一种基于改进ARX模型的无模型预测电流控制方法
本发明涉及永磁同步电机控制,尤其涉及一种基于改进arx模型的无模型预测电流控制方法。
背景技术:
1、永磁同步电机因其高功率密度、高效率及优良的调速性能,在工业机器人、电动汽车、数控机床等高端装备制造领域得到了广泛应用。电流环控制作为pmsm驱动系统的核心,其动态响应速度和稳态精度直接决定了整个系统的性能表现。
2、传统的磁场定向控制依赖于比例积分调节器,其参数整定繁琐,且动态性能易受电机参数变化和负载扰动影响。模型预测电流控制利用电机物理模型预测未来电流,具有动态响应快、控制目标灵活等优点,但其控制性能高度依赖于电机电阻、电感、磁链等物理参数的准确性。在电机实际运行中,温升、磁饱和、负载变化等因素会导致参数偏离标称值,造成预测模型失配,进而产生稳态电流静差和动态跟踪误差。
3、为克服对物理参数的依赖,无模型预测控制应运而生,其仅利用系统的输入输出数据构建数据驱动模型。其中,基于arx模型的mfpc方案因其模型结构清晰、可通过递推最小二乘在线更新参数、能通过高阶项捕捉系统动态等优点,被认为具有良好的工程应用潜力。
4、然而,传统的arx-mfpcc技术仍存在以下固有缺陷:
5、其一,模型结构不完整:传统arx模型仅描述了电压与电流的输入输出关系,未显式考虑pmsm中与转速相关的反电动势项以及d-q轴间的交叉耦合效应。这导致在变速或变负载工况下,模型需要较长的重新收敛时间,动态过程中存在明显的电流超调和跟踪误差。
6、其二,高阶模型辨识困难:为提高模型精度,往往需要采用高阶arx模型。但高阶模型会引入冗余的滞后项和虚假的非零参数,导致模型对噪声敏感,参数估计方差增大,甚至出现数值病态问题,影响控制的稳定性。
7、其三,残余预测误差无法消除:即使在参数辨识收敛后,采样噪声、逆变器非线性、未建模扰动等因素仍会引入残余的预测误差。尤其在稳态运行时,为抑制参数波动而设置的遗忘因子会减缓参数更新速度,使得模型在工况变化时响应滞后,动态补偿能力不足。
8、综上所述,现有arx-mfpcc技术在动态适应性、参数辨识鲁棒性和稳态误差抑制方面存在显著不足,亟需一种能够综合解决上述问题的改进型无模型预测电流控制方法。
技术实现思路
1、有鉴于此,本发明的目的是提供一种基于改进arx模型的无模型预测电流控制方法,从模型结构扩展、参数辨识算法改进和误差前馈补偿三个维度对传统arx-mfpcc进行系统性创新,以实现对pmsm电流环的高性能、强鲁棒控制。
2、本发明解决技术问题采用如下技术方案:
3、一种基于改进arx模型的无模型预测电流控制方法,包括以下步骤:
4、步骤s1:采集永磁同步电机在当前k时刻的d-q轴定子电流、、定子电压、以及电角速度;
5、步骤s2:构建改进arx预测模型,改进arx预测模型以当前及历史时刻的d-q轴电压、历史时刻的d-q轴电流以及当前及历史时刻的电角速度作为输入,以预测下一时刻的d-q轴电流作为输出;其中,在改进arx预测模型结构中显式地去除了d-q轴之间的已知交叉耦合项和,并将电角速度作为独立的扩展输入变量;
6、步骤s3:采用基于平滑截断绝对偏差正则化的正交三角递推最小二乘算法,利用采集的输入输出数据在线更新改进arx预测模型的参数向量;
7、步骤s4:设计二阶前馈误差补偿环节,计算当前时刻的电流预测误差,并通过两个级联的一阶低通滤波器进行滤波,得到二阶滤波误差,再经增益和限幅后构成前馈补偿量;
8、步骤s5:利用前馈补偿量修正改进arx预测模型的预测电流,或修正电流指令值,得到补偿后的电流预测值或补偿后的电流指令;
9、步骤s6:基于补偿后的电流预测值或补偿后的电流指令,结合改进arx预测模型,反解出下一时刻应施加的d-q轴电压指令,并用于控制永磁同步电机。
10、进一步的,步骤s2中构建的改进arx预测模型,其d轴和q轴的参数向量扩展定义为:;
11、其中,为轴电流模型中与过去输出电流相关的自回归系数,;式中,为电角速度输入对轴辨识输出电流的影响系数,其中为轴反电动势项对电流动态的影响系数,用为轴参数不确定性或残余耦合导致的速度相关影响稀释;和是多项式的阶次;
12、d轴和q轴的扩展回归向量和为:;
13、其中,为同步旋转坐标系下定子电压;为同步旋转坐标系下定子电流,为离散时刻。
14、进一步的,基于改进arx模型,针对在轴和轴分别存在已知耦合项和,得到下一时刻的电流预测值和:;
15、在较高的采样频率下,转速在一个采样周期内近似视为不变,则输出电压由下式计算:;
16、其中,分别为对应的d轴和q轴在时刻电流指令值,为电流控制周期。
17、进一步的,步骤s3中的平滑截断绝对偏差正则化的正交三角递推最小二乘算法,其代价函数表示为:;其中,为遗忘因子,为t时刻系统输出,φ(t)为t时刻回归向量,参数向量中第j个参数,为参数向量长度,为scad正则函数,为待求参数向量;
18、scad正则函数如下式所示:;
19、其导函数为:
20、;
21、其中,为曲线形状参数;为正则化参数。
22、进一步的,步骤s3中,采用基于givens旋转的递推更新方式实现正交三角分解,以递推保存并更新上三角正则化矩阵和正则化正交三角分解右端向量,从而避免协方差矩阵的直接求逆和递推,参数估计通过求解上三角方程获得。
23、进一步的,在通过givens旋转进行递推更新时,对于第k时刻的采样数据进行数据行qr更新:;
24、其中,为中间上三角正则化矩阵,为中间正则化qr分解右端向量,为第k个采样数据,为零行向量,为与参数求解无关的标量项;
25、随后采用逐行正则化更新,设当前正则化方向为第个参数方向,为第个单位向量,构造scad正则化行:;
26、并进行第二次qr更新:
27、其中,为第个参数方向的权重;
28、通过令在之间循环变化,在多个采样周期内逐步完成所有参数方向的正则化更新,最终,参数由公式回代得到。
29、进一步的,步骤s4中的二阶前馈误差补偿环节,其离散传递函数为:;其中,为滤波系数,且0<<1;
30、滤波后的预测误差用于构造前馈补偿量:;其中,为补偿增益;为补偿限幅;为限幅函数。
31、进一步的,步骤s5中,补偿后的预测电流为:;
32、同时,在电压反解中对参考值进行相应补偿,以抵消模型残余误差对控制电压的影响;定义补偿后的电流指令为:。
33、本发明公开的一种基于改进arx模型的无模型预测电流控制方法,具有以下有益效果:
34、(1)本发明通过模型扩展引入速度项和去除耦合项,解决了传统arx-mfpcc在变转速、变负载工况下参数需重新收敛导致的动态响应慢、电流超调大问题。仿真与实验结果表明,相较于传统arx-mfpcc,本发明方法在转速突变时,q轴电流的itae指标降低了30%以上,电流超调量降低了80%以上,达到了接近依赖精确物理模型的dpcc的动态响应速度,且无超调。
35、(2)本发明通过scad-qrrls算法实现了对高阶模型的稀疏辨识,消除了冗余参数,降低了模型对噪声的敏感性,结合二阶前馈误差补偿对残余误差的平滑抑制,使得稳态电流纹波显著减小,总谐波畸变率更低,提高了电机的运行平稳性和效率。
36、(3)本发明完全采用数据驱动,不依赖电机电阻、电感、磁链等物理参数。改进的模型结构和scad正则化算法确保了在不同工况下模型参数的一致性和有效性,即使电机参数因温升、磁饱和等发生大范围变化,控制系统也能保持优异的电流跟踪性能,这是传统依赖于物理模型的mpcc无法比拟的。
37、(4)本发明采用qr-rls替代传统rls,配合givens旋转递推更新,极大提高了参数辨识在有限字长条件下的数值稳定性,避免了协方差矩阵病态发散的风险。这使得本算法易于在低成本的定点dsp或fpga上实时实现,具有很高的工程应用价值。
38、(5)本发明提出的三项改进措施“模型扩展、scad-qrrls辨识、二阶前馈补偿”,既可以作为一个完整的方案实施以获得最佳性能,也可以根据具体应用需求和硬件条件进行模块化选择集成,灵活性高。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com