一种基于超局部模型的无模型预测电流控制方法技术

本发明专利技术提供了一种基于超局部模型的无模型预测电流控制方法，包括：步骤A:根据异步电机超局部模型，采用间接磁场定向控制，并利用复矢量描述将异步电机超局部模型的电流控制简化为一阶系统；步骤B:根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入；步骤C：采用微分代数法在短时间内估计F,F为包含系统的结构信息且包含了系统的未知部分和干扰的变量；步骤D：将超局部无模型控制与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取F的估计值。本发明专利技术的方法极大地提高了模型预测控制(MPC)对电机参数的鲁棒性。

A model free predictive current control method based on superlocal model

【技术实现步骤摘要】
一种基于超局部模型的无模型预测电流控制方法
本专利技术涉及一种异步电机的超局部模型设计策略，具体涉及一种基于超局部模型的无模型预测电流控制方法。
技术介绍
模型预测控制(MPC)是20世纪70年代后期出现于工业工程控制领域的一类计算机控制算法，在化工等过程控制行业得到了广泛应用。MPC作为近些年兴起的控制策略，同矢量控制(VOC)相比，它无需电流内环及参数整定，直接产生逆变器驱动信号而无需脉冲调制，易于处理系统约束或者增加其他控制目标，具有结构简单、动态响应快和容易扩展等优点。同直接转矩控制(DTC)相比,MPC通过对电机状态进行预测来优化选择最佳电压矢量，在矢量选择上更加准确有效，而且更容易考虑包括开关频率降低在内的各种非线性约束，具有稳态性能好和控制灵活等优点。然而，MPC在预测过程和控制过程中使用到大量的电机参数进行计算，当电机受到外部扰动和电机参数发生变化时，预测产生的最优电压矢量将发生偏差，从而影响到电机的整体控制性能。
技术实现思路
为了提高MPC的参数鲁棒性，本专利技术提出一种将超局部无模型控制思想与异步电机间接磁场定向预测电流控制相结合的控制方法，并将其应用在异步电机电流控制中。本专利技术提供了一种基于超局部模型的无模型预测电流控制方法，包括：步骤A:根据异步电机超局部模型，采用间接磁场定向控制，并利用复矢量描述将异步电机超局部模型的电流控制简化为一阶系统；步骤B:根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入；步骤C：采用微分代数法在短时间内估计F,F为包含系统的结构信息且包含了系统的未知部分和干扰的变量；步骤D：将超局部无模型控制与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取F的估计值。在上述基于超局部模型的无模型预测电流控制方法中，其中，所述步骤A包括：根据异步电机超局部模型:y(n)＝F+αu，其中y为系统输出变量，系统阶次n≥1，输入变量权重系数α为常数值，由调试得到,F包含了系统的结构信息，并包含系统的未知部分和干扰，u为系统输入变量；采用间接磁场定向控制，并利用复矢量描述将其电流控制简化为一阶系统；取n＝1，异步电机超局部模型可改写为：y(1)＝F+αu(1)。在上述基于超局部模型的无模型预测电流控制方法中，其中，所述步骤B包括：根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入：式中y*输出参考值，e＝y-y*为跟踪误差，KP和KI分别为比例系数和积分系数，通过调节KP和KI获得对参考值y*的跟踪性能。在上述基于超局部模型的无模型预测电流控制方法中，其中，所述步骤C包括：根据步骤B中的公式(2)，采用微分代数法在短时间内估计F，则F可用估计值代替，公式(1)可以改写为：对公式(3)进行变换计算得到：式中s为拉式变换的复频率；其中y0为对应时间间隔[t-L,t]的初始条件，其中L为足够小的时间常数，具体数值取决于采样周期和噪声强度，通常不超过采样周期的0.1倍；在公式(4)两边同时乘以以消去y0得到：将公式(5)两边同时乘以s-2并转化成时域得到：式中σ为微分的自变量。在上述基于超局部模型的无模型预测电流控制方法中，其中，所述步骤D包括：根据步骤C中的公式，将超局部无模型控制思想与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取F的估计值；异步电机两相静止坐标系下复矢量数学模型：us＝Rsis+pψs+jωkψs(7)式中us为定子电压矢量，Rs、is和ψs分别为异步电机定子电阻、定子电流和定子磁链，pψs表示对ψs进行微分运算，ωk为任意角速度；F的估计值计算公式如下：其中，nF为控制周期的个数，Tsc为一个控制周期时间，表示对is做微分运算。本专利技术提出了基于超局部模型的无模型预测电流控制算法，通过无模型思想，实现了无需任何电机参数的电流控制，极大提高了MPC对电机参数的鲁棒性。本专利技术将超局部模型与无模型预测电流控制相结合并取得了稳定的控制效果，从而进一步拓宽了超局部模型的应用范围。附图说明图1是无模型预测电流控制框图。图2是电机空载下从静止启动到1500rpm波形。图3是异步电机空载运行时各速度下的稳态运行的波形：(a)150rpm，(b)900rpm，(c)1500rpm。具体实施方式下面的实施例可以使本领域技术人员更全面地理解本专利技术，但不以任何方式限制本专利技术。下述实施例中的实验方法，如无特殊说明，均为常规方法。图1是无模型预测电流控制框图，根据被控系统的输入输出，建立被控系统的超局部模型，通过微分代数估计超局部模型，在此过程中只使用到被控系统的输入输出数据而无需任何参数信息，因此具有极强的鲁棒性，并结合间接磁场定向控制实现异步电机无模型电流控制，以提高MPC对电机参数的鲁棒性。步骤1：将异步电机简化为一个单输入单输出(SISO)系统，用常微分方程来近似描述，如下式：E(t,y,y(1),…,y(n),u,u(1),…,u(m))＝0(1)其中，u为系统输入变量，y为系统输出变量，t为时间，m和n为大于1的整数，E为未知量但假设为足够平滑的函数。步骤2：根据无模型控制思想，在极小的采样时间内，公式(1)可被定义为如下的超局部模型：y(n)＝F+αu(2)其中系统阶次n大于等于1，输入变量权重系数α为常数值，由仿真调试得到。F包含了系统的结构信息，并包含系统的未知部分和可能的干扰。步骤3：根据步骤2中异步电机超局部模型，采用间接磁场定向控制，并利用复矢量描述将其电流控制简化为一阶系统。取n＝1，公式(2)的超局部模型可改写为：y(1)＝F+αu(3)步骤4：根据步骤3中简化的一阶系统，将其与智能PI结合，得到闭环系统的输入。式中y*输出参考值，e＝y-y*为跟踪误差，KP和KI分别为比例系数和积分系数。通过调节KP和KI可以获得对参考值y*较好的跟踪性能。步骤5：根据步骤4中的方程，采用微分代数法在短时间内估计F，则F可用估计值代替，公式(3)可以改写为：对公式(5)进行变换计算得到：式中s为拉式变换的复频率。其中y0为对应时间间隔[t-L,t]的初始条件，其中L为足够小的时间常数。在公式(6)两边同时乘以以消去y0得到：将公式(7)两边同时乘以s-2并转化成时域得到：式中σ为足够小的时间常数。步骤6：根据步骤5中的方程，将超局部无模型控制思想与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取本文档来自技高网...

【技术保护点】
1.一种基于超局部模型的无模型预测电流控制方法，包括：/n步骤A:根据异步电机超局部模型，采用间接磁场定向控制，并利用复矢量描述将异步电机超局部模型的电流控制简化为一阶系统；/n步骤B:根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入；/n步骤C：采用微分代数法在短时间内估计F,F为包含系统的结构信息且包含了系统的未知部分和干扰的变量；/n步骤D：将超局部无模型控制与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取F的估计值。/n

【技术特征摘要】
1.一种基于超局部模型的无模型预测电流控制方法，包括：
步骤A:根据异步电机超局部模型，采用间接磁场定向控制，并利用复矢量描述将异步电机超局部模型的电流控制简化为一阶系统；
步骤B:根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入；
步骤C：采用微分代数法在短时间内估计F,F为包含系统的结构信息且包含了系统的未知部分和干扰的变量；
步骤D：将超局部无模型控制与异步电机间接磁场定向预测电流控制相结合，根据异步电机两相静止坐标系下复矢量数学模型及超局部模型，求取F的估计值。


2.根据权利要求1所述的基于超局部模型的无模型预测电流控制方法，其中，所述步骤A包括：
根据异步电机超局部模型:y(n)＝F+αu，其中y为系统输出变量，系统阶次n≥1，输入变量权重系数α为常数值，由调试得到,F包含了系统的结构信息，并包含系统的未知部分和干扰，u为系统输入变量；采用间接磁场定向控制，并利用复矢量描述将其电流控制简化为一阶系统；取n＝1，异步电机超局部模型可改写为：
y(1)＝F+αu(1)。


3.根据权利要求1所述的基于超局部模型的无模型预测电流控制方法，其中，所述步骤B包括：
根据步骤A中简化的一阶系统，将所述一阶系统与智能PI结合，得到闭环系统的输入：



式中y*输出参考值，e＝y-y*为跟踪误差，KP和KI分别为比例系数和积分系数，通过调节...

【专利技术属性】
技术研发人员：张永昌，黄朋，张博越，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11