基于FOC 神經(jīng)網(wǎng)絡(luò)的PMSM 控制系統(tǒng)

于 永,劉 剛,魏 琳

1.鄭州商業(yè)技師學(xué)院,河南 滎陽 450121

2.河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院,河南 鄭州 454001

3.河南工業(yè)和信息化職業(yè)學(xué)院電氣工程系,河南 焦作 454003

一般來說，目前的行業(yè)通常使用基于PI 的現(xiàn)場定向控制（PI-FOC）來控制PMSM。PI 控制器的優(yōu)點是簡單易懂。然而，這種控制策略會遇到即難以獲得既滿足穩(wěn)定性和性能、又滿足有限穩(wěn)定性和性能的最優(yōu)PI 系數(shù)的瓶頸[1,2]。為了克服這些障礙，學(xué)者提出了各種控制方案。文獻[1]提出了一種自適應(yīng)H∞控制器，以提高系統(tǒng)在參數(shù)攝動和外部干擾下的穩(wěn)定性。文獻[3]、[4]采用模糊邏輯控制器驅(qū)動PMSM。文獻[5]采用自構(gòu)造遞歸模糊神經(jīng)網(wǎng)絡(luò)對PMSM 進行在線控制。將該算法與自構(gòu)造模糊神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)相結(jié)合。文獻[6]提出了一種基于矩陣變換器的PMSM 直接轉(zhuǎn)矩和磁通控制方法。研究了矩陣變換器的所有開關(guān)狀態(tài)對輸入輸出變量的控制，在表的基礎(chǔ)上，提出了四種切換方案，并對切換方案進行了優(yōu)化選擇。與傳統(tǒng)的基于PI 控制相比，基于矩陣變換器的PMSM驅(qū)動具有更好的性能。文獻[7]提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的IPMSM 驅(qū)動自調(diào)整控制器。然而，只觀察到輕微的改善。文獻[8]將神經(jīng)網(wǎng)絡(luò)控制應(yīng)用于混合動力汽車能量管理系統(tǒng)，以盡量減少電池的放電。實驗在仿真和硬件上都得到了驗證。文獻[9]利用動態(tài)規(guī)劃訓(xùn)練的兩個基于神經(jīng)元的模塊，對動力分離式混合動力電動汽車的發(fā)動機和蓄電池之間的能量進行優(yōu)化管理。

本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的表面貼裝式PMSM 矢量控制方法。通過仿真，驗證了該控制方式下的SPMSM 電機驅(qū)動性能。

1 PMSM 模型

2 神經(jīng)網(wǎng)絡(luò)-FOC 控制

其中x由n個向量組成，而rj是x的函數(shù)。與其他最小化方法一樣，所提出的MLM 算法也使用迭代技術(shù)來找到最小值。為了完成這一任務(wù)，MLM 在最速下降法和高斯-牛頓算法之間進行插值。該方法的主要目的是尋找最優(yōu)的最小化解。

3 MTPA 算法設(shè)計

PMSM 驅(qū)動有恒轉(zhuǎn)矩和恒功率區(qū)。功率、扭矩與速度之間的關(guān)系為：Power=VI=T(20)

式中T為電機轉(zhuǎn)矩，ω為電機轉(zhuǎn)速。在恒轉(zhuǎn)矩區(qū)域，許多研究使用每安培最大轉(zhuǎn)矩（MTPA）控制的控制方法，因為它可以找到dq電流的最佳組合以產(chǎn)生所需的轉(zhuǎn)矩[10]。這項技術(shù)不僅可以減少銅的損耗，而且可以提高總的行駛距離，因為消耗的電流更少。

在恒功率區(qū)，采用了弱磁控制。這種控制通過產(chǎn)生磁通量來對抗磁鐵產(chǎn)生的磁通量，從而犧牲電流來增加電機的速度范圍。此控制非常重要，因為在HEV 應(yīng)用中如果沒有此控制，最高車速通常只有50 或60 mph 左右。應(yīng)用NN-FOC 將參考轉(zhuǎn)矩轉(zhuǎn)換為MTPA 控制的最佳d軸和q軸電流，并轉(zhuǎn)換為足夠的d軸和q軸電流用于FW 控制。

如果速度超過基本速度，則電機運行在基本速度和ω2（額定速度）之間運行。當(dāng)電機在該區(qū)域時，不能使用MTPA 控制。相反，參考轉(zhuǎn)矩在電流限制圓內(nèi)沿著電壓限制橢圓移動，以防止反電動勢超過最大電壓。因此，不能采用最優(yōu)控制。

本文的MTPA 控制，因為它同時使用d和q軸電流進行控制。此外，這有助于將銅損耗降至最低。銅損耗是永磁同步電動機的主要損耗之一[10]，最終，相對于其他方法，銅損耗相當(dāng)簡單。在電機為SPMSM 的情況下，由于定子dq電感幾乎相等，因此電動轉(zhuǎn)矩方程僅依賴于q軸電流，因此忽略了式（5）的第二部分磁阻轉(zhuǎn)矩。因此，SPMSM 的電磁轉(zhuǎn)矩可以寫為：

SPMSM 電機的MTPA 控制非常有效，因為電磁轉(zhuǎn)矩僅取決于q軸電流，如（21）所示。

當(dāng)電機轉(zhuǎn)速超過基本轉(zhuǎn)速時，采用弱磁控制，防止反電動勢超過最大允許電壓。

4 實驗驗證

基于TI 公司DSP TMS320F2812 建立實驗平臺，分別對邊基于PI 控制器和FOC 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)各項性能。從圖1(b)中可以看出，F(xiàn)OC 神經(jīng)網(wǎng)絡(luò)控制在較短時間內(nèi)到達給定轉(zhuǎn)速，無靜差且無超調(diào)。而PI 控制系統(tǒng)(圖1(a))不僅到達穩(wěn)態(tài)用時長、且有超調(diào)。在負載擾動情況下，F(xiàn)OC 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)(圖1(b))速度在較小的波動后很快恢復(fù)，也顯示出要比PI 控制(圖3(a))魯棒性好。FOC 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)也能夠快速跟蹤轉(zhuǎn)速。

圖1 啟動轉(zhuǎn)速波形Fig.1 Start revolving speed waveform

圖2 突加負載轉(zhuǎn)速曲線Fig.2 Revolving speed curves loaded on suddenly

圖3 改變給定轉(zhuǎn)速曲線Fig.3 Revolving speed curves after change

5 結(jié)語

論文提出了一種基于神經(jīng)網(wǎng)絡(luò)的表面安裝永磁同步電機（SPMSM）驅(qū)動磁場定向控制。采用改進的Levenberg-Marquardt-MLM 算法對神經(jīng)模型進行訓(xùn)練。通過仿真試驗驗證了該控制方法的有效性，并與基于PI 的磁場定向控制方法進行了比較。實驗結(jié)果表明，所提出的FOC 神經(jīng)網(wǎng)絡(luò)控制器比傳統(tǒng)的PI 控制器具有更好的性能，為先進的電力傳動系統(tǒng)提供了一種良好的牽引方法。