【文献阅读】Model Predictive Direct Speed Control with Finite Control Set of PMSM Drive Systems


前言

本文为本人阅读《Model Predictive Direct Speed Control with Finite Control Set of PMSM Drive Systems》文章的心得体会,抛转引玉~~~

基于PMSM驱动系统有限控制集的模型预测直接速度控制 

IEEE TRANSACTIONS ON POWER ELECTRONICS, VOL. 28, NO. 2, FEBRUARY 2013

通讯作者:Preindl, Matthias(matthias.preindl@gmail.com)

机构:(1)Univ Padua, Dept Ind Engn, I-35131 Padua, Italy;    

期刊:IEEE TRANSACTIONS ON POWER ELECTRONICS

出版时间:2013-02-01

JCR分区:1区

影响因子:6.812

论文链接:Model Predictive Direct Speed Control with Finite Control Set of PMSM Drive Systems | IEEE Journals & Magazine | IEEE Xplore 


一、Abstract

        本文克服了级联线性控制器的局限性,提出了模型预测直接速度控制(MP-DSC)。

二、intro部分

三、分析

        高电流质量导致一个小的扭矩纹波,或机器应该工作接近最大扭矩每安培(MTPA)轨迹,以获得一个高稳态。

dq坐标系下的d、q轴电流的微分方程,电磁转矩方程,机械方程

离散化的状态空间方程: 

 PMSM-VSI驱动系统框图

        首先,以周期(k−1)测量必要的状态,并执行补偿延迟和干扰抑制的算法。然后,计算周期(k + 1),...,N的未来状态。
       

A. Measurement

        延迟补偿:假设来自前一个采样瞬间的测量值可用于控制,即,可用的测量值为: y(k−1)和ym(k−1)。这些状态由于系统本身的x(k−1)、输入u(k−1)和扰动w(k−1)而发生变化。为了将输入ue (k)应用到其计算的状态,是必要的补偿。

        干扰抑制:干扰输入w (k)通常是未知的,如果不进行补偿,则会导致预测误差。在MP-DSC中,最重要的干扰是机械的或进一步称为负载转矩,由于成本和可靠性的原因,应避免其测量。一种可能的方法是估计负载转矩。

        补偿的动态可以作用于增益LP和LQ进行调整,在这种情况下,控制误差很小,噪声会导致不希望的开关驱动,从而导致更差的电流,即扭矩,质量。使用测量观测器,避免了这种现象。

B. Prediction

Input Preselection:        

        首先,限制开关频率,因为每个采样周期只允许一个开关状态变化。避免了应用两个相反的电压矢量,从而导致较低的电流纹波。此外,必须计算的预测的数量是有限的。开关状态转换图 如下:

State Prediction:   

        状态xe(k + 1)和xm(k + 2)依赖于它们之前的值和ue (k)。由于ue (k)∈Ue是ud和uq组合的有限数Ni∈N0,可能的未来状态是一个有限的集,可以计算。

C. Input Selection

        即设计代价函数,并选择性能最好的输入,即代价最小的输入进行应用。递归预测算法以最小成本计算路径。实际预测周期的成本被添加到未来成本最低的路径中。因此,构造了全局成本最低的路径。然后,将最优序列的第一个输入应用于控制。

 其中CT(k)为速度均方误差

 其中ζ ∈ [0, 1]

四、实验评估

实验电机与伺服驱动器参数:

 速度阶跃参考

仿真结果:

实验结果:

2.动态响应

        对阶跃响应进行了研究,如图所示。平均提高时间约为tr=3 ms 和tr = 5 ms,以及相应的实际带宽分别为fbw = 113和68 Hz。实验结果比模拟结果稍差。这是由于编码器,它产生了一个速度测量与一个覆盖的离散噪声。在模拟中,没有考虑到这种影响。

仿真结果:

        两个(蓝色和绿色)速度参考步骤(20 rpm = 0.6%)

实验结果: 

        两个(蓝色和绿色)速度参考步骤没有扭矩饱和(20 rpm = 0.6%);从顶部开始:参考和测量速度(0.2%编码器离散噪声)和电气转矩

3.负载扭矩

仿真结果:

实验结果: 

4.扭矩质量

仿真结果:

 实验结果:


  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值