一种基于深度残差网络的预测控制权重因子动态优化方法技术

本发明专利技术公开了一种基于深度残差网络的预测控制权重因子动态优化方法，具体为：建立三电平逆变器馈电的永磁电机驱动系统预测数学模型，设计代价函数，获取数据样本；定义目标函数，对数据集进行归一化处理，将数据集分为训练集和交叉验证集；构建深度残差网络，将权重因子作为网络的输入层，以最小化均方根误差来确定残差网络的超参数，选择使目标函数最小的预测指标，作为最优权重因子组合；利用预测得到的最优权重因子建立数据库，通过查表法实现模型预测控制权重因子的动态优化。本发明专利技术实现了在电机复杂运行工况下高效、准确地预测出最优权重因子，并且能对预测的权重因子进行在线调整，实现了模型预测控制性能的动态优化。实现了模型预测控制性能的动态优化。实现了模型预测控制性能的动态优化。

【技术实现步骤摘要】
一种基于深度残差网络的预测控制权重因子动态优化方法


[0001]本专利技术属于模型预测控制领域，具体涉及一种基于深度残差网络的预测控制权重因子动态优化方法。

技术介绍

[0002]多电平逆变器因具有电磁兼容性能好、电流谐波低、效率高等优势，已被广泛应用于中压大功率的场合。相比于二极管中点钳位型逆变器，有源中点箝位型逆变器(ANPC)具有更好的损耗均衡能力、控制灵活、容错性能强等优势而备受关注。但是，ANPC逆变器的控制需要同时考虑多个控制目标，包括跟踪电流、中点电位平衡和开关频率调节等。
[0003]近年来兴起的模型预测控制(MPC)，相较于传统的矢量控制能够有效解决多目标优化的问题。MPC通常使用一个特定的代价函数来实现多目标优化，其中权重因子被分配给每个控制目标。而MPC的控制性能与代价函数和权重因子的设计紧密相关，不同的工作状态会影响权重因子的值，这意味着权重因子不是唯一的，应该根据运行状态进行动态调整，同时控制目标可能是相互冲突的，因此最优权重因子的设计成为了近年来的一大研究热点。
[0004]国内外学者已经提出了几种调节权重因子的方法，包括无权重因子的方法和基于观测函数的方法。前者可以大致分为分割代价函数和简化代价函数。分割代价函数通过独立的代价函数进行优化，这将会增加MPC的复杂度。简化代价函数根据具体的优化目标，采用额外的约束条件，然而，计算负担是一个较大的挑战。另一类方法通过观测器监测MPC的性能，在线调整MPC的控制状态，使代价函数最小化，进而实现权重因子的在线调节与优化。但是这种在线优化的方法增加了控制复杂度，且增加了MPC的计算负担，当应用于多电平变流系统时问题会更加突出。因此，需要研究既不增加计算负担又能实现动态优化权重因子的方法。随着人工神经网络(ANN)在模式识别、自然语言处理、生物技术及交通等方面的广泛应用，ANN在预测控制权重因子优化方面具有很好的应用优势。

技术实现思路

[0005]针对上述不足，本专利技术提供一种基于深度残差网络的预测控制权重因子动态优化方法。
[0006]本专利技术的一种基于深度残差网络的预测控制权重因子动态优化方法，包括以下步骤：
[0007]步骤1：建立三电平逆变器馈电的永磁电机驱动系统预测数学模型，根据控制目标设计模型预测控制算法的代价函数，通过MATLAB/Simulink仿真获得不同权重因子组合下对应的电机定子电流谐波总畸变THD
c
、直流侧母线中点电压偏差V
ag
与平均开关频率f
sw
，组成数据样本。
[0008]步骤2：基于永磁电机驱动系统的控制目标，定义一个目标函数以评价控制性能，接着建立数据集并对数据集进行归一化处理，同时将数据集按比例分为训练集和交叉验证集，分别用于网络设计、训练和评价网络性能。
[0009]步骤3：构建深度残差网络，将权重因子作为网络的输入层，THD
c
、V
ag
和f
sw
作为网络的输出层，根据数据集和Adam算法训练网络，以最小化均方根误差RMSE来确定残差网络的超参数，选择最小化目标函数的预测指标，作为模型预测控制算法的最优权重因子组合。
[0010]步骤4：将不同工况下的最优权重因子与对应工况构建数据集，同时利用查表法实现不同工况下模型预测控制权重因子的动态优化。
[0011]进一步的，步骤1中预测数学模型和代价函数的建立具体为：
[0012]以三电平有源中点箝位型逆变器馈电的永磁电机为控制对象，采用一阶向前欧拉法对dq旋转坐标系下电机定子电压方程进行离散化处理，建立永磁电机驱动系统在旋转坐标系下的离散化定子电流预测模型，表示为：
[0013][0014]其中，k表示采样时刻，T
s
为采样周期，i
d
(k+1)、i
q
(k+1)表示采样时刻k+1下的dq轴定子电流预测值，i
d
(k)、i
q
(k)表示当前采样时刻k下的dq轴定子电流采样值，u
d
(k)、u
q
(k)表示当前采样时刻k下的dq轴定子电压值，L
d
、L
q
表示旋转坐标系下的dq轴定子电感，R
s
表示定子绕组的电阻值，ω
r
表示永磁电机电角速度，ψ
f
表示永磁体磁链。
[0015]根据直流母线侧上、下电容的电压值，建立直流母线侧电容电压差值的离散化预测模型，其中性点电位的预测模型表示为：
[0016][0017][0018][0019]其中，v
c1
和v
c2
表示上、下电容电压，v
n
表示中性点电位，C
dc
表示直流侧电容的容值，u
x
表示归一化的输出相电压，i
x
表示相电流，u
x
(k)表示当前采样时刻k下的归一化相电压，i
x
(k)表示当前采样时刻k下的相电流，Δv
n
(k)和Δv
n
(k+1)分别表示当前采样时刻k和采样时刻k+1的上、下电容电压偏差。
[0020]逆变器开关管的开通和关断切换次数表示为：
[0021]Δu
x
(k+1)＝||u
x
(k+1)
‑
u
x
(k)||
[0022]其中，u
x
(k+1)表示下一采样时刻k+1下的归一化相电压。
[0023]为了实现多个目标的综合优化，通过考虑定子电流跟踪、中点电位平衡和开关切换调节来定义代价函数为：
[0024][0025]其中，J
i
表示跟踪电流误差的代价函数，J
dc
表示中点电压偏差的代价函数，J
sw
表示开关频率跟踪误差的代价函数，i
sref
表示参考相电流，i
s
(k+1)＝[i
d
(k+1)，i
q
(k+1)]T
表示下一采样时刻dq旋转坐标系下的定子电流预测值。
[0026]根据建立的跟踪电流误差、中点电压偏差和开关频率跟踪误差的代价函数建立总的代价函数表示为：
[0027]J＝J
i
+λ
dc
J
dc
+λ
sw
J
sw
[0028]其中，J为总代价函数，λ
dc
、λ
sw
分别表示中点电位平衡和开关频率调节的权重因子；对27个空间电压矢量进行枚举，计算代价函数J，选择使J最小的电压矢量作为当前控制周期的最优输出。
[0029]进一步的，步骤2定义目标函数，建立数据集，并划分数据集用于网络训练与评估具体为：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度残差网络的预测控制权重因子动态优化方法，其特征在于，包括以下步骤：步骤1：建立三电平逆变器馈电的永磁电机驱动系统预测数学模型，根据控制目标设计模型预测控制算法的代价函数，通过MATLAB/Simulink仿真获得不同权重因子组合下对应的电机定子电流谐波总畸变THD
c
、直流侧母线中点电压偏差V
ag
与平均开关频率f
sw
，组成数据样本；步骤2：基于永磁电机驱动系统的控制目标，定义一个目标函数以评价控制性能，接着建立数据集并对数据集进行归一化处理，同时将数据集按比例分为训练集和交叉验证集，分别用于网络设计、训练和评价网络性能；步骤3：构建深度残差网络，将权重因子作为网络的输入层，THD
c
、V
ag
和f
sw
作为网络的输出层，根据数据集和Adam算法训练网络，以最小化均方根误差RMSE来确定残差网络的超参数，选择最小化目标函数的预测指标，作为模型预测控制算法的最优权重因子组合；步骤4：将不同工况下的最优权重因子与对应工况构建数据集，同时利用查表法实现不同工况下模型预测控制权重因子的动态优化。2.根据权利要求1所述的一种基于深度残差网络的预测控制权重因子动态优化方法，其特征在于，所述步骤1中预测数学模型和代价函数的建立具体为：以三电平有源中点箝位型逆变器馈电的永磁电机为控制对象，采用一阶向前欧拉法对dq旋转坐标系下电机定子电压方程进行离散化处理，建立永磁电机驱动系统在旋转坐标系下的离散化定子电流预测模型，表示为：其中，k表示采样时刻，T
s
为采样周期，i
d
(k+1)、i
q
(k+1)表示采样时刻k+1下的dq轴定子电流预测值，i
d
(k)、i
q
(k)表示当前采样时刻k下的dq轴定子电流采样值，u
d
(k)、u
q
(k)表示当前采样时刻k下的dq轴定子电压值，L
d
、L
q
表示旋转坐标系下的dq轴定子电感，R
s
表示定子绕组的电阻值，ω
r
表示永磁电机电角速度，ψ
f
表示永磁体磁链；根据直流母线侧上、下电容的电压值，建立直流母线侧电容电压差值的离散化预测模型，其中性点电位的预测模型表示为：型，其中性点电位的预测模型表示为：型，其中性点电位的预测模型表示为：其中，v
c1
和v
c2
表示上、下电容电压，v
n
表示中性点电位，C
dc
表示直流侧电容的容值，u
x
表示归一化的输出相电压，i
x
表示相电流，u
x
(k)表示当前采样时刻k下的归一化相电压，i
x
(k)表示当前采样时刻k下的相电流，Δv
n
(k)和Δv
n
(k+1)分别表示当前采样时刻k和采样时刻k
+1的上、下电容电压偏差；逆变器开关管的开通和关断切换次数表示为：Δu
x
(k+1)＝||u
x
(k+1)
‑
u
x
(k)||其中，u
x
(k+1)表示下一采样时刻k+1下的归一化相电压；为了实现多个目标的综合优化，通过考虑定子电流跟踪、中点电位平衡和开关切换调节来定义代价函数为：其中，J
i
表示跟踪电流误差的代价函数，J
dc
表示中点电压偏差的代价函数，J
sw...

【专利技术属性】
技术研发人员：徐帅，姚春醒，吴思佳，马光同，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：