CN117544033A - 一种基于bfoa的pmsm预测控制系统参数补偿方法 - Google Patents
一种基于bfoa的pmsm预测控制系统参数补偿方法 Download PDFInfo
- Publication number
- CN117544033A CN117544033A CN202311515629.5A CN202311515629A CN117544033A CN 117544033 A CN117544033 A CN 117544033A CN 202311515629 A CN202311515629 A CN 202311515629A CN 117544033 A CN117544033 A CN 117544033A
- Authority
- CN
- China
- Prior art keywords
- parameter
- compensation
- motor
- value
- axis
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 230000001580 bacterial effect Effects 0.000 claims description 51
- 241000894006 Bacteria Species 0.000 claims description 38
- 230000004907 flux Effects 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 22
- 230000035605 chemotaxis Effects 0.000 claims description 18
- 239000006185 dispersion Substances 0.000 claims description 17
- 230000003399 chemotactic effect Effects 0.000 claims description 13
- ZYIXXVCNAOYWQA-UHFFFAOYSA-N 2-(1-benzofuran-2-yl)acetic acid Chemical compound C1=CC=C2OC(CC(=O)O)=CC2=C1 ZYIXXVCNAOYWQA-UHFFFAOYSA-N 0.000 claims description 11
- 230000005012 migration Effects 0.000 claims description 10
- 238000013508 migration Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 claims description 5
- 230000010076 replication Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 18
- 230000004044 response Effects 0.000 description 12
- 238000004088 simulation Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 8
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000004804 winding Methods 0.000 description 5
- 230000002431 foraging effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 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
- H02P21/14—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
- H02P21/0021—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using different modes of control depending on a parameter, e.g. the 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
- 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
- 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
-
- 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
- H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
- H02P2205/01—Current loop, i.e. comparison of the motor current with a current reference
-
- 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
- H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
- H02P2205/07—Speed loop, i.e. comparison of the motor speed with a speed reference
-
- 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)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于BFOA的PMSM预测控制系统参数补偿方法，涉及电机控制领域，解决了传统PMSM有限控制集模型预测电流控制(FCS‑MPCC)存在控制性能依赖于电机参数准确性的问题。该方法基于参数畸变对于预测电流影响的分析，设计了BFOA的多适应度函数，并结合BFOA对电机各参数补偿值进行迭代优化，优化后的参数补偿值可降低预测电流偏差，提高PMSM预测控制系统鲁棒性，即使在电机参数发生失配情况下仍能一定程度上保证较好的动、静态控制性能，最终结合优化补偿值计算逆变器电路不同开关状态下的代价函数，输出代价函数取值最小时的开关状态。
Description
技术领域
本发明涉及电机控制领域，尤其是一种基于BFOA的PMSM预测控制系统参数补偿方法。
背景技术
由于永磁同步电机(Permanent Magnet Synchronous Motor，PMSM)是一个复杂的非线性、强耦合、多变量系统，其控制难度高、成本大。近年来，预测控制、滑模控制、智能控制等多种先进的控制策略被提出并运用到PMSM控制系统中。其中，有限控制集模型预测电流控制(Finite Control Set Model Predictive Current Control，FCS-MPCC)因其对模型要求低、控制综合质量好、在线计算方便等特点脱颖而出。但FCS-MPCC在实际应用中仍存在明显的缺点：PMSM物理结构存在齿槽效应、边端效应和饱和效应，在运行过程中会出现温升参数变化，而预测结果依赖于系统模型参数，参数失配会导致控制性能下降。针对这一问题，主要的解决方法可归纳为两种：一种即在线参数识别，另一种为预测误差补偿方法。参数识别需要精确的电压和电流测量，在实际实施中较为复杂。预测误差补偿方法通过设计观测器、调节器等去校正预测模型的参数，但补偿限于单项参数：d、q轴电感或磁体磁链，无法同时对多个参数进行补偿，且有时会削弱系统动态响应。因此，为进一步提升PMSM的发展和应用，PMSM预测控制系统参数鲁棒性的研究已成为当前热点。
发明内容
本发明人针对上述问题及技术需求，提出了一种基于BFOA的PMSM预测控制系统参数补偿方法，来维持电机在各类参数畸变情况下控制性能的稳定性，克服传统参数补偿策略难以实现参数全覆盖、计算量大的问题。本发明的技术方案如下：
一种基于BFOA的PMSM预测控制系统参数补偿方法，包括如下步骤：
构建PMSM的FCS-MPCC模型，并根据模型计算电机各参数补偿前后的预测电流偏差；其中，电机参数包括定子电阻、dq轴电感、永磁体磁链；
根据电机各参数补偿前后的预测电流偏差确定BFOA的多适应度函数，多适应度函数为电机各参数的补偿值的约束条件；
随机生成初始细菌种群，并基于BFOA进行迭代优化，得到满足多适应度函数均趋于零的电机各参数的优化补偿值；其中迭代优化的参数为每个细菌的位置信息，包含了电机各参数的补偿值组成的四维向量；
结合电机各参数的优化补偿值计算逆变器电路不同开关状态下的代价函数，输出代价函数取值最小时的开关状态。
其进一步的技术方案为，FCS-MPCC模型为：
式中，id(k)、iq(k)表示当前采样时刻k的d、q轴电流；id(k+1)、iq(k+1)表示下一采样时刻k+1的d、q轴预测电流值，ud(k)、uq(k)表示当前采样时刻k的d、q轴电压；T为预测控制系统的采样时长；Ld、Lq分别为d、q轴电感；Rs为定子电阻；ωe为转子电角速度；ψf为永磁体磁链。
其进一步的技术方案为，根据模型计算电机各参数补偿前后的预测电流偏差，表达式为：
式中，表示下一采样时刻k+1、电机各参数补偿后的d、q轴预测电流值，/>表示下一采样时刻k+1、电机各参数补偿前发生畸变时的d、q轴预测电流值，id(k)、iq(k)表示当前采样时刻k的d、q轴电流，ud(k)、uq(k)表示当前采样时刻k的d、q轴电压；/>为d轴电流偏差分量，/>为q轴电流偏差分量；T为预测控制系统的采样时长；Ldm、Lqm分别为d、q轴电感标定值；Rsm是定子电阻标定值；ωe为转子电角速度；ψfm为永磁体磁链标定值；ΔR、ΔLd、ΔLq、Δψ为电机各参数的畸变值，ΔL'd、ΔL'q、ΔR'、Δψ'为电机各参数的补偿值。
其进一步的技术方案为，根据电机各参数补偿前后的预测电流偏差确定BFOA的多适应度函数，包括：
将电机各参数补偿前后的预测电流偏差与未补偿时模型理论和实际的预测电流偏差进行对比，为缩小预测电流偏差从而令取值趋于零，/> 部分项趋于零，得到BFOA的多适应度函数，分别记作J1、J2、J3、J4，表达式为：
其进一步的技术方案为，初始细菌种群基于BFOA进行迭代优化，包括：
初始化BFOA各参数，包括种群个数、游动步数、趋化次数、繁殖次数、迁移概率和分散次数；
所有细菌进入趋化阶段，并根据多适应度函数值选择游动或翻滚，在达到趋化次数后所有细菌进入繁殖阶段；
在繁殖阶段，根据多适应度函数值选取趋化运动更合理的细菌进行自我复制，并淘汰其余细菌，在达到繁殖次数后所有细菌进入分散阶段；
在分散阶段，所有细菌以迁移概率执行分散动作，在达到分散次数后将输出的第一个细菌的位置信息作为电机各参数的优化补偿值。
其进一步的技术方案为，根据多适应度函数值选择游动或翻滚，包括：
当细菌个体i完成一次趋化动作后更新其位置信息，并计算其多适应度函数值；
若细菌个体i在第j+1次趋化后的每个适应度函数值均小于细菌个体i在第j次趋化后的相应适应度函数值，则细菌个体i沿当前方向游动，直到达到游动步数；否则，细菌个体i沿随机方向进行翻滚，并重新执行当细菌个体i完成一次趋化动作后更新其位置信息的步骤。
其进一步的技术方案为，根据多适应度函数值选取趋化运动更合理的细菌进行自我复制，包括：
计算每个细菌个体所处位置对应的多适应度函数值，将属于同一个适应度函数的计算值进行排序，并选取有一半以上计算值均趋于零的预定数量的细菌个体进行自我复制。
其进一步的技术方案为，所有细菌以迁移概率执行分散动作，包括：
当某个细菌个体满足发生迁移的概率，则该细菌个体消失的同时在空间任意位置随机生成一个新的细菌个体，且新旧细菌个体具有不同的位置信息。
其进一步的技术方案为，结合电机各参数的优化补偿值计算逆变器电路不同开关状态下的代价函数，包括：
计算逆变器电路不同开关状态z下的d、q轴电压，z＝(1，2，3，4，5，6，7，8)；
将电机各参数的优化补偿值和d、q轴电压输入至模型中，得到不同开关状态下的电机各参数补偿后的预测电流值，记为
基于电机各参数补偿后的预测电流值与d、q轴参考电流值之间的差值计算代价函数，表达式为：
本发明的有益技术效果是：
本方法实现了群智能优化算法与电机参数补偿的结合，可对定子电阻、d电感、q轴电感、永磁体磁链在内的四种参数实现优化补偿，其中群智能优化算法优选细菌觅食优化算法(Bacterial Foraging Optimization Algorithm，BFOA)；其次，根据FCS-MPCC模型生成电机参数补偿值的约束条件，作为BFOA的多适应度函数，有效提高了PMSM预测控制系统的鲁棒性，提升PMSM在高温等复杂环境中的控制性能；此外，此方法可实现对预测模型补偿参数的实时优化，PMSM调速系统的动、静态响应更为快速、稳定。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本申请提供的基于BFOA的PMSM预测控制系统框图。
图2是本申请提供的基于BFOA的PMSM预测控制系统参数补偿方法流程图。
图3是本申请提供的细菌种群基于BFOA进行迭代优化的流程图。
图4是无参数补偿的传统预测控制系统框图。
图5是本申请提供的定子电阻发生畸变下系统响应仿真图。
图6是本申请提供的d轴电感发生畸变下系统响应仿真图。
图7是本申请提供的q轴电感发生畸变下系统响应仿真图。
图8是本申请提供的永磁体磁链发生畸变下系统响应仿真图。
图9是本申请提供的定子电阻、d轴电感、q轴电感、永磁体磁链均发生畸变下系统响应仿真图。
其中图5～图9中的(a)为三种情况下的电机转速响应图，(b)为参数畸变有无补偿下的d轴电流跟踪图，(c)为参数畸变有无补偿下的q轴电流跟踪图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
在本实施例中，控制对象为PMSM，控制目标为PMSM达到给定转速，预测控制系统框图如图1所示。由图1可知，PMSM的FCS-MPCC模型采用双闭环控制，外环为转速环，内环为电流环，三相逆变器为中点钳位型逆变器。外环依据转速反馈进行PI控制得到电机q轴参考电流值内环预测模型应基于电机标定参数(即定子电阻、dq轴电感、永磁体磁链的标定值)得到dq轴预测电流值。不同的预测电流值会导致代价函数的取值不同，当代价函数取值最小时，输出对应逆变器开关状态，从而实现电机对于给定转速的跟踪。实际应用时，当在高温等复杂实验环境中电机实际参数与标定参数发生偏差时，细菌觅食优化算法会根据设计的多个适应度函数来输出电机参数补偿值。对预测模型进行参数补偿后，代价函数会重新判定逆变器开关状态实现对于扰动的调节。
基于上述原理，本实施例提供了一种基于BFOA的PMSM预测控制系统参数补偿方法，如图2所示，具体包括如下步骤：
步骤1：构建PMSM的FCS-MPCC模型。
构建FCS-MPCC模型是预测控制系统实现功能的第一步骤，本实施例中的FCS-MPCC模型是由PMSM电压方程和磁链方程推导而来。
步骤1.1：PMSM电压方程坐标变换。
PMSM三相静止坐标系下的电压方程为：
式中：Rs为定子电阻；ua、ub、uc为三相定子电压；ia、ib、ic为三相定子电流；ψa、ψb、ψc为三相定子绕组磁链，磁链随着输入电流以及转子角度θ的变化而变化。将式(1)进行clark、park变换，得到在d(直轴)-q(交轴)旋转坐标系中的电压方程为：
式中：ud、uq分别为d、q轴电压；id、iq分别为d、q轴电流；ψd、ψq分别为d、q轴绕组磁链；ωe为转子电角速度。
步骤1.2：PMSM磁链方程坐标变换。
PMSM三相静止坐标系下的磁链方程为：
式中：Laa、Lbb、Lcc为三相绕组自感系数，Mab、Mac、Mba、Mbc、Mca、Mcb为两两绕组间的互感系数，ψfa、ψfb、ψfc为永磁体磁场交链三相定子绕组的永磁磁链分量。将式(3)进行clark、park变换，得到在d-q旋转坐标系中的磁链方程为：
式中：Ld、Lq分别为d、q轴电感；ψf为永磁体磁链。
步骤1.3：PMSM的FCS-MPCC模型推导。
将式(4)带入式(2)得到电压方程为：
将式(5)中记：
式中：T为预测控制系统的采样时长；id(k)、iq(k)表示当前采样时刻k的d、q轴电流、id(k+1)、iq(k+1)表示下一采样时刻k+1的d、q轴预测电流值。那么将式(6)带入式(5)经过推导得到FCS-MPCC模型为：
上述模型中，定子电阻Rs、dq轴电感Ld、Lq、永磁体磁链ψf均为电机参数，由于温度升高、外部干扰的存在常会发生畸变。
步骤2：根据模型计算电机各参数补偿前后的预测电流偏差。
步骤2.1：分析参数失配影响。
当电机参数发生畸变时，由式(7)可知，预测电流会发生变化，理论预测电流与实际预测电流之间存在偏差，即为预测电流偏差。由PMSM的参数标定值可得FCS-MPCC理论模型为：
式中：是理论上d、q轴预测电流值，Rsm、Ldm、Lqm、ψfm为电机各参数标定值。存在参数失配的FCS-MPCC实际模型为：
式中：为实际工况中参数发生畸变时的d、q轴预测电流值，Rsa、Lda、Lqa、ψfa为电机各参数发生畸变后的值，且：
式中：ΔR、ΔLd、ΔLq、Δψ为电机各参数的畸变值，取值有正有负。则由于参数畸变引起的理论和实际的d、q轴预测电流偏差为：
步骤2.2：对FCS-MPCC模型进行参数补偿。
为了减小d、q轴预测电流偏差，需对模型进行参数补偿，补偿后的预测模型为：
式中：表示下一采样时刻k+1、电机各参数补偿后的d、q轴预测电流值；ΔR'、ΔL'd、ΔL'q、Δψ'为电机各参数的补偿值。ΔR'、ΔL'd、ΔL'q、Δψ'并非随机生成，应满足一定条件从而起到降低预测电流偏差的作用。
步骤2.3：计算电机各参数补偿前后的预测电流偏差，表达式为：
式中，为d轴电流偏差分量，/>为q轴电流偏差分量，上标1和2表示偏差分量标号，无实际意义。
步骤3：根据电机各参数补偿前后的预测电流偏差确定BFOA的多适应度函数。
将电机各参数补偿前后的预测电流偏差式(13)与未补偿时模型理论和实际的预测电流偏差式(11)进行对比，为缩小预测电流偏差从而令取值趋于零，部分项趋于零，得到BFOA的多适应度函数即为电机各参数的补偿值的约束条件，BFOA的适应度函数由4元1次的四组方程组成，分别记作J1、J2、J3、J4，表达式为：
在生成ΔL'd、ΔL'q、ΔR'、Δψ'时，需满足J1、J2、J3、J4均趋于零，使得式(13)的取值小于式(11)成为可能，有效降低了d、q轴预测电流偏差。
步骤4：随机生成初始细菌种群，并基于BFOA进行迭代优化，得到满足多适应度函数均趋于零的电机各参数的优化补偿值。
BFOA对参数补偿值进行迭代优化过程中，具体可分为趋化、繁殖、分散三个阶段。设细菌的初始种群个数为N，种群中单个细菌所处的位置即对应现实问题的优选解，每个细菌i的位置信息包含电机各参数的补偿值组成的四维向量，表示为：
式中：i＝1,2........N，细菌i在第j次趋化步骤、第v次繁殖步骤和第l次分散步骤后的位置信息可用Pi(j,v,l)表示。即：
此时细菌i所处位置对应的优良度可用适应度函数 体现。如图3所示，该步骤具体包括如下分步骤：
步骤4.1：初始化BFOA各参数，包括种群个数N、游动步数NS、趋化次数Nc、繁殖次数Nre、迁移概率Ped和分散次数Ned，具体数值均可以根据实际问题情况人为设置。
步骤4.2：所有细菌进入趋化阶段，并根据多适应度函数值选择游动或翻滚，在达到趋化次数Nc后所有细菌进入繁殖阶段。
步骤4.2.1：细菌的趋化阶段包含游动和翻滚两种行为，当细菌个体i完成一次趋化动作后更新其位置信息Pi(j+1,v,l)，并计算其多适应度函数值
其中Pi(j+1,v,l)＝Pi(j,v,l)+C(i)φ(i) (17)
式中：Pi(j+1,v,l)表示在第j+1次趋化步骤、第v次繁殖步骤和第l次分散步骤后的细菌位置信息；C(i)为细菌游动时的步长单位，且C(i)>0；φ(i)为翻滚选择的随机方向，具体为：
式中：Δ(i)为随机生成的向量，且Δ(i)∈[-1,1]。
步骤4.2.2：若细菌个体i在第j+1次趋化后的每个适应度函数值均小于细菌个体i在第j次趋化后的相应适应度函数值，即 则细菌个体i沿当前方向游动，直到达到游动步数NS，进入步骤4.2.3；否则，细菌个体i沿随机方向进行翻滚，并重新执行步骤4.2.1。
步骤4.2.3：判断当前趋化次数j是否大于预设趋化次数Nc，若是则进入繁殖阶段，否则令j＝j+1，并重新执行步骤4.2.1。
步骤4.3：在繁殖阶段，根据多适应度函数值选取趋化运动更合理的细菌进行自我复制，并淘汰其余细菌，在达到繁殖次数Nre后所有细菌进入分散阶段。
具体的，计算每个细菌个体i所处位置对应的多适应度函数值 将属于同一个适应度函数的计算值进行排序，并选取有一半以上计算值均趋于零的一半细菌个体进行自我复制，剩余一半细菌个体被淘汰，则繁殖后的细菌种群便包含了双倍较好适应度的细菌个体。判断当前繁殖次数v是否大于预设繁殖次数Nre，若是则进入分散阶段，否则令v＝v+1，并重新执行步骤4.2.1。
步骤4.4：在分散阶段，所有细菌以迁移概率Ped执行分散动作，在达到分散次数Ned后将输出的第一个细菌的位置信息作为电机各参数的优化补偿值。
具体的，当某个细菌个体满足发生迁移的概率，则该细菌个体消失的同时在空间任意位置随机生成一个新的细菌个体，且新旧细菌个体具有不同的位置信息，即不同的适应度，这使得种群部分个体能够跳出原本的位置进行游动翻转，具有更强的全局搜索能力。判断当前分散次数l是否大于预设分散次数Ned，若是则算法结束，并输出第一个细菌的四维位置信息，否则令l＝l+1，并重新执行步骤4.2.1。
步骤5：结合电机各参数的优化补偿值计算逆变器电路不同开关状态下的代价函数，输出代价函数取值最小时的开关状态。
步骤5.1：计算逆变器电路不同开关状态z下的d、q轴电压。
三相逆变电路具有8种开关状态：Sw＝[000；001；010；011；100；101；110；111]，不同开关状态下，三相定子电压也会随之发生变化：
式中：udc为逆变电路直流电压源；Sw(:,z)为第z个三相逆变电路的开关状态，且z＝(1，2，3，4，5，6，7，8)。将ua、ub、uc进行clark、park变换得到ud、uq：
由式(20)可知ua、ub、uc的变化会反应在d、q轴电压ud、uq中，即不同开关状态下，会有不同的d、q轴电压。
步骤5.2：将步骤4得到的电机各参数的优化补偿值和式(20)的d、q轴电压输入至式(12)的模型中，得到不同开关状态下的电机各参数补偿后的预测电流值，记为
步骤5.3：基于电机各参数补偿后的预测电流值与d、q轴参考电流值之间的差值计算代价函数，表达式为：
式中，是d、q轴参考电流值，/> 为根据转速外环PI控制所得。不同的开关状态下，代价函数取值也不同，最终输出使代价函数取得最小值的开关状态。
为验证上述所提基于BFOA的PMSM预测控制系统参数补偿方法的有效性，将PMSM传统预测控制模型与本申请提出的结合BFOA的预测控制模型进行仿真对比。具体包括：
1)搭建实验框架。
PMSM传统预测控制系统框图如图4所示。图4中无BFOA参数补偿模块，预测模型中Rs、Ld、Lq、ψf均为标定值，其余同图1。按照框图搭建对比仿真实验，实验中PMSM的主要参数如表1所示，BFOA的主要参数如表2所示。
表1永磁同步电机仿真参数
表2BFOA主要参数
2)设计对照组实验。
分别设置5组参数畸变对照实验：
(1)Rs＝10Rsm；
(2)Ld＝20Ldm；
(3)Lq＝10Lqm；
(4)ψf＝0.7ψfm；
(5)Rs＝5Rsm、Ld＝10Ldm、Lq＝5Lqm、ψf＝0.7ψfm；
在仿真电机中更改标定参数模拟参数畸变，前4组实验将单个参数进行更改，模拟畸变，最后一组实验使4组参数同时发生畸变。
3)分析实验结果。
5组实验的响应仿真图分别如图5～图9所示，其中，图5-(a)为电机转速响应图，图5-(b)为d轴电流跟踪图，图5-(c)为q轴电流跟踪图，转速响应图中包含了参数未发生畸变、参数发生畸变未补偿、参数发生畸变后进行BFOA补偿这三种情况。电流跟踪图分为参数发生畸变未补偿、参数发生畸变后进行BFOA补偿两种情况，且每幅图中包含了参考电流值、预测电流值和实际电流值三种电流跟踪情况，图6～图9的情况同图5一致，在此不再赘述。
分析仿真结果，定子电阻畸变会使得电机转速发生稳态偏差，q轴预测电流值与实际电流值发生偏差；d轴电感发生畸变会使得电机转速发生脉动，d轴电流出现明显脉动，q轴预测电流值与实际电流值存在偏差；q轴电感发生畸变会使得电机转速出现超调现象，q轴电流出现畸变，实际电流跟踪预测电流时出现偏差；永磁体磁链出现畸变会影响电机转速响应速度，且转速出现稳态偏差，q轴预测电流值与实际电流值发生偏差。在进行本申请提出的参数补偿方法后，5组实验中均有补偿效果，首先电机转速在稳定性、准确性等方面均有提升，超调幅度降低；其次q轴电流脉动幅度减小，预测电流跟踪实际电流更为准确，消除了静态偏差，d轴电流脉动幅度减小，更为平滑稳定；预测控制系统动、静态性能均出现提升。
以上所述的仅是本申请的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。
Claims (9)
1.一种基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述方法包括：
构建PMSM的FCS-MPCC模型，并根据模型计算电机各参数补偿前后的预测电流偏差；其中，电机参数包括定子电阻、dq轴电感、永磁体磁链；
根据所述电机各参数补偿前后的预测电流偏差确定BFOA的多适应度函数，所述多适应度函数为电机各参数的补偿值的约束条件；
随机生成初始细菌种群，并基于BFOA进行迭代优化，得到满足所述多适应度函数均趋于零的电机各参数的优化补偿值；其中迭代优化的参数为每个细菌的位置信息，包含了电机各参数的补偿值组成的四维向量；
结合所述电机各参数的优化补偿值计算逆变器电路不同开关状态下的代价函数，输出代价函数取值最小时的开关状态。
2.根据权利要求1所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述FCS-MPCC模型为：
式中，id(k)、iq(k)表示当前采样时刻k的d、q轴电流；id(k+1)、iq(k+1)表示下一采样时刻k+1的d、q轴预测电流值，ud(k)、uq(k)表示当前采样时刻k的d、q轴电压；T为预测控制系统的采样时长；Ld、Lq分别为d、q轴电感；Rs为定子电阻；ωe为转子电角速度；ψf为永磁体磁链。
3.根据权利要求1所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述根据模型计算电机各参数补偿前后的预测电流偏差，表达式为：
式中，表示下一采样时刻k+1、电机各参数补偿后的d、q轴预测电流值，/>表示下一采样时刻k+1、电机各参数补偿前发生畸变时的d、q轴预测电流值，id(k)、iq(k)表示当前采样时刻k的d、q轴电流，ud(k)、uq(k)表示当前采样时刻k的d、q轴电压；/>为d轴电流偏差分量，/>为q轴电流偏差分量；T为预测控制系统的采样时长；Ldm、Lqm分别为d、q轴电感标定值；Rsm是定子电阻标定值；ωe为转子电角速度；ψfm为永磁体磁链标定值；ΔR、ΔLd、ΔLq、Δψ为电机各参数的畸变值，ΔL'd、ΔL'q、ΔR'、Δψ'为电机各参数的补偿值。
4.根据权利要求3所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，根据所述电机各参数补偿前后的预测电流偏差确定BFOA的多适应度函数，包括：
将所述电机各参数补偿前后的预测电流偏差与未补偿时模型理论和实际的预测电流偏差进行对比，为缩小预测电流偏差从而令取值趋于零，/>部分项趋于零，得到BFOA的多适应度函数，分别记作J1、J2、J3、J4，表达式为：
5.根据权利要求1所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，初始细菌种群基于BFOA进行迭代优化，包括：
初始化BFOA各参数，包括种群个数、游动步数、趋化次数、繁殖次数、迁移概率和分散次数；
所有细菌进入趋化阶段，并根据多适应度函数值选择游动或翻滚，在达到所述趋化次数后所有细菌进入繁殖阶段；
在所述繁殖阶段，根据多适应度函数值选取趋化运动更合理的细菌进行自我复制，并淘汰其余细菌，在达到所述繁殖次数后所有细菌进入分散阶段；
在所述分散阶段，所有细菌以所述迁移概率执行分散动作，在达到所述分散次数后将输出的第一个细菌的位置信息作为电机各参数的优化补偿值。
6.根据权利要求5所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述根据多适应度函数值选择游动或翻滚，包括：
当细菌个体i完成一次趋化动作后更新其位置信息，并计算其多适应度函数值；
若细菌个体i在第j+1次趋化后的每个适应度函数值均小于细菌个体i在第j次趋化后的相应适应度函数值，则细菌个体i沿当前方向游动，直到达到所述游动步数；否则，细菌个体i沿随机方向进行翻滚，并重新执行所述当细菌个体i完成一次趋化动作后更新其位置信息的步骤。
7.根据权利要求5所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述根据多适应度函数值选取趋化运动更合理的细菌进行自我复制，包括：
计算每个细菌个体所处位置对应的多适应度函数值，将属于同一个适应度函数的计算值进行排序，并选取有一半以上计算值均趋于零的预定数量的细菌个体进行自我复制。
8.根据权利要求5所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，所述所有细菌以所述迁移概率执行分散动作，包括：
当某个细菌个体满足发生迁移的概率，则该细菌个体消失的同时在空间任意位置随机生成一个新的细菌个体，且新旧细菌个体具有不同的位置信息。
9.根据权利要求1所述的基于BFOA的PMSM预测控制系统参数补偿方法，其特征在于，结合所述电机各参数的优化补偿值计算逆变器电路不同开关状态下的代价函数，包括：
计算逆变器电路不同开关状态z下的d、q轴电压，z＝(1，2，3，4，5，6，7，8)；
将所述电机各参数的优化补偿值和所述d、q轴电压输入至模型中，得到不同开关状态下的电机各参数补偿后的预测电流值，记为
基于所述电机各参数补偿后的预测电流值与d、q轴参考电流值之间的差值计算代价函数，表达式为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311515629.5A CN117544033B (zh) | 2023-11-14 | 2023-11-14 | 一种基于bfoa的pmsm预测控制系统参数补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311515629.5A CN117544033B (zh) | 2023-11-14 | 2023-11-14 | 一种基于bfoa的pmsm预测控制系统参数补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117544033A true CN117544033A (zh) | 2024-02-09 |
| CN117544033B CN117544033B (zh) | 2024-05-14 |
Family
ID=89789319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311515629.5A Active CN117544033B (zh) | 2023-11-14 | 2023-11-14 | 一种基于bfoa的pmsm预测控制系统参数补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117544033B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062147A (zh) * | 2019-12-31 | 2020-04-24 | 北京理工大学 | 四电机联动系统固定时间控制与结构联合优化方法和系统 |
| US10671034B1 (en) * | 2019-03-18 | 2020-06-02 | Sigmasense, Llc. | Motor drive input adaptation with in-line drive-sense circuit |
| CN112398401A (zh) * | 2020-10-29 | 2021-02-23 | 上海大学 | 一种基于参数失配的低开关频率多步模型预测控制方法 |
| CN113992098A (zh) * | 2021-11-03 | 2022-01-28 | 北京理工大学 | 一种永磁同步电机稳态性能的提升方法、系统 |
| 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 |
| CN115149870A (zh) * | 2022-06-29 | 2022-10-04 | 中国科学院电工研究所 | 永磁同步电机模型预测的电流反馈校正控制方法及系统 |
| WO2022252289A1 (zh) * | 2021-06-04 | 2022-12-08 | 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 |
-
2023
- 2023-11-14 CN CN202311515629.5A patent/CN117544033B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10671034B1 (en) * | 2019-03-18 | 2020-06-02 | Sigmasense, Llc. | Motor drive input adaptation with in-line drive-sense circuit |
| CN111062147A (zh) * | 2019-12-31 | 2020-04-24 | 北京理工大学 | 四电机联动系统固定时间控制与结构联合优化方法和系统 |
| CN112398401A (zh) * | 2020-10-29 | 2021-02-23 | 上海大学 | 一种基于参数失配的低开关频率多步模型预测控制方法 |
| WO2022252289A1 (zh) * | 2021-06-04 | 2022-12-08 | 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 |
| CN113992098A (zh) * | 2021-11-03 | 2022-01-28 | 北京理工大学 | 一种永磁同步电机稳态性能的提升方法、系统 |
| 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 |
| CN115149870A (zh) * | 2022-06-29 | 2022-10-04 | 中国科学院电工研究所 | 永磁同步电机模型预测的电流反馈校正控制方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| F. DUBUISSON ET AL.: "A Bacterial Foraging Optimization Technique and Predictive Control Approach for Power Management in a Standalone Microgrid", 《2020 IEEE ELECTRIC POWER AND ENERGY CONFERENCE (EPEC)》, 18 January 2021 (2021-01-18), pages 2381 - 2842 * |
| 陆欣 等: "考虑风力发电随机性的超短期风电功率区间预测研究", 《太阳能学报》, vol. 38, no. 5, 31 May 2017 (2017-05-31), pages 1307 - 1315 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117544033B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111600523B (zh) | 一种永磁同步电机的模型预测电流控制方法 | |
| Panchade et al. | A survey on sliding mode control strategies for induction motors | |
| Maiti et al. | Simulation studies on model reference adaptive controller based speed estimation technique for the vector controlled permanent magnet synchronous motor drive | |
| An et al. | Adjustable model predictive control for IPMSM drives based on online stator inductance identification | |
| CN111327242B (zh) | 一种三电平永磁同步电机无模型预测电流控制方法 | |
| Korzonek et al. | Simple stability enhancement method for stator current error-based MRAS-Type speed estimator for induction motor | |
| Orlowska-Kowalska et al. | Stability improvement methods of the adaptive full-order observer for sensorless induction motor drive—Comparative study | |
| CN110165953B (zh) | 一种基于趋近律的pmsm调速控制方法 | |
| Bašić et al. | Speed-sensorless vector control of an induction generator including stray load and iron losses and online parameter tuning | |
| Gamazo-Real et al. | ANN-based position and speed sensorless estimation for BLDC motors | |
| CN111211717A (zh) | 非奇异滑模结构的ipmsm无位置传感器电机闭环结构控制方法 | |
| Zhu et al. | Nonsmooth observer-based sensorless speed control for permanent magnet synchronous motor | |
| CN117544033A (zh) | 一种基于bfoa的pmsm预测控制系统参数补偿方法 | |
| CN112713819A (zh) | 一种提高永磁同步直线电机定位力补偿精度的方法 | |
| JPH09182499A (ja) | 同期電動機の制御装置 | |
| Korzonek et al. | Comparative stability analysis of stator current error-based estimators of induction motor speed | |
| Yin et al. | Sliding mode control for servo motors based on the differential evolution algorithm | |
| CN114977928A (zh) | 一种永磁同步伺服系统速度环和位置环参数自整定方法 | |
| Gächter et al. | The effect of rotor position errors on the dynamic behavior of field-orientated controlled PMSM | |
| Lin et al. | Robust control of induction motor drive with rotor time-constant adaptation | |
| Korzonek et al. | Stability of a new adaptive full-order observer with an auxiliary variable | |
| Or et al. | Modified Current Speed Estimator MRAS CC for Induction Motor Drives | |
| BabaLawan et al. | Review of the rotor position and speed estimation method of induction motor drives | |
| CN111628689B (zh) | 一种电压前馈补偿方法的无差拍电流预测控制方法 | |
| CN117811445B (zh) | 一种永磁同步电机超螺旋滑模鲁棒负载观测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |