阅读说明：本技术 永磁同步电机效率最优点快速搜索方法及系统 (Method and system for rapidly searching efficiency optimal point of permanent magnet synchronous motor ) 是由 华青松 徐晓通 仙存妮 何袁生 丁茂起 李力 于 2019-09-24 设计创作，主要内容包括：本发明提供了一种永磁同步电机效率最优点快速搜索方法及系统,该方法以逆变器直流侧输入功率最小为控制目标,在给定工况下通过模糊推理在线搜索,找到使永磁同步电机输入功率最低的最优励磁电流值。最优点一旦找到,电磁转矩,转子转速以及相应的最优励磁电流值将被记录,作为神经网络的训练样本。经过在不同工况下采集的样本的广泛训练后,神经网络能够学习到转矩,转速与最优励磁电流的映射关系,这时神经网络便可取代模糊控制器,无需搜索而对任意工况下的最优励磁电流进行预测,从而使电机自适应地运行在较低能耗状态。(The invention provides a method and a system for quickly searching an efficiency optimum point of a permanent magnet synchronous motor. Once the optimal point is found, the electromagnetic torque, the rotor speed and the corresponding optimal excitation current value are recorded as training samples of the neural network. After extensive training of samples collected under different working conditions, the neural network can learn the mapping relation between the torque, the rotating speed and the optimal excitation current, and at the moment, the neural network can replace a fuzzy controller and predict the optimal excitation current under any working condition without searching, so that the motor can adaptively run in a low energy consumption state.)

永磁同步电机效率最优点快速搜索方法及系统

技术领域

本发明永磁同步电机的控制领域，特别是涉及一种永磁同步电机效率最优点的快速搜索方法及系统。

背景技术

目前永磁同步电机节能控制方法或者控制系统类型大体上分为两种：模型法(Loss Model Control，LMC)和搜索法(Search Control，SC)。模型法通过建立永磁同步电机最小损耗模型，直接由计算获得最优励磁，系统响应速度快，但是需要精确建模，受电机参数和合环境温度变化影响大，对不同电机缺乏通用性。搜索法省去了繁琐的铁芯分析，通过搜索电机运行的最小电流或者最小输入功率来确定最优运行点，不依赖于电机参数和模型的先验信息，寻优精度高，但是对电流、功率、转速等的测量要求高，并且算法收敛时间较长。Rosenbrock法、梯度法和黄金搜索法是早期研究的一些搜索算法。近年来，智能控制技术的发展为以多变量、强耦合、非线性、大滞后、时变等为特征的电机系统研究提供了有力的工具。滑模变结构、遗传算法、模糊控制和人工神经网络等方法纷纷引入电机控制领域。但是，目前常规的模糊控制及神经网络等方法，并没有一套成体系的方法可供用户使用，多是基于特定的工况或者控制目标而进行的特定类型设置方式，没有良好的可扩展性，并且一般算法过程复杂，资源消耗成本高。

基于以上存在的问题，需要一种能够适应市场对于效率与资源消耗和控制精准度要求的较为均衡的控制系统或方法，以提高电机的运行效率，且实现电机自适应节能运行，并且能够很好地进行产业化应用。

针对现有技术的不足，本发明采用模糊推理在线搜索结合神经网络实现电机效率最优点快速搜索和自适应节能运行，提出了一种永磁同步电机效率最优点的快速搜索方法及其产业应用中的系统，以实现提高电机的运行效率，实现电机自适应节能运行的目的。具体而言，本发明提供了以下的技术方案：

一方面，本发明提供了一种永磁同步电机效率最优点的快速搜索方法，该方法包括：

S1、在一给定工况下，设置模糊控制器，所述模糊控制器输入为当前逆变器直流侧输入功率、前一采样时刻功率值的增量、前一采样时刻励磁电流增量；

S2、通过模糊推理在线搜索，找到永磁同步电机输入功率最低的最优励磁电流值，作为最优点；经过解模糊化处理，得到精确控制变量，作为模糊控制器的输出；

S3、对模糊控制器的输入及输出进行标幺化处理；

S4、记录最优点对应的电磁转矩、转子转速、最优励磁电流值，作为神经网络的训练样本；搜集不同工况下的最优点对应的训练样本，形成训练样本集，并对神经网络进行训练，得到电磁转矩、转子转速与最优励磁电流值的映射关系，将神经网络替代所述模糊控制器，完成永磁同步电机控制。

优选地，所述S1中，功率值的增量通过以下方式获得：

其中，A、B为常数，由经验值确定；

为前一时刻转子转速，ω_r为当前转子转速。

优选地，所述S1中，励磁电流增量通过以下方式获得：

其中，C、D为常数，由经验值确定；

为前一时刻转子转速，ω_r为当前转子转速；T_e为额定电磁转矩，

为上一时刻额定电磁转矩。

优选地，所述常数通过以下方式由经验值获得：依据测量数据，根据不同工况取近似值，若达不到既定效果，则再次进行优化，直至满足既定效果。

优选地，所述S2中，所述模糊推理在线搜索通过以下方式进行：

当上一次励磁电流增量引起输入功率下降时，则继续沿相同方向搜索；否则，输入功率上升，沿相反的方向搜索；

搜索步长与功率变化设置为正比关系。

另一方面，本发明还提供了一种永磁同步电机效率最优点的快速搜索系统，该系统至少包括：

永磁同步电机，最优点预测模块；

所述最优点预测模块采用神经网络，用于针对不同工况下的最优励磁电流进行预测，以实现所述永磁同步电机的自适应控制。

优选地，所述神经网络通过以下方式训练得到：

采集不同工况下的当前逆变器直流侧输入功率、前一采样时刻功率值的增量、前一采样时刻励磁电流增量，找到永磁同步电机输入功率最低的最优励磁电流值，作为最优点；

记录最优点对应的电磁转矩、转子转速、最优励磁电流值，作为神经网络的训练样本，并形成训练样本集；

基于所述样本集训练所述神经网络。

优选地，搜索所述最优点通过以下方式进行：

在所述系统中设置模糊控制器，模糊控制器输入为当前逆变器直流侧输入功率、前一采样时刻功率值的增量、前一采样时刻励磁电流增量；

通过模糊推理在线搜索，找到永磁同步电机输入功率最低的最优励磁电流值，从而确定某一工况下的最优点。当模糊控制器针对多个工况下寻找最优点后，形成足够多的训练样本，则可以对神经网络进行训练。当然，训练样本的具体数量，需要基于精确性要求以及神经网络的结构复杂度进行调整，这是本领域技术人员在本发明公开的内容的基础上，结合本领域的公知常识能够进行确定的，此处不再赘述。

优选地，当所述神经网络训练完成后，将所述模糊控制器从系统中移除。当然，系统也可以仍然保留该模糊控制器，以作为例如电机类型更换、神经网络模型调整等情况下，需要进行替代控制或者重新搜集最优点样本数据等情况时使用。

优选地，所述模糊推理在线搜索通过以下方式进行：

当上一次励磁电流增量引起输入功率下降时，则继续沿相同方向搜索；否则，输入功率上升，沿相反的方向搜索；

搜索步长与功率变化设置为正比关系。

与现有技术相比，本发明采用的快速搜索算法，提高了电机的运行效率，实现了电机自适应节能运行。

附图说明

图1为本发明实施例的模糊推理在线搜索控制器结构框图；

图2为本发明实施例的永磁同步电机运行状态图；

图3a为本发明实施例的永磁同步电机动态响应的转子转速图；

图3b为本发明实施例的永磁同步电机动态响应的电磁转矩图；

图3c为本发明实施例的永磁同步电机动态响应的直流侧输入功率图。

具体实施方式

下面将结合本发明实施例中的图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图及实施例对本发明的技术方案作进一步详细说明。

本发明为了提高电机的运行效率，实现电机自适应节能运行，提出了一种永磁同步电机效率最优点快速搜索方法，以及对应的系统。在一个具体的实施例中，该方法可以通过如下方式来实现：

步骤1.整个优化方法以逆变器直流侧输入功率最小为控制目标，在给定工况(例如在一定的转矩和转子转速情况下)下通过模糊推理在线搜索，找到使永磁同步电机输入功率最低的最优励磁电流值。

在一个优选的实施方式中，如图1所示，该模糊控制器可以选取双输入单输出的结构。模糊系统的输入为当前逆变器直流侧输入功率和前一采样时刻功率值的增量，以及前一采样时刻励磁电流增量，经过模糊推理、模糊决策得到模糊输出，再经过解模糊化得到精确控制变量。

步骤2.为了使模糊控制器能够应用于不同功率、不同参数的电机，需要作标幺化处理，将输入输出统一设定到归一化论域(-1，1)。其中功率增量和励磁电流增量的比例因子按照下式得到：

式中A、B、C、D为常数，由经验确定，通过经验值确定上述常数的方式，可以通过之前测量数据，根据不同工况取近似值，若达不到既定效果，再进行优化，直至能够达到既定效果时，确定对应的常数。

为前一时刻转子转速、

为前一时刻额定电磁转矩，T_e为额定电磁转矩，由估算模块得到；ω_r为当前转子转速。

比例因子是转速和转矩估计值的函数，能使模糊控制输出的励磁电流对转矩和转速有自适应功能，优化收敛速度。

步骤3.当上一次励磁电流增量

引起输入功率下降时，输入功率偏差ΔP_d(Pu)小于0，继续沿相同方向搜索；否则，输入功率上升，输入功率偏差ΔP_d(Pu)大于0，沿相反的方向搜索，搜索步长与功率变化成正比。

步骤4.最优点一旦找到，电磁转矩，转子转速以及相应的最优励磁电流值将被记录，作为神经网络的训练样本。经过在不同工况(不同启动转矩转矩、不同输入电压等情况下)下采集的样本的广泛训练后，神经网络能够学习到转矩，转速与最优励磁电流的映射关系，这时神经网络便可取代模糊控制器，无需搜索而对任意工况下的最优励磁电流进行预测，从而使电机自适应地运行在较低能耗状态，如图2所示。

以下我们结合一个具体的实施例，进一步详细说明本发明的技术法案干：基于MATLAB/Simulink环境，对本发明的快速搜索算法进行仿真验证，仿真电机选用额定功率为2Kw，额定电压为380V，频率为50Hz的永磁同步电机，采样周期为T_s＝2e-6s,搜索步长为0.2s。如图3所示，0s启动电机，负载转矩4.5N·m(0.3pu)，给定转速1100r/min(0.8pu)。前1.5s秒为电机启动时间，之后电机进人稳态运行。1.5s时加入快速搜索算法。由于实施了转矩电流前馈补偿，电磁转矩T_e和转子转速n并未发生明显变化，而输出功率P_d从830W下降到730W。验证了本发明快速搜索算法的可行性，它能够提高电机的运行效率，实现电机自适应节能运行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。