一种永磁电机控制方法和控制系统 |
|||||||
申请号 | CN202410202027.2 | 申请日 | 2024-02-22 | 公开(公告)号 | CN118041172A | 公开(公告)日 | 2024-05-14 |
申请人 | 内蒙古霍煤鸿骏铝电有限责任公司; | 发明人 | 韩哲; 杨坤; 程明; 曲亚平; 张海超; 何宝华; 韩磊; 张鹏林; 刘海洋; 杨志强; 杨显春; 曹振东; 王亚超; 刘文学; 郭新宏; | ||||
摘要 | 本 发明 涉及 电机 控制技术领域,且公开了一种永磁电机控制方法和控制系统,包括: 传感器 ,通过 位置 和速度传感器来提供电机的反馈信息; 控制器 ,通过接反馈信息,并根据控制 算法 生成适当的控制 信号 ;高性能功率 放大器 ,将 控制信号 转换为适当的 电压 或 电流 信号,并采用先进的功率 半导体 器件和拓扑结构,提高系统的效率和可靠性,用于 驱动电机 ;电流测量,通过电流传感器和电流检测 电阻 对电流进行测量;故障诊断与预测,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率;根据历史数据和模型预测未来的状态和趋势,为控制系统提供更加准确和可靠的状态估计和预测。 | ||||||
权利要求 | 1.一种永磁电机控制系统,其特征在于,包括: |
||||||
说明书全文 | 一种永磁电机控制方法和控制系统技术领域[0001] 本发明涉及电机控制技术领域,尤其涉及一种永磁电机控制方法和控制系统。 背景技术[0002] 在20世纪80年代和90年代,随着数字信号处理器和现场可编程逻辑门阵列新技术的出现,永磁电机控制系统得到了快速发展。这些新技术使得永磁电机控制系统的计算能力和控制精度得到了大幅提升,同时也极大地降低了控制系统的成本和体积,半导体技术和数字控制技术的不断发展,永磁电机控制系统得到了进一步的发展和应用。 [0003] 现有技术在永磁电机控制系统在应对多变负载的情况下,可能需要更加复杂的控制算法和策略,以保证良好的性能和稳定性,一些永磁电机控制系统可能需要更多的维护和保养工作,特别是对于长时间运行的应用,需要定期检查和维修,因此,提出的一种永磁电机控制方法和控制系统。 发明内容[0004] 本发明的是为了解决现有的由于环境的复杂性和传感器本身的不确定性,使传感器数据会受到噪声的干扰和误差的影响,同时永磁电机控制过程的精确建模的性能和效率不高,而提出的一种永磁电机控制方法和控制系统。 [0005] 为了实现上述目的,本发明采用了如下技术方案: [0006] 传感器,通过位置和速度传感器来提供电机的反馈信息; [0009] 电流测量,通过电流传感器和电流检测电阻对电流进行测量; [0010] 故障诊断与预测,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率; [0011] 电源,为整个系统提供所需的电能; [0012] 无传感器控制,通过利用电机本身产生的特征信号和其他无需传感器的信息; [0013] 控制算法,根据电机的状态和需求生成控制信号; [0014] 智能控制算法,通过对电机性能和负载需求进行实时分析和优化; [0016] 上述技术方案进一步包括: [0018] 所述高性能功率放大器,通过放大器提供高功率输出,使得放大后的信号能够驱动负载并达到所需的功率水,并具备较低的失真和噪声水平,以确保放大后信号的质量和准确性,通过优化电路设计、降低干扰源、增加反馈控制方式来实现,并具备高效率,以最大程度地转化输入功率为有用的输出功率,实现对输入信号的高保真度放大和高功率输出。 [0019] 所述电流测量,通过识别电路中的故障并确定其位置,同时使电路在正常工作范围内,所述电源,通过为整个系统提供所需的电能,所述无传感器控制,通过模型预测控制、自适应控制和神经网络控制,在模型预测控制中,利用数学模型对系统进行描述,并通过对系统未来状态的预测进行控制,并在自适应控制中,根据系统当前状态和过去的经验数据,动态调整控制策略以适应不同工况下的系统变化,并在神经网络控制中,通过对系统的学习和训练,建立神经网络模型来对系统进行控制。 [0020] 所述故障诊断与预测,卡尔曼滤波器使用,来估计和预测系统状态,通过永磁同步电机的控制系统,利用卡尔曼滤波器来进行故障诊断和预测,状态变量估计公式其中, 是在时刻k对系统状态的估计值,A是状态转移矩阵, 是在时刻k‑1对系统状态的估计值,B是输入矩阵,u(k)是输入向量,状态T 估计误差协方差公式P(k|k)=AP(k‑1|k‑1)A+Q其中,P(k|k)是状态估计误差协方差矩阵,T T ‑1 Q是过程噪声协方差矩阵,卡尔曼增益公式K(k)=P(k|k‑1)C (CP(k|k‑1)C+R) 其中,K(k)是卡尔曼增益矩阵,C是测量矩阵,R是测量噪声协方差矩阵,状态更新公式其中, 是在时刻k对系统状态的估计值, y(k)是测量向量,状态估计误差协方差更新公式P(k|k)=(I‑K(k)C)P(k|k‑1),P(k|k)是状态估计误差协方差矩阵,卡尔曼滤波器利用系统的动态模型、测量数据以及过程噪声和测量噪声的统计特性,对系统状态进行估计和预测,将测量数据与模型进行比对,通过卡尔曼滤波器的状态估计值和估计误差协方差矩阵,诊断电机是否存在故障,并预测电机未来的状态。 [0021] 所述控制算法,根据电机的状态和需求生成控制信号,所述软件定义控制,通过配置不同的控制算法和参数,适应不同场景下的需求,所述智能控制算法,常见的永磁同步电机的动力学方程可以表示为 其中,J是电机的转动惯量,ω(t)是电机转速,Tem(t)是电磁转矩,Tload(t)是负载转矩,通过高数中的微分运算来求解,得到电机的转速随时间的变化情况。 [0023] 探索无传感器的控制方法,通过利用电机本身产生的特征信号或其他无需传感器的信息,实现更简化、可靠的控制系统; [0024] 采用软件定义的控制架构,使控制系统更加灵活和可配置,通过配置不同的控制算法和参数,适应不同场景下的需求,提高系统的适应性和性能; [0026] 引入故障诊断和预测技术,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率; [0027] 将控制器、传感器和功率放大器关键组件进行集成化设计,减少系统的体积和复杂度,提高系统的可靠性和安装便捷性。 [0028] 所述采用软件定义的控制架构,使控制系统更加灵活和可配置,通过配置不同的控制算法和参数,适应不同场景下的需求,提高系统的适应性和性能,相比传统的硬件控制方式,具有更高的灵活性和可配置性,通过软件定义的控制架构,通过这种方式,控制系统能够更好地适应不同的场景需求,并提高系统的适应性和性能。 [0029] 本发明具备以下有益效果: [0030] 1、本发明中,通过测量和控制电机的电流、磁通量参数,可以精确计算电机的转矩输出,并实现精确的转矩控制,通过合理的控制策略和参数调整,可以有效抑制电机中的谐波,提高功率因数和减小功率损失。 [0031] 2、本发明中,卡尔曼滤波器具有较高的状态估计精度和鲁棒性,可以有效地检测和诊断各种类型的电机故障,并根据历史数据和模型预测未来的状态和趋势,为控制系统提供更加准确和可靠的状态估计和预测。附图说明 [0032] 图1为本发明提出的一种永磁电机控制方法和控制系统的整体系统框图; [0033] 图2为本发明提出的一种永磁电机控制方法和控制系统的整体方法框图。 具体实施方式[0034] 实施例一 [0035] 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。 [0036] 如图1‑2所示,本发明提出的一种永磁电机控制方法和控制系统,包括:传感器,通过位置和速度传感器来提供电机的反馈信息;控制器,控制器是永磁电机控制系统的核心部分,它接收传感器提供的反馈信息,并根据控制算法生成适当的控制信号;高性能功率放大器,将控制信号转换为适当的电压或电流信号,并采用先进的功率半导体器件和拓扑结构,提高系统的效率和可靠性,用于驱动电机;电流测量,通过电流传感器和电流检测电阻对电流进行测量; [0037] 故障诊断与预测,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率;电源,为整个系统提供所需的电能;无传感器控制,通过利用电机本身产生的特征信号和其他无需传感器的信息;控制算法,根据电机的状态和需求生成控制信号;智能控制算法,通过对电机性能和负载需求进行实时分析和优化;软件定义控制,通过配置不同的控制算法和参数,适应不同场景下的需求;传感器,通过将物理量转换为电信号,提供了实时的、准确的数据,控制器,通过调节电机的输入信号来实现对电机的准确控制,并合理选择和调整控制器算法,以达到期望的性能和运行状态; [0038] 高性能功率放大器,通过放大器提供高功率输出,使得放大后的信号能够驱动负载并达到所需的功率水,并具备较低的失真和噪声水平,以确保放大后信号的质量和准确性,通过优化电路设计、降低干扰源、增加反馈控制方式来实现,并具备高效率,以最大程度地转化输入功率为有用的输出功率,实现对输入信号的高保真度放大和高功率输出; [0039] 电流测量,通过识别电路中的故障并确定其位置,同时使电路在正常工作范围内,电源,通过为整个系统提供所需的电能,无传感器控制,通过模型预测控制、自适应控制和神经网络控制,在模型预测控制中,利用数学模型对系统进行描述,并通过对系统未来状态的预测进行控制,并在自适应控制中,根据系统当前状态和过去的经验数据,动态调整控制策略以适应不同工况下的系统变化,并在神经网络控制中,通过对系统的学习和训练,建立神经网络模型来对系统进行控制; [0040] 故障诊断与预测,卡尔曼滤波器使用,来估计和预测系统状态,通过永磁同步电机的控制系统,利用卡尔曼滤波器来进行故障诊断和预测,状态变量估计公式其中, 是在时刻k对系统状态的估计值,A是状态转移矩阵, 是在时刻k‑1对系统状态的估计值,B是输入矩阵,u(k)是输入向量,状态T 估计误差协方差公式P(k|k)=AP(k‑1|k‑1)A+Q其中,P(k|k)是状态估计误差协方差矩阵,T T ‑1 Q是过程噪声协方差矩阵,卡尔曼增益公式K(k)=P(k|k‑1)C (CP(k|k‑1)C+R) 其中,K(k)是卡尔曼增益矩阵,C是测量矩阵,R是测量噪声协方差矩阵,状态更新公式其中, 是在时刻k对系统状态的估计值, y(k)是测量向量,状态估计误差协方差更新公式P(k|k)=(I‑K(k)C)P(k|k‑1),P(k|k)是状态估计误差协方差矩阵,卡尔曼滤波器利用系统的动态模型、测量数据以及过程噪声和测量噪声的统计特性,对系统状态进行估计和预测,将测量数据与模型进行比对,通过卡尔曼滤波器的状态估计值和估计误差协方差矩阵,诊断电机是否存在故障,并预测电机未来的状态; [0041] 控制算法,根据电机的状态和需求生成控制信号,软件定义控制,通过配置不同的控制算法和参数,适应不同场景下的需求,智能控制算法,常见的永磁同步电机的动力学方程可以表示为 其中,J是电机的转动惯量,ω(t)是电机转速,Tem(t)是电磁转矩,Tload(t)是负载转矩,通过高数中的微分运算来求解,得到电机的转速随时间的变化情况。 [0042] 通过传感器对位置和速度传感器来提供电机的反馈信息,并将数据传至控制器,通过控制器接收传感器提供的反馈信息,并根据控制算法生成适当的控制信号,并将信号进行高性能功率放大器,同时进行故障诊断与预测,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率,控制器通过将信号传至进行电流测量,并将数据传至电源和无传感器控制,为整个系统提供所需的电能,同时通过利用电机本身产生的特征信号和其他无需传感器的信息,并将测出的信号传至故障诊断与预测,进行及时检测故障并采取相应的措施。 [0043] 实施例二 [0044] 如图1‑2所示,本发明的实施例中,采用基于人工智能和机器学习的智能控制算法,通过对电机性能和负载需求进行实时分析和优化;探索无传感器的控制方法,通过利用电机本身产生的特征信号或其他无需传感器的信息,实现更简化、可靠的控制系统;采用软件定义的控制架构,使控制系统更加灵活和可配置,通过配置不同的控制算法和参数,适应不同场景下的需求,提高系统的适应性和性能;研发高效率、高功率密度的功率放大器,以提供更高的功率输出和更低的能源消耗;引入故障诊断和预测技术,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率; [0045] 将控制器、传感器和功率放大器关键组件进行集成化设计,减少系统的体积和复杂度,提高系统的可靠性和安装便捷性。采用软件定义的控制架构,使控制系统更加灵活和可配置,通过配置不同的控制算法和参数,适应不同场景下的需求,提高系统的适应性和性能,相比传统的硬件控制方式,具有更高的灵活性和可配置性,通过软件定义的控制架构,通过这种方式,控制系统能够更好地适应不同的场景需求,并提高系统的适应性和性能。 [0046] 采用基于人工智能和机器学习的智能控制算法,通过对电机性能和负载需求进行实时分析和优化,并将数据传至探索无传感器的控制方法,通过利用电机本身产生的特征信号或其他无需传感器的信息,实现更简化、可靠的控制系统后,将数据传至采用软件定义的控制架构,使控制系统更加灵活和可配置,通过配置不同的控制算法和参数,适应不同场景下的需求,提高系统的适应性和性能后,将数据传至研发高效率、高功率密度的功率放大器,以提供更高的功率输出和更低的能源消耗后,将数据传至引入故障诊断和预测技术,通过实时监测和分析电机的状态和性能指标,及时检测故障并采取相应的措施,以提高系统的可靠性和维护效率后,将数据传至将控制器、传感器和功率放大器关键组件进行集成化设计,减少系统的体积和复杂度,提高系统的可靠性和安装便捷性。 |