传统的电机驱动系统模型预测控制(MPC)策略不能完全满足要求。作为第三代先进控制技术,应进一步挖掘其潜力以获得优异的控制性能。
对于普通的MPC,由于其处理器资源有限,对层位系数和权重因子的依赖性大,控制目标质量受限,在高端制造领域的应用受到限制。合理的资源分配方案对于权衡系统稳定性、当前质量和计算负担很重要。
在发表在IEEETransactionsonIndustrialElectronics上的一项研究中,中国科学院福建物质结构研究所王凤祥教授团队设计了一种具有自适应视界的多步预测电流控制策略,以更好地实现电气驱动充分利用有限的处理器资源,实现预测精度、计算负担、客观重要性等综合控制性能。
研究人员首先分析了具有不同类型的长预测范围和向量选择的目标函数的发展,并验证了MPC中一组合适的权重因子的必要性。通过多次重复预测过程,将状态变量预测到一个大于一个的未来采样周期,选择一组收敛于零的权重因子,降低次优的可能性,提高收敛率。
虽然可以通过增加预测范围以确保收敛来提高瞬态期间的稳定性,但计算负担和预测误差的问题变得严重。研究人员发现,灵活的控制范围和权重因子可以有效解决这些问题。为实现此功能,操作状态分为三种类型,并由滞后逻辑确定,以校正地平线变化步骤的信号。
根据当前运行状态和累积速度误差生成自适应逻辑以获得在线调整范围并实现良好的控制规律。
研究人员通过设计的实时分支定界算法,充分利用加班尺度得到一个最优的权重因子,并将该值应用在控制范围末端的系统中,以调整目标的重要性。超时间尺度的可能性都被列出来充分利用受限的处理器资源,这一项成为潜在的优化。
此外,研究人员选择了永磁同步电机(PMSM)速度控制系统作为示例来证明所提出的控制策略的有效性。根据仿真和实验结果,与相同操作条件下的传统预测控制相比,所提出的控制策略获得了改进的电流冲击、质量和容差。所提出的方法具有足够的兼容性,可应用于其他电机驱动系统,以实现更好的控制性能。
本研究为电机驱动系统的未来设计和长期预测控制的综合提供了重要指导。