一种永磁同步电机无模型预测电流控制方法及系统技术方案

本发明专利技术公开了一种永磁同步电机无模型预测电流控制方法及系统，包括：利用并联扩张状态观测器对永磁同步电机的总扰动进行观测；其中，所述并联扩张状态观测器的最佳宽带通过神经网络预测得到；基于所述总扰动和最佳宽带构建永磁同步电机模型预测电流控制器，所述永磁同步电机模型预测电流控制器输出的电压矢量，通过SVPWM调制控制开关管的导通状态，实现对永磁同步电机的控制。本发明专利技术利用并联扩张观测器结合神经网络带宽最小化技术，实现了永磁同步电机在相对较低的控制带宽下，精确的无模型预测控制，同时可以减小系统开关频率，降低损耗，提升永磁同步电机伺服系统运行效率。提升永磁同步电机伺服系统运行效率。提升永磁同步电机伺服系统运行效率。

【技术实现步骤摘要】
一种永磁同步电机无模型预测电流控制方法及系统


[0001]本专利技术涉及永磁同步电机无模型预测控制
，尤其涉及一种永磁同步电机无模型预测电流控制方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]永磁同步电动机(Permanent Magnet Synchronous Motor，PMSM)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。永磁同步电机模型预测电流控制(ModelPredictiveCurrentControl,MPCC)因为其结构简单，调节方便且动态响应迅速而被工业界广泛应用。
[0004]由于MPCC依赖于电机数学模型，当电机参数随着运行时间的增加而发生变化后，MPCC的控制性能将会下降。对此学术界提出了一种基于超局部模型的永磁同步电机无模型预测电流控制(Model
‑
freePredictiveCurrentControl,MFPCC)。然而，该方法会增加控制器的调节参数，加大了系统的设计难度，不易于工业应用。
[0005]对此，一种基于(Extended State Observer，ESO)的永磁同步电机无模型预测电流控制方法(MFPCC
‑
ESO)应运而生，该方法只需要系统的输入量电流与输出量电压，即可实现电机的电流闭环控制，完全不依赖电机参数，增强了系统的鲁棒性且保留了PCC的优势，使电机具备优越的动态性能。此时电机的控制性能主要受ESO的带宽影响，较高的带宽将会增强电机的抗干扰能力，但同时也会引入高频噪声，影响其稳态性能；相反，较低的带宽将会抑制高频噪声，但同时也会降低ESO的观测精度，使系统抗干扰能力下降。因此，如何在对系统状态和总扰动准确估计的同时，设计合适的观测器带宽是需要解决的一个技术难题。现有技术中对于ESO的带宽设计并没有一个很好的方案，通常是通过实验调试的方法得到一个折衷的参数，从而影响了电机的控制精度。
[0006]MFPCC
‑
ESO方法通常具有较高的增益，增强了系统的抗干扰性能。然而，这种高增益的ESO有两个主要的局限性：1)它放大了高频测量噪声；2)它降低了参考跟踪精度。为了增加ESO的观测精度，通常是通过牺牲一部分系统的抗扰能力即减小ESO带宽来实现。所以传统的MFPCC
‑
ESO的控制带宽在稳态与动态上始终存在一个矛盾，不能充分发挥其性能。

技术实现思路

[0007]为了解决上述问题，本专利技术提出了一种永磁同步电机无模型预测电流控制方法与系统，利用并联扩张观测器(Parallel Extended State Observer,PESO)结合神经网络带宽最小化技术，实现了永磁同步电机在相对较低的控制带宽下，精确的无模型预测控制，同时可以减小系统开关频率，降低损耗，提升永磁同步电机伺服系统运行效率。
[0008]在一些实施方式中，采用如下技术方案：
[0009]一种永磁同步电机无模型预测电流控制方法，包括：
[0010]利用并联扩张状态观测器对永磁同步电机的总扰动进行观测；其中，所述并联扩张状态观测器的最佳宽带通过神经网络预测得到；
[0011]基于所述总扰动和最佳宽带构建永磁同步电机模型预测电流控制器，所述永磁同步电机模型预测电流控制器输出的电压矢量，通过SVPWM调制控制开关管的导通状态，实现对永磁同步电机的控制。
[0012]作为进一步的方案，所述并联扩张状态观测器具体为：两个或两个以上的扩张状态观测器并联连接，每一个扩张状态观测器的输入为实测的系统电机定子电流输出信号，每一个扩张状态观测器输出的扰动分量之和为总扰动，每一个扩张状态观测器输出的观测状态分量之和为电机定子电流的观测量。
[0013]作为进一步的方案，并联扩张状态观测器的最佳宽带通过神经网络预测得到，所述神经网络的输入包括：电流谐波约束、αβ轴定子电流、q轴电流变化率以及q轴电流变化的峰值；所述神经网络的输出为最佳带宽ω
0(opt)
。
[0014]在另一些实施方式中，采用如下技术方案：
[0015]一种永磁同步电机无模型预测电流控制系统，包括：
[0016]状态观测模块，用于利用并联扩张状态观测器对永磁同步电机的总扰动进行观测；其中，所述并联扩张状态观测器的最佳宽带通过神经网络预测得到；
[0017]永磁同步电机控制模块，用于基于所述总扰动和最佳宽带构建永磁同步电机模型预测电流控制器，所述永磁同步电机模型预测电流控制器输出的电压矢量，通过SVPWM调制控制开关管的导通状态，实现对永磁同步电机的控制。
[0018]在另一些实施方式中，采用如下技术方案：
[0019]一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的永磁同步电机无模型预测电流控制方法。
[0020]在另一些实施方式中，采用如下技术方案：
[0021]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的永磁同步电机无模型预测电流控制方法。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023](1)本专利技术使用并行扩展状态观测器(PESO)和神经网络最小化带宽；PESO的应用，可以增强永磁同步电机MFPCC的抗干扰能力，同时在相同动态响应与抗干扰能力条件下，相较于ESO极大减小观测器的控制带宽；人工神经网络的应用，可以保证电机获得在当前工况下观测器的最小带宽。
[0024](2)本专利技术在保证系统良好动态响应与抗扰能力的前提下，极大降低了ESO带宽，从而降低了系统运行成本，也降低了由高带宽和增益引起的噪声放大。减小系统运行成本，提高运行效率节约能源，具备更好的抗干扰能力。
[0025]本专利技术的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。
附图说明
[0026]图1为本专利技术实施例中的并联扩张状态观测器结构示意图；
[0027]图2为本专利技术实施例中的并联扩张状态观测器的神经网络模型示意图；
[0028]图3为本专利技术实施例中的永磁同步电机无模型预测电流控制过程示意图。
具体实施方式
[0029]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本专利技术使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0030]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种永磁同步电机无模型预测电流控制方法，其特征在于，包括：利用并联扩张状态观测器对永磁同步电机的总扰动进行观测；其中，所述并联扩张状态观测器的最佳宽带通过神经网络预测得到；基于所述总扰动和最佳宽带构建永磁同步电机模型预测电流控制器，所述永磁同步电机模型预测电流控制器输出的电压矢量，通过SVPWM调制控制开关管的导通状态，实现对永磁同步电机的控制。2.如权利要求1所述的一种永磁同步电机无模型预测电流控制方法，其特征在于，所述并联扩张状态观测器具体为：两个或两个以上的扩张状态观测器并联连接，每一个扩张状态观测器的输入为实测的系统电机定子电流输出信号，每一个扩张状态观测器输出的扰动分量之和为总扰动，每一个扩张状态观测器输出的观测状态分量之和为电机定子电流的观测量。3.如权利要求1所述的一种永磁同步电机无模型预测电流控制方法，其特征在于，当扩张状态观测器数量为3个时，各扩张状态观测器的输出为：其中，为第j个扩张状态观测器输出的观测扰动分量，观测的总扰动为为第j个扩张状态观测器输出的观测扰动分量，观测的总扰动为为第j个扩张状态观测器输出的状态观测分量，总的状态观测量为a为一个恒定的输入增益，y(t)表示系统输出信号，u(t)为输入信号，ω0为观测器的带宽。4.如权利要求1所述的一种永磁同步电机无模型预测电流控制方法，其特征在于，并联扩张状态观测器的最佳宽带通过神经网络预测得到，所述神经网络的输入包括：电流谐波约束、αβ轴定子电流、q轴电流变化率以及q轴电流变化的峰值；所述神经网络的输出为最佳带宽ω
0(opt)
。5.如权利要求1所述的一种永磁同步电机无模型预测电流控制方法，其特征在于，基于
所述总扰动和最佳宽带构建永磁同步电机模型预测电流控制器，永磁同步电机模型预测电流控制器的模型具体为：其中，(k)表示变量第k时刻的值，(k+1)表示变量在第k+1时刻的值，表示基于并联扩张状态观测器估...

【专利技术属性】
技术研发人员：张祯滨，欧路利可，
申请(专利权)人：山东大学，
类型：发明
国别省市：