CN116455288B - 一种电力机车无参数预测控制方法、装置、设备和介质 - Google Patents
一种电力机车无参数预测控制方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116455288B CN116455288B CN202310687804.2A CN202310687804A CN116455288B CN 116455288 B CN116455288 B CN 116455288B CN 202310687804 A CN202310687804 A CN 202310687804A CN 116455288 B CN116455288 B CN 116455288B
- Authority
- CN
- China
- Prior art keywords
- expression
- current
- updating
- voltage vector
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003137 locomotive effect Effects 0.000 title claims abstract description 21
- 239000013598 vector Substances 0.000 claims abstract description 269
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 230000001360 synchronised effect Effects 0.000 claims abstract description 15
- 230000003068 static effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- H02P21/22—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
- 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
-
- 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
- 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
-
- 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)
- Control Of Ac Motors In General (AREA)
Abstract
本发明涉及一种电力机车无参数预测控制方法、装置、设备和介质，其中，方法包括：以参考电流与预测电流之间的最小电流误差为目标建立成本函数；获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；在每个控制周期通过映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数，通过最小化成本函数获得最优电压矢量，采用所述最优电压矢量进行控制。本发明能够提高电流梯度更新频率和降低转矩脉动。
Description
技术领域
本发明涉及交流电机控制技术领域，特别是涉及一种电力机车无参数预测控制方法、装置、设备和介质。
背景技术
永磁同步电机(PMSM) 由于功率密度高、体积小、环境适用性好、控制性能优异等优点，已广泛应用于交通、电气等领域。随着电机驱动的快速发展和各种应用，不同的控制策略已被广泛研究，如磁场定向控制和直接转矩控制。近年来，有限集模型预测控制(finite control-set model predictive control，FCS-MPC) 得到了广泛关注。与经典的矢量控制和直接转矩控制技术相比，FCS-MPC具有出色的动态、直观的概念等优点，并且能够容易地将非线性约束纳入成本函数中。
简单直观的概念使FCS-MPC易于在驱动系统中实现。然而，它仍然有一些缺点需要该改进。首先，传统的FCS-MPC在每个控制周期只应用了单个电压矢量，想要获得高稳态性能需要高采样频率。为此，有研究人员提出双矢量MPC，三矢量MPC和离散空间矢量MPC等控制策略。这些控制策略背后的主要思想是在一个控制周期作用多个电压矢量，以改善稳态性能。尽管基于离散空间矢量调制（DSVM）的MPC可以实现比传统的单矢量MPC更小的稳态纹波，但其控制性能仍高度依赖于电机参数的准确性，这是FCS-MPC的另一个缺点。为了提高FCS-MPC对于电机参数的鲁棒性，很多学者通过引入扰动观测器来降低电机参数失配带来影响，然而观测器的引入增加了控制策略的复杂性。
Lin C等提出了一种优化策略（Improved model-free predictive currentcontrol for synchronous reluctance motor drives[J]. IEEE Transactions onIndustrial Electronics, 2016, 63(6):3942-3953.），当一个电压矢量长时间没有作用时，通过在下一个控制周期中施加该电压矢量来更新对应的电流梯度。该方法通过强制方式作用某个电压矢量，以使其电流梯度更新的改善是有限的，同时，频繁应用非最优电压矢量也会恶化系统的控制性能，影响系统的稳定性；另外，该方法每个控制周期只作用一个电压矢量，系统的控制性能提升依赖于高采样频率，这限制了无参数预测电流控制（PFPCC）在实际系统中的应用。
发明内容
本发明所要解决的技术问题是提供一种电力机车无参数预测控制方法、装置、设备和介质，能够提高电流梯度更新频率和降低转矩脉动。
本发明解决其技术问题所采用的技术方案是：提供一种电力机车无参数预测控制方法，包括以下步骤：
以参考电流与预测电流之间的最小电流误差为目标建立成本函数；
获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；
结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；
基于采样回来的实时电流，在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，采用所述最优电压矢量进行控制。
所述成本函数为，其中，G min 为成本函数，/>和分别表示两相静止坐标系下的电流参考值；/>和/>分别表示k+2时刻的电流预测值。
所述相邻两个控制周期内各基本电压矢量与电流梯度的映射关系中，当作用电压矢量为U 0和U 7时，通过第一表达式更新△i 0,α和△i 0,β，通过第二表达式更新△i 1,β和△i4,β，通过第三表达式更新△i 1,α、△i 2,α、△i 3,α、△i 4,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 1时，通过第一表达式更新△i 1,α和△i 1,β，通过第二表达式更新△i 0,β和△i 4,β，通过第三表达式更新△i 0,α、△i 2,α、△i 3,α、△i 4,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 2时，通过第一表达式更新△i 2,α和△i 2,β，通过第二表达式更新△i 6,α和△i 3,β，通过第三表达式更新△i 0,α、△i 1,α、△i 3,α、△i 4,α、△i 5,α、△i 0,β、△i 1,β、△i 4,β、△i 5,β和△i 6,β；
当作用电压矢量为U 3时，通过第一表达式更新△i 3,α和△i 3,β，通过第二表达式更新△i 5,α和△i 2,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 4,β、△i 5,β和△i 6,β；
当作用电压矢量为U 4时，通过第一表达式更新△i 4,α和△i 4,β，通过第二表达式更新△i 0,β和△i 1,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 3,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 5时，通过第一表达式更新△i 5,α和△i 5,β，通过第二表达式更新△i 3,α和△i 6,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 2,β、△i 3,β和△i 4,β；
当作用电压矢量为U 6时，通过第一表达式更新△i 6,α和△i 6,β，通过第二表达式更新△i 2,α和△i 5,β，通过第三表达式更新△i 0,α、△i 1,α、△i 3,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 2,β、△i 3,β和△i 4,β；
其中，U j 表示基本电压矢量，j=0,...,7，△i j,α和△i j,β分别表示作用基本电压矢量U j 时对应的α轴电流梯度和β轴电流梯度。
所述第一表达式为：；所述第二表达式为：/>；所述第三表达式为：/>，其中，△i j 表示k时刻基本电压矢量U j 对应的电流梯度，i j k 表示k时刻测量的定子电流矢量；/>和/>分别表示k时刻基本电压矢量U m 对应的α轴电流梯度和β轴电流梯度，/>和/>分别表示k时刻基本电压矢量U n 对应的α轴电流梯度和β轴电流梯度。
所述DSVM电流梯度更新表中，当j old≠0且x old+j old==5或11时，采用第五表达式更新，采用第四表达式更新/>；
当x old+j old==8时，采用第四表达式更新，采用第五表达式更新/>；
当x old==1且j old==0时，采用第五表达式更新，采用第四表达式更新/>；
当x old==4且j old==0时，采用第五表达式更新，采用第四表达式更新/>；
其余情况时，采用第五表达式更新，采用第五表达式更新/>；
其中，x old表示上一时刻DSVM在第一阶段所选矢量标号，j old表示上一时刻DSVM在第二阶段所选矢量标号，和/>分别表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的α轴电流梯度和β轴电流梯度。
所述第四表达式为：；所述第五表达式为：；其中，/>，其中， />表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的电流梯度； />表示k时刻DSVM在第二阶段所选矢量标号j对应的基本电压矢量的电流梯度。
所述基于采样回来的实时电流，在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，具体包括：
获取回来的实时电流，并判断作用的电压矢量是否为零矢量；
若作用的电压矢量为零矢量，则将当前的电流与上一时刻的电流的差值更新所述电压矢量对应的电流梯度；
若作用的电压矢量为非零矢量，则基于所述DSVM电流梯度更新表更新所述电压矢量对应的电流梯度；
通过所述映射关系更新其余电压矢量对应的电流梯度。
本发明解决其技术问题所采用的技术方案是：提供一种电力机车无参数预测控制装置，包括：
建立模块，用于以参考电流与预测电流之间的最小电流误差为目标建立成本函数；
映射关系构建模块，用于获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；
电流梯度表构建模考，用于结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；
更新控制模块，用于基于采样回来的实时电流在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，并采用所述最优电压矢量进行控制。
本发明解决其技术问题所采用的技术方案是：提供一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述电力机车无参数预测控制方法的步骤。
本发明解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电力机车无参数预测控制方法的步骤。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明利用当前电流梯度和上一时刻的电流梯度值来更新其它电压矢量对应的电流梯度，使得每个电压矢量对应的电流梯度能实时更新，避免了电流梯度停滞更新对系统造成的不利影响。本发明采用离散空间矢量调制拓展了候选电压矢量个数，在不提高采样频率的情况下，可以有效减小电流纹波和总谐波失真（THD），增强了PFPCC算法在实际系统中的应用。
附图说明
图1是本发明第一实施方式电力机车无参数预测控制方法的流程图；
图2是本发明第一实施方式中DSVM-PFPCC算法第一阶段的空间矢量图；
图3是本发明第一实施方式中DSVM-PFPCC算法第二阶段的空间矢量图；
图4是本发明第一实施方式中获取最优电压矢量的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的第一实施方式涉及一种电力机车无参数预测控制方法，本实施方式以表贴式永磁同步电机为例，永磁同步电机采用i d=0的控制方式。如图1所示，具体包括以下步骤：
步骤1，以参考电流与预测电流之间的最小电流误差为目标建立成本函数。
本步骤中，表贴式永磁同步电机的q轴电流给定值由电机速度指令值和采样获得的电机速度实际值作差，经PI控制器输出得到。通过反Park变换可以得到两相静止坐标系下的电流参考值i α ref、i β ref。永磁同步电机在两相静止坐标系下的数学模型为：
（1）
式中：u α、u β分别为α、β轴电压；R s为定子电阻；i α、i β分别为α、β轴电流；L s为定子电感；ω e为电角速度；ψ f 为转子永磁体磁链，θ e为转子位置角。永磁同步电机由三相两电平电压源逆变器驱动，开关状态可见表1，逆变器共有八种不同的开关状态，基本电压矢量可描述如下：
（2）
式中：U j ( j= 0,...,7 ) 为8个基本电压矢量；U dc为直流母线电压；S a、S b、S c是逆变器三个桥臂的开关状态。
表1 逆变器开关状态表
在无参数预测电流控制策略中，电流估计可以表示为：
（3）
式中：是k时刻测量的定子电流矢量，/>是k时刻作用电压矢量U j 时，估计的(k+1)时刻电流矢量。/>是k时刻作用电压矢量U j 所造成的电流梯度，其可由如下表达式获取：
（4）
考虑延时补偿时，k+2时刻的电流预测方程为：
（5）
为了满足给定电流和预测电流之间的最小电流误差，设计了式（6）所示的成本函数，可以通过最小化成本函数G min获得最优电压矢量。
（6）
步骤2，获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系。具体地说：
通过电流传感器采样获取永磁同步电机的定子电流，利用Clark变换将三相定子电流i a、i b、i c变换至两相静止坐标系(αβ轴坐标系)下，得到i α和i β；所提单矢量PFPCC算法的电流梯度更新原理如下。将式欧拉离散化可得：
（7）
式中：T s为采样周期；为基本电压矢量对应的α轴和β轴电压分量；/>为(k-1)时刻的电流采样值；/>为k-1时刻电机在α轴和β轴上的反电动势；/>为k时刻基本电压矢量U j 对应的电流梯度。由式可知，k时刻不同的基本电压矢量U m 和U n 对应的电流梯度表达式为：
（8）
式中：m、n为基本电压矢量的标号，m≠n, (m, n= 0, 1, ..., 7)；同理可得，k-1时刻不同的基本电压矢量U m 和U n 对应的电流梯度表达式为：
（9）
由式（8）和式（9）可得：
（10）
考虑到、/>。当/>或者/>时，由式（10）可得到式（11）；当/>或者/>时，由式（10）可得到式（12）。
（11）
（12）
结合表1中不同电压矢量在α、β轴上的电压分量，可以根据k-1时刻作用电压矢量的电流梯度，更新其他不同电压矢量的电流梯度，如表2所示。从上述分析可知，只要获取到k-1时刻其中一个基本电压矢量对应的电流梯度，就可以更新剩余矢量对应的电流梯度。
表2 单矢量电流梯度更新表
步骤3，结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表。本步骤结合上述映射关系和DSVM的候选矢量特点，可更新基于离散空间矢量调制的PFPCC算法各电压矢量对应的电流梯度，具体地说：
如图2所示，DSVM总共有38个候选矢量。为了方便说明其电流梯度更新机制，先对DSVM-PFPCC算法选矢量流程做简要说明。第一阶段如图2所示，通过先遍历6个非零矢量U xx0 (x = 1, 2, ¼, 6)，得到使成本函数最小的电压矢量，记为U 220。由此可以将候选矢量集缩小为零矢量加上以U 220为中心的正六边形所包含的矢量。如图3所示，第二阶段是遍历正六边形所包含的7个非零电压矢量(U 220 +U j /3)，可选出最优非零电压矢量。最后将最优非零电压矢量和零矢量的成本函数进行比较，从而选出最优电压矢量。
第一阶段对应的预测方程为：
（13）
第二阶段对应的预测方程为：
（14）
当应用的电压矢量为非零矢量时，可将式（4）中的电流梯度改写为：
（15）
式中：为第一阶段所选矢量标号x对应的基本电压矢量的电流梯度；/>为第二阶段矢量标号j对应的基本电压矢量的电流梯度。
联立式（11）、式（12）和式（15）可得：
（16）
（17）
根据表1所示各基本电压矢量在α轴和β轴上的电压分量关系设：①j old≠0且x old+j old==5或11；②x old+j old==8;③x old==1且j old==0;④x old==4且j old==0;⑤其他情况。其中x old和j old分别为x和j上一时刻的历史值。当作用的电压矢量为非零矢量时，的更新如表3所示。当作用的电压矢量为零矢量时，设y=0；电流梯度由表2更新。
表3 DSVM电流梯度更新表
步骤4，基于采样回来的实时电流，在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，采用所述最优电压矢量进行控制。
由步骤2和步骤3可知，通过采样回来的电流可以在每个控制周期更新所有电压矢量对应的电流梯度。更新电流梯度之后，可以根据图4所示流程图获取最优电压矢量，将其作用于逆变器即可驱动电机正常运行，具体包括：
获取回来的实时电流，并判断作用的电压矢量是否为零矢量；
若作用的电压矢量为零矢量，则将当前的电流与上一时刻的电流的差值更新所述电压矢量对应的电流梯度，即由式（4）更新；
若作用的电压矢量为非零矢量，则基于所述DSVM电流梯度更新表更新所述电压矢量对应的电流梯度，即由表3更新；
通过表2更新其余电压矢量对应的电流梯度；
通过式（6）、式（13）和式（14）可以得到最优非零电矢量成本G nzero ，通过式（3）、式（5）和式（6）可以得到最优零电矢量成本G zero ；
通过比较最优非零电矢量成本G nzero 和最优零电矢量成本G zero ，从中选出较小的值提取出电压矢量作为最优电压矢量，并采用所述最优电压矢量进行控制。
不难发现，本发明利用当前电流梯度和上一时刻的电流梯度值来更新其它电压矢量对应的电流梯度，使得每个电压矢量对应的电流梯度能实时更新，避免了电流梯度停滞更新对系统造成的不利影响。本发明采用离散空间矢量调制拓展了候选电压矢量个数，在不提高采样频率的情况下，可以有效减小电流纹波和THD，增强了PFPCC算法在实际系统中的应用。
本发明的第二实施方式涉及一种机车无参数预测控制装置，包括：
建立模块，用于以参考电流与预测电流之间的最小电流误差为目标建立成本函数；
映射关系构建模块，用于获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；
电流梯度表构建模考，用于结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；
更新控制模块，用于基于采样回来的实时电流在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，并采用所述最优电压矢量进行控制。
所述成本函数为，其中，G min 为成本函数，/>和分别表示两相静止坐标系下的电流参考值；/>和/>分别表示k+2时刻的电流预测值。
所述相邻两个控制周期内各基本电压矢量与电流梯度的映射关系中，当作用电压矢量为U 0和U 7时，通过第一表达式更新△i 0,α和△i 0,β，通过第二表达式更新△i 1,β和△i4,β，通过第三表达式更新△i 1,α、△i 2,α、△i 3,α、△i 4,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 1时，通过第一表达式更新△i 1,α和△i 1,β，通过第二表达式更新△i 0,β和△i 4,β，通过第三表达式更新△i 0,α、△i 2,α、△i 3,α、△i 4,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 2时，通过第一表达式更新△i 2,α和△i 2,β，通过第二表达式更新△i 6,α和△i 3,β，通过第三表达式更新△i 0,α、△i 1,α、△i 3,α、△i 4,α、△i 5,α、△i 0,β、△i 1,β、△i 4,β、△i 5,β和△i 6,β；
当作用电压矢量为U 3时，通过第一表达式更新△i 3,α和△i 3,β，通过第二表达式更新△i 5,α和△i 2,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 4,β、△i 5,β和△i 6,β；
当作用电压矢量为U 4时，通过第一表达式更新△i 4,α和△i 4,β，通过第二表达式更新△i 0,β和△i 1,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 3,α、△i 5,α、△i 6,α、△i 2,β、△i 3,β、△i 5,β和△i 6,β；
当作用电压矢量为U 5时，通过第一表达式更新△i 5,α和△i 5,β，通过第二表达式更新△i 3,α和△i 6,β，通过第三表达式更新△i 0,α、△i 1,α、△i 2,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 2,β、△i 3,β和△i 4,β；
当作用电压矢量为U 6时，通过第一表达式更新△i 6,α和△i 6,β，通过第二表达式更新△i 2,α和△i 5,β，通过第三表达式更新△i 0,α、△i 1,α、△i 3,α、△i 4,α、△i 6,α、△i 0,β、△i 1,β、△i 2,β、△i 3,β和△i 4,β；
其中，U j 表示基本电压矢量，j=0,...,7，△i j,α和△i j,β分别表示作用基本电压矢量U j 时对应的α轴电流梯度和β轴电流梯度。
所述第一表达式为：；所述第二表达式为：/>；所述第三表达式为：/>，其中，△i j 表示k时刻基本电压矢量U j 对应的电流梯度，i j k 表示k时刻测量的定子电流矢量；/>和/>分别表示k时刻基本电压矢量U m 对应的α轴电流梯度和β轴电流梯度，/>和/>分别表示k时刻基本电压矢量U n 对应的α轴电流梯度和β轴电流梯度。
所述DSVM电流梯度更新表中，当j old≠0且x old+j old==5或11时，采用第五表达式更新，采用第四表达式更新/>；
当x old+j old==8时，采用第四表达式更新，采用第五表达式更新/>；
当x old==1且j old==0时，采用第五表达式更新，采用第四表达式更新/>；
当x old==4且j old==0时，采用第五表达式更新，采用第四表达式更新/>；
其余情况时，采用第五表达式更新，采用第五表达式更新/>；
其中，x old表示上一时刻DSVM在第一阶段所选矢量标号，j old表示上一时刻DSVM在第二阶段所选矢量标号，和/>分别表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的α轴电流梯度和β轴电流梯度。
所述第四表达式为：；所述第五表达式为：；其中，/>，其中，/>表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的电流梯度；/>表示k时刻DSVM在第二阶段所选矢量标号j对应的基本电压矢量的电流梯度。
所述更新控制模块包括：
获取判断单元，用于获取回来的实时电流，并判断作用的电压矢量是否为零矢量；
第一更新单元，用于在作用的电压矢量为零矢量，将当前的电流与上一时刻的电流的差值更新所述电压矢量对应的电流梯度；
第二更新单元，用于在作用的电压矢量为非零矢量，基于所述DSVM电流梯度更新表更新所述电压矢量对应的电流梯度；
第三更新单元，用于通过所述映射关系更新其余电压矢量对应的电流梯度。
本发明的第三实施方式涉及一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一实施方式的电力机车无参数预测控制方法的步骤。
本发明的第四实施方式涉及一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一实施方式的电力机车无参数预测控制方法的步骤。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种电力机车无参数预测控制方法，其特征在于，包括以下步骤：
以参考电流与预测电流之间的最小电流误差为目标建立成本函数；
获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在α轴和β轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；
其中，所述相邻两个控制周期内各基本电压矢量与电流梯度的映射关系中，当作用电压矢量为U0和U7时，通过第一表达式更新△i0,α和△i0,β，通过第二表达式更新△i1,β和△i4,β，通过第三表达式更新△i1,α、△i2,α、△i3,α、△i4,α、△i5,α、△i6,α、△i2,β、△i3,β、
△i5,β和△i6,β；
当作用电压矢量为U1时，通过第一表达式更新△i1,α和△i1,β，通过第二表达式更新△i0,β和△i4,β，通过第三表达式更新△i0,α、△i2,α、△i3,α、△i4,α、△i5,α、△i6,α、△i2,β、△i3,β、△i5,β和△i6,β；
当作用电压矢量为U2时，通过第一表达式更新△i2,α和△i2,β，通过第二表达式更新△i6,α和△i3,β，通过第三表达式更新△i0,α、△i1,α、△i3,α、△i4,α、△i5,α、△i0,β、△i1,β、△i4,β、△i5,β和△i6,β；
当作用电压矢量为U3时，通过第一表达式更新△i3,α和△i3,β，通过第二表达式更新△i5,α和△i2,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i4,α、△i6,α、△i0,β、△i1,β、△i4,β、△i5,β和△i6,β；
当作用电压矢量为U4时，通过第一表达式更新△i4,α和△i4,β，通过第二表达式更新△i0,β和△i1,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i3,α、△i5,α、△i6,α、△i2,β、△i3,β、△i5,β和△i6,β；
当作用电压矢量为U5时，通过第一表达式更新△i5,α和△i5,β，通过第二表达式更新△i3,α和△i6,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i4,α、△i6,α、△i0,β、△i1,β、△i2,β、△i3,β和△i4,β；
当作用电压矢量为U6时，通过第一表达式更新△i6,α和△i6,β，通过第二表达式更新△i2,α和△i5,β，通过第三表达式更新△i0,α、△i1,α、△i3,α、△i4,α、△i6,α、△i0,β、△i1,β、△i2,β、△i3,β和△i4,β；
其中，Uj表示基本电压矢量，j＝0,...,7，△ij,α和△ij,β分别表示作用基本电压矢量Uj时对应的α轴电流梯度和β轴电流梯度；
所述第一表达式为：所述第二表达式为：/>所述第三表达式为：/>其中，△ij表示k时刻基本电压矢量Uj对应的电流梯度，ij k表示k时刻测量的定子电流矢量；/>和/>分别表示k时刻基本电压矢量Um对应的α轴电流梯度和β轴电流梯度，/>和/>分别表示k时刻基本电压矢量Un对应的α轴电流梯度和β轴电流梯度；
结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；
基于采样回来的实时电流，在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，采用所述最优电压矢量进行控制。
2.根据权利要求1所述的电力机车无参数预测控制方法，其特征在于，所述成本函数为其中，Gmin为成本函数，/>和/>分别表示两相静止坐标系下的电流参考值；/>和/>分别表示k+2时刻的电流预测值。
3.根据权利要求1所述的电力机车无参数预测控制方法，其特征在于，所述DSVM电流梯度更新表中，当jold≠0且xold+jold＝＝5或11时，采用第五表达式更新采用第四表达式更新/>
当xold+jold＝＝8时，采用第四表达式更新采用第五表达式更新/>
当xold＝＝1且jold＝＝0时，采用第五表达式更新采用第四表达式更新/>
当xold＝＝4且jold＝＝0时，采用第五表达式更新采用第四表达式更新/>
其余情况时，采用第五表达式更新采用第五表达式更新/>
其中，xold表示上一时刻DSVM在第一阶段所选矢量标号，jold表示上一时刻DSVM在第二阶段所选矢量标号，和/>分别表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的α轴电流梯度和β轴电流梯度；
所述第四表达式为：所述第五表达式为：/>
其中，其中，/>表示k时刻DSVM在第一阶段所选矢量标号x对应的基本电压矢量的电流梯度；/>表示k时刻DSVM在第二阶段所选矢量标号j对应的基本电压矢量的电流梯度。
4.根据权利要求1所述的电力机车无参数预测控制方法，其特征在于，所述基于采样回来的实时电流，在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，具体包括：
获取回来的实时电流，并判断作用的电压矢量是否为零矢量；
若作用的电压矢量为零矢量，则将当前的电流与上一时刻的电流的差值更新所述电压矢量对应的电流梯度；
若作用的电压矢量为非零矢量，则基于所述DSVM电流梯度更新表更新所述电压矢量对应的电流梯度；
通过所述映射关系更新其余电压矢量对应的电流梯度。
5.一种电力机车无参数预测控制装置，其特征在于，包括：
建立模块，用于以参考电流与预测电流之间的最小电流误差为目标建立成本函数；
映射关系构建模块，用于获取永磁同步电机的定子电流，并将所述定子电流转换至两相静止坐标系下，通过分析不同电压矢量在αβ轴上的电流梯度关系，得到相邻两个控制周期内各基本电压矢量与电流梯度的映射关系；
其中，所述相邻两个控制周期内各基本电压矢量与电流梯度的映射关系中，当作用电压矢量为U0和U7时，通过第一表达式更新△i0,α和△i0,β，通过第二表达式更新△i1,β和△i4,β，通过第三表达式更新△i1,α、△i2,α、△i3,α、△i4,α、△i5,α、△i6,α、△i2,β、△i3,β、
△i5,β和△i6,β；
当作用电压矢量为U1时，通过第一表达式更新△i1,α和△i1,β，通过第二表达式更新△i0,β和△i4,β，通过第三表达式更新△i0,α、△i2,α、△i3,α、△i4,α、△i5,α、△i6,α、△i2,β、△i3,β、△i5,β和△i6,β；
当作用电压矢量为U2时，通过第一表达式更新△i2,α和△i2,β，通过第二表达式更新△i6,α和△i3,β，通过第三表达式更新△i0,α、△i1,α、△i3,α、△i4,α、△i5,α、△i0,β、△i1,β、△i4,β、△i5,β和△i6,β；
当作用电压矢量为U3时，通过第一表达式更新△i3,α和△i3,β，通过第二表达式更新△i5,α和△i2,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i4,α、△i6,α、△i0,β、△i1,β、△i4,β、△i5,β和△i6,β；
当作用电压矢量为U4时，通过第一表达式更新△i4,α和△i4,β，通过第二表达式更新△i0,β和△i1,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i3,α、△i5,α、△i6,α、△i2,β、△i3,β、△i5,β和△i6,β；
当作用电压矢量为U5时，通过第一表达式更新△i5,α和△i5,β，通过第二表达式更新△i3,α和△i6,β，通过第三表达式更新△i0,α、△i1,α、△i2,α、△i4,α、△i6,α、△i0,β、△i1,β、△i2,β、△i3,β和△i4,β；
当作用电压矢量为U6时，通过第一表达式更新△i6,α和△i6,β，通过第二表达式更新△i2,α和△i5,β，通过第三表达式更新△i0,α、△i1,α、△i3,α、△i4,α、△i6,α、△i0,β、△i1,β、△i2,β、△i3,β和△i4,β；
其中，Uj表示基本电压矢量，j＝0,...,7，△ij,α和△ij,β分别表示作用基本电压矢量Uj时对应的α轴电流梯度和β轴电流梯度；
所述第一表达式为：所述第二表达式为：/>所述第三表达式为：/>其中，△ij表示k时刻基本电压矢量Uj对应的电流梯度，ij k表示k时刻测量的定子电流矢量；/>和/>分别表示k时刻基本电压矢量Um对应的α轴电流梯度和β轴电流梯度，/>和/>分别表示k时刻基本电压矢量Un对应的α轴电流梯度和β轴电流梯度；
电流梯度表构建模考，用于结合所述映射关系和DSVM的候选矢量特点，得到DSVM电流梯度更新表；
更新控制模块，用于基于采样回来的实时电流在每个控制周期通过所述映射关系和DSVM电流梯度更新表更新所有电压矢量对应的电流梯度，结合所述成本函数计算非零电压矢量成本和零电压矢量成本，从所述非零电压矢量成本和零电压矢量成本中选出较小的值，并提取出对应的电压矢量作为最优电压矢量，并采用所述最优电压矢量进行控制。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4中任一所述电力机车无参数预测控制方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述电力机车无参数预测控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310687804.2A CN116455288B (zh) | 2023-06-12 | 2023-06-12 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310687804.2A CN116455288B (zh) | 2023-06-12 | 2023-06-12 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116455288A CN116455288A (zh) | 2023-07-18 |
| CN116455288B true CN116455288B (zh) | 2023-08-29 |
Family
ID=87120513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310687804.2A Active CN116455288B (zh) | 2023-06-12 | 2023-06-12 | 一种电力机车无参数预测控制方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116455288B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109412484A (zh) * | 2018-11-07 | 2019-03-01 | 北京星航机电装备有限公司 | 一种三相感应电机无传感器矢量控制的转子磁链估算方法 |
| WO2022110277A1 (zh) * | 2020-11-26 | 2022-06-02 | 江苏大学 | 一种用于开绕组五相永磁同步电机的模型预测分解控制方法及装置 |
| CN115632584A (zh) * | 2022-10-17 | 2023-01-20 | 浙江大学 | 一种内嵌式永磁同步电机损耗优化控制方法 |
| CN115987130A (zh) * | 2023-02-14 | 2023-04-18 | 安徽大学 | 改进的数据驱动型储能逆变器电流预测控制方法及系统 |
| CN115995846A (zh) * | 2023-02-03 | 2023-04-21 | 安徽大学 | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 |
| CN116169894A (zh) * | 2023-02-22 | 2023-05-26 | 安徽大学 | 三相三电平储能变流器离散空间矢量无模型预测控制方法 |
-
2023
- 2023-06-12 CN CN202310687804.2A patent/CN116455288B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109412484A (zh) * | 2018-11-07 | 2019-03-01 | 北京星航机电装备有限公司 | 一种三相感应电机无传感器矢量控制的转子磁链估算方法 |
| WO2022110277A1 (zh) * | 2020-11-26 | 2022-06-02 | 江苏大学 | 一种用于开绕组五相永磁同步电机的模型预测分解控制方法及装置 |
| CN115632584A (zh) * | 2022-10-17 | 2023-01-20 | 浙江大学 | 一种内嵌式永磁同步电机损耗优化控制方法 |
| CN115995846A (zh) * | 2023-02-03 | 2023-04-21 | 安徽大学 | 一种lc滤波型电压源逆变器无模型预测控制方法及设备 |
| CN115987130A (zh) * | 2023-02-14 | 2023-04-18 | 安徽大学 | 改进的数据驱动型储能逆变器电流预测控制方法及系统 |
| CN116169894A (zh) * | 2023-02-22 | 2023-05-26 | 安徽大学 | 三相三电平储能变流器离散空间矢量无模型预测控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116455288A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109660170B (zh) | 一种永磁同步电机高可靠性电流预测控制方法及其系统 | |
| JP5492192B2 (ja) | 交流モータの制御装置 | |
| CN110112974B (zh) | 电机控制方法、控制器、存储介质及电机驱动系统 | |
| CN113241986B (zh) | 一种电机的控制方法、控制系统和存储介质 | |
| CN115173774B (zh) | 一种永磁同步电机无位置传感器控制方法及系统 | |
| CN107395083A (zh) | Pmlsm伺服控制系统位置与速度估计方法及装置 | |
| CN110649854A (zh) | 一种表贴式永磁同步电机连续集模型预测转矩控制方法 | |
| 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 | |
| CN113037170A (zh) | 电机控制方法、装置及终端设备 | |
| 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 | |
| CN109067276B (zh) | 一种永磁同步电机高动态鲁棒预测电流控制方法 | |
| CN111478637A (zh) | 电机控制方法及电机控制系统 | |
| CN116455288B (zh) | 一种电力机车无参数预测控制方法、装置、设备和介质 | |
| CN102427326B (zh) | 一种电动车异步电机的预估计控制方法 | |
| Thakar et al. | Fractional-order PI controller for permanent magnet synchronous motor: A design-based comparative study | |
| 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 | |
| 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 | |
| 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 | |
| Li et al. | A geometrical interpretation of current transient responses to predict current gradients for IPMSM model predictive control | |
| Jemli et al. | Fail-safe digital implementation of indirect field oriented controlled induction motor drive | |
| CN110601629B (zh) | 一种提高pmsm伺服系统电流环响应速度并且减小震荡的方法 | |
| CN113098351B (zh) | 一种表贴式永磁同步电机模型预测转矩控制方法 | |
| CN117997177B (zh) | 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 | |
| CN113659901B (zh) | 一种永磁同步电机预测电流控制的计算延时补偿方法 | |
| CN116191969B (zh) | 基于谐波电流注入的同步电机转矩密度提升方法及系统 |
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 |