一种车载永磁同步电动机的控制方法 |
|||||||
申请号 | CN202410243461.5 | 申请日 | 2024-03-04 | 公开(公告)号 | CN118054710A | 公开(公告)日 | 2024-05-17 |
申请人 | 四川吉利学院; | 发明人 | 李刚; 王茜; 郑玉娟; 王艳; 周芸; 黄丽华; 谢飞; | ||||
摘要 | 本 发明 公开了一种车载永磁同步 电动机 的控制方法,涉及 电机 控制技术领域,包括以下步骤:S1、将永磁同步电机 定子 侧 电压 经过abc/dq变换为d‑q 坐标系 下的定子电压,计算得到估计转速和估计 转子 位置 ;S2、结合估计转子位置,将获得的永磁同步电机定子侧 电流 经过Clark/Park变换得到d‑q坐标系下的定子电流;S3、结合估计转子位置和定子电流,利用扰动观测器,实时观测负载转矩的变化,并将观测得到的扰动量前馈至电流给定;S4、将参考转速和估计转速的差值以及S3得到的扰动量输入到NFTSMC 控制器 ,得到q轴的电流给定值;S5、利用d‑q轴电流给定值与实际值的差值经过PI调节后得到Ud、Uq,再通过Park‑1变换得到逆变器的矢量控制 信号 。 | ||||||
权利要求 | 1.一种车载永磁同步电动机的控制方法,其特征在于,包括以下步骤: 1,γ为常系数,γ>0。 |
||||||
说明书全文 | 一种车载永磁同步电动机的控制方法技术领域背景技术[0002] 新能源汽车对永磁同步电机存在较高的依赖性,这种电机具备低能耗、强动力、适用范围广等优势,是新能源汽车稳定运行的基础。随着新能源汽车的不断研究和发展,汽车本身运行对电机的精度、稳定性要求不断提高,永磁同步电机及整车控制系统被迫进行设计和应用上的调整、升级。 [0003] 现有技术中,“一种基于BP神经网络于PID参数整定的应用”,这种应用主要是利用BP神经网络通过信号前向传播,而误差是反向传播。如果结果未到达期望要求,则进入反向传播过程,将误差信号原路返回,修改各层权重,借此以达到实时的调节速度环PID控制的参数的整定。BP神经网络虽然有很强的拟合能力,并且BP神经网络隐含层的神经元个数难以确定,在其某些点处会有较大的误差,易陷入局部最小的问题。 [0004] “一种基于RBF的神经网络的非线性拟合能力于PID参数整定的应用”,该应用采用固定的三层前馈型的网络结构,以径向激活函数为激活函数,将辨识到的PMSM信息代入神经网络中,使计算更精确,有效解决被控对象PMSM的参数时变问题。相较于传统的PID速度控制器,RBF神经网络速度控制器的电机控制系统的有效性和可行性更高,但是单一的RBF神经网络应用还存在无法利用已知经验和隐含层神经元个数难以确定的问题。 [0005] 中国专利CN 111371357 A公布了一种基于自适应超螺旋算法的永磁同步电机调速控制方法,在超螺旋算法中引入自适应律构成速度环控制器,并将速度环控制器模块加入永磁同步电机调速控制系统上,实现对电机调速控制。能加快系统动态响应速度,提高抗扰性、控制精度和运行可靠性。但是该需要通过机械式传感器(角度与位置传感器)获得准确的速度和位置信息,但PMSM通常工作在恶劣环境中,且机械式传感器容易受环境影响出现故障,从而降低系统的可靠性。 [0006] “基于新型超螺旋滑模自适应观测器的永磁同步电机转速估计策略”,将超螺旋算法(FSTA)和模型参考自适应系统(MRASO)结合,在抑制抖振的前提下,提高了系统鲁棒性。该方法存在几个比较明显的问题,一是超螺旋算法无法有效应对线性增长扰动;二是超螺旋算法是基于权重的算法,需要通过训练来预测结果,其次超螺旋算法的黑箱性质使其难以解释模型的预测结果。 [0007] “一种用于SPMSM的改进型滑模模型参考自适应系统观测器”,提出了一种采用带有线性校正项的快速超螺旋滑模模型参考自适应系统观测器(FSTA‑SM‑MRASO),所提观测器将快速超螺旋算法(FSTA)与模型参考自适应系统(MRASO)观测器相结合,构建了基于FSTA‑SM‑MRASO的SPMSM无传感器矢量控制系统。该方法存在几个比较明显的问题,一是PMSM滑模控制系统符号函数容易出现抖振问题;二是不能解决终端滑模奇异性问题;第三,在系统误差到达滑模面后,其收敛速度表现的要比线性函数构成的滑模面慢。 发明内容[0008] 本发明的目的在于提供一种车载永磁同步电动机的控制方法,解决了PMSM单一滑模控制系统符号函数容易出现抖振等问题,实现了电机在不同工况下的快速响应和平稳运行。 [0009] 为实现上述目的,本发明提供如下技术方案:一种车载永磁同步电动机的控制方法,包括以下步骤: [0011] S2、结合S1中的估计转子位置 将获得的永磁同步电机PMSM定子侧电流ia、ib、ic经过Clark/Park变换得到d‑q坐标系下的定子电流id、iq; [0012] S3、结合S1中的估计转子位置 和S2中的定子电流iq,利用扰动观测器,实时观测负载转矩的变化,并将观测得到的扰动量前馈至电流给定; [0013] S4、将参考转速ωe和估计转速 的差值以及S3得到的扰动量输入到NFTSMC控制器,得到q轴的电流给定值 [0014] S5、利用d‑q轴电流给定值与实际值的差值经过PI调节后得到Ud、Uq,再通过Park‑1变换得到逆变器的矢量控制信号。 [0015] 优选的,所述转速和转子位置估计方程为: [0016] [0018] 优选的,所述Clark/Park变换包括Clark和Park变换,所述Clark变换表达式为: [0019] [0020] Clark变换的反变换表达式为: [0021] [0022] 所述Park变换的表达式为: [0023] [0024] Park变换的反变换表达式为: [0025] [0026] 式中,θ为电机的转子角度。 [0027] 优选的,所述扰动观测器实时观测负载转矩的变化,并将观测得到的扰动量前馈至电流给定,克服了负载扰动对系统控制性能的影响,其计算表达式为: [0028] [0029] 式中,B为粘滞摩擦系数,J为转动惯量,eω为速度观测误差,Si为i时刻选取非奇异快速终端滑模作为扰动观测器滑模面,C为系数,sat(·)为正弦饱和函数,α、β、ε均为常系数,α>1,β≥1,ε≥1。 [0030] 优选的,所述NFTSMC控制器可及时应对线性增长扰动,其计算表达式为: [0031] [0032] 式中,ωm为实际转速,np为电机极对数,为速度误差变化率, 为永磁体磁链,TL为负载转矩,θ为电机的转子角度,θ>0,p、q为大于0的奇数,且q 1,γ为常系数,γ>0。 [0033] 优选的,所述转速和转子位置估计方程中含有求导计算,通过RBM算法抑制滑模抖振,所述RBM算法的计算表达式为: [0034] [0035] 式中,θt‑1为时刻t‑1的梯度状态变量,L(·)为玻尔兹曼机算法RBM的采样公式,kθi为线性校正项。 [0036] 与现有技术相比较,本发明具有如下有益效果: [0037] 本发明利用转速和转子位置估计方程RBM‑NFTSM‑MRASO,用于估计电机转速和转子位置,代替了采用传统机械式传感器获得电机的速度和位置信息,在抑制抖振的前提下,提高了系统鲁棒性。 [0038] 本发明通过带有线性校正项非奇异快速终端滑模控制器NFTSMC的算法模型,可及时应对线性增长扰动。 [0039] 本发明采用快速非奇异滑模模型控制器,解决了PMSM单一滑模控制系统符号函数容易出现抖振的问题;解决了终端滑模奇异性问题;解决了在系统误差到达滑模面后,其收敛速度表现的要比线性函数构成的滑模面慢的问题。附图说明 [0040] 图1为本发明基于RBM‑NFTSM‑MRASO的PMSM控制示意图; [0041] 图2为本发明转速响应仿真示意图; [0042] 图3为本发明转速误差仿真示意图。 具体实施方式[0043] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。 [0044] 本发明提供一种车载永磁同步电动机的控制方法,如图1所示,永磁同步电动机PMSM的动态数学模型为: [0045] [0046] 式中,id、iq,ud、uq,Ld=Lq=Ls分别为d‑q坐标系下的定子电流、定子电压及定子电感;ωe、R、 分别为电角转速、定子电阻和转子永磁体磁链。 [0047] 对于永磁同步电动机PMSM,采用 的矢量控制方法,其运动方程可以表示为: [0048] [0049] Te、TL、p、ωm分别为电磁转矩、负载转矩、极对数和机械角速度。 [0050] 将获得的永磁同步电机PMSM定子侧电流ia、ib、ic经过Clark/Park变换得到d‑q坐标系下的定子电流id、iq; [0051] 所述Clark/Park变换包括Clark和Park变换,Clark变换是从三相静止坐标系到两相静止坐标系的变换,其坐标变换关系式为: [0052] [0053] 其中 为Clark变换矩阵,表达式为: [0054] [0055] Clark变换的反变换表达式为: [0056] [0057] Park变换将永磁同步电机PMSM数学模型的两相静止坐标系转换为两相旋转坐标系,可以有效简化同步电机的控制过程,其坐标变换关系式为: [0058] [0059] 其中 为Park变换矩阵,表达式为: [0060] [0061] Park变换的反变换表达式为: [0062] [0063] 式中,θ为电机的转子角度。 [0064] 本发明通过RBM‑NFTSM‑MRASO算法模型估计电机转速和转子位置,代替了采用传统机械式传感器获得电机的速度和位置信息。 [0065] 对永磁同步电动机PMSM的动态数学模型设置参考模型和可调模型,所述参考模型为: [0066] [0067] 其中, [0068] [0069] 所述可调模型为: [0070] [0071] 式中, 为电角转速的估计值, 分别为定子电流的估计值。 [0072] 根据Popov超稳定性理论,要使系统稳定,则估计转速 和估计转子位置 应该为: [0073] [0074] 式中,Kp、Ki为常系数,且均大于0,S为滑模面。 [0075] 由于MRASO的速度信息为通过PI控制器获得,但在实际应用中,PI控制器由于鲁棒性不足,因此采用滑膜控制器替换传统的PI控制器。 [0076] 定义滑模面为: [0077] [0078] 由于该滑模控制器无法有效应对线性增长扰动,因此采用非奇异快速终端滑模控制器NFTSMC可及时应对线性增长扰动。 [0079] 所述非奇异快速终端滑模控制器NFTSMC的计算表达式为: [0080] [0081] 针对滑膜变结构控制在负载扰动时动态性能不佳的问题,通过扰动观测器实时观测负载转矩的变化,以电机机械角速度ωm和负载扰动量d(t)构建状态方程,然后将机械角速度和负载扰动作为观测对象,构建观测器方程: [0082] [0083] 式中,g为观测器增益,f(eω)为观测的滑模控制率,ed为扰动观测误差,eω为速度观测误差,J为转动惯量,B为黏滞摩擦系数。 [0084] 选取非奇异快速终端滑模作为扰动观测器滑模面,则有: [0085] [0086] 结合趋近规律,得到扰动观测器的趋近律为: [0087] [0088] 由以上公式可得: [0089] [0090] 则有, [0091] [0092] 式中,Si为i时刻选取非奇异快速终端滑模作为扰动观测器滑模面,C为系数,sat(·)为正弦饱和函数,α为常系数,α>1,β为常系数,β≥1,ε为常系数,ε≥1。 [0093] RBM‑NFTSM‑MRASO算法模型用于无传感器估测转速,在传统的MRASO的基础上,定义新的滑模面,利用带线性校正项的RBM算法抑制滑模抖振,基于梯度优化RBM算法具体模型表达式为: [0094] [0095] 式中,θt为时刻t的梯度状态变量,θt‑1为时刻t‑1的梯度状态变量,m*为动量参数,η为学习率,L(·)为玻尔兹曼机算法RBM的采样公式。 [0096] 由于该表达式中含有求导计算,这会影响系统的抗突变扰动能力,而且过大的求导增益会导致系统抖振增大,因此利用带线性校正项的RBM算法抑制滑模抖振: [0097] [0098] 式中,kθi为线性校正项;L(·)为玻尔兹曼机算法RBM的采样公式。 [0099] 通过公式(11)、公式(12)和公式(20)得到转速和转子位置估计方程,得到估计转速 和估计转子位置 [0100]* [0101] 式中, 为估计转速, 为转子位置,m 为动量参数,η为学习率,t为时间,k为比例系数,ΔS为滑模面差,L(·)为玻尔兹曼机算法RBM的采样公式,Si为i时刻的滑模面。 [0102] 本发明针对大多数工业控制领域使用的PID控制动态性能较差的问题,构建了基于RBM‑NFTSM‑MRASO算法模型的永磁同步电动机PMSM无传感器矢量控制方法,包括以下步骤: [0103] S1、将获得的控制系统中的永磁同步电机PMSM定子侧电压Ua、Ub、Uc经过abc/dq变换为d‑q坐标系下的定子电压Ud、Uq,利用转速和转子位置估计方程得到估计转速 和估计转子位置 [0104] S2、结合S1中的估计转子位置 将获得的永磁同步电机PMSM定子侧电流ia、ib、ic经过Clark/Park变换得到d‑q坐标系下的定子电流id、iq; [0105] S3、结合S1中的估计转子位置 和S2中的定子电流iq,利用扰动观测器,实时观测负载转矩的变化,并将观测得到的扰动量前馈至电流给定; [0106] S4、将参考转速ωe和估计转速 的差值以及S3得到的扰动量输入到NFTSMC控制器,得到q轴的电流给定值 [0107] S5、利用d‑q轴电流给定值与实际值的差值经过PI调节后得到Ud、Uq,再通过Park‑1变换得到逆变器的矢量控制信号。 [0108] 如图2所示,永磁同步电动机PMSM给定转速1500r/min空载启动,在0.4s时,增加负载10N.m,图中共有4条曲线,分别为实际转速,带有传感器的系统转速,采用RBF‑MRASO带PID控制器的系统转速,采用RBF‑NFTSM‑MRASO带NFTSMC控制器的系统转速。由4条曲线可以看出,几种控制方法都可以跟随系统实际转速。由图3可以得知,采用RBF‑NFTSM‑MRASO带NFTSMC控制器的系统转速误差最小,动静态性能最好,鲁棒性更强。 |