关键词:
永磁同步直线电机
机器学习
矢量控制
有限控制集模型预测控制
多步预测
摘要:
近年来,我国工业化、城市化发展进程加快,在发展的过程中电机发挥了关键的作用。与旋转电机相比,直线电机不需要齿轮和丝杠等中间传动环节,直接进行直线往复运动,具有速度快、精度高和噪声小等优点。其中,以永磁体作为转子的永磁同步直线电机(PMLSM),因其具有体积小、效率高、机械损耗小和动态响应速度快等优势,已被广泛作为电梯牵引、物流运输和高精度机床加工等现代化工业领域新型驱动方式。由于PMLSM具有简化的机械结构,更容易受到电机参数和负载变化等因素的影响,同时PMLSM是一个非线性、强耦合、多变量的系统,其非线性建模误差和位置信号检测噪声等均会对PMLSM的控制性能产生较大的影响。传统的控制方法无法更好的应对上述情况的影响,因此本文以PMLSM系统为研究对象,将机器学习算法引入PMLSM控制领域,相关研究如下:首先,本文对PMLSM基本结构、运行原理进行了描述,并建立其数学模型。为方便分析及降低控制算法设计的复杂度,引入坐标变换,完成电机数学模型的降阶和电磁解耦变换。以坐标变换的基本原理为基础,得出d-q坐标系下的PMLSM的数学模型,同时分析了矢量控制的基本原理,并以此建立PMLSM的矢量控制结构。其次,针对传统PID控制器自适应差的问题,利用增量式宽度学习(IBL)优秀的非线性逼近能力对PID控制器进行优化,并设计了基于PID的增量式宽度学习控制器。相比于固定增益PID控制器,IBL控制器对参数变化和负载干扰不敏感,能够更好的满足控制要求,而无需频繁地调节控制器参数。IBL控制器的设计过程可以在不了解PMLSM系统的数学模型和其他先验知识的情况下进行,并将整个系统视为黑盒,降低了控制器设计和优化的难度。然后,使用MATLAB/Simulink仿真平台,验证了所提控制方法的有效性。然后,为提高PMLSM控制性能,多步长有限控制集模型预测控制被应用到电机控制领域。为解决多步预测算法计算量大的问题,将随机配置网络(SCNs)与模型预测控制结合,设计了基于模型预测的随机配置网络控制器。多步模型预测使用穷举法选择最优开关矢量,随着周期增多,其计算量会以几何级数增长,极大地增加了硬件设备的负担。SCNs具有优秀的通用逼近能力,能够拟合多步预测控制器,并在降低计算量的同时达到多步预测控制效果。然后,使用MATLAB/Simulink仿真平台,验证了所提控制方法的有效性。最后,基于d SPACE构建了PMLSM系统的半实物仿真平台,对所提出的控制算法进行实验验证。通过与传统PI控制器和多步预测算法对比,验证了本文方法在实验中也具有较好的稳定性和控制效果。