CN116979849A - 一种永磁同步电机的控制方法及系统 - Google Patents

一种永磁同步电机的控制方法及系统 Download PDF

Info

Publication number
CN116979849A
CN116979849A CN202311236559.XA CN202311236559A CN116979849A CN 116979849 A CN116979849 A CN 116979849A CN 202311236559 A CN202311236559 A CN 202311236559A CN 116979849 A CN116979849 A CN 116979849A
Authority
CN
China
Prior art keywords
signal
permanent magnet
voltage signal
magnet synchronous
synchronous motor
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
CN202311236559.XA
Other languages
English (en)
Other versions
CN116979849B (zh
Inventor
罗锋
于勤
邓建明
廖程亮
樊华春
龚循飞
张萍
熊慧慧
张俊
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.)
Jiangxi Isuzu Motors Co Ltd
Original Assignee
Jiangxi Isuzu Motors Co Ltd
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 Jiangxi Isuzu Motors Co Ltd filed Critical Jiangxi Isuzu Motors Co Ltd
Priority to CN202311236559.XA priority Critical patent/CN116979849B/zh
Publication of CN116979849A publication Critical patent/CN116979849A/zh
Application granted granted Critical
Publication of CN116979849B publication Critical patent/CN116979849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02P21/001—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy 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
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • 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
    • H02P2203/00—Indexing scheme relating to controlling arrangements characterised by the means for detecting the position of the rotor
    • H02P2203/03—Determination of the rotor position, e.g. initial rotor position, during standstill or low speed operation
    • 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)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Control Of Ac Motors In General (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明提供了一种永磁同步电机的控制方法及系统，涉及电机技术领域，该方法包括：通过测量模块测量的电机绕组的历史电压信号；对历史电压信号进行模糊化处理，得到隶属函数值，并进行自适应调整，得到转子位置信号和转子速度信号；基于转子位置信号和转子速度信号，构建期望电压模型，计算预期电压信号；通过历史电压信号和预期电压信号计算误差值，以优化训练期望电压模型，以输出最优预期电压信号；根据最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，本发明能够解决现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。

Description

一种永磁同步电机的控制方法及系统
技术领域
本发明涉及电机技术领域，具体涉及一种永磁同步电机的控制方法及系统。
背景技术
永磁同步电动机（PMSM）是一种高效、高性能、高可靠性的电机，广泛应用于新能源汽车、工业自动化、航空航天等领域。PMSM的控制方法主要分为传感器控制和无传感器控制两种。传感器控制是指利用机械式传感器（如光电编码器、旋转变压器等）来检测电机的转子位置和速度信息，从而实现对电机的矢量控制或直接转矩控制。无传感器控制是指不使用机械式传感器，而是利用电机绕组的电压和电流信号来估计电机的转子位置和速度信息，从而实现对电机的矢量控制或直接转矩控制。
目前比较常见的永磁同步电动机的无传感器控制方法为利用模糊逻辑对电机参数进行在线辨识，并输出转子位置和速度信号。该技术可以在全速范围内实现无传感器转子位置和速度估计，但是模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差，不适合非线性和变化的工况。
发明内容
针对现有技术的不足，本发明的目的在于提供一种永磁同步电机的控制方法及系统，旨在解决现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。
本发明的一方面在于提供一种永磁同步电机的控制方法，所述方法包括：
通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
与现有技术相比，本发明的有益效果在于：通过本发明提供的永磁同步电机的控制方法，实现对电机参数、转子位置和速度、负载扭矩等状态变量的自适应估计和控制，提高适应性和灵活性，具体为，对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；将模糊逻辑规则嵌入到神经网络中，形成了一种具有高度非线性映射能力和自适应学习能力的智能系统，在全速范围内实现无传感器的转子位置和转子速度估计，并且具有较高的估计精度和鲁棒性，可以有效地处理电机控制中的非线性和不确定性问题；基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；利用反向传播算法对权值参数进行自适应调整，从而实现对电机参数、负载扭矩等状态变量的在线辨识，并提高预测的精度和鲁棒性、控制性能和抗干扰能力；根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制，从而解决了现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。
根据上述技术方案的一方面，所述隶属函数值的计算公式为：
，
其中，、/>、/>、/>为隶属函数值，/>和/>均为历史电压信号，/>、/>、/>、均为隶属函数的中心值，/>、/>、/>、/>均为隶属函数的宽度值，中心值和宽度值均为权值参数，能通过反向传播算法进行自适应调整。
根据上述技术方案的一方面，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号的步骤，具体包括：
对所述隶属函数值进行加权求积运算，得到规则输出值，所述规则输出值的计算公式为：
，
其中，、/>、/>、/>为规则输出值；
对所述规则输出值进行加权求和运算，得到转子位置信号和转子速度信号，所述转子位置信号和所述转子速度信号的计算公式为：
,
其中，为转子位置信号，/>为转子速度信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整。
根据上述技术方案的一方面，基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号的步骤，具体包括：
,
其中，、/>为预期电压信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整，/>为所述转子位置信号和所述转子速度信号的转子规则输出值。
根据上述技术方案的一方面，所述误差值的计算公式为：
，
其中，E为误差值，、/>为预期电压信号，/>和/>均为历史电压信号，a、b为输出误差值。
根据上述技术方案的一方面，优化训练所述期望电压模型，以输出最优预期电压信号的步骤，具体包括：
基于所述误差值，优化所述期望电压模型的权值参数，以输出最优预期电压信号，其中，所述期望电压模型的权值参数的计算公式为：
，
其中，、/>、/>、/>、/>、/>均为权值参数，a、b为输出误差值，E为误差值。
根据上述技术方案的一方面，根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制的步骤，具体包括：
根据所述最优预期电压信号，计算相应的空间矢量，所述空间矢量的计算公式为：
，
其中，为空间矢量的幅值，/>为空间矢量的相角；
根据所述相角，计算所述空间矢量所在的扇区以及在所述扇区的面积比例；
基于所述面积比例和所述幅值计算各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
根据上述技术方案的一方面，所述扇区以及所述面积比例的计算公式为：
，
其中，为扇区，/>为面积比例，/>为空间矢量的相角，/>=1,...,6；0≤/>≤1。
根据上述技术方案的一方面，基于所述面积比例和所述幅值计算各个开关的开通时间和顺序的步骤，具体包括：
，
其中，是零矢量的开通时间，/>是相邻小角度基本矢量的开通时间，/>是相邻大角度基本矢量的开通时间，/>是一个载波周期，/>是直流母线电压。
本发明的另一方面在于提供了一种永磁同步电机的控制系统，所述永磁同步电机的控制系统用于实现上述永磁同步电机的控制方法，所述系统包括：
信号获取模块，用于通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
信号计算模块，用于对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
模型构建模块，用于基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
模型优化模块，用于通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
模型预测模块，用于根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
附图说明
本发明的上述与/或附加的方面与优点从结合下面附图对实施例的描述中将变得明显与容易理解，其中：
图1为本发明第一实施例中的永磁同步电机的控制方法的流程示意图；
图2为本发明第三实施例中的永磁同步电机的控制系统的结构框图；
附图元器件符号说明：
信号获取模块100，信号计算模块200，模型构建模块300，模型优化模块400，模型预测模块500。
具体实施方式
为使本发明的目的、特征与优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，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、以特定的方位构造与操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定与限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，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，可以根据具体情况理解上述术语在本发明中的具体含义。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的与所有的组合。
实施例一
请参阅图1，所示本发明的第一实施例提供的一种永磁同步电机的控制方法，所述方法包括步骤S10-S14：
步骤S10，通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
步骤S11，对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
其中，模糊化处理为通过将模糊逻辑规则嵌入到神经网络中，形成自适应模糊神经网络，以计算转子位置信号和转子速度信号，它由四层神经元组成：输入层、隶属函数层、规则层和输出层。
具体为，对所述历史电压信号进行模糊化处理，得到隶属函数值，所述隶属函数值的计算公式为：
，
其中，、/>、/>、/>为隶属函数值，/>和/>均为历史电压信号，/>、/>、/>、均为隶属函数的中心值，/>、/>、/>、/>均为隶属函数的宽度值，中心值和宽度值均为权值参数，能通过反向传播算法进行自适应调整。
对所述隶属函数值进行加权求积运算，得到规则输出值，所述规则输出值的计算公式为：
，
其中，、/>、/>、/>为规则输出值；
对所述规则输出值进行加权求和运算，得到转子位置信号和转子速度信号，所述转子位置信号和所述转子速度信号的计算公式为：
,
其中，为转子位置信号，/>为转子速度信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整。
将模糊逻辑规则嵌入到神经网络中，形成了一种具有高度非线性映射能力和自适应学习能力的智能系统，在全速范围内实现无传感器的转子位置和转子速度估计，并且具有较高的估计精度和鲁棒性，可以有效地处理电机控制中的非线性和不确定性问题。
步骤S12，基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
具体为，期望电压模型的构建公式为：
,
其中，、/>为预期电压信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整，/>为所述转子位置信号和所述转子速度信号的转子规则输出值。
其中，的计算方法类似于步骤S12中规则输出值的计算方法。
即，对所述转子位置信号和所述转子速度信号进行模糊化处理，得到转子隶属函数值，并对所述转子隶属函数值进行加权求积运算，得到转子规则输出值。
其中，转子隶属函数值的计算公式为：
，
其中，、/>、/>、/>为转子隶属函数值，/>、/>、/>、/>均为转子隶属函数的中心值，/>、/>、/>、/>均为转子隶属函数的宽度值。
对所述隶属函数值进行加权求积运算，得到规则输出值，所述规则输出值的计算公式为：
，
其中，、/>、/>、/>为转子规则输出值。
步骤S13，通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
其中，所述误差值的计算公式为：
，
其中，E为误差值，、/>为预期电压信号，/>和/>均为历史电压信号，a、b为输出误差值。
基于所述误差值，优化所述期望电压模型的权值参数，以输出最优预期电压信号，其中，所述期望电压模型的权值参数的计算公式为：
，
其中，、/>、/>、/>、/>、/>均为权值参数，a、b为输出误差值，E为误差值。根据误差值和学习率，对权值参数进行梯度下降优化，实现对负载扭矩的在线估计，并提高控制性能和抗干扰能力。
需要说明的是，利用反向传播算法对权值参数进行自适应调整，从而实现对电机参数、负载扭矩等状态变量的在线辨识，并提高预测的精度和鲁棒性、控制性能和抗干扰能力。
步骤S14，根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
具体为，根据所述最优预期电压信号，计算相应的空间矢量，所述空间矢量的计算公式为：
，
其中，为空间矢量的幅值，/>为空间矢量的相角；
根据所述相角，计算所述空间矢量所在的扇区以及在所述扇区的面积比例；
，
其中，为扇区，/>为面积比例，/>为空间矢量的相角，/>=1,...,6；0≤/>≤1。
基于所述面积比例和所述幅值计算各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
，
其中，是零矢量的开通时间，/>是相邻小角度基本矢量的开通时间，/>是相邻大角度基本矢量的开通时间，/>是一个载波周期，/>是直流母线电压。利用直流母线电压，提高逆变器的输出电压幅值和质量，降低谐波和开关损耗。
与现有技术相比，采用本实施例当中的永磁同步电机的控制方法，有益效果在于：通过本发明提供的永磁同步电机的控制方法，实现对电机参数、转子位置和速度、负载扭矩等状态变量的自适应估计和控制，提高适应性和灵活性，具体为，对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；将模糊逻辑规则嵌入到神经网络中，形成了一种具有高度非线性映射能力和自适应学习能力的智能系统，在全速范围内实现无传感器的转子位置和转子速度估计，并且具有较高的估计精度和鲁棒性，可以有效地处理电机控制中的非线性和不确定性问题；基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；利用反向传播算法对权值参数进行自适应调整，从而实现对电机参数、负载扭矩等状态变量的在线辨识，并提高预测的精度和鲁棒性、控制性能和抗干扰能力；根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制，从而解决了现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。
实施例二
本发明的第二实施例提供了一种永磁同步电机的控制方法，所述方法包括步骤S11：
步骤S11，对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
其中，所述方法还包括，利用反向传播算法对网络权值进行自适应调整隶属函数值的权重参数。
具体为，计算转子位置信号和转子速度信号与实际转子位置信号和实际转子速度信号之间的转子误差值。
，
其中，G为转子误差值，为实际转子位置信号，/>为实际转子速度信号，/>为转子位置信号，/>为转子速度信号，H、L为转子输出误差值。
基于所述误差值，优化所述隶属函数值的权值参数，实现对电机参数的在线辨识，并提高估计精度和鲁棒性。
，
其中，、/>、/>、/>、/>、/>均为权值参数，/>、/>、/>、/>均为隶属函数的中心值，、/>、/>、/>为隶属函数值。
与现有技术相比，采用本实施例当中所述的永磁同步电机的控制方法，有益效果在于：通过本发明提供的永磁同步电机的控制方法，利用反向传播算法对网络权值进行自适应调整隶属函数值的权重参数，提高预测的精度和鲁棒性，从而解决了现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。
实施例三
请参阅图2，所示为本发明的第三实施例提供的一种永磁同步电机的控制系统，所述系统包括：
信号获取模块100，用于通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
信号计算模块200，用于对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
具体为，对所述历史电压信号进行模糊化处理，得到隶属函数值，所述隶属函数值的计算公式为：
，
其中，、/>、/>、/>为隶属函数值，/>和/>均为历史电压信号，/>、/>、/>、均为隶属函数的中心值，/>、/>、/>、/>均为隶属函数的宽度值，中心值和宽度值均为权值参数，能通过反向传播算法进行自适应调整。
对所述隶属函数值进行加权求积运算，得到规则输出值，所述规则输出值的计算公式为：
，
其中，、/>、/>、/>为规则输出值；
对所述规则输出值进行加权求和运算，得到转子位置信号和转子速度信号，所述转子位置信号和所述转子速度信号的计算公式为：
,
其中，为转子位置信号，/>为转子速度信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整。
模型构建模块300，用于基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
具体为，期望电压模型的构建公式为：
,
其中，、/>为预期电压信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整，/>为所述转子位置信号和所述转子速度信号的转子规则输出值。
模型优化模块400，用于通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
其中，所述误差值的计算公式为：
，
其中，E为误差值，、/>为预期电压信号，/>和/>均为历史电压信号，a、b为输出误差值。
基于所述误差值，优化所述期望电压模型的权值参数，以输出最优预期电压信号，其中，所述期望电压模型的权值参数的计算公式为：
，
其中，、/>、/>、/>、/>、/>均为权值参数，a、b为输出误差值，E为误差值。
模型预测模块500，用于根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
具体为，根据所述最优预期电压信号，计算相应的空间矢量，所述空间矢量的计算公式为：
，
其中，为空间矢量的幅值，/>为空间矢量的相角；
根据所述相角，计算所述空间矢量所在的扇区以及在所述扇区的面积比例；
，
其中，为扇区，/>为面积比例，/>为空间矢量的相角，/>=1,...,6；0≤/>≤1。
基于所述面积比例和所述幅值计算各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
，
其中，是零矢量的开通时间，/>是相邻小角度基本矢量的开通时间，/>是相邻大角度基本矢量的开通时间，/>是一个载波周期（PWM周期），/>是直流母线电压。
与现有技术相比，采用本实施例当中所示的永磁同步电机的控制系统，有益效果在于：通过本发明提供的永磁同步电机的控制系统，实现对电机参数、转子位置和速度、负载扭矩等状态变量的自适应估计和控制，提高适应性和灵活性，具体为，通过信号计算模块，将模糊逻辑规则嵌入到神经网络中，形成了一种具有高度非线性映射能力和自适应学习能力的智能系统，在全速范围内实现无传感器的转子位置和转子速度估计，并且具有较高的估计精度和鲁棒性，可以有效地处理电机控制中的非线性和不确定性问题，并通过模型优化模块，利用反向传播算法对权值参数进行自适应调整，从而实现对电机参数、负载扭矩等状态变量的在线辨识，并提高预测的精度和鲁棒性、控制性能和抗干扰能力，从而解决了现有技术中利用模糊逻辑对电机参数进行在线辨识，模糊逻辑规则较为固定，需要人为设定模糊集和隶属函数，导致规则的适应性和灵活性较差的技术问题。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体与详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形与改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种永磁同步电机的控制方法，其特征在于，所述方法包括：
通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
2.根据权利要求1所述的永磁同步电机的控制方法，其特征在于，所述隶属函数值的计算公式为：
，
其中，、/>、/>、/>为隶属函数值，/>和/>均为历史电压信号，/>、/>、/>、/>均为隶属函数的中心值，/>、/>、/>、/>均为隶属函数的宽度值，中心值和宽度值均为权值参数，能通过反向传播算法进行自适应调整。
3.根据权利要求2所述的永磁同步电机的控制方法，其特征在于，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号的步骤，具体包括：
对所述隶属函数值进行加权求积运算，得到规则输出值，所述规则输出值的计算公式为：
，
其中，、/>、/>、/>为规则输出值；
对所述规则输出值进行加权求和运算，得到转子位置信号和转子速度信号，所述转子位置信号和所述转子速度信号的计算公式为：
,
其中，为转子位置信号，/>为转子速度信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整。
4.根据权利要求3所述的永磁同步电机的控制方法，其特征在于，基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号的步骤，具体包括：
,
其中，、/>为预期电压信号，/>、/>、/>、/>、/>、/>均为权值参数，能通过反向传播算法进行自适应调整，/>为所述转子位置信号和所述转子速度信号的转子规则输出值。
5.根据权利要求4所述的永磁同步电机的控制方法，其特征在于，所述误差值的计算公式为：
，
其中，E为误差值，、/>为预期电压信号，/>和/>均为历史电压信号，a、b为输出误差值。
6.根据权利要求5所述的永磁同步电机的控制方法，其特征在于，优化训练所述期望电压模型，以输出最优预期电压信号的步骤，具体包括：
基于所述误差值，优化所述期望电压模型的权值参数，以输出最优预期电压信号，其中，所述期望电压模型的权值参数的计算公式为：
，
其中，、/>、/>、/>、/>、/>均为权值参数，a、b为输出误差值，E为误差值。
7.根据权利要求6所述的永磁同步电机的控制方法，其特征在于，根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制的步骤，具体包括：
根据所述最优预期电压信号，计算相应的空间矢量，所述空间矢量的计算公式为：
，
其中，为空间矢量的幅值，/>为空间矢量的相角；
根据所述相角，计算所述空间矢量所在的扇区以及在所述扇区的面积比例；
基于所述面积比例和所述幅值计算各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
8.根据权利要求7所述的永磁同步电机的控制方法，其特征在于，所述扇区以及所述面积比例的计算公式为：
，
其中，为扇区，/>为面积比例，/>为空间矢量的相角，/>=1,...,6；0≤/>≤1。
9.根据权利要求8所述的永磁同步电机的控制方法，其特征在于，基于所述面积比例和所述幅值计算各个开关的开通时间和顺序的步骤，具体包括：
，
其中，是零矢量的开通时间，/>是相邻小角度基本矢量的开通时间，/>是相邻大角度基本矢量的开通时间，/>是一个载波周期，/>是直流母线电压。
10.一种永磁同步电机的控制系统，其特征在于，所述系统用于实现权利要求1-9中任意一项所述的永磁同步电机的控制方法，所述系统包括：
信号获取模块，用于通过三相全桥逆变器驱动永磁同步电动机，并通过所述三相全桥逆变器的测量模块测量的电机绕组的历史电压信号；
信号计算模块，用于对所述历史电压信号进行模糊化处理，得到隶属函数值，并对所述隶属函数值进行自适应调整，得到转子位置信号和转子速度信号；
模型构建模块，用于基于所述转子位置信号和所述转子速度信号，构建期望电压模型，以计算预期电压信号；
模型优化模块，用于通过所述历史电压信号和所述预期电压信号对比计算误差值，以优化训练所述期望电压模型，以输出最优预期电压信号；
模型预测模块，用于根据所述最优预期电压信号，计算相应的空间矢量，以预测各个开关的开通时间和顺序，形成PWM波形，实现对永磁同步电动机的控制。
CN202311236559.XA 2023-09-25 2023-09-25 一种永磁同步电机的控制方法及系统 Active CN116979849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311236559.XA CN116979849B (zh) 2023-09-25 2023-09-25 一种永磁同步电机的控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311236559.XA CN116979849B (zh) 2023-09-25 2023-09-25 一种永磁同步电机的控制方法及系统

Publications (2)

Publication Number Publication Date
CN116979849A true CN116979849A (zh) 2023-10-31
CN116979849B CN116979849B (zh) 2024-01-26

Family

ID=88473510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311236559.XA Active CN116979849B (zh) 2023-09-25 2023-09-25 一种永磁同步电机的控制方法及系统

Country Status (1)

Country Link
CN (1) CN116979849B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938246A (zh) * 2010-09-29 2011-01-05 重庆交通大学 无速度传感器电机转速的模糊融合辨识方法
US20130342142A1 (en) * 2012-04-26 2013-12-26 Emerson Climate Technologies, Inc. System And Method for Permanent Magnet Motor Control
CN111224593A (zh) * 2020-02-20 2020-06-02 浙江理工大学 基于差分进化算法优化的模糊自适应滑模控制方法及系统
CN113472262A (zh) * 2021-06-04 2021-10-01 江苏大学 采用模糊逻辑控制的永磁同步电机d-q轴电感参数辨识的MTPA控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101938246A (zh) * 2010-09-29 2011-01-05 重庆交通大学 无速度传感器电机转速的模糊融合辨识方法
US20130342142A1 (en) * 2012-04-26 2013-12-26 Emerson Climate Technologies, Inc. System And Method for Permanent Magnet Motor Control
CN111224593A (zh) * 2020-02-20 2020-06-02 浙江理工大学 基于差分进化算法优化的模糊自适应滑模控制方法及系统
CN113472262A (zh) * 2021-06-04 2021-10-01 江苏大学 采用模糊逻辑控制的永磁同步电机d-q轴电感参数辨识的MTPA控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANGTAO WANG ET AL.: "Novel intelligent sensorless control of permanent magnet synchronous motor drive", 《 2009 9TH INTERNATIONAL CONFERENCE ON ELECTRONIC MEASUREMENT & INSTRUMENTS》, pages 953 - 958 *
张会林 等: "ANFIS优化磁链滑模观测器的PMSM无传感器控制", 《系统仿真学报》, vol. 34, no. 8, pages 1682 - 1690 *

Also Published As

Publication number Publication date
CN116979849B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CN107070341B (zh) 基于鲁棒迭代学习控制的永磁同步电机转矩脉动抑制方法
Uddin et al. Development and implementation of a simplified self-tuned neuro–fuzzy-based IM drive
CN108418487B (zh) 一种用于电动汽车的速度脉动抑制方法
CN105048896B (zh) 一种无刷直流电机直接转矩自适应模糊控制方法
CN104579083A (zh) 永磁同步电机矢量控制方法及系统
CN111193448B (zh) 基于扩展卡尔曼滤波器的永磁同步电机负载转矩观测方法
CN112803861B (zh) 一种永磁同步电机三矢量模型预测控制的无零矢量算法
KR100850185B1 (ko) 신경회로망을 이용한 ipmsm의 효율 최적화 제어시스템
Liu et al. Second-order ESO-based current sensor fault-tolerant strategy for sensorless control of PMSM with B-phase current
CN116979849B (zh) 一种永磁同步电机的控制方法及系统
Khan et al. Neural network modulation for a Direct Torque controlled Induction Motor Drive
Isaac Improving sucker rod pump efficiency using frequency controlled induction motor
Ouannou et al. Torque control of switched reluctance motor using ANN-PID controller
Shi et al. Single neural PID control for sensorless switched reluctance motor based on RBF neural network
Wang et al. A survey of direct torque control schemes for permanent magnet synchronous motor drives
Ozcira et al. Direct torque control of permanent magnet synchronous motors
Sujatha et al. Artificial intelligence based speed control of brushless DC motor
Zhao et al. Torque ripple suppression of pmsm speed regulation system using neural network
CN107093971A (zh) 一种永磁同步电机的转矩控制系统及控制方法
CN107947665B (zh) 交流伺服电机的电流预测控制方法及其系统
CN111082711A (zh) 一种无刷直流电机反步法控制方法及系统
Matwankar et al. Position Sensorless Torque Ripple Control of Switched Reluctance Motor Drive using B-Spline Neural Network
Urbanski Position estimation at zero speed for PMSM using probabilistic neural network
Tian et al. Sensorless position control using adaptive wavelet neural network for PM BLDCM
Khan et al. ANFIS Based Speed Controller for a Direct Torque Controlled Induction Motor Drive

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