【技术实现步骤摘要】
本专利技术涉及电机驱动领域，具体涉及一种永磁电机低停滞数据驱动预测控制方法、系统和产品。
技术介绍
1、在数据驱动预测控制领域，一个常见问题是“停滞”现象，即连续多个采样周期内采样数据保持不变，导致数据更新频率降低。这种情况下，因为梯度值连续为零，基于数据梯度的预测控制方法无法获取有效的更新数据，进而无法准确估算模型系数、及时更新模型以贴合电机系统的实时状态。这种更新不足直接引发控制性能的急剧下滑，形成“停滞效应”。
技术实现思路
1、本专利技术的目的在于提供一种提升模型的适配性及预测精度的永磁电机低停滞数据驱动预测控制方法、系统和产品。
2、为了达到上述目的，本专利技术采用这样的技术方案：
3、一种永磁电机低停滞数据驱动预测控制方法，包括如下依次执行的步骤：
4、s1：获取电机定子的采样数据，所述采样数据至少包括αβ坐标系下的电流采样信号和,并构建如下公式所示的数据驱动模型：
5、；
6、其中，上标和为模型阶数，为第个模型系数，为第个模型系数，表示park变换后采样电流分量坐标系下的d轴分量或q轴分量，电流梯度为数据驱动模型的输入信号，电压梯度为数据驱动模型的输出信号,表示当前为第个采样周期，表示的是第个采样周期的电流梯度，表示第个采样周期的电压梯度；
7、s2：判断采样数据过程是否发生停滞，若发生停滞则执行步骤s3，否则执行步骤s4；
8、s3：对所述采样数据进行数据成分优化，具体优化过程如下：
9、s3-1：构建如下公式（1）的随机增益的变频双二阶广义积分结构用于提取所述采样数据的高频分量的无效成分：
10、（1）；
11、其中，为谐振增益，和为αβ坐标系下的提取信号，和为αβ坐标系下的正交信号，为基波角频率，为 laplace变换变量；
12、基波角频率如下公式（2）所示：
13、(2)；
14、其中，为电机极对数，为时间信号下的转子转速；
15、s3-2：在停滞发生时，结合预设的随机增益，相反相位注入电流信号，替代原有采样电流对所述数据驱动模型进行更新：
16、（3）；
17、s4：在未发生停滞时，直接使用电流采样信号和对所述数据驱动模型进行更新，即所述数据驱动模型更新电流为：
18、（4）；
19、s5：将步骤s3或步骤s4输出的更新电流和进行park变换，αβ坐标系下的所述数据驱动模型更新电流和变换为dq坐标系下的电流,表示park变换后采样电流分量坐标系下的d轴分量或q轴分量；
20、s6：用步骤s5经过park变换后的电流更新所述数据驱动模型，具体更新过程如下：
21、s6-1：采用如下公式（5）的递归最小二乘法进行所述数据驱动模型的系数估算，以保持所述数据驱动模型对实际系统的适配：
22、（5）；
23、其中，矩阵和均为递归矩阵，在每个采样周期内循环更新，即第k+1个周期调用第k个周期的矩阵结果，为估算误差，上标表示矩阵转置，为单位矩阵，为遗忘因子，矢量包括公式（5）中的所有模型系数；矢量包括公式（5）中的所有采样数据，上标“^”表述该变量为估计值；
24、由如下公式（6）表示：
25、（6）；
26、由如下公式（7）表示：
27、（7）；
28、s6-2：采用如下公式（8）所示的时移方法预测时刻的预测电流：
29、（8）；
30、s7：在有限集下实现，根据预测电流控制的主要控制目标设计代价函数，将矢量中的元素依次替换为候选矢量，直接输出控制脉冲；
31、在连续控制集下实现，矢量中的元素采用如下公式（9）的拉格朗日外推法实现：
32、（9）；
33、s8：对公式（8）进行超局部化：
34、s9：根据超局部化后的公式（8），设计如下公式(10)所示的智能比例-积分-微分-微分平方控制方程：
35、（10）；
36、其中，为模型更新的电流信号静差，即，、、和分别为比例增益、积分增益、微分增益、微分平方增益，代表的一阶导数，代表的二阶导数，为电流参考值，和分别为时刻超局部化模型的输入增益和集总变量，为采样周期；
37、s10：将步骤s9的控制方程输出的电压信号转换成脉冲信号输出。
38、优选的，步骤s8中，采用如下公式对公式（8）进行超局部化：
39、；
40、；
41、其中，和分别为时刻超局部化模型的输入增益和集总变量，为采样周期。
42、一种永磁电机低停滞数据驱动预测控制系统，包括存储器和处理器，所述存储器中存储有所述处理器的可执行命令，所述处理器中配置有经由执行所述可执行命令来实现任一项所述的方法。
43、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序执行时实现如任一项所述的方法。
44、一种计算机产品，包括计算机程序，所述计算机程序执行时实现如任一项所述的方法。
45、通过采用前述设计方案，本专利技术的有益效果是：
46、1.优化数据利用，增强模型适配性：本申请的一大亮点在于深度挖掘并利用采样数据中的无效成分，这一创新策略首先实现了数据的“净化”，类似于数据清洗过程，有效剔除不相关信息，使得数据驱动模型能够更精确地反映实际电机系统的动态特性和工作状态，这不仅显著提升模型的适配性及预测精度，间接为模型误差设定上限，还通过减少停滞现象的发生，改善电流控制质量；
47、2.控制方程设计过程中，本申请设计智能比例-积分-微分-微分平方控制方程，这一创新设计巧妙融合比例、积分、微分等控制策略的优势，实现动态与稳态性能的双重优化；
48、3.无物理模型依赖，系统鲁棒性显著增强：本申请提出的方法另一优势在于完全摆脱对物理模型和具体参数的依赖，该方法直接利用系统输入输出数据，建立数据驱动模型并实现低停滞方案，无需任何先验物理模型或参数信息，有效增强系统鲁棒性，这种数据驱动模型控制策略使得系统在面对复杂多变工况和外部环境变化时，能够保持稳定控制性能和良好动态响应，为实际应用提供可靠和灵活的控制解决方案。
本文档来自技高网...【技术保护点】
1.一种永磁电机低停滞数据驱动预测控制方法，其特征在于：包括如下依次执行的步骤：
2.如权利要求1所述的永磁电机低停滞数据驱动预测控制方法，其特征在于：步骤S8中，采用如下公式对公式（8）进行超局部化：
3.一种永磁电机低停滞数据驱动预测控制系统，包括存储器和处理器，其特征在于：所述存储器中存储有所述处理器的可执行命令，所述处理器中配置有经由执行所述可执行命令来实现权利要求1至2任一项所述的方法。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序执行时实现如权利要求1至2任一项所述的方法。
5.一种计算机产品，包括计算机程序，其特征在于：所述计算机程序执行时实现如权利要求1至2任一项所述的方法。
【技术特征摘要】
1.一种永磁电机低停滞数据驱动预测控制方法，其特征在于：包括如下依次执行的步骤：
2.如权利要求1所述的永磁电机低停滞数据驱动预测控制方法，其特征在于：步骤s8中，采用如下公式对公式（8）进行超局部化：
3.一种永磁电机低停滞数据驱动预测控制系统，包括存储器和处理器，其特征在于：所述存储器中存储有所述处理器的可执行...
【专利技术属性】
技术研发人员：魏尧，汪凤翔，谢昊天，柯栋梁，于新红，黄东晓，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：
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。