同济大学电子与信息工程学院的研究人员王硕、康劲松,在《电工技术学报》2019年第4期上撰文(论文标题为“一种基于自适应线性神经网络算法的永磁同步电机电流谐波提取和抑制方法”)指出,永磁同步电机通常采用正弦波进行驱动和控制,由于气隙磁场的畸变和电压型逆变器的死区效应等因素的存在,使永磁同步电机电流波形含有大量的谐波而发生畸变,特别是在电机低速运行时更为严重。
为了进一步提高永磁同步电机的电流控制性能,抑制电流谐波,本文在传统矢量控制算法基础上,增加神经网络谐波电流环,通过自适应线性神经网络(ADALINE)算法实现对主要电流谐波的分解和提取,将所提取的电流谐波经过神经网络训练获得补偿电压值进行谐波注入,实现电流谐波的检测和抑制。
通过仿真和实验结果证明,本文提出的控制策略可以有效提取并抑制电流谐波,降低电机转矩脉动。
内置式永磁同步电机(Interior Permanent Magnet Synchronous Motor, IPMSM)具有功率密度高、效率高、调速范围宽等优点,广泛应用于电动汽车电驱动系统中。其相电流的正弦度是衡量控制性能的重要指标,影响电流谐波的主要因素有两类:①电机本体方面。如磁路不对称、磁路饱和现象等引起的气隙磁场畸变;②逆变器方面。由于死区效应和开关管导通压降等非理想特性因素的存在,使调速系统引入了大量的电流谐波,在低速区尤为严重。由于电流谐波的存在,影响了输出转矩的平滑度,引发转矩脉动,进而产生电磁噪声和振动问题。
针对IPMSM的电流谐波畸变问题,国内外学者进行了深入的研究,主要分为三类:
第一类是模型补偿法,如文献[5-8