本发明专利技术提供一种基于单神经元扰动模型的滑模预测控制方法，对永磁同步电机速度控制系统运行过程中的参数变化和外部干扰建立单神经元模型，根据采样到的输入输出数据对单神经元模型的权重系数进行实时优化，并对永磁同步电机模型进行补偿；设计基于新型幂次趋近律的滑模预测控制成本函数，通过离线解算成本函数，得到单神经元滑模预测控制器；通过所述单神经元滑模预测控制器进行滑模预测控制，建立动态优化的单神经元扰动模型，通过新型幂次趋近律规划速度逼近轨迹，从而提高滑模预测控制的抗干扰能力和动态性，并减小滑模抖振。并减小滑模抖振。并减小滑模抖振。
【技术实现步骤摘要】
一种基于单神经元扰动模型的滑模预测控制方法
[0001]本专利技术涉及一种基于单神经元扰动模型的滑模预测控制方法。
技术介绍
[0002]永磁同步电动机以永磁体提供励磁，使电动机结构较为简单，降低了加工和装配费用，且省去了容易出问题的集电环和电刷，提高了电动机运行的可靠性；又因无需励磁电流，没有励磁损耗，提高了电动机的效率和功率密度。永磁同步电动机具有体积小、功率密度高、调整范围大、转矩输出能力强等优点，被广泛应用在运动控制领域。
[0003]滑模预测速度控制方法将模型预测控制与滑模控制相结合，具有良好的鲁棒性和动态性。但是，参数变化和外部扰动仍然会降低系统性能，引起稳态误差，此外传统的指数趋近律的滑模预测速度控制方法，具有抖振大，趋近速度慢等缺点。
技术实现思路
[0004]本专利技术要解决的技术问题，在于提供一种基于单神经元扰动模型的滑模预测控制方法，建立实时动态优化的单神经元扰动模型，并设计新型幂次趋近律规划速度逼近轨迹，提升速度控制性能。
[0005]本专利技术是这样实现的：一种基于单神经元扰动模型的滑模预测控制方法，包括：
[0006]对永磁同步电机速度控制系统运行过程中的参数变化和外部干扰建立单神经元扰动模型，并通过实时采样的电流、速度数据对权重系数进行实时优化，从而实现单神经元扰动模型的动态优化重构；
[0007]设计基于新型幂次趋近律的滑模预测控制成本函数，通过离线解算成本函数，得到单神经元滑模预测控制器；
[0008]通过所述单神经元滑模预测控制器进行滑模预测控制。
[0009]进一步地，所述单神经元扰动模型的建模包括：
[0010]永磁同步电机扰动模型为：
[0011]SPMSM的运动方程表示为：
[0012][0013]式中，ψ
r
为永磁体磁链、J为转动惯量；p为极对数、ω
m
为机械角速度；i
q
为q轴电流、T
L
为负载转矩；B为摩擦系数、n
t
为负载转矩变化率；
[0014]考虑到SPMSM运行过程中产生的参数变化，式(1)表示为：
[0015][0016]式中，l
in
、l
ωn
是参数的额定值；Δl
i
、Δl
ω
表示参数变化；d是永磁同步电机速度控制系统集总扰动，|d|≤D，
[0017]根据前向欧拉公式(2)离散化为：
[0018]ω
m
(k+1)＝ω
m
(k)+Tl
in
i
q
(k)+Tl
ωn
ω
m
(k)+Td(k)；T是控制周期；
[0019]单神经元扰动模型为：
[0020]其中x
i
是输入量，w
i
是对应权重值；x是输入变量，w是对应的权重；
[0021]令x1＝i
q
，x2＝ω
m
，θ＝0且得到单神经元扰动模型，w
i
(k)为i
q
的权重系数，w
ω
(k)为ω
m
的权重系数，则单神经元扰动模型描述为矩阵形式：
[0022]d(k)＝x(k)w(k)(3)
[0023]式中，x(k)＝[ω
m
(k)i
q
(k)]，w(k)＝[w
ω
(k)w
i
(k)]T
；k是第k次控制时刻；
[0024]假设是d(k)的估计值，是w(k)的估计值，得
[0025][0026]定义扰动估计误差的二次性能指标函数为：
[0027][0028][0029]权重系数的调整应该沿着J对的负梯度方向搜索，以达到性能指标最小，因此：
[0030][0031]式中，η表示学习速率；根据式(4)、式(5)、式(6)，得：
[0032][0033]最终，根据式(7)和(8)得到单神经元权重系数调整公式为
[0034]。
[0035]进一步地，所述单神经元滑模预测控制器为：
[0036]在永磁同步电机速度控制系统中，电机转速需要跟踪给定转速，因此定义滑模面为：
[0037]s(k)＝ω
*
(k)
‑
ω
m
(k)(10)
[0038]s(k+1)＝ω
*
(k+1)
‑
ω
m
(k+1)(11)
[0039]新型幂次趋近律的离散形式表示为：
[0040]S(k+1)＝(1
‑
αT)S(k)
‑
R(k)Tsign(S(k))
[0041][0042]s(k+1)
‑
s(k)＝
‑
αs(k)
‑
βsign(s(k))(12)
[0043]式中，β＞0，0＜∈＜1,τ＞0，0＜γ＜1，因此，基于单神经元滑模预测控制的性能指标函数定义为：
[0044]g＝(s(k+1)
‑
s(k)+αs(k)+R(k)sign(s(k)))2(13)
[0045]将式(10)、(11)及(12)代入式(13)，得
[0046][0047]在单神经元滑模预测控制器中，系统集总扰动由单神经元扰动模型进行估计，因此式(14)重写为：
[0048][0049]通过对式(15)最小化，可求得无约束的q轴电流：
[0050][0051]考虑到电流约束，根据式(16)，单神经元滑模预测控制器表示为：
[0052][0053]，式中是SPMSM允许的最大电流。
[0054]本专利技术具有如下优点：本专利技术一种基于单神经元扰动模型的滑模预测控制方法，使用单神经元对系统运行过程中的参数变化和外部干扰进行建模，并通过对权重系数的实时优化，实现单神经元扰动模型的自适应、自组织，从而完成对系统不确定性的精确建模，通过单神经元扰动模型的建立，对预测模型精确补偿，提高了抗内外扰动的能力，保证性能不受扰动影响。在此基础上，设计基于新型幂次趋近律的滑模预测控制成本函数，通过离线解算成本函数，得到显性的滑模预测控制器，新型趋近律提高了系统跟踪速度；该方法解决了传统滑模预测控制器在参数不匹配和外部扰动的时候，出现稳态误差、带宽不匹配，抖振大，逼近速度不够快等问题，具有极强的抗干扰能力，并通过设计新型幂次趋近律，进一步提高控制系统的动态性，减小滑模抖振。
附图说明
[0055]下面参照附图结合实施例对本专利技术作进一步的说明。
[0056]图1为本专利技术方法执行流程图。
[0057]图2为单神经元模型的示意图。
[0058]图3为单神经元扰动模型的示意图。
具体实施方式...
【技术保护点】
【技术特征摘要】
1.一种基于单神经元扰动模型的滑模预测控制方法，其特征在于：包括：对永磁同步电机速度控制系统运行过程中的参数变化和外部干扰建立单神经元扰动模型，并通过实时采样的电流、速度数据对权重系数进行实时优化，从而实现单神经元扰动模型的动态优化重构；设计基于新型幂次趋近律的滑模预测控制成本函数，通过离线解算成本函数，得到单神经元滑模预测控制器；通过所述单神经元滑模预测控制器进行滑模预测控制。2.如权利要求1所述的一种基于单神经元扰动模型的滑模预测控制方法，其特征在于：所述单神经元扰动模型的建模包括：永磁同步电机扰动模型为：SPMSM的运动方程表示为：式中，ψ
r
为永磁体磁链、J为转动惯量；p为极对数、ω
m
为机械角速度；i
q
为q轴电流、T
L
为负载转矩；B为摩擦系数、n
t
为负载转矩变化率；考虑到SPMSM运行过程中产生的参数变化，式(1)表示为：式中，l
in
、l
ωn
是参数的额定值；Δl
i
、Δl
ω
表示参数变化；d是永磁同步电机速度控制系统集总扰动，|d|≤D，根据前向欧拉公式(2)离散化为：ω
m
(k+1)＝ω
m
(k)+Tl
in
i
q
(k)+Tl
ωn
ω
m
(k)+Td(k)；T是控制周期；单神经元扰动模型为：其中x
i
是输入量，w
i
是对应权重值；x是输入变量，w是对应的权重；令x1＝i
q
，x2＝ω
m
，θ＝0且得到单神经元扰动模型，w
i
(k)为i
q
的权重系数，w
ω
(k)为ω
m
的权重系数，则单神经元扰动模型描述为矩阵形式：d(k...
【专利技术属性】
技术研发人员：汪凤翔，何龙，许剑飞，林金练，夏安俊，陈雪清，林辉煌，章硕，
申请(专利权)人：信泰福建科技有限公司福建永信数控科技股份有限公司，
类型：发明
国别省市：
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。