模型预测转矩控制学习

导读：本期主要学习介绍模型预测控制（MPC, Model Predictive Control），主要分为四个部分，MPC基本原理、MPTC控制原理、仿真搭建和结果分析。

文章仅代表自己所知所解，有理解错误的地方欢迎指正。如果想要模型预测转矩控制的仿真波形，关注公众号：浅谈电机控制，留下邮箱获取。

---

模型预测控制( MPC) 又称为滚动时域控制( RHC) ，产生于20 世纪70 年代末，是一种从工业过程控制中产生的新型控制算法，实用性较强，并在实际应用中得到不断的发展和完善，广泛应用于电力、汽车、化工、航天、能源等领域。

一般工业过程中存在多变量耦合、非线性以及不确定性等问题，很难建立准确的模型。因此，采用经典PID 控制器或者是一些传统的控制算法所得到的效果并不理想，存在一定的局限性。MPC 最突出的特点是“边走边优化”，且对模型的精确性要求较低，因此能够有效地用于复杂对象的控制。

模型预测控制应用于电气传动系统中时，可分为连续控制集模型预测控制( CCS-MPC)

和有限控制集模型预测控制 ( FCS-MPC) 。两者的主要区别: ( 1) 优化方式不同。CCS-MPC利用数学工具对价值函数求最优解得到最优控制量; 而FCS-MPC 利用变换器的离散性和有限性，遍历电压矢量，价值函数最小的电压矢量即最优控制量。( 2) 作用方式不同。CCS-MPC 中控制量是通过脉冲宽度调制( PWM) 方式作用于系统; 而FCS-MPC 中控制量直接作用于系统。与CCS-MPC相比，FCS-MPC 将目标优化和开关状态决策过程优化成一步，且具有概念简单、适用范围广、约束和非线性易纳入价值函数等优点，因此成为了近年来的研究热点之一。

一、MPC基本原理

在MPC 中，不同种类的预测模型的具体实现形式有所不同，但相应的控制算法均存在共性，可归结为3个基本特征: 预测模型、价值函数、滚动优化。MPC 基本思路如图1 所示。

 图1 MPC 基本思路

从图1 可以看出，首先，基于模型进行预测，即根据输入状态预测对应的输出轨迹; 其次，根据构建的价值函数来评估不同输入状态的输出效果，并评估最优的输入策略使被控量的输出轨迹与预期的参考轨迹最为接近; 最后，进行滚动优化，将第一个最优控制量输入，在下一采样时刻，重复优化过程。

二、MPTC控制原理

图2　感应电机ＭＰＴＣ 系统

由图2 可以看出，MPTC 策略主要由有限控制集、电机预测模型、定子磁链观测器和价值函数组成。其中，有限控制集是包含所有的备选开关状态的集合，两电平逆变器的有限控制集包含8种开关状态。定子磁链观测器利用三相电流的采样值和电机模型计算出当前时刻的定子磁链矢量值和位置，进而提供给预测模型进行下一时刻定子磁链和转矩的预测。 

三、仿真模型搭建

图3 MPTC整体仿真

 

（1）首先介绍一下往期文章提到的预励磁

异步电机的启动电流抑制：异步电机在启动时，因为磁通还没有完全建立，若使用的控制算法并未对电流控制的情况下直接启动电机将可能造成启动电流过大而引起保护动作。在实际中，电机启动前可以先让电机的内部建立起磁通后再启动。预励磁的方法为直流预励磁，即在零矢量和某一固定电压矢量之间进行切换，当电流超过设定值时就切换到零矢量，使用该方法可以在增大启动转矩的同时有效地减小启动电流。

图4 预励磁代码

图4 未加预励磁的启动电流

图5 加预励磁的启动电流

从图4和图5可知，加了预励磁可以有效地减小电机的启动电流。

（2）权重系数的设计

权重设计是MPTC中的重要环节，本文中权重系数设计为：28.169

四、仿真波形

图6 电机转速

图6 电机转矩

图6 电机三相电流

无论是突加载还是电机正反转，MPTC系统都能保证稳定运行。

四、总结

MPTC 是在MPCC 之后发展起来的一种FCS-MPC，原理与直接转矩控制( DTC) 原理相似。与DTC 相比，MPTC 策略能够对电机的未来性能变化进行预测，进一步提升电机系统的可靠性和容错性。

下期会单独比较传统DTC、基于SVPWM改进型的DTC和MPTC的控制性能做一个对比。有兴趣的学友可以关注公众号：浅谈电机控制，一起交流学习。