值与最佳控制电压信号之间的平方和之差，最小平方和之差所对应的开关状态Jk为：
将开关状态Jk输出到逆变器中；
b.扩张状态观测器：
现有一个二阶系统：
其中，y-系统输出；w-扰动；b-控制增益；u-系统控制量；a0,a1-未知系数；
系统的总扰动为
选取状态变量x1＝y,x3＝f；，二阶系统写为：
其中，C＝[1 0 0]；
对系统构建全维观测器可得：
式中，z为x的观测值，为观测值的一阶导，L为观测器增益矩阵，uc＝[u y]T为观测器总输入，yc为观测器输出；
利用参数化方法，将观测器极点配置在-ω0处，ω0为观测器的带宽，有：
|sI-(A-LC)|＝(s+ωo)3
求解可得：将L的结果代入全维观测器，即可得到设计好的线性扩张状态观测器；
基于模型预测控制算法搭建电机的电流环，基于扩张状态观测器搭建电机的速度环，按照矢量控制的方式，设定电机转速指令值，并将电机转速指令值与扩张状态观测器观测到的电机实际转速值作差，即差值为电机转速指令值减去电机实际转速值，将差值调制后作为模型预测控制器的q轴电流指令值输入，d轴电流指令为0。
本发明的有益效果在于：
1)利用各个软件的优点设计机电作动器相对应的部分，相比于传统的数学模型能更为真实的反应实际状况下机电作动器的运动状况，考虑了摩擦损耗、电阻产热损耗等参数变化问题；
2)通过数据接口实现Maxwell、Twin Builder、Simulink和Amesim的联合仿真，从而可以快速、精准地对机电作动器进行动态仿真分析，控制参数可以较好的移植到实际系统中；
3)采用模型预测优化控制算法相比于传统的比例-积分控制无需电流内环参数整定，控制简单，抗干扰强，并且可以获得更高的动态响应特性和稳态精度。
附图说明
图1为本发明的控制步骤流程图。
图2为本发明的优化控制流程图
图3为Maxwell中设计的永磁同步电机模型。
图4为Twin Builder中搭建系统的模型图。
图5为Amesim中建立的机械传动的模型图。
图6为搭建的整体机电作动器模型。
图7为仿真验证的结果图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
本发明提供了一种基于模型预测优化控制的机电作动系统多软件联合仿真分析方法，考虑到了在实际控制过程中机电作动器是一个非线性强耦合的系统，阻抗、电感等参数会随着时间发生改变影响控制鲁棒性，通过Maxwell、Twin Builder、Simulink和Amesim多个软件各自的优势结合起来，对机电作动器进行准确建模和控制的方法。此外选用更先进的模型预测优化控制算法，使得控制效果和实用价值大大提升。具体如下：
如图2所示，一种基于模型预测优化控制的多软件联合仿真分析方法，应用于机电作动器的稳定控制，包括：
A.在Maxwell中搭建永磁同步电机模型，具体为：利用软件中的Rmxprt模型生成电机的基础模型，根据相应参数创建定转子模型，极对数为2，阻值为2.98Ω，创建电机永磁体，绘制三相定子绕组，设定材料属性，定转子的材料为M19_29G，永磁体的材料选用N36Z_20，绕组材料为copper,为了提高仿真效率，将创建的模型减小尺寸，得到1/4的电机模型，设置主从边界和网格剖分，输入激励，进行电机转矩求解和电感分析,保存为mxwl文件，如图3所示；
B.在Twin Builder中搭建PWM电源模块，在系统库里调用IGBT和直流电压和电感电阻等模块，电感阻值为0.001H，电阻阻值为0.3Ω，直流侧电压为311V；
C.在Twin Builder中调用搭建好的电机文件，转速设置为2500rpm/min，仿真步长为5nm，加入电磁转矩测量模块FM_ROTB、电机角速度测量模块VM_ROTB、转动惯量测量模块MASS_ROTB和负载转矩模块F_ROTB，设置输入输出方向，控制系统示意图如图4所示；
D.在Amesim中添加机械传动部分，包括电机减速器模型、轴承模型、行星滚柱丝杠模型以及负载四部分，如图5所示。采用软件库中现有的模块，考虑电机轴和减速器输出轴扭转刚度及其转动惯量，建立电机减速器模型；由于减速器输出的转速和扭矩，需要通过齿轮副传递给行星滚柱丝杠，齿轮传动系统不可避免的需要轴承的辅助，本文考虑齿轮副的啮合刚度，结合轴承和轴系的受力情况，建立齿轮轴承模型；选用库中的现有模型模拟理想行星滚柱丝杠，引入弹簧阻尼器并设置实际规格的行星滚柱丝杠的刚度值等效其刚度，引入间隙，建立行星滚柱丝杠模型。其中电机轴、减速器输出轴与行星滚柱丝杠刚度均为为2.3×107N.m，机电作动系统整体间隙为0.01mm，齿轮副啮合刚度为1.12×1010N.m，输出轴转动惯量为0.00607kg/m2，减速器减速比为12。
E.根据设计的理论在Simulink中搭建控制算法模块。具体步骤如下：
根据下列公式分别搭建模型预测控制与扩张状态观测器模块。
其中,△t为采样时间，ed,q(ti)为ti时刻d,q轴反电动势，vd,q(ti)为ti时刻d,q轴控制电压，ωe(ti)为ti时刻电角速度，id,q(ti)为ti时刻d,q轴电流，id,q(ti+1)为ti+1时刻d,q轴电流，其余均为电机常值；
最优控制电压信号计算公式：
其中，vd,q(ti)opt与vd,q(ti-1)opt分别为ti时刻与ti-1时刻d,q轴对应的最佳电压值，k为反馈控制增益，△id,q(ti)为ti时刻与ti-1时刻d,q轴对应的电流值之差。
目标函数：
对系统构建线性扩张状态观测器可得
式中，，z-x的观测值；L-观测器增益矩阵；uc＝[u y]T-观测器总输入；yc-观测器输出。
F.在Simulink中调用s-function模块，name设置为AnsoftSFunction，将Simulink与Twin Builder中的变量设置为输入输出信号并对应连接起来。搭建的整体机电作动器模型如图6所示。
G.各软件仿真步长统一设置为1e-6s，电流环仿真时间2e-6s，速度环仿真时间为2e-5s，预测控制模块的采样频率为5e-6，机电作动器与模型预测优化控制算法的联合仿真整体模型搭建完毕。仿真结果如图7所示，可以看到相比传统的PI控制，模型预测优化控制的鲁棒性和控制效果更好。
Claims (3)
1.一种基于模型预测控制的机电作动系统多软件联合仿真方法，其特征在于包括下述步骤：
(1)根据实验需求设计电机参数，并使用Maxwell软件搭建相应的永磁同步电机模型；
(2)设置步骤(1)中永磁同步电机模型的电机参数；
(3)添加边界条件为定子直径的1.05倍，激励源为电流源，创建三相绕组WingA，WingB，WingC，点击Analysis进行仿真分析，查看磁密云图验证所设计电机的可靠性，如满足可靠性要求，进入步骤(4)，如不满足可靠性要求，则返回步骤(2)重新设置永磁同步电机模型的电机参数；
(4)在Twin Builder中搭建三相逆变器模型和电源模型，根据需求设置母线电压、电感和电阻参数；
(5)将Maxwell中搭建的电机有限元模型导入到Twin Builder中，设置三相电流、角速度为输入模块，电磁转矩和电机电角度为输出模块；
(6)在Simulink中搭建预测优化控制模块，预测优化控制模块体现在两个方面：一是基于有限集模型预测控制选择最优的开关矢量进行控制，提高电流环的鲁棒性和快速性；二是采用扩张状态观测器替代传统的反馈环节，把机电作动系统中丝杠速度环所有的非线性扰动量整合并进行动态补偿，提高了速度环的精度和抗扰能力；
所述步骤(6)中，在Simulink中搭建预测优化控制模块，具体控制算法如下：
a.模型预测控制算法：
式中，
式中，△t为采样时间，ed(ti)为ti时刻d轴反电动势，eq(ti)为ti时刻q轴反电动势，vd(ti)为ti时刻d轴控制电压，vq(ti)为ti时刻q轴控制电压，ωe(ti)为ti时刻电角速度，id(ti)为ti时刻d轴电流，iq(ti)为ti时刻q轴电流，id(ti+1)为ti+1时刻d轴电流，iq(ti+1)为ti+1时刻q轴电流，φmg为永磁体磁链，Ld分别为d轴电感，Lq分别为q轴电感，Rs为相电阻；
计算ti时刻对应的最佳控制电压信号为：
其中，vd,q(ti)opt与vd,q(ti-1)opt分别为ti时刻与ti-1时刻d,q轴对应的最佳电压值，即该电压值工作下电机运行性能最佳，ka为反馈控制增益，△id,q(ti)为ti时刻与ti-1时刻d,q轴对应的电流值之差；
构建目标函数，计算ti时刻不同开关信号k对应的电压值与最佳控制电压信号之间的平方和之差，最小平方和之差所对应的开关状态Jk为：
将开关状态Jk输出到逆变器中；
b.扩张状态观测器：
现有一个二阶系统：
其中，y-系统输出；w-扰动；b-控制增益；u-系统控制量；a0,a1-未知系数；
系统的总扰动为
选取状态变量x1＝y,x3＝f；二阶系统写为：
其中，C＝[1 0 0]；
对系统构建全维观测器可得：
式中，z为x的观测值，为观测值的一阶导，L为观测器增益矩阵，uc＝[u y]T为观测器总输入，yc为观测器输出；
利用参数化方法，将观测器极点配置在-ω0处，ω0为观测器的带宽，有：
|sI-(A-LC)|＝(s+ωo)3
求解可得：将L的结果代入全维观测器，即可得到设计好的线性扩张状态观测器；
基于模型预测控制算法搭建电机的电流环，基于扩张状态观测器搭建电机的速度环，按照矢量控制的方式，设定电机转速指令值，并将电机转速指令值与扩张状态观测器观测到的电机实际转速值作差，即差值为电机转速指令值减去电机实际转速值，将差值调制后作为模型预测控制器的q轴电流指令值输入，d轴电流指令为0；
(7)在Amesim中搭建机械传动模块，机械传动模块包括减速器、丝杠、间隙，穿件仿真接口，将搭建好的机械传动模块导入到Simulink中；
(8)在Simulink中调用s-function模块将Simulink与Twin Builder连接起来，s-function name设置为AnsoftSFuncation，用Links工具将Simulink与Twin Builder的变量一一对应连接起来；
(9)将s-function模块与步骤6中设计的预测优化控制模块和Amesim搭建的机械模块按照对应的信号连接，设置仿真步长和目标转速后，完成Maxwell、Twin Builder、Simulink和Amesim多软件联合仿真与分析，验证所设计的控制算法的可行性，并将结果导出保存。
2.根据权利要求1所述的基于模型预测控制的机电作动系统多软件联合仿真方法，其特征在于：
所述步骤(2)中，电机参数包括永磁体极对数、定转子尺寸大小、选用内置式结构和添加材料属性。
3.根据权利要求2所述的基于模型预测控制的机电作动系统多软件联合仿真方法，其特征在于：
所述步骤(2)的电机参数中，定转子铁芯选择电磁钢板M19_29G，绕组材料为铜，永磁体材料为N36Z_20。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211337207.9A CN115642845B (zh) | 2022-10-28 | 2022-10-28 | 基于模型预测控制的机电作动系统多软件联合仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211337207.9A CN115642845B (zh) | 2022-10-28 | 2022-10-28 | 基于模型预测控制的机电作动系统多软件联合仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115642845A CN115642845A (zh) | 2023-01-24 |
| CN115642845B true CN115642845B (zh) | 2024-04-05 |
Family
ID=84945968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211337207.9A Active CN115642845B (zh) | 2022-10-28 | 2022-10-28 | 基于模型预测控制的机电作动系统多软件联合仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115642845B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116111895B (zh) * | 2023-04-12 | 2023-06-23 | 潍柴动力股份有限公司 | 一种电机模型预测控制方法、装置、存储介质及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109495031A (zh) * | 2018-11-12 | 2019-03-19 | 北京工业大学 | 一种基于ESO-CPC的激光追踪控制系统电机Simulink仿真方法 |
| CN111835251A (zh) * | 2020-07-30 | 2020-10-27 | 扬州大学 | 一种基于无速度传感的永磁同步电机高性能控制方法 |
| CN114679095A (zh) * | 2022-05-05 | 2022-06-28 | 南京工程学院 | 基于扰动补偿的永磁电机有限集模型预测电流控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842344B (zh) * | 2019-03-07 | 2019-12-13 | 湖南科技大学 | Bbmc异步电机调速系统控制参数自适应调整方法 |
-
2022
- 2022-10-28 CN CN202211337207.9A patent/CN115642845B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109495031A (zh) * | 2018-11-12 | 2019-03-19 | 北京工业大学 | 一种基于ESO-CPC的激光追踪控制系统电机Simulink仿真方法 |
| CN111835251A (zh) * | 2020-07-30 | 2020-10-27 | 扬州大学 | 一种基于无速度传感的永磁同步电机高性能控制方法 |
| CN114679095A (zh) * | 2022-05-05 | 2022-06-28 | 南京工程学院 | 基于扰动补偿的永磁电机有限集模型预测电流控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于双Luenberger观测器的永磁同步电机预测控制研究;殷海双;朱哲;;国外电子测量技术;20200415(第04期);全文 * |
| 基于滑模观测器的无速度传感器异步电机模型预测控制;陈宇飞;王雨琦;陆可;赵洋;刘晓华;;电机与控制应用;20161110(第11期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115642845A (zh) | 2023-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | An improved sliding mode control using disturbance torque observer for permanent magnet synchronous motor | |
| Bu et al. | Speed ripple reduction of direct-drive PMSM servo system at low-speed operation using virtual cogging torque control method | |
| CN101741297B (zh) | 无轴承同步磁阻电机径向位置模糊补偿逆控制方法及装置 | |
| CN101814892B (zh) | 无轴承同步磁阻电机基于支持向量机逆系统复合控制器 | |
| CN111162707A (zh) | 一种永磁同步电机有限集无模型容错预测控制方法及系统 | |
| CN115642845B (zh) | 基于模型预测控制的机电作动系统多软件联合仿真方法 | |
| CN110190793B (zh) | 一种二自由度数控机床及其控制系统和定位方法 | |
| Xu | Permanent magnet synchronous motor with linear quadraticspeed controller | |
| 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 | |
| CN116317794A (zh) | 航空发动机电动执行机构高精度控制方法 | |
| CN112583313B (zh) | 基于主从调节的双绕组电机预测控制方法 | |
| Autsou et al. | Comparative study of field-oriented control model in application for induction and synchronous reluctance motors for life-cycle analysis | |
| CN110061676A (zh) | 一种基于磁链观测器的无轴承永磁同步电机控制器 | |
| Li et al. | Model-free adaptive integral backstepping control for PMSM drive systems | |
| CN115800844A (zh) | 基于降阶pi观测器的永磁同步电机无模型滑模控制方法 | |
| Yun-fei et al. | Position/force control with a lead compensator for PMLSM drive system | |
| Sheng et al. | Auto disturbance rejection control strategy of wind turbine permanent magnet direct drive individual variable pitch system under load excitation | |
| Sanjuan et al. | Design and modeling of integral control state-feedback controller for PMSM | |
| 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 | |
| Shchur et al. | Energetic Microscopic Representation (EMR) and Passivity-Based Control of Multi-Input Systems with Non-Linear Coupled Dynamics (PMSM control example) | |
| CN112152528B (zh) | 一种基于自适应终端滑模的永磁同步电机调速控制方法 | |
| Shanmugasundram et al. | Compensator design by pole-zero adjustment for a typical position control system | |
| CN117081448B (zh) | 一种内置式永磁同步电机高精度动态建模方法 | |
| Luo et al. | Fractional order periodic adaptive learning compensation for cogging effect in PMSM position servo system | |
| Zhang | Research on the present situation and development direction of mechanical engineering intelligence |
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 |