阅读说明：本技术 开关磁阻电机的电感模型非线性补偿与控制方法与系统 (Method and system for nonlinear compensation and control of inductance model of switched reluctance motor ) 是由 党选举 经本钦 施亚洲 黄佳 李晓 张向文 伍锡如 姜辉 刘帆 张超 潘登 于 2019-09-12 设计创作，主要内容包括：本发明公开一种开关磁阻电机的电感模型非线性补偿与控制方法与系统,利用能体现SRM线性模型误差的转矩偏差及其变化率作为模糊推理输入信息,设计模糊推理规则,构建模糊补偿器,实现对线性电感模型的非线性前馈补偿；引入强化学习,设计回报函数,与模糊补偿器相配合,进一步实现电感模型的非线性自适应优化补偿,达到间接描述电感的强非线性特性的目的。本发明能够有效地改善控制系统动态品质,抑制了SRM转矩脉动。本发明系统可构成嵌入式系统,避免非线性特性直接建模,运算量小,方便开关磁阻电机的在线控制。(The invention discloses a nonlinear compensation and control method and a nonlinear compensation and control system for an inductance model of a switched reluctance motor, wherein the method comprises the steps of designing a fuzzy inference rule by using torque deviation capable of reflecting errors of an SRM linear model and a change rate thereof as fuzzy inference input information, and constructing a fuzzy compensator to realize nonlinear feedforward compensation on the linear inductance model; and (3) introducing reinforcement learning, designing a return function, and matching with the fuzzy compensator to further realize nonlinear adaptive optimization compensation of the inductance model so as to achieve the purpose of indirectly describing strong nonlinear characteristics of the inductance. The invention can effectively improve the dynamic quality of the control system and inhibit the SRM torque ripple. The system can form an embedded system, avoids direct modeling of nonlinear characteristics, has small operand, and is convenient for on-line control of the switched reluctance motor.)

开关磁阻电机的电感模型非线性补偿与控制方法与系统

技术领域

本发明涉及开关磁阻电机技术领域，具体涉及一种开关磁阻电机的电感模型非线性补偿与控制方法与系统。

背景技术

开关磁阻电机(Switched Reluctance Motor，SRM)具有结构简单、坚固、无永磁材料、制造成本低、系统可靠性高及调速范围广等特点，成为新能源汽车、航天航空等领域驱动装置的首选。然而，由于SRM固有的双凸极结构、开关式供电方式以及磁路高度饱和等特性，使得SRM在中低速运行过程中产生较大转矩脉动，严重制约了SRM的发展与应用。因此，开展SRM转矩脉动抑制策略的研究，具有重要理论与工程价值。

转矩分配控制作为一种常用的SRM控制方法，通过定义转矩分配函数(TorqueSharing Function，TSF)，将参考转矩分配到SRM各相，保证各相转矩之和恒定，利用转矩-电流逆模型得到各相参考电流，通过电流滞环，实现相电流的跟踪，进而实现电机的恒转矩控制。有文献忽略SRM磁饱和及边缘效应，利用线性电感模型，通过转矩-电流逆模型实现相电流的求解，此方法计算简洁，但未考虑SRM强非线性电感特性，不利于转矩脉动的有效抑制。有文献利用多项式拟合法，构建SRM非线性电感模型，将电感模型进行分段处理，每段通过最小二乘法对实验测得的电感-位置数据进行拟合，但得到的模型是非线性电感特性的近似模型。有文献通过堵转实验获取SRM电感特性曲线，通过傅里叶级数构建非线性电感模型。有文献利用神经网络对非线性电感进行建模，通过实验采样获取电感特性数据，利用采样数据对神经网络进行训练，获得SRM非线性电感模型。以上文献，都是通过对电感特性进行非线性建模，实现电机的控制，而准确的电感模型是实现电机恒转矩控制的基础，但高精度的SRM电感建模，是以全面反映SRM强非线性电感特性的实验数据为前提，而电感的实验数据直接采集难度大，电感的高精度建模不易实现。

发明内容

本发明所要解决的是目前难以建立高精度电感模型，从而影响电机转矩控制中所带了转矩脉动的问题，提供一种开关磁阻电机的电感模型非线性补偿与控制方法与系统。

为解决上述问题，本发明是通过以下技术方案实现：

开关磁阻电机的电感模型非线性补偿与控制方法，包括基于线性电感模型的开关磁阻电机闭环控制过程；其特征是，还进一步包括对基于线性电感模型的开关磁阻电机闭环控制，进行非线性补偿的过程，即：

步骤1、建立电感模型非线性自适应补偿的开关磁阻电机闭环控制中表示转矩与电流转换关系的转矩-电流逆模型为：

步骤2、将开关磁阻电机的转矩偏差及其变化率作为模糊补偿器的输入；在模糊补偿器中，先将转矩偏差及其变化率分别进行模糊化和模糊推理后得到模糊集合，再采用重心法对模糊集合进行模糊判决后，得到第k时刻模糊推理补偿值u_r(k)；将第k时刻模糊推理补偿值u_r(k)作为模糊补偿器的输出，实现非线性前馈补偿；

步骤3、根据开关磁阻电机的转矩脉动特性，设计回报函数g(k)和惩罚函数p(k)，并利用惩罚函数p(k)对第k时刻模糊推理补偿值u_r(k)进行调节，即：若回报函数g(k)≥0，符合期望，则强化学习补偿值pp(k)＝0；若回报函数g(k)＜0，不符合期望，则强化学习补偿值pp(k)＝p(k)；

上述回报函数g(k)为：

g(k)＝(e(k-1)-e(k))e(k)

上述惩罚函数p(k)为：

p(k)＝(m-10|e(k)|)u_r(k)

步骤4、利用步骤2所得到的第k时刻模糊推理补偿值u_r(k)和步骤3所得到的第k时刻强化学习补偿值pp(k)同时对步骤1的转矩-电流逆模型中的电感模型系数λ进行非线性自适应补偿；

其中，为当前时刻即第k时刻开关磁阻电机的第kk相参考电流；为当前时刻即第k时刻开关磁阻电机的第kk相参考转矩；kk分别代表开关磁阻电机的A、B及C三相；λ为电感模型系数；u_r(k)为当前时刻即第k时刻模糊推理补偿值，pp(k)为当前时刻即第k时刻强化学习补偿值；e(k)为当前时刻即第k时刻开关磁阻电机的转矩偏差，e(k-1)为当前的前一时刻即第k-1时刻开关磁阻电机的转矩偏差，m为设定的常数。

上述方案中，所述电感模型系数λ为：

其中，L为开关磁阻电机的绕组电感，θ为开关磁阻电机的转子位置角。

上述方案中，所述第k时刻开关磁阻电机的转矩偏差e(k)为：

e(k)＝T_ref-T_e(k)

其中，T_ref为给定的参考转矩，T_e(k)为第k时刻开关磁阻电机的转矩。

上述方案中，第k时刻模糊推理补偿值u_r(k)为：

其中，k_u为比例系数；y_i(k)为第k时刻离散论域的点，μ(y_i(k))为第k时刻离散论域的点的隶属度函数值，n为单点集数目。

上述方案中，隶属度函数为钟型函数。

上述方案中，m的取值范围为2～7。

实现权利要求1所述方法的开关磁阻电机的电感模型非线性补偿与控制系统，包括比例积分调节模块、转矩分配模块、转矩-电流逆模型、开关磁阻电机非线性系统；

其特征是，还进一步包括非线性补偿系统；其中非线性补偿系统由模糊补偿模块和强化学习补偿模块组成；

比例积分调节模块，对开关磁阻电机的转矩偏差进行比例积分后输出转矩控制量到转矩分配模块；

转矩分配模块，根据开关磁阻电机的转子位置角将转矩控制量分配成开关磁阻电机的各相参考转矩；

模糊补偿模块，对转矩偏差及其变化率分别进行模糊化和模糊推理后得到模糊集合，再采用重心法对模糊集合进行模糊判决后得到模糊推理补偿值；

强化学习补偿模块，根据开关磁阻电机的转矩脉动特性，设计回报函数和惩罚函数，并利用惩罚函数对模糊推理补偿值进行调节，进而得到强化学习补偿值；

转矩-电流逆模型，利用模糊推理补偿值和强化学习补偿值同时对其线性系数进行非线性自适应补偿后，将开关磁阻电机的各相参考转矩转换为各相参考电流，并送至开关磁阻电机非线性系统；

开关磁阻电机非线性系统，对开关磁阻电机的各相参考电流进行跟踪，以实现开关磁阻电机的转矩控制，有效减小转矩脉动。

与现有技术相比，本发明具有如下特点：

1、本发明基于线性电感模型的闭环控制系统，利用能体现SRM线性模型误差的转矩偏差及其变化率作为模糊推理输入信息，设计模糊推理规则，构建模糊补偿器，实现对线性电感模型的非线性补偿，通过前馈补偿方式实现，即实质上，是通过非线性前馈补偿实现；引入强化学习，设计回报函数，与模糊补偿器相配合，进一步实现电感模型的非线性自适应优化补偿，间接描述电感的强非线性特性。

2、与直接对电感非线性特性建模的方法不同，本发明针对SRM强非线性电感特性，采用了一种非线性前馈补偿的方法，通过前馈补偿方法，实现电感非线性特性的间接补偿，避免了对强非线性电感特性的复杂直接建模。模糊补偿与强化学习补偿相结合，对基于线性电感模型的闭环控制系统中转矩-电流逆模型进行在线补偿，有效地控制SRM运行，抑制了转矩脉动。

3、本发明的控制方法能够有效地改善控制系统动态品质，抑制了SRM转矩脉动。本发明系统可构成嵌入式系统，避免对非线性特性的复杂直接建模，运算量小，方便开关磁阻电机的在线控制。

附图说明

图1为基于线性电感模型的电流-转矩模型的SRM电机控制系统。

图2为模糊补偿器结构。

图3为基于模糊规则的SRM电感模型的非线性前馈补偿与控制系统。

图4为强化学习与模糊推理相融合的SRM电感模型非线性补偿与控制框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，对本发明进一步详细说明。

基于线性电感模型的传统SRM转矩分配控制系统主要由PI(Proportionalintegral，比例积分)调节器、转矩分配、转矩-电流逆模型、电流滞环、功率变换器以及SRM等环节构成。PI调节根据转矩偏差e，输出转矩控制量T_c，利用转矩分配函数，根据转子位置角θ将转矩控制量合理地分配到SRM的各相通过转矩-电流逆模型将相参考转矩转换为相参考电流利用电流滞环实现检测电流，对参考电流的跟踪，实现SRM转矩控制。控制系统中，为便于描述，将电流滞环、功率变换器、SRM、电流检测及位置检测用SRM非线性系统表示。基于线性电感模型的电流-转矩模型的SRM电机控制系统如图1所示。

基于线性电感模型的电流-转矩模型，如公式(1)所示。线性电感模型常采用对非线性特性简化的方法得到，忽略磁路饱和影响以及磁通边缘效应，对应系统转矩-电流线性模型为：

由式(1)，可得转矩-电流逆模型为：

其中，L为绕组电感、i为绕组电流、T为电磁转矩，θ为转子位置角。常把电感模型系数以常数进行处理。

针对SRM强非线性电感特性，在基于线性电感模型的得到控制电流基础上，本发明引入模糊推理的非线性前馈补偿方法和强化学习相融合的设计方法，对线性电感模型进行自适应补偿，间接捕捉电感的强非线性特性，以实现SRM的有效控制。

(一)开关磁阻电机的电感模型非线性补偿与控制方法

本发明所设计的一种开关磁阻电机的电感模型非线性补偿与控制方法，包括基于线性电感模型的开关磁阻电机闭环控制过程和对上述基于线性电感模型的开关磁阻电机闭环控制过程进行非线性前馈补偿两大部分。

上述基于线性电感模型的开关磁阻电机闭环控制过程，与现有技术相似，主要包括步骤如下：首先，对开关磁阻电机的转矩偏差进行比例积分调节得到转矩控制量；然后，通过转矩分配将转矩控制量分配为开关磁阻电机的各相参考转矩；接着，利用转矩-电流逆模型将相参考转矩转换为各相参考电流；最后，对各相参考电流进行跟踪以实现开关磁阻电机的转矩控制。

上述对基于线性电感模型的开关磁阻电机闭环控制进行非线性补偿的过程，为本发明的核心，其基于线性电感模型的闭环控制系统，利用能体现SRM模型误差的转矩偏差及其变化率，设计模糊推理规则，构建模糊补偿器，实现对线性电感模型的非线性前馈补偿；引入强化学习，设计回报函数，与模糊补偿器相配合，进一步实现电感模型的非线性自适应优化补偿，间接描述电感的强非线性特性。最后利用补偿后得到控制电流，结合电流分配，控制SRM，有效抑制转矩脉动，其主要包括步骤如下：

Ⅰ、建立转矩-电流转换关系

根据式(2)，系统转矩-电流逆离散模型可写为

其中，λ为电感模型系数 为当前第k时刻第kk相参考电流，为第kk相参考转矩，kk指SRM的A，B及C相。

公式(3)线性电感模型中电感变化率dL/dθ通常取常数近似，即λ为常数。基于式(3)进行SRM转矩控制，由于没有充分考虑SRM电感特性的强非线性特性，不可避免会引入一定误差，直接影响SRM控制效果。

该发明对式(3)中，对λ进行自适应补偿，补偿后的SRM电感模型，能体现电感的强非线性特性，补偿后的电流如下：

其中，为非线性补偿后，当前第k时刻第kk相参考电流,u_r(k)，pp(k)分别是第k时刻基于模糊推理补偿和强化学习补偿。

Ⅱ、基于模糊规则的SRM电感模型非线性前馈补偿与控制

根据SRM转矩脉动特性，设计模糊规则，图2所示是实现模糊推理补偿的模糊补偿器。在基于线性电感模型设计闭环系统中，利用能体现SRM线性模型误差的转矩偏差及其变化率，通过u_r(k)对式(3)中λ取值进行补偿调节，间接实现对线性电感模型的非线性前馈补偿，实现电机恒转矩控制，达到转矩脉动的有效抑制效果。

取转矩偏差e＝T_ref-T_e和转矩偏差关于时间的变化率为模糊补偿器输入语言变量，分别用E和EC表示，U表示模糊补偿器输出语言变量。

经模糊推理得到的U为模糊集合，通过模糊判决得到确定输出量，采用在工程上多采用重心法对推理结果进行模糊判决，第k时刻的模糊判决输出y_o(k)为

其中，n为单点集数目，n＝13，y_i(k)为第k时刻离散论域的点，μ(y_i(k))为相应点的隶属度函数值，隶属度函数选常用的钟型函数。

模糊补偿器输出为

u_r(k)＝k_uy₀(k) (6)

其中，k_u是比例系数。通过模糊补偿器输出u_r(k)，对式(3)中λ取值进行前馈补偿，根据式(3)，对线性电感模型通过前馈补偿后的控制电流如式(7)所示。

其中，u_r(k)为模糊推理补偿，为仅在模糊推理补偿后的第kk相参考电流，为第kk相参考转矩。

采用线性电感模型，λ为常值，用u_r(k)对其取值进行非线性前馈补偿，以反映电感的非线性特性。基于模糊规则的SRM电感模型非线性前馈补偿与控制系统，如图3所示。系统中，由设定转矩T_ref与实际转矩T_e现成偏差通过比例积分PI(Proportional integral，PI)调节输出通过转矩分配得到各相转矩依据转矩-电流模型公式(7)，通过相转矩SRM电机转角θ及模糊推理补偿u_r得到控制电流由电流滞环、功率变换器、SRM、电流检测及位置检测组成的SRM非线性系统，以设定值进行电流控制，驱动SRM运转。

Ⅲ、强化学习补偿

根据SRM转矩脉动特性，设计回报函数g(k)，如式(8)所示。

g(k)＝(T_e(k)-T_e(k-1))e(k)＝(e(k-1)-e(k))e(k) (8)

其中，k表示当前第k时刻，k-1表示当前第k时刻的前一时刻，T_e(k)表示第k时刻的输出转矩，e(k)为第k时刻的转矩偏差。

强化学习过程：当系统运行获得较好结果，即输出转矩T_e(k)相对于T_e(k-1)更接近参考转矩T_ref时，对k时刻的模糊补偿器输出u_r(k)进行“奖励”，使系统在此状态产生此补偿量；当系统运行获得较差结果，即输出转矩T_e(k)相对于T_e(k-1)远离参考转矩T_ref时，不符合期望，则对u_r(k)进行“惩罚”，调节补偿量大小，设计惩罚函数p(k)如式(9)所示。

p(k)＝(m-10|e(k)|)u_r(k) (9)

其中，m为常数，且m＞10|e(k)|_max，m＝2～7，取m＝3。|e(k)|_max是e(k)绝对值的最大值。

利用惩罚函数对k时刻的u_r(k)进行调节，若g(k)≥0，符合期望，则pp(k)为理想值，强化学习补偿的输出为

pp(k)＝0 (10)

若g(k)＜0，不符合期望，利用惩罚函数对u_r(k)进行“惩罚”，则强化学习补偿为

pp(k)＝p(k) (11)

综合式(10)与式(11)，强化学习补偿为

模糊补偿器中，在一定转矩偏差及其变化率的范围内，不同输入对应相同模糊规则及输出，因此系统动态性能较差；强化学习补偿中，不同转矩偏差对应不同惩罚函数值，可实现对u_r(k)的实时动态调节。将强化学习补偿与模糊补偿相配合，进一步改善系统动态品质。模糊补偿基础上，加入强化学习补偿后，最终得到控制电流为

其中，pp(k)为强化学习补偿，为强化学习和模糊推理同时补偿的第kk相参考电流，为第kk相参考转矩。

相参考转矩通过转矩分配得到，换相时相参考转矩应满足：

其中，f_kk(θ)为第kk相转矩分配函数，kk为SRM的A，B及C相。

采用立方型分配函数进行转矩分配，具体表达式为：

其中，θ是SRM电机转角，θ_on是开通角，θ_off是关断角，θ_ov是换相重叠角。

转矩控制量T_c通过转矩分配函数合理地分配到SRM各相，利用模糊补偿器对线性电感模型进行非线性前馈补偿，引入强化学习对前馈补偿量进一步进行补偿调节，利用转矩-电流逆模型将相参考转矩转化为相参考电流，与通过传感器测量得到的SRM实际相电流进行比较，得到的电流偏差，通过电流滞环控制得到三相半桥功率变换器的有效开关信号，控制SRM以减小系统转矩脉动。

(二)开关磁阻电机的电感模型非线性补偿与控制系统

本发明所设计的一种开关磁阻电机的电感模型非线性补偿与控制系统，由基于线性电感模型的开关磁阻电机闭环控制系统和对基于线性电感模型的开关磁阻电机闭环控制系统进行补偿的非线性补偿系统两部分组成。如图4所示。上述基于线性电感模型的开关磁阻电机闭环控制系统，主要由比例积分调节模块、转矩分配模块、转矩-电流逆模型和开关磁阻电机非线性系统构成。上述非线性补偿系统由模糊补偿模块和强化学习补偿模块组成。

比例积分调节模块，对当前开关磁阻电机的转矩T_e和操作者输入的参考转矩T_ref得到的转矩偏差e进行比例积分后，输出转矩控制量T_c到转矩分配模块。

转矩分配模块，根据开关磁阻电机的转子位置角θ将转矩控制量T_c分配成开关磁阻电机各相的相参考转矩后送至转矩-电流逆模型。

模糊补偿模块，对转矩偏差及其变化率分别进行模糊化和模糊推理后得到模糊集合，再采用重心法对模糊集合进行模糊判决后得到模糊推理补偿值u_r(k)；

强化学习补偿模块，根据开关磁阻电机的转矩脉动特性，设计回报函数和惩罚函数，并利用惩罚函数对模糊推理补偿值进行调节，进而得到强化学习补偿值pp(k)；

转矩-电流逆模型，利用模糊推理补偿值u_r(k)和强化学习补偿值pp(k)同时对SRM电感线性模型的中系数，进行非线性自适应补偿后，将开关磁阻电机的各相参考转矩转换为各相参考电流，并送至开关磁阻电机非线性系统。

开关磁阻电机非线性系统包括电流检测模块、位置检测模块、电流滞环模块和功率变换器。

电流检测模块检测开关磁阻电机的电流i，并送至电流滞环模块。

位置检测模块检测开关磁阻电机的转子位置角θ，并送至转矩分配模块和电流滞环模块。

电流滞环模块基于开关磁阻电机的转子位置角θ，并利用开关磁阻电机的电流i对相参考电流进行跟踪得到三相半桥功率变换器的有效开关信号。

功率变换器三相输出分别连接控制开关磁阻电机的三相线，并在电流滞环模块的作用下，实现对开关磁阻电机的转矩控制，以及以减小开关磁阻电机的转矩脉动。

需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。