永磁同步电机控制算法--最大转矩电流比控制(虚拟信号注入法)

目前,国内外相关学者对 MTPA 控制方法进行了一系列的理论研究与仿真分析。通过研究取得的成果综合来看,该控制方法主要有:直接公式计算法、曲线拟合法、查表法、搜索法、高频信号注入法以及参数辨识法等。

之前的文章中已经介绍了直接公式计算法、曲线拟合法、查表法、参数辨识法(参数辨识方法+直接公式法),接下来将用两篇文章来介绍一下高频信号注入法

一、原理介绍

高频信号注入式MTPA控制方法不受IPMSM参数变化的影响,能够实现MTPA轨迹实时跟踪,但注入的实际高频电流信号将导致存在转矩脉动的问题。虚拟信号注入式MTPA控制方法不需要实际注入信号,避免了转矩脉动。因此,采用虚拟信号注入式MTPA控制方法具有重要的研究意义,当参数变化时具有控制精度高、稳定性能好、动态响应能力强,并且能够避免高频信号注入法引起实际转矩脉动的问题,从而适用于IPMSM高精度控制的场合。

虚拟信号注入式MTPA控制方法在实际控制过程中虚拟的注入信号,使其转矩方程中带有高频信号分量。通过滤波器对转矩判据提取,从而实现虚拟信号注入式MTPA控制。

该算法的实现需要重新构建电磁转矩的方程,并通过注入高频电流信号得到含有高频量的电磁转矩表达式。然后,将得到的电磁转矩表达式按泰勒公式展开,经过BPF以及LPF的过滤后得到含∂Te/∂β项,将其通过 PI 调节器后输出作为MTPA工作点。当电磁转矩的一阶偏导数∂Te/∂β项不为零时,电机运行在MTPA工作点外,PI调节器将持续进行调节,直到一阶偏导数∂Te/∂β项等于零为止,使得电机运行在MTPA工作点上。当电磁转矩的一阶偏导数∂Te/∂β项为零时,电流矢量角将保持稳定不变,电机运行在MTPA工作点上。

(具体原理就不放在这里了,感兴趣的可以私聊我要)

IPMSM 虚拟信号注入式 MTPA原理框图如下图所示。

IPMSM虚拟信号注入式MTPA控制系统框图

二、仿真模型

在MATLAB/simulink里面验证所提算法,搭建虚拟信号注入式MTPA仿真。采用和实验中一致的控制周期1e-4,电机部分计算周期为5e-7。仿真模型如下所示:

仿真工况:0速半载启动,0.5s施加额定负载,对比在额定参数条件下虚拟信号注入式MTPA与直接公式法MTPA。

前一个为虚拟信号注入式M

目前,国内外相关学者对 MTPA 控制方法进行了一系列的理论研究与仿真分析。通过研究取得的成果综合来看,该控制方法主要有:直接公式计算法、曲线拟合法、查表法、搜索法、高频信号注入法以及参数辨识法等。

之前的文章中已经介绍了直接公式计算法、曲线拟合法、查表法、参数辨识法(参数辨识方法+直接公式法),接下来将用两篇文章来介绍一下高频信号注入法

一、原理介绍

高频信号注入式MTPA控制方法不受IPMSM参数变化的影响,能够实现MTPA轨迹实时跟踪,但注入的实际高频电流信号将导致存在转矩脉动的问题。虚拟信号注入式MTPA控制方法不需要实际注入信号,避免了转矩脉动。因此,采用虚拟信号注入式MTPA控制方法具有重要的研究意义,当参数变化时具有控制精度高、稳定性能好、动态响应能力强,并且能够避免高频信号注入法引起实际转矩脉动的问题,从而适用于IPMSM高精度控制的场合。

虚拟信号注入式MTPA控制方法在实际控制过程中虚拟的注入信号,使其转矩方程中带有高频信号分量。通过滤波器对转矩判据提取,从而实现虚拟信号注入式MTPA控制。

该算法的实现需要重新构建电磁转矩的方程,并通过注入高频电流信号得到含有高频量的电磁转矩表达式。然后,将得到的电磁转矩表达式按泰勒公式展开,经过BPF以及LPF的过滤后得到含∂Te/∂β项,将其通过 PI 调节器后输出作为MTPA工作点。当电磁转矩的一阶偏导数∂Te/∂β项不为零时,电机运行在MTPA工作点外,PI调节器将持续进行调节,直到一阶偏导数∂Te/∂β项等于零为止,使得电机运行在MTPA工作点上。当电磁转矩的一阶偏导数∂Te/∂β项为零时,电流矢量角将保持稳定不变,电机运行在MTPA工作点上。

(具体原理就不放在这里了,感兴趣的可以私聊我要)

IPMSM 虚拟信号注入式 MTPA原理框图如下图所示。

IPMSM虚拟信号注入式MTPA控制系统框图

二、仿真模型

在MATLAB/simulink里面验证所提算法,搭建虚拟信号注入式MTPA仿真。采用和实验中一致的控制周期1e-4,电机部分计算周期为5e-7。仿真模型如下所示:

仿真工况:0速半载启动,0.5s施加额定负载,对比在额定参数条件下虚拟信号注入式MTPA与直接公式法MTPA。

前一个为虚拟信号注入式MTPA,后一个为直接公式法MTPA

2.1 转速

在整个过程中电机转速波动很小,证明该算法稳定性良好。

2.2 dq轴电流

从图中可以看出在最初加速过程中,dq轴电流波动较大,这是由于启动阶段转矩突变,dq轴电流变化较大,而滤波器信号提取收到突变信号影响,导致计算生成的电流角波动,进而导致dq轴电流给定信号波动。但是该波动不会导致电机失控,并且在后续加载动态阶段并不此类振荡状态,证明了算法具有一定的抗扰性。

稳态时,虚拟信号注入式MTPA与直接公式法MTPA分配dq轴电流值相同,证明了虚拟信号注入式有效性。

2.3 电磁转矩

稳态时,相比于高频注入式MTPA,无转矩波动

2.4 电流幅值

从电流幅值波形可以看出,虚拟信号注入式MTPA实现与直接公式法相同的效果。

2.5 电机参数变化下的电流幅值

仿真工况:0速半载启动,0.5s施加额定负载,对比在dq轴电感参数变化条件下虚拟信号注入式MTPA与直接公式法MTPA。

虚拟信号注入式MTPA

原参数的直接公式法MTPA

变参数的直接公式法MTPA

可以看出,在电机参数变化式,用原参数的直接公式法MTPA所需要的电流幅值略大,而虚拟信号注入式MTPA与用变参数的直接公式法MTPA所需电流幅值基本相同,证明该算法具有良好的参数鲁棒性。

综合来说,信号注入法MTPA具有更好的参数鲁棒性,也能很好的跟踪MTPA轨迹,但这两种算法都需要较为复杂的信号提取过程,也需要使用滤波器和PI调节器。可以说是对传统公式法和查表法的性能提升,但个人觉得从算法复杂度来说,信号注入法是要略微复杂一些呢。毕竟公式计算和查表能有多难呢。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/42882.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

对于“百模大战”,几乎所有大佬的口风都180 °大转变了?

文 | 智能相对论 作者 | 陈泊丞 在2024世界人工智能大会暨人工智能全球治理高级别会议产业发展主论坛上,百度创始人、董事长兼首席执行官李彦宏谈了些对于AI大模型的看法,语惊四座。 他先是指出,“百模大战造成了社会资源的巨大浪费&#x…

现在2024年网络安全真实情况还好就业吗?_2024年网络安全专业到底行不行了

2024年网络安全行业的前景看起来非常乐观。根据当前的趋势和发展,一些趋势和发展可能对2024年网络安全行业产生影响: 5G技术的广泛应用:5G技术的普及将会使互联网的速度更快,同时也将带来更多的网络威胁和安全挑战。网络安全专家…

java-spring boot光速入门教程(超详细!!)

目录 一、引言 1.1 初始化配置 1.2 整合第三方框架 1.3 后期维护 1.4 部署工程 1.5 敏捷式开发 二、SpringBoot介绍 spring boot 2.1 搭建一个spring boot工程 2.2 使用idea创建项目 2.3 在线创建姿势 2.4 项目的目录结构 2.5 项目的运行方式 2.6 yml文件格式 2…

分享外贸工作中常用英文标准表达和英文语句

常用英文表达 报拉格斯最低到岸价 quote the lowest price CIF Lagos经营纺织品多年 be in the line of textiles for many years货物受欢迎 the goods are very popular with customers / have met with a warm reception /be well received/accepted/ enjoy a wide populari…

Java线程死锁及解决方法

多线程环境下,死锁即两个或两个以上的线程去争夺同一个共享资源,而导致互相等待的情况。 要产生死锁,必须满足如下四个条件: 互斥条件,共享资源x和y只能被一个线程占有请求和保持条件,T1持有x&#xff0c…

解读BASE理论:高可用性与性能的完美平衡

Base概念 BASE 理论是一种处理大规模分布式系统中的数据一致性问题的思路。相比于传统的严格一致性,它更灵活,适用于那些需要高可用性和性能的系统。BASE 理论由三个部分组成: 基本可用(Basically Available) 基本可用…

利用亚马逊云科技云原生Serverless代码托管服务开发OpenAI ChatGPT-4o应用

今天小李哥继续介绍国际上主流云计算平台亚马逊云科技AWS上的热门生成式AI应用开发架构。上次小李哥分享​了利用谷歌云serverless代码托管服务Cloud Functions构建Gemini Pro API​,这次我将介绍如何利用亚马逊的云原生服务Lambda调用OpenAI的最新模型ChatGPT 4o。…

CSAL: the Next-Gen Local Disks for the Cloud——论文泛读

EuroSys 2024 Paper 论文阅读笔记整理 问题 云本地磁盘以其实惠的价格和高性能而极具吸引力。在云本地磁盘中,物理存储设备直接连接到计算服务器,并作为块设备虚拟化到虚拟机(VM)。在这种设置下,计算节点受其有限的计…

纯前端如何实现Gif暂停、倍速播放

前言 GIF 我相信大家都不会陌生&#xff0c;由于它被广泛的支持&#xff0c;所以我们一般用它来做一些简单的动画效果。一般就是设计师弄好了之后&#xff0c;把文件发给我们。然后我们就直接这样使用&#xff1a; <img src"xxx.gif"/>这样就能播放一个 GIF …

MPC学习资料汇总

模型预测控制MPC学习资料汇总 需要的私信我~ 需要的私信我~ 需要的私信我~ 【01】课件内容 包含本号所有MPC课程的课件&#xff0c;以及相关MATLAB文档。 【02】课件源代码 本号所有MPC课程的源代码。 【03】MPC仿真案例 三个MPC大型仿真案例&#xff1a; 1&#xff09;…

【数据结构】09.树与二叉树

一、树的概念与结构 1.1 树的概念 树是一种非线性的数据结构&#xff0c;它是由n&#xff08;n>0&#xff09;个有限结点组成一个具有层次关系的集合。把它叫做树是因为它看起来像一棵倒挂的树&#xff0c;也就是说它是根朝上&#xff0c;而叶朝下的。 根结点&#xff1a;根…

俯卧撑计数器(Python)

通过 MediaPipe 检测人体姿态&#xff0c;计算俯卧撑角度和计数&#xff0c;并在图像上进行可视化展示 需要有cv2库和mediapipe库 mediapipe库&#xff1a; MediaPipe是Google开源的机器学习框架&#xff0c;用于构建实时音频、视频和多媒体处理应用程序。它提供了一组预训练的…

一文清晰了解HTML

有这样一个txt记事本文件和一张图片&#xff1a; txt文本内容是这样的&#xff1a; <html><head><title>HTML学习</title></head><body><h1>hello HTML</h1><img src"高清修复.png"/></body> </html…

LabVIEW的JKI State Machine

JKI State Machine是一种广泛使用的LabVIEW架构&#xff0c;由JKI公司开发。这种状态机架构在LabVIEW中提供了灵活、可扩展和高效的编程模式&#xff0c;适用于各种复杂的应用场景。JKI State Machine通过状态的定义和切换&#xff0c;实现了程序逻辑的清晰组织和管理&#xff…

In Search of Lost Online Test-time Adaptation: A Survey--论文笔记

论文笔记 资料 1.代码地址 https://github.com/jo-wang/otta_vit_survey 2.论文地址 https://arxiv.org/abs/2310.20199 3.数据集地址 1论文摘要的翻译 本文介绍了在线测试时间适应(online test-time adaptation,OTTA)的全面调查&#xff0c;OTTA是一种专注于使机器学习…

【软件分享】我们都需要会用的ArcGIS10.8和ArcGIS Pro

ArcGIS是地理人必备的地理制图、空间分析常用的工具&#xff0c;读地理&#xff0c;或多或少都会接触到ArcGIS的使用&#xff0c;今天小编要带来的就是ArcGIS10.8软件资源和升级版ArcGIS Pro的软件资源。 软件安装包获取 公众号回复关键词&#xff1a;“ArcGIS"&#xff…

防爆手机终端安全管理平台

防爆手机终端安全管理平台能够满足国家能源、化工企业对安全生产信息化运行需求&#xff0c;能够快速搭建起高效、快捷的移动终端管理平台&#xff0c;提高企业安全生产管理水平&#xff0c;保证企业的安全运行和可持续发展。#防爆手机 #终端安全 #移动安全 能源、化工等生产单…

公有链、私有链与联盟链:区块链技术的多元化应用与比较

引言 区块链技术自2008年比特币白皮书发布以来&#xff0c;迅速发展成为一项具有颠覆性潜力的技术。区块链通过去中心化、不可篡改和透明的方式&#xff0c;提供了一种全新的数据存储和管理方式。起初&#xff0c;区块链主要应用于加密货币&#xff0c;如比特币和以太坊。然而&…

VBA-计时器的数据进行整理

对计时器的数据进行整理 需求原始数据程序步骤VBA程序结果 需求 需要在txt文件中提取出分和秒分别在两列 原始数据 数据结构 计次7 00:01.855 计次6 00:09.028 计次5 00:08.586 计次4 00:08.865 计次3 00:07.371 计次2 00:06.192 计次1 00:05.949 程序步骤 1、利用Trim()去…

CV每日论文--2024.7.4

1、InternLM-XComposer-2.5: A Versatile Large Vision Language Model Supporting Long-Contextual Input and Output 中文标题&#xff1a;InternLM-XComposer-2.5&#xff1a;支持长上下文输入和输出的多功能大视觉语言模型 简介&#xff1a;我们推出了InternLM-XComposer-…