System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种电机监控,尤其涉及一种基于数字孪生的永磁电机健康状态监测控制方法及系统。
技术介绍
1、永磁电机广泛用于风力发电、电力驱动、工业机器人等领域。电机的参数对永磁电机的健康状态与控制性能密切相关,永磁电机参数会随电机负载、温度以及电机转速等运行工况的变化而变化,更严重的失磁、匝间短路故障等对参数的影响更加明显。电机的参数(如电阻、磁链、电感等)不仅能够反应电机的健康状态(绝缘、温度),而且对电机的无速度控制、模型预测等控制性能的准确性均有十分巨大的影响。因此,实时在线监控永磁电机的参数状态可以有效实现电机健康状态的监测。
2、现有技术对永磁电机参数辨识方法一般采用离线辨识技术,即在离线状态下永磁电机保持静止时,对永磁电机注入电流,进而辨识出电机参数。但是离线辨识方式由于必须在电机保持静止状态时对电机参数进行辨识,实现过程复杂且耗时长,需额外进行注入电流等操作以完成辨识过程,辨识效率较低,且所得到的电机参数辨识结果是离线的结果,而在实际的应用过程中,电机的温度随负载的变化而变化,离线辨识的结果并不能准确反应出电机实际运行工况下的运行参数,致使电机参数的辨识精度并不高,因而难以精准监测电机的健康状态。现有技术中参数在线辨识方法又会存在参数失秩的问题,使得电机参数辨识结果准确性低,仍然不能满足实际精度的需求。
技术实现思路
1、本专利技术要解决的技术问题就在于:针对现有技术存在的技术问题,本专利技术提供一种适用范围广,使用简便的基于数字孪生的永磁电机健康状态监测
2、为解决上述技术问题,本专利技术提出的技术方案为:一种基于数字孪生的永磁电机健康状态监测控制方法,包括以下步骤:
3、步骤1.构建数字孪生电机模型,所述数字孪生电机模型包括电流预测模型以及无差拍预测电机模型,所述电流预测模型采用四阶龙格库塔求解永磁电机微分电流模型构建得到以用于预测下一时刻的电机电流,所述永磁电机微分电流模型为dq轴微分电流、电压与dq轴电流、电压以及电机参数之间的关系模型;
4、步骤2.随机生成电机参数的初始值,采用粒子群优化算法进行优化迭代,使得采用所述电流预测模型得到的预测电流结果与实际采样电流的误差最小,进而得到最优电机参数结果,迭代优化过程中不断采集实际电机的运行状态信息进行迭代计算,将迭代计算得到的电机参数输入至所述电流预测模型中以预测下一时刻的电机电流;
5、步骤3.将所述最优电机参数结果输入至所述无差拍预测电机模型中,得到所需的参考电压以实现对永磁电机的控制。
6、进一步的,所述步骤1中,构建的所述永磁电机微分电流模型为:
7、
8、其中,id、iq分别表示电机d轴电流、电机q轴电流;ud、uq分别表示电机d轴电压、电机q轴电压;rs表示电机电阻,ld、lq表示电机d轴电感、电机q轴电感;we表示电机运行角频率,表示电机磁链。
9、进一步的,所述步骤1中,所述电流预测模型为:
10、
11、
12、
13、其中,id,n+1、iq,n+1分别表示电机d轴电流在n+1时刻的电流预测结果,电机q轴电流在n+1时刻的电流预测结果;id,n、iq,n分别表示电机d轴电流在n时刻的采样电流,电机q轴电流在n时刻的采样电流;ka1、ka2、ka3、ka4表示电机d轴电流龙格库塔系数;kb1、kb2、kb3、kb4表示电机q轴电流龙格库塔系数;h表示运行步长。
14、进一步的,所述步骤2包括:
15、步骤201.在指定范围内随机初始化电机参数的随机值,以作为第一代粒子群的位置和速度,所述电机参数包括:电机电阻rs、d轴电感ld、q轴电感lq、电机磁链
16、步骤202.对电机参数组成的向量组进行迭代,将当代粒子群的位置和速度输入至所述电流预测模型中预测得到下一时刻的电流,并按照构建的目标函数计算预测电流值与实际电流值之间的差值;
17、步骤203.判断所述差值的大小,如果所述差值小于预设阈值,停止迭代,将迭代得到的单代最优位置以及种群最优位置对应的电机参数作为最优电机参数输出,否则使用迭代得到的单代最优位置以及种群最优位置更新粒子群的飞行速度和位置,返回执行步骤s202以执行下一次迭代。
18、进一步的,所述目标函数为:
19、fobj=(id,m-id.n+1)2+(iq,m-iq.n+1)2
20、其中,fobj表示目标函数值;id,m表示电机d轴n+1时刻的采样电流,iq,m表示电机q轴n+1时刻的采样电流;id.n+1表示电机d轴n+1时刻的预测电流;iq.n+1表示电机q轴n+1时刻的预测电流。
21、进一步的,步骤s202中,按照下式分别更新粒子群的飞行速度和位置:
22、vi,j=wi-1vi-1,j+2r1,i-1,j(pg-pi-1,j)+2r2,i-1,j(pl,i-1,j-pi-1,j)
23、pi,j=pi-1,j+vi,j
24、其中,wi-1表示当前速度的惯量系数,r1,i-1,j表示i-1代的惯性系统,r2,i-1,j表示整个种群的惯性系统,vi-1,j和vi,j表示粒子在i-1代和i代的飞行速度,pg表示整个种群的最好位置值,pl,i-1,j表示i-1代组得到的最优位置值,pl,i-1,j表示i-1代当前的位置,pi,j表示第i代元素的位置。
25、进一步的,所述步骤2迭代优化过程中不断采集实际电机的运行状态信息进行迭代计算的方法为:通过逆变器驱动实际的永磁电机运转,并不断地采集电机运行物理信息,所述电机运行物理信息包括电机的电流、电压、转速、转子位置,并所述电机运行物理信息输入粒子群优化算法进行迭代运行以得到的最新的电机参数信息,并将所述最新的电机参数信息输入所述电流预测模型实现下一时刻的电流预测。
26、进一步的,所述步骤3中,将所述最优电机参数结果输入至所述无差拍预测电机模型中,按照下式计算得到参考电压:
27、
28、其中,id,n表示电机d轴电流、iq,n表示电机q轴电流,id,ref表示d轴参考电流、iq,ref表示q轴参考电流,ud表示d轴电压、uq表示q轴电压,rs,n为更新后的电机电阻,ld,n表示更新后的d轴电感、lq,n表示更新后的q轴电感,we是电机运行角频率,为更新后的电机磁链。
29、本专利技术还提出一种基于数字孪生的永磁电机健康状态监测控制系统,包括:
30、数字孪生电机模型构建模块,用于构建数字孪生电机模型,所述数字孪生电机模型包括电流预测模型以及无差拍预测电机模型,所述电流预测模型采用四阶龙格库塔求解永磁电机微分电流模型构建得到以用于预测下一时刻的电机电流,所述永磁电机微分电流模型为dq轴微分电流、电压与dq轴电流、电压以及电机参数之间的关系模型;
31、粒子群优化本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤1中,构建的所述永磁电机微分电流模型为:
3.根据权利要求2所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤1中,所述电流预测模型为:
4.根据权利要求1所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤2包括:
5.根据权利要求4所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述目标函数为:
6.根据权利要求4所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤S202中,按照下式分别更新粒子群的飞行速度和位置:
7.根据权利要求1~6中任意一项所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤2迭代优化过程中不断采集实际电机的运行状态信息进行迭代计算的步骤包括:通过逆变器驱动实际的永磁电机运转,并不断地采集电机运行物理信息,所述电机运行物理信息包
8.根据权利要求1~6中任意一项所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤3中,将所述最优电机参数结果输入至所述无差拍预测电机模型中,按照下式计算得到参考电压:
9.一种基于数字孪生的永磁电机健康状态监测控制系统,其特征在于,包括:
10.一种计算机系统,包括处理器以及存储器,所述存储器用于存储计算机程序,其特征在于,所述处理器用于执行所述计算机程序以执行如权利要求1~8中任意一项所述方法。
...【技术特征摘要】
1.一种基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤1中,构建的所述永磁电机微分电流模型为:
3.根据权利要求2所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤1中,所述电流预测模型为:
4.根据权利要求1所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤2包括:
5.根据权利要求4所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述目标函数为:
6.根据权利要求4所述的基于数字孪生的永磁电机健康状态监测控制方法,其特征在于,所述步骤s202中,按照下式分别更新粒子群的飞行速度和位置:
7.根据权利要求1~6中任意一项所述的基于数字孪生的永磁电机健康状态监测控制方法,其...
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。