[发明专利]一种基于迭代学习的PMSM转速波动抑制方法

说明书

技术领域

本发明涉及电机控制技术领域，具体涉及一种基于迭代学习的PMSM 转速波动抑制方法。

背景技术

PMSM具有功率密度高，可控性好和结构简单的特点，在工业生产中得到广泛运用。但其转矩脉动问题严重影响了调速系统控制精度，限制了其在高性能直驱系统的运用。产生的原因可以分为两类，一类是永磁磁场分布不均匀，这是永磁体本身的制造工艺不理想和电机电枢齿槽处磁阻不同所致；另一类则由电枢磁场空间谐波引起，这是定子电流谐波造成。

根据上述两种原因，相应有两大类转矩脉动的抑制方法，第一类主要是通过电机设计技术改变电机结构来改善永磁磁场的分布，进而抑制非激励性转矩脉动，这类技术既适用于正弦波激励的永磁同步电机也适用于梯形波激励的永磁无刷直流电机。第二类方法是改善电机控制系统设计，通过改善电机输入电流波形使得电枢磁场谐波得以抑制或者能在固定位置处补偿转矩脉动。

迭代学习控制是对在做重复运动的轨迹跟踪系统进行控制的一种方法，通过使用先前控制中的数据信息，可以通过在线迭代寻找到合适的控制输入，理论上可以获得精确的跟踪轨迹。由于PMSM转矩脉动主要成分存在明显的周期性，故采用PI学习律进行转矩脉动补偿并通过引入遗忘因子来削弱非周期性扰动误差累积是一种可行的控制方法。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于迭代学习的永磁同步电机(PMSM)转速波动抑制方法，采用PI学习律进行转矩脉动补偿并通过引入遗忘因子来削弱非周期性扰动误差累积。

本发明的目的可以通过采取如下技术方案达到：

一种基于迭代学习的PMSM转速波动抑制方法，所述的PMSM转速波动抑制方法包括如下步骤：

S1、建立迭代学习控制器的传递函数模型来分析其稳定性，其中，迭代学习控制器采用PI学习律进行转矩脉动补偿；

S2、确定迭代学习算法收敛条件；

S3、建立永磁同步电机矢量控制系统，引入学习增益和遗忘因子两个参数，通过引入遗忘因子来削弱非周期性扰动误差累积，其中学习增益和遗忘因子根据系统的稳态性能和动态响应性能来调整。

进一步地，所述的步骤S1中建立迭代学习控制器的传递函数模型的过程如下：

控制器采用PI型迭代学习，学习律为：

i_q,k+1(t)＝(1-α)i_q,k+G_pce_k+1(t)+G_I∫e_k+1(t)dt (1)

上式中，i_q，k+1为当前周期的q轴电流参考信号，i_q,k为前一周期的轴电流参考信号，即视作学习经验，e_k+1为当前周期转速偏差信号，用于补偿由遗忘因子引起的学习经验损失，G_pc、G_I为闭环学习增益，将上式写成Z域的形式为：

将PI型迭代学习控制算法中的迭代学习过程等效为延迟环节为：

z^-Ni_q，k+1(z)＝i_q，k(z) (3)

其中

式中，f_sample为控制系统采样频率，f_signal为信号频率，其倒数就是迭代学习控制的一个迭代周期，

由于PI型迭代学习控制器的迭代周期对系统的稳定性影响不大，令 N＝1，则PI型迭代学习控制器的Z域传递函数为：

进一步地，要使迭代学习控制器稳定，α的取值范围如下：α∈(0，2) 且α≠1。

进一步地，所述的步骤S2、确定迭代学习算法收敛条件的过程如下：

设计迭代学习控制器要保证迭代算法收敛到真值，PI型迭代学习算法的收敛条件确定过程为：

式中，J为转动惯量，k_t为转矩系数，p为极对数，

将式(1)和式(7)带入式(6)得

因此

根据无穷范数及绝对值不等式得

当时，迭代算法收敛，收敛条件为

上式中，t∈[0,T]，T为系统的跟踪时间。