IEEE TRANSACTIONS ON POWER ELECTRONICS一区top期刊复现之旅

IEEE TRANSACTIONS ON POWER ELECTRONICS 一区top期刊复现 摘要本文提出了一种改进的永磁同步电机PMSM驱动系统的无差预测控制器。 它可以消除电感、电阻和磁通联动的参数不匹配的影响。 首先研究了传统的预测电流方法的性能来分析电参数的灵敏度。 在此基础上提出了一种基于定子电流和集总扰动的复合滑动模态扰动观测器SMDO该观测器可以同时估计由电感、电阻和磁通连接的参数不匹配引起的未来电流值和集总扰动。 基于离散时间SMDO估计电流并用于替换采样值以补偿由计算和采样延迟造成的一步延迟。 验证了该方法的仿真性能和实验性能并与不同条件下的传统控制方法进行了比较。 比较结果表明基于复合SMDO的预测电流控制方法具有优越性。最近在研究永磁同步电机PMSM驱动系统相关内容复现了一篇一区top期刊上关于改进PMSM驱动系统无差预测控制器的文章跟大家分享一下其中的思路和要点。传统预测电流方法分析在探讨改进方法之前先来看看传统的预测电流方法。传统方法旨在通过预测电流来对PMSM进行有效控制。但这种方法对电参数如电感、电阻和磁通联动十分敏感。当这些参数出现不匹配时控制性能就会大打折扣。比如假设我们有一个简单的传统预测电流控制代码框架以Python为例简单示意实际电机控制代码会更复杂且多基于硬件编程语言# 假设一些初始参数 R 1.0 # 电阻 L 0.01 # 电感 psi_f 0.1 # 磁通 omega_r 100 # 转子角速度 # 采样时间等假设 dt 0.0001 # 模拟电流预测函数 def predict_current(i_abc_k, u_abc_k, theta): # Park变换相关计算这里简化假设已知变换矩阵 i_dq_k park_transform(i_abc_k, theta) u_dq_k park_transform(u_abc_k, theta) # 电流预测公式 i_d_k1 i_dq_k[0] dt * (-R / L * i_dq_k[0] omega_r * i_dq_k[1] u_dq_k[0] / L) i_q_k1 i_dq_k[1] dt * (-R / L * i_dq_k[1] - omega_r * i_dq_k[0] u_dq_k[1] / L) i_abc_k1 inverse_park_transform([i_d_k1, i_q_k1], theta) return i_abc_k1这段代码里我们根据电机基本方程对电流进行预测。但实际运行中如果R、L、psi_f等参数与实际值有偏差预测电流就会不准确进而影响控制效果。改进的复合滑动模态扰动观测器SMDO基于对传统方法的分析文章提出了基于定子电流和集总扰动的复合滑动模态扰动观测器SMDO。这个观测器可就厉害了它能同时估计由电感、电阻和磁通连接的参数不匹配引起的未来电流值和集总扰动。IEEE TRANSACTIONS ON POWER ELECTRONICS 一区top期刊复现 摘要本文提出了一种改进的永磁同步电机PMSM驱动系统的无差预测控制器。 它可以消除电感、电阻和磁通联动的参数不匹配的影响。 首先研究了传统的预测电流方法的性能来分析电参数的灵敏度。 在此基础上提出了一种基于定子电流和集总扰动的复合滑动模态扰动观测器SMDO该观测器可以同时估计由电感、电阻和磁通连接的参数不匹配引起的未来电流值和集总扰动。 基于离散时间SMDO估计电流并用于替换采样值以补偿由计算和采样延迟造成的一步延迟。 验证了该方法的仿真性能和实验性能并与不同条件下的传统控制方法进行了比较。 比较结果表明基于复合SMDO的预测电流控制方法具有优越性。从原理上来说它构建了一个新的观测模型将参数不匹配带来的影响和集总扰动综合考虑。用代码简单示意构建SMDO的部分逻辑仅为原理示意非完整可运行代码# 定义SMDO相关参数 lambda_1 100 lambda_2 100 # SMDO观测器函数 def smdo_estimator(i_abc_measured, u_abc, theta): # 初始化估计值 i_dq_est [0, 0] d_est [0, 0] for k in range(num_steps): # Park变换 i_dq_k park_transform(i_abc_measured[k], theta) u_dq_k park_transform(u_abc[k], theta) # SMDO核心更新公式 e_d i_dq_k[0] - i_dq_est[0] e_q i_dq_k[1] - i_dq_est[1] i_dq_est[0] i_dq_est[0] dt * (lambda_1 * e_d - R / L * i_dq_est[0] omega_r * i_dq_est[1] u_dq_k[0] / L - d_est[0]) i_dq_est[1] i_dq_est[1] dt * (lambda_2 * e_q - R / L * i_dq_est[1] - omega_r * i_dq_est[0] u_dq_k[1] / L - d_est[1]) d_est[0] d_est[0] dt * lambda_1 * e_d d_est[1] d_est[1] dt * lambda_2 * e_q # 逆Park变换得到估计的三相电流 i_abc_est inverse_park_transform(i_dq_est, theta) return i_abc_est, d_est这里通过不断迭代更新估计值来逼近真实的电流和扰动情况。基于离散时间SMDO的延迟补偿基于离散时间SMDO估计电流还有一个重要用途就是替换采样值以补偿由计算和采样延迟造成的一步延迟。在实际电机控制中延迟会严重影响控制精度而这种方法巧妙地解决了这个问题。性能验证文章通过仿真和实验对该方法的性能进行了验证并与不同条件下的传统控制方法进行了比较。仿真结果清晰地展示出基于复合SMDO的预测电流控制方法在面对参数不匹配时能保持更好的控制性能输出更加稳定。实验也进一步证实了这一优越性在实际运行环境中该方法使得PMSM的运行更加平稳高效。总的来说这次复现让我对PMSM驱动系统的控制有了更深的理解这种改进的无差预测控制器确实为解决参数不匹配和延迟问题提供了非常有效的思路和方法值得我们深入研究和应用。