CN117081451A - 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法 - Google Patents

基于可变遗忘因子的永磁同步电机基波电流幅值识别方法 Download PDF

Info

Publication number
CN117081451A
CN117081451A CN202310814029.2A CN202310814029A CN117081451A CN 117081451 A CN117081451 A CN 117081451A CN 202310814029 A CN202310814029 A CN 202310814029A CN 117081451 A CN117081451 A CN 117081451A
Authority
CN
China
Prior art keywords
forgetting factor
permanent magnet
magnet synchronous
synchronous motor
recursive
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
CN202310814029.2A
Other languages
English (en)
Inventor
杨建�
周敬阳
王雅颖
刘振宇
董密
宋冬然
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.)
Central South University
Original Assignee
Central South University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN202310814029.2A priority Critical patent/CN117081451A/zh
Publication of CN117081451A publication Critical patent/CN117081451A/zh
Pending legal-status Critical Current

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
    • H02P21/22—Current control, e.g. using a current control loop
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2111—Selection of the most significant subset of features by using evolutionary computational techniques, e.g. genetic algorithms
    • 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
    • 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
    • H02P27/085—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明提供一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，包含：基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别；在带固定遗忘因子的递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对可变遗忘因子进行更新。本发明采用递推最小二乘算法，在瞬态和稳态下都能够实现对永磁同步电机基波电流幅值的快速和精确跟踪；相较于传统的固定参数的递推最小二乘算法，本发明提供的可变遗忘因子的递推最小二乘算法动态调整遗忘因子，以同时实现基波电流幅值识别的稳定性和快速性，识别效果优于采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。

Description

基于可变遗忘因子的永磁同步电机基波电流幅值识别方法
技术领域
本发明涉及永磁同步电机控制技术领域，具体地说，涉及一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法。
背景技术
永磁同步电机(permanent magnet synchronous motor，PMSM)具有结构简单、功率密度高、过载能力强、易于维护等特点，在工业机器人、电动汽车、航空航天等领域得到了广泛的应用。在许多永磁同步电机(PMSM)的应用中，都需要基波电流分量，但是永磁同步电机(PMSM)的三相电流中除了有基波电流分量，还有以五次和七次谐波电流为主的高次谐波分量，这导致直接提取基波电流分量较为困难。
递推最小二乘法(Recursive Least Square，RLS)作为一种在线辨识算法，能够在含有白噪声的系统中实时获得参数的无偏估计，且易于实现。经典带遗忘因子的递推最小二乘法(Recursive Least Squares with Forgetting Factor，FRLS)中遗忘因子λ为一个固定值，也就是按固定速率削弱过去观测数据的作用。若固定遗忘因子λ接近1，该算法精度高但对参数的跟踪能力降低。降低固定遗忘因子λ可以提高跟踪能力，但同时会减低稳态精度。
针对现有技术的问题，本发明提供了一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法。
发明内容
为了克服现有技术的缺陷，本发明的目的在于，需要提供一种在瞬态和稳态下都能够实现对基波电流幅值的快速和精确跟踪，识别效果优于传统的采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。
本发明提供了一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，所述方法包含：
基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别；
在带固定遗忘因子的所述递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对所述可变遗忘因子进行更新。
根据本发明的一个实施例，通过以下步骤对永磁同步电机的基波电流幅值进行识别：
针对永磁同步电机，建立永磁同步电机转子电流模型；
将所述永磁同步电机转子电流模型中的三相电流公式改写为最小二乘关系式的形式；
使用带固定遗忘因子的所述递推最小二乘法的递推公式，对永磁同步电机的基波电流幅值进行识别计算。
根据本发明的一个实施例，所述永磁同步电机转子电流模型为：
其中，iu、iv、iw是永磁同步电机的三相电流；I1、I5、I7和θ1、θ5、θ7分别是基波电流、五次谐波电流和七次谐波电流的幅值和相位；ω是电角速度；t是时间。
根据本发明的一个实施例，将所述永磁同步电机转子电流模型中的三相电流公式改写为y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式，其中，y(m)是输出向量；XT(m)是输入向量的转置；θ(m)是待识别的参数值；E(m)是均值为零的随机噪声。
根据本发明的一个实施例，y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式为：
其中，iu(m)、iv(m)、iw(m)和θe(m)是永磁同步电机的三相电流和电角度；X(m)是输入向量；是估计参数；Ik、θk是k次谐波电流的幅值和相位。
根据本发明的一个实施例，带固定遗忘因子的所述递推最小二乘法的递推公式为：
其中，P(m)是方差矩阵；λ是固定遗忘因子；K(m)是校正矩阵；XT(m)是输入向量的转置；X(m)是输入向量；是估计参数；y(m)是输出向量；m是递归计算次数。
根据本发明的一个实施例，基于fal函数的自抗扰控制器非线性反馈控制率，构建得到可变遗忘因子的更新公式：
其中，fal函数是自抗扰控制器中扩张状态观测器的非线性结构；λ'是可变遗忘因子；e是误差率；△e是受保护的谐波变化范围；α是非线性因子；δ是滤波因子；ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；是由速度环输出的目标q轴电流；/>是估计参数；m是递归计算次数。
根据本发明的一个实施例，通过以下表达式计算所述中间参数：
ky＝(λMax-λMin)/(2△eα)
其中，ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；△e是受保护的谐波变化范围；α是非线性因子。
根据本发明的另一个方面，还提供了一种存储介质，其包含用于执行如上任一项所述的方法步骤的一系列指令。
根据本发明的另一个方面，还提供了一种基于可变遗忘因子的永磁同步电机基波电流幅值识别装置，执行如上任一项所述的方法，所述装置包含：
基波电流幅值识别模块，其用于基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别；
可变遗忘因子更新模块，其用于在带固定遗忘因子的所述递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对所述可变遗忘因子进行更新。
本发明提供了一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，与现有技术相比，具备以下优势：
(1)本发明采用递推最小二乘算法，在瞬态和稳态下都能够实现对PMSM基波电流幅值的快速和精确跟踪；
(2)相较于传统的固定参数的递推最小二乘算法，本发明提供的可变遗忘因子的递推最小二乘算法动态调整遗忘因子λ，以同时实现基波电流幅值识别的稳定性和快速性，识别效果优于采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1显示了根据本发明的一个实施例的基于可变遗忘因子的永磁同步电机基波电流幅值识别方法步骤流程图；
图2显示了根据本发明的一个实施例的基于可变遗忘因子的永磁同步电机基波电流幅值识别方法步骤示意图。
附图中，相同的部件使用相同的附图标记。另外，附图并未按照实际的比例绘制。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下结合附图对本发明实施例作进一步地详细说明。
现有技术中，经典带遗忘因子的递推最小二乘法(Recursive Least Squareswith Forgetting Factor，FRLS)中，遗忘因子选取值的大小，直接关系到参数辨识的稳定性，虽然不同取值，对应的误差变化可能不会太大，但是能够从结果上说明，遗忘因子的取值确实会影响模型精度。遗忘因子越大，参数辨识结果越稳定，但会响应速度越慢，实时性差，模型精度不是最优；遗忘因子越小，参数辨识结果波动大，但是响应速度快，模型精度高。
现有技术中，并不存在通识的遗忘因子合理设置方法，即并没有一个公认的计算公式去衡量设置的固定遗忘因子是否合理，包括该固定遗忘因子对应的辨识出来的参数值是否合理，以及对模型精度的影响。
综上，为了解决目前现有技术的问题，本发明提供一种在瞬态和稳态下都能够实现对基波电流幅值的快速和精确跟踪，识别效果优于传统的采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。
本发明提供的基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，相较于传统的固定遗忘因子的递推最小二乘算法，可变遗忘因子的递推最小二乘算法动态调整遗忘因子λ，以同时实现基波电流幅值识别的稳定性和快速性。
图1显示了根据本发明的一个实施例的基于可变遗忘因子的永磁同步电机基波电流幅值识别方法步骤流程图。
如图1所示，在步骤S101中，基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别。
在一个实施例中，通过步骤S1011-S1013对永磁同步电机的基波电流幅值进行识别。
在步骤S1011中，针对永磁同步电机，建立永磁同步电机转子电流模型。
理想情况下，永磁同步电机是三相平衡和半波对称的。相电流中没有n阶(n＝3，9，15..)和偶次谐波，具体来说，在步骤S1011中，考虑到五次和七次电流谐波是主要分量，永磁同步电机转子电流模型为：
其中，iu、iv、iw是永磁同步电机的三相电流；I1、I5、I7和θ1、θ5、θ7分别是基波电流、五次谐波电流和七次谐波电流的幅值和相位；ω是电角速度；t是时间。
在步骤S1012中，将永磁同步电机转子电流模型中的三相电流公式改写为最小二乘关系式的形式。
具体来说，在步骤S1012中，将永磁同步电机转子电流模型中的三相电流公式(1)改写为y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式，其中，y(m)是输出向量，XT(m)是输入向量的转置；θ(m)是待识别的参数值；E(m)是均值为零的随机噪声；m是递归计算次数。在一个实施例中，θ(m)对应表示基波电流幅值I1；E(m)对应表示高次谐波电流。
进一步地，根据永磁同步电机(PMSM)转子电流模型中的三相电流公式(1)，建立y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式为：
其中，iu(m)、iv(m)、iw(m)和θe(m)是永磁同步电机的三相电流和电角度；X(m)是输入向量；是估计参数；Ik、θk是k次谐波电流的幅值和相位。
具体来说，iu(m)、iv(m)、iw(m)和θe(m)可以来自传感器对于永磁同步电机(PMSM)的采样。
在步骤S1013中，使用带固定遗忘因子的递推最小二乘法的递推公式，对永磁同步电机的基波电流幅值进行识别计算。
具体来说，步骤S1013中，带固定遗忘因子的递推最小二乘法的递推公式为：
其中，P(m)是方差矩阵；λ是固定遗忘因子；K(m)是校正矩阵；XT(m)是输入向量的转置；X(m)是输入向量；是估计参数；y(m)是输出向量；m是递归计算次数。
如图2所示，输入iu(m)、iv(m)、iw(m)和θe(m)，通过带固定遗忘因子的递推最小二乘法的递推公式(3)，对永磁同步电机的基波电流幅值(例如基波电流平均值)进行识别计算。
本发明采用递推最小二乘算法，在瞬态和稳态下都能够实现对PMSM基波电流幅值的快速和精确跟踪。
如图1所示，在步骤S102中，在带固定遗忘因子的递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对可变遗忘因子进行更新。
自抗扰控制器(Active Disturbance Rejection Control，ADRC)是由跟踪微分器(tracking differentiator)、扩展状态观测器(extended state observer)和非线性状态误差反馈控制律(nonlinear state error feedback law)组成的产品。
其中，跟踪微分器的作用是安排过渡过程，给出合理的控制信号，解决了响应速度与超调性之间的矛盾。扩展状态观测器用来解决模型未知部分和外部未知扰动综合对控制对象的影响。虽然叫做扩展状态观测器，但与普通的状态观测器不同。扩展状态观测器设计了一个扩展的状态量来跟踪模型未知部分和外部未知扰动的影响。然后给出控制量补偿这些扰动。将控制对象变为普通的积分串联型控制对象。设计扩展状态观测器的目的就是观测扩展出来的状态变量，用来估计未知扰动和控制对象未建模部分，实现动态系统的反馈线性化，将控制对象变为积分串联型。非线性误差反馈控制律给出被控对象的控制策略。
具体来说，在步骤S102中，基于fal函数的自抗扰控制器非线性反馈控制率(nonlinear state error feedback law)，构建得到可变遗忘因子的更新公式(4)：
其中，fal函数是自抗扰控制器中扩张状态观测器的非线性结构；λ'是可变遗忘因子；e是误差率；△e是受保护的谐波变化范围；α是非线性因子；δ是滤波因子；ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；是由速度环输出的目标q轴电流；/>是估计参数；m是递归计算次数。在一个实施例中，e表示参考q轴电流相对于基波电流幅值的误差率。
进一步地，在步骤S102在，通过以下表达式(5)计算中间参数：
ky＝(λMax-λMin)/(2△eα) (5)
其中，ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；△e是受保护的谐波变化范围；α是非线性因子。
如图2所示，输入λMax、λMin、通过可变遗忘因子的更新公式(4)、中间参数表达式(5)，得到更新后的可变遗忘因子λ'，使用可变遗忘因子λ'替代带固定遗忘因子的递推最小二乘法(FRLS)中的固定遗忘因子λ，对永磁同步电机的基波电流幅值(例如基波电流平均值/>)进行识别计算。
相较于传统的固定参数的递推最小二乘算法，本发明提供的可变遗忘因子的递推最小二乘算法动态调整遗忘因子λ，以同时实现基波电流幅值识别的稳定性和快速性，识别效果优于采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。
本发明提供的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法还可以配合一种计算机可读取的存储介质，存储介质上存储有计算机程序，执行计算机程序以运行一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法。
计算机程序能够运行计算机指令，计算机指令包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
计算机可读取的存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，计算机可读取的存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读取的存储介质不包括电载波信号和电信信号。
本发明在瞬态和稳态下都能够实现对永磁同步电机(PMSM)基波电流幅值的快速和精确跟踪，提高了基波电流幅值识别的稳定性和快速性，识别效果优于传统的采用固定遗忘因子的递推最小二乘算法的基波电流识别方法，具有很好的实用价值。
根据本发明的另一个方面，还提供一种基于可变遗忘因子的永磁同步电机基波电流幅值识别装置，执行一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，装置包含：基波电流幅值识别模块、可变遗忘因子更新模块。
基波电流幅值识别模块用于基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别。
可变遗忘因子更新模块用于在带固定遗忘因子的递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对可变遗忘因子进行更新。
综上，本发明提供了一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，与现有技术相比，具备以下优势：
(1)本发明采用递推最小二乘算法，在瞬态和稳态下都能够实现对PMSM基波电流幅值的快速和精确跟踪；
(2)相较于传统的固定参数的递推最小二乘算法，本发明提供的可变遗忘因子的递推最小二乘算法动态调整遗忘因子λ，以同时实现基波电流幅值识别的稳定性和快速性，识别效果优于采用固定遗忘因子的递推最小二乘算法的基波电流识别方法。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
某些术语在本申请文件中自始至终用来指示特定系统部件。如本领域的技术人员将认识到的那样，通常可以用不同的名称来指示相同的部件，因而本申请文件不意图区别那些只是在名称上不同而不是在功能方面不同的部件。在本申请文件中，以开放的形式使用术语“包括(comprise)”、“包含(include)”和“具有(have)”，并且因此应将其解释为意指“包括但不限于…”。此外，在本文中可能使用的术语“基本上”、“实质上”或者“近似地”涉及行业所接受的对相应术语的容差。如在本文中可能采用的术语“耦合”包括直接耦合和经由另外的组件、元件、电路、或者模块的间接耦合，其中对于间接耦合来说，介于其间的组件、元件、电路、或模块不更改信号的信息但是可调整其电流水平、电压水平、和/或功率水平。推断的耦合(例如其中一个元件通过推断耦合至另一个元件)包括以与“耦合”同样的方式在两个元件之间的直接和间接的耦合。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，所述方法包含：
基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别；
在带固定遗忘因子的所述递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对所述可变遗忘因子进行更新。
2.如权利要求1所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，通过以下步骤对永磁同步电机的基波电流幅值进行识别：
针对永磁同步电机，建立永磁同步电机转子电流模型；
将所述永磁同步电机转子电流模型中的三相电流公式改写为最小二乘关系式的形式；
使用带固定遗忘因子的所述递推最小二乘法的递推公式，对永磁同步电机的基波电流幅值进行识别计算。
3.如权利要求2所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，所述永磁同步电机转子电流模型为：
其中，iu、iv、iw是永磁同步电机的三相电流；I1、I5、I7和θ1、θ5、θ7分别是基波电流、五次谐波电流和七次谐波电流的幅值和相位；ω是电角速度；t是时间。
4.如权利要求3所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，将所述永磁同步电机转子电流模型中的三相电流公式改写为y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式，其中，y(m)是输出向量；XT(m)是输入向量的转置；θ(m)是待识别的参数值；E(m)是均值为零的随机噪声；m是递归计算次数。
5.如权利要求4所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，y(m)＝XT(m)θ(m)+E(m)形式的最小二乘关系式为：
其中，iu(m)、iv(m)、iw(m)和θe(m)是永磁同步电机的三相电流和电角度；X(m)是输入向量；是估计参数；Ik、θk是k次谐波电流的幅值和相位。
6.如权利要求2-5中任一项所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，带固定遗忘因子的所述递推最小二乘法的递推公式为：
其中，P(m)是方差矩阵；λ是固定遗忘因子；K(m)是校正矩阵；XT(m)是输入向量的转置；X(m)是输入向量；是估计参数；y(m)是输出向量；m是递归计算次数。
7.如权利要求1-6中任一项所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，基于fal函数的自抗扰控制器非线性反馈控制率，构建得到可变遗忘因子的更新公式：
其中，fal函数是自抗扰控制器中扩张状态观测器的非线性结构；λ'是可变遗忘因子；e是误差率；△e是受保护的谐波变化范围；α是非线性因子；δ是滤波因子；ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；是由速度环输出的目标q轴电流；/>是估计参数；m是递归计算次数。
8.如权利要求7所述的一种基于可变遗忘因子的永磁同步电机基波电流幅值识别方法，其特征在于，通过以下表达式计算所述中间参数：
ky＝(λMax-λMin)/(2△eα)
其中，ky为中间参数；λMax和λMin是可变遗忘因子的限制设置；△e是受保护的谐波变化范围；α是非线性因子。
9.一种存储介质，其特征在于，其包含用于执行如权利要求1-8中任一项所述的方法步骤的一系列指令。
10.一种基于可变遗忘因子的永磁同步电机基波电流幅值识别装置，其特征在于，执行如权利要求1-8中任一项所述的方法，所述装置包含：
基波电流幅值识别模块，其用于基于带固定遗忘因子的递推最小二乘法，对永磁同步电机的基波电流幅值进行识别；
可变遗忘因子更新模块，其用于在带固定遗忘因子的所述递推最小二乘法中引入可变遗忘因子，并使用自抗扰控制器非线性反馈控制率对所述可变遗忘因子进行更新。
CN202310814029.2A 2023-07-04 2023-07-04 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法 Pending CN117081451A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310814029.2A CN117081451A (zh) 2023-07-04 2023-07-04 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310814029.2A CN117081451A (zh) 2023-07-04 2023-07-04 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法

Publications (1)

Publication Number Publication Date
CN117081451A true CN117081451A (zh) 2023-11-17

Family

ID=88715984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310814029.2A Pending CN117081451A (zh) 2023-07-04 2023-07-04 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法

Country Status (1)

Country Link
CN (1) CN117081451A (zh)

Similar Documents

Publication Publication Date Title
Zhang et al. Fractional order sliding-mode control based on parameters auto-tuning for velocity control of permanent magnet synchronous motor
WO2022252289A1 (zh) 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
Sira-Ramírez et al. On the equivalence between ADRC and Flat Filter based controllers: A frequency domain approach
Zirkohi Command filtering-based adaptive control for chaotic permanent magnet synchronous motors considering practical considerations
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
Raj et al. Particle swarm optimized deep convolutional neural sugeno-takagi fuzzy PID controller in permanent magnet synchronous motor
Ding et al. Disturbance suppression for PMSM by a non‐linear composite controller based on two‐channel strategy
CN115347841A (zh) 一种永磁同步电机无差拍预测电流环控制方法
CN113346810B (zh) 速度和电流双闭环模糊控制的pmsm无传感器控制方法
CN114531082A (zh) 一种基于aeso的永磁同步电机无差拍电流预测模糊控制方法
Wang et al. An improved deadbeat predictive current control based on parameter identification for PMSM
Wang et al. Continuous-control-set model-free predictive control using time-series subspace for PMSM drives
Wei et al. Model-free predictive current control using extended affine ultralocal for PMSM drives
Ma et al. Filter-and observer-based finite-time adaptive fuzzy control for induction motors systems considering stochastic disturbance and load variation
De La Guerra et al. Speed-sensorless control of SR motors based on GPI observers
CN117081451A (zh) 基于可变遗忘因子的永磁同步电机基波电流幅值识别方法
Gan et al. Fractional-order electromagnetic modeling and identification for PMSM servo system
Dursun Enhancement fractional-order sliding mode controller design for induction motor vector control
Thakar et al. Fractional-order PI controller for permanent magnet synchronous motor: A design-based comparative study
CN112152529B (zh) 一种用于永磁直线电机的最大推力控制方法及系统
Li et al. Design of current predictive control of permanent magnet synchronous linear motor based on double disturbance compensator
Askour et al. Comparative Investigation of DSP-Based Speed Control of PMSM Using Proportional Integral and Takagi-Sugeno Fuzzy Logic Controller
Wang et al. Finite control‐set model predictive direct speed control of a PMSM drive based on the Taylor series model
CN111208728A (zh) 一种线性自抗扰控制方法、装置设备及存储介质
Aguilar Mejía et al. Adaptive Speed Controller for a Permanent Magnet Synchronous Motor

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
CB03 Change of inventor or designer information

Inventor after: Yang Jian

Inventor after: Wang Yaying

Inventor after: Zhou Jingyang

Inventor after: Dong Mi

Inventor after: Song Dongran

Inventor after: Liu Zhenyu

Inventor before: Yang Jian

Inventor before: Zhou Jingyang

Inventor before: Wang Yaying

Inventor before: Liu Zhenyu

Inventor before: Dong Mi

Inventor before: Song Dongran

CB03 Change of inventor or designer information