基于遗传因子ILC迭代学习的抑制压缩机转矩脉动方法、系统、设备和介质技术方案

技术编号:36401212 阅读:55 留言:0更新日期:2023-01-18 10:08
本发明专利技术公开了一种基于遗传因子ILC迭代学习的抑制压缩机转矩脉动方法、系统、设备和介质,涉及永磁同步电机控制技术领域,针对压缩机的负载特性,通过q轴电流观测负载转矩、并直接控制转矩,结合带有遗传因子衰减设计的ILC迭代学习控制,从而达到抑制单转子压缩机转矩扰动的影响。本发明专利技术直达转矩脉动的本质,通过直接观测并控制转矩进行补偿,从而令控制简单有效;此外,本发明专利技术具有自学特征,能对变频空调多变的外部负载进行自我适应,而非预置死板的参数。参数。参数。

【技术实现步骤摘要】
基于遗传因子ILC迭代学习的抑制压缩机转矩脉动方法、系统、设备和介质


[0001]本专利技术涉及永磁同步电机控制
,具体涉及一种基于遗传因子ILC迭代学习的抑制压缩机转矩脉动方法、系统、设备和介质。

技术介绍

[0002]相比定速空调,变频空调已经占据全球空调市场的主要份额,而其中最大比例的家用变频空调中,因单转子压缩机具有较高的性价比,目前市场上的变频空调多数采用单转子压缩机,如图1,但单转子压缩机的转矩在一个机械周期中的脉动会导致了有害的振动和噪音,单转子压缩机在每一个机械周期的负载波动曲线如图2所示,其中,负载波动的本质是单转子压缩机的负载力矩因压缩机转子是偏心轮,转子转一周过程中吸气腔和排气腔气压轻重变化导致了负载力矩产生一个类鲨鱼鳍形状的波动。因此控制器需要构建出负载转矩的观测器,实时计算输出的力矩Te与负载力矩TL的差距,根据力矩误差进行迭代学习,不断修正输出力矩,以达到控制力矩适应负载力矩的目标。
[0003]可见,在不同的空调设备的工况下,单转子压缩机的负载波动程度也不同,无法通过预置一些补偿数据来抑制,亟需要控制器具备一套能自我适应、自我学习的方法去动态应对负荷的变化。

技术实现思路

[0004]针对现有技术中的不足,本专利技术提供一种基于遗传因子ILC迭代学习的抑制压缩机转矩脉动方法、系统、设备和介质,针对压缩机的负载特性,通过q轴电流i
q
观测负载转矩T
L
、并直接控制转矩T
e
,结合带有遗传因子衰减设计的ILC迭代学习控制,从而达到抑制单转子压缩机转矩扰动的影响。
[0005]为实现上述目的,本专利技术的技术方案是这样实现的:
[0006]第一方面,本专利技术提供一种抑制压缩机转矩脉动方法,应用于永磁同步电机的转速和电流双闭环控制,在park变换之后q轴电流i
q
先经过转矩观测器控制环节,再进入ILC迭代学习控制环节,进而产生期望q轴电流i
*q
,其中,在所述转矩观测器控制环节中,q轴电流i
q
转换为电磁转矩,在所述ILC迭代学习控制环节中,将所述电磁转矩转换成期望q轴电流i
*q

[0007]第二方面,本专利技术提供一种抑制压缩机转矩脉动系统,应用于永磁同步电机的转速和电流双闭环控制,其特征在于,在park变换之后q轴电流i
q
先经过转矩观测器控制部,再进入ILC 迭代学习控制部,进而产生期望q轴电流i
*q
,其中,在所述转矩观测器控制部中,q轴电流i
q
转换为电磁转矩,在所述ILC迭代学习控制部中,将所述电磁转矩转换成期望q轴电流i
*q

[0008]第三方面,本专利技术提供一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至
少一段程序、所述代码集或指令集由所述处理器加载并执行,以实现如上所述的抑制单转子压机低频抖动的方法。
[0009]第四方面,本专利技术提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的抑制单转子压机低频抖动的方法。
[0010]本专利技术与现有技术相比,其有益效果在于:本专利技术针对压缩机的负载特性,通过q轴电流i
q
观测负载转矩T
L
、并直接控制转矩T
e
,结合带有遗传因子衰减设计的ILC迭代学习控制,从而达到抑制单转子压缩机转矩扰动的影响。
附图说明
[0011]为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例中所需要使用的附图进行简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0012]图1单转子压缩机一个周期内吸气和排气结构示意图;
[0013]图2单转子压缩机一个机械周期内的负载波动图;
[0014]图3基于ILC迭代学习和转矩观测器的压缩机变频控制原理图;
[0015]图4 ILC迭代学习控制部的具貌图;
[0016]图5本专利技术实施例的图示;
[0017]图6实施前的速度波动图;
[0018]图7实施ILC控制后的速度波动图(1);
[0019]图8实施ILC控制后的速度波动图(2);
[0020]图9三种情况下的速度误差对比效果。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
[0022]实施例:
[0023]需要说明的是,本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,本专利技术实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0024]在本专利技术的描述中,“多个”的含义是至少两个,例如两个、三个等,除非另有明确具体的限定。此外,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理
解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本专利技术中的具体含义。
[0025]下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
[0026]为更好地理解本专利技术实施例提供的技术方案,下面对本专利技术实施例提供的技术方案的技术背景做一些简单介绍,以便更好理解本专利技术的技术构思。
[0027]ILC迭代学习的基本原理可以简单描述为,其是通过反复迭代修正达到某种控制目标,ILC 采用“在重复中学习”的策略,具有记忆和修正机制,通过被控系统进行控制尝试,以输出轨迹与给定轨迹的偏差修正不理想的控制信号,从而产生新的控制信号,使得被控对象紧跟目标。
[0028]空调压缩机在实际工况运行中,尤其是在温度变化,频率变化或负载突变时,压缩机的负载特性本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种抑制压缩机转矩脉动方法,应用于永磁同步电机的转速和电流双闭环控制,其特征在于,在park变换之后q轴电流i
q
先经过转矩观测器控制环节,再进入ILC迭代学习控制环节,进而产生期望q轴电流i
*q
,其中,在所述转矩观测器控制环节中,q轴电流i
q
转换为电磁转矩,在所述ILC迭代学习控制环节中,将所述电磁转矩转换成期望q轴电流i
*q
。2.根据权利要求1所述的抑制压缩机转矩脉动方法,其特征在于,所述q轴电流iq转换为电磁转矩,具体步骤为:转矩观测器的电磁转矩表示为:其中,P是压缩机电机转子极对数,Ψ
m
是压缩机电机转子的永磁磁链;考虑电机的齿槽效应转矩T
cog
和电流测量误差导致的转矩脉动T

I
后,转矩观测器的电磁转矩应该表示为:式(2)既反映了负载转矩T
L
也对应着期望输出的控制转矩T
ref
,将所述电磁转矩转换成期望q轴电流i
*q
,具体步骤为:把式(2)整理为期望的q轴参考电流:将该期望q轴电流表示为直流成分叠加上待定的未知成分:其中,是直流成分,是剩余的未知的成分;不断地通过ILC迭代学习获得周期性的然后根据所述周期性的进而推导出电机的期望电流也是周期性的信号;根据压缩机的负载特性是和一个机械周期的转子位置角θ相关的,进而参考的转矩电流可表示为:其中,η(θ)=T
cog
+T
ΔI
,,在每个电角周期内,通过迭代自学习控制,进而产生补偿的转矩电流量加载到上,从而使脉动的转矩减小,最终使电机负载转矩跟踪到期望的参考转矩。3.根据权利要求2所述的抑制压缩机转矩脉动方法,其特征在于,迭代自学习的控制如下:
其中i为第i个采样计算周期;e
i+1

e
)=T
*

e
)

T
m,i+1

e
),代表本次观测的负载转矩T
m
与控制输出的电磁转矩T
*
的误差;Φ和Γ为常数增益,初始值e0(θ
e
)都为零,1

α为遗传因子系数。4.一种抑制压缩机转矩脉动系统,应用于永磁同步电机的转速和电流双闭环控制,其特征在于,在park变换之后q轴电流i
q
先经过转矩观测器控制部,再进入...

【专利技术属性】
技术研发人员:游林儒冯建宏
申请(专利权)人:佛山市顺德区和而泰电子科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1