The invention discloses an asynchronous motor model predictive control method, firstly the linear and discrete processing control object according to the discrete equations, the mathematical model of the controlled object, different time state variables in predicting K time domain prediction output prediction value and system, and then obtain the optimal control for the object control and real-time control, so as to get the state variables of next time prediction value, will immediately control the amount applied to asynchronous motor control. The prediction model based on time domain characteristics analysis and its mathematical model is derived in detail discussed the evolution of rolling control system, according to the difference equation and system variables and their internal relations, through the expansion and transformation of state variables, forming state and output double state feedback structure, accelerate the convergence rate of output, the control information system without any constraints and treatment basis, effectively reduce the control domain, reduce the online computation.
【技术实现步骤摘要】
一种异步电机模型预测控制方法
本专利技术属于电机控制
,涉及一种异步电机模型预测控制方法。
技术介绍
异步电机具有非线性、强耦合、多变量的性质,一般都采用PI调节器对系统进行调节,它的结构简单、容易实现,有较好的动态性能。但系统存在易受系统参数变化影响、对负载变化适应能力差和抗干扰能力弱等缺点,并且在控制器参数整定过程中,往往需要依赖大量工程经验进行反复调试。因此,在对动态性能要求较高的场合,采用传统PI调节器就会受到一定的局限性,不能满足相关性能的要求。模型预测控制诞生于上世纪70年代,从最初的工业应用启发式控制算法现已经发展为一个理论丰富、实践内容不断扩张的新型学科分支。预测控制针对有优化需求的控制问题,自从该控制方法诞生并发展至今已经在复杂工业系统中取得一些成功,尤其是模型预测控制算法对非线性约束问题处理具有独特优势。经过近几十年发展,模型预测控制已经逐步在各个领域中应用,尤其是近几年随着数字信号处理器飞速发展,模型预测控制策略在电机控制领域迅速发展应用。纵观近几年有关于电机模型预测控制策略在很大程度上就是对算法改进、发展以及与其他算法相结合,利用各自优点提高整个系统控制性能。虽然模型预测控制方法有诸多优势,但是在未将其应用于电机控制领域前,最大阻碍就是该算法相对比较复杂,在线计算量比较大,无法为该应用领域所接受。以当时处理器的发展水平几乎不能够满足系统的动态性能要求,延缓了该算法在电机控制领域中应用及发展。所以本专利技术着重点就是针对模型预测控制算法计算量大的问题,研究一种更为高效、简单的控制策略。
技术实现思路
本专利技术的目的是提供一种异步电 ...
【技术保护点】
一种异步电机模型预测控制方法,具体按以下步骤实施:步骤1,对控制对象电压方程进行线性化和离散处理:假设研究对象的离散数学模型为:
【技术特征摘要】
1.一种异步电机模型预测控制方法,具体按以下步骤实施:步骤1,对控制对象电压方程进行线性化和离散处理:假设研究对象的离散数学模型为:其中,x(k)为状态变量,y(k)为系统的输出变量,u(k)为系统的输入变量,A为系统矩阵,B为输入矩阵,C为输出矩阵,k为当前采样时刻;将控制对象电压方程线性化和离散处理并将其抽象为公式(1)的形式;步骤2,根据控制对象的离散数学模型,获取k时刻在预测域内的不同时刻状态变量预测值和系统输出预测值;不同时刻状态变量预测值为:x(k+p|k)=Apx(k)+Ap-1Bu(k)+Ap-2Bu(k+1)+L+Ap-lBu(k+l-1)(2)系统输出预测值为:为了更加简明的将输出表达式进行描述,在此定义变量:Y=[y(k+1|k),y(k+2|k),y(k+3|k),…,y(k+p|k)]T(4)U=[u(k+1|k),u(k+2|k),u(k+3|k),…,u(k+l-1|k)]T(5)利用上述定义将输出递推式进行重新描述表示:Y=Gx(k)+HU(6)其中,在此假设系统的控制量可以表示为如下形式:取最优控制量的目标函数为:J*=(Rr-Y)(Rr-Y)T+UTRU(8)其中,R为输入对目标函数影响的权重矩阵,为维数与预测时域相等的单位向量,Y为系统的输出变量,U为系统的输入变量。将式Y=Gx(k)+HU代入式(8),可以得到如下表达式:为了使得J*取得的最佳输入控制量u(k),可通过求取极小值的必要条件dJ*/dU=0求得:U=(HTH+R)-1HT(Rr-Gx(k))(10)由式(10)可以计算出在k时刻,预测时...
【专利技术属性】
技术研发人员:尹忠刚,韩旭,张瑞峰,刘静,钟彦儒,
申请(专利权)人:西安理工大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。