基于数据驱动递归最小二乘估计的永磁同步电机模型预测电流控制
系统与控制
2019-11-28 v1 系统与控制
摘要
模型预测控制器(MPC)的性能在很大程度上取决于模型质量。在电驱动控制领域,基于一阶物理原理推导的白盒(WB)建模方法最为常见。该方法通常无法涵盖寄生效应,且参数偏差频繁出现。在自整定驱动领域,当缺乏量身定制且精确的WB被控对象模型时,这些问题尤为关键。为补偿此类建模误差,从而改善暂态与稳态下的控制性能,本文提出一种数据驱动、具备实时能力的递归最小二乘(RLS)估计方法,用于永磁同步电机(PMSM)的电流控制。绕组方案引起的磁链与电压谐波效应亦可被纳入考虑。此外,本文还提出了一种针对逆变器死区时间的补偿方案。所提出的辨识算法在转子坐标系下采用成熟的有限控制集MPC(FCS-MPC)进行了研究。大量实验结果表明,与基于最先进WB电机模型并采用查找表处理(交叉)饱和的FCS-MPC相比,所提方案具有更优性能。
引用
@article{arxiv.1911.12065,
title = {Data-Driven Recursive Least Squares Estimation for Model Predictive Current Control of Permanent Magnet Synchronous Motors},
author = {Anian Brosch and Sören Hanke and Oliver Wallscheid and Joachim Böcker},
journal= {arXiv preprint arXiv:1911.12065},
year = {2019}
}