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，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、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做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。

根据本发明的实施例，提供了一种电机的驱动方法，如图1所示本发明的方法的一实施例的流程示意图。该电机的驱动方法可以包括：步骤S110至步骤S150。

在步骤S110处，获取所述电机在旋转坐标系下的当前dq轴电流，并获取所述电机的电机状态参数。具体地，在该电机是空调系统中的电机的情况下，通过空调系统的主控芯片的外围电路，采集空调系统中电机在旋转坐标系下的dq轴电流，具体是通过主控芯片外围硬件电路所采集到的空调系统中电机的电流信息进行处理之后得到dq轴电流。

在步骤S120处，根据所述当前dq轴电流，确定所述电机的当前电机参数。

在一些实施方式中，步骤S120中根据所述当前dq轴电流，确定所述电机的当前电机参数，包括：根据设定dq电流与设定电机参数之间的对应关系，将该对应关系中与所述当前dq轴电流相同的设定dq电流所对应的设定电机参数，确定为与所述当前dq轴电流对应的当前电机参数。其中，所述当前电机参数、所述设定电机参数中的电机参数，包括：dq轴电感、定子电阻和磁链中的至少之一。

具体地，将得到的dq轴电流信息作为输入量，通过查表的方式从而得到电机的电感、定子电阻以及磁链等电机参数信息。。这样，电机参数在线辨识，能够解决由于电机参数变化所带来的电机参数失真从而导致的空调系统中电机的驱动控制精度降低。

在一些实施方式中，还包括：通过预先建立的通信链路，对设定dq电流与设定电机参数之间的对应关系进行更新。

具体地，用户在空调控制器的界面，设置可以进行系统服务器与空调用户之间进行通信的按键，通过该按键可以实现系统服务器与用户之间的交互通信。这样，服务器与用户交互通信，可以实现在线更新空调系统中的电机参数。所提的电机驱动控制方案通过查表的方式来在线更新电机的参数从而能够避免由于电机参数失真从而导致的电机驱动算法控制精度降低等问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

进而，通过所建立的通信链路进行数据的采集、处理与传输，其通信链路的通信协议可以考虑采用：SPI通信、CAN通信以及SPI通信等通信协议来实现其相应的传输过程。第二个功能单元还包括通过系统服务器，来实现空调系统的实时更新电机参数表格的功能。

进而，通过服务器生成最新的电机参数表格后，植入到用户空调的主控芯片当中。如通过快速训练更新之后的电机参数表格，利用与用户建立的服务器的通信链路进行数据传输。值得注意的是：在用户与系统服务之间的通信占用带宽可以在系统服务器进行电机参数在线训练的过程中进行资源释放，从而避免占用系统服务器通信带宽，造成资源浪费。

由此，通过查表的方式来在线更新电机的参数，能够避免由于电机参数变化所带来的电机参数失真，从而导致的电机驱动算法控制精度降低等问题。即，能够解决由于电机参数变化所带来的电机参数失真，从而导致的空调系统中电机的驱动控制精度降低的问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

在步骤S130处，根据所述当前电机参数和所述电机状态参数，确定所述电机的dq轴参考电流和电机转矩。

在一些实施方式中，步骤S130中根据所述当前电机参数和所述电机状态参数，确定所述电机的dq轴参考电流和电机转矩，包括：利用MTPV算法，基于所述当前电机参数和所述电机状态参数进行计算，得到所述电机的dq轴参考电流和电机转矩。

具体地，将采集到的电机状态参数及电机参数，输入到基于最大转矩电压比(MTPV)所实现的控制单元104当中，即将得到的所有状态参数量输入到基于最大转矩电压比所涉及的控制驱动算法当中，最大转矩电压比(MTPV)控制，是指输出同样的转矩条件下，所能达到的最大转速的最小定子电压的控制。MTPV轨迹实际上是把电压极限椭圆和转矩双曲线切点的连线起来的曲线，即产生不同转矩值所需的最小电压点的连线。

在步骤S140处，根据所述dq轴参考电流和所述电机转矩，确定所述电机的逆变器控制参数。

在一些实施方式中，步骤S140中根据所述dq轴参考电流和所述电机转矩，确定所述电机的逆变器控制参数，包括：利用MPC算法，基于所述dq轴参考电流和所述电机转矩进行计算，得到所述电机的逆变器控制参数。

具体地，在最大转矩电压比(MTPV)驱动控制下，实现模型预测控制算法。即，通过前几个功能单元可以得到dq轴参考电流、电机转矩的参考值，将状态参数参考值输入到所构造的基于模型预测控制策略所设计的控制模块当中。

其中，模型预测控制策略的实现过程在于：

(1)在k时刻对系统各状态量x(k)进行测量。

(2)考虑式(2.3.3)和(2.3.4)中的约束，从有限控制集U中找到可能的控制输入u(k)。

基于上述定义的价值函数，对于最基本的单步预测控制，其优化求解过程可以总结为下列问题的求解：

且需满足：

x(k+1)＝Ax(k)+Bu(k),y(k+1)＝Cx(k+1) ——(2.3.2)；

u(k)∈U ——(2.3.3)；

||Δu(k)||_∞≤1——(2.3.4)。

(3)使用系统的离散控制模型预测系统在每个可能的控制输入u(k)下的(k+1)时刻状态变量的值，如式(2.3.2)所示。

(4)根据系统期望的控制性能。对于每一个可能的控制输入u(k)，设置(k+1)时刻的输出参考值，并评估每一个控制输入u(k)下的价值函数J，即J(k)。

(5)寻求使得价值函数最小的控制输入u_opt(k)并应用。

其中，A、B、C为计算系数。

由此，通过将通过系统服务器进行电机参数表格更新之后，通过查表获得电机参数；最大转矩电压比(MTPV)控制单元104、模型预测电机驱动控制算法单元之后最终得到逆变器的最优控制量进行控制逆变器的导通与断开从而得到控制电机运行的三相电流信息，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，能够保证空调系统中电机在最大转矩电压比(MTPV)驱动运行下，提升空调系统中电机的瞬态响应及稳态特性；与此同时，还能够通过查表的方式、模型预测控制算法，取代相关方案中基于PI控制器的有PI控制器的空调电机驱动方式。

在步骤S150处，根据所述逆变器控制参数，控制所述逆变器的导通与断开，得到用于控制所述电机运行的电机控制参数。具体地，将最终得到逆变器的最优控制量进行控制逆变器的导通与断开从而得到控制电机运行的三相电流信息，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制。

由此，通过根据电机在旋转坐标系下的当前dq轴电流和电机状态参数，确定电机的逆变器控制参数；并根据所述逆变器控制参数，控制所述逆变器的导通与断开，得到用于控制所述电机运行的电机控制参数，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，从而避免了由于PI控制器所带来的一系列的不足，譬如：PI控制中参数整定困难、由于PI环所带来的超调、脉冲等问题。

经大量的试验验证，采用本实施例的技术方案，通过利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新，从而，提供无PI控制的电机驱动方式，免除了对PI控制器的PI控制参数的整定，提高了工作效率。

根据本发明的实施例，还提供了对应于电机的驱动方法的一种电机的驱动装置。参见图2所示本发明的装置的一实施例的结构示意图。该电机的驱动装置可以包括：获取单元102和控制单元104。

其中，获取单元102，被配置为获取所述电机在旋转坐标系下的当前dq轴电流，并获取所述电机的电机状态参数。该获取单元102的具体功能及处理参见步骤S110。具体地，在该电机是空调系统中的电机的情况下，通过空调系统的主控芯片的外围电路，采集空调系统中电机在旋转坐标系下的dq轴电流，具体是通过主控芯片外围硬件电路所采集到的空调系统中电机的电流信息进行处理之后得到dq轴电流。

控制单元104，被配置为根据所述当前dq轴电流，确定所述电机的当前电机参数。该控制单元104的具体功能及处理参见步骤S120。

在一些实施方式中，所述控制单元104，根据所述当前dq轴电流，确定所述电机的当前电机参数，包括：所述控制单元104，具体还被配置为根据设定dq电流与设定电机参数之间的对应关系，将该对应关系中与所述当前dq轴电流相同的设定dq电流所对应的设定电机参数，确定为与所述当前dq轴电流对应的当前电机参数。

其中，所述当前电机参数、所述设定电机参数中的电机参数，包括：dq轴电感、定子电阻和磁链中的至少之一。

具体地，将得到的dq轴电流信息作为输入量，通过查表的方式从而得到电机的电感、定子电阻以及磁链等电机参数信息。。这样，电机参数在线辨识，能够解决由于电机参数变化所带来的电机参数失真从而导致的空调系统中电机的驱动控制精度降低。

在一些实施方式中，还包括：通信单元，被配置为通过预先建立的通信链路，对设定dq电流与设定电机参数之间的对应关系进行更新。

具体地，用户在空调控制器的界面，设置可以进行系统服务器与空调用户之间进行通信的按键，通过该按键可以实现系统服务器与用户之间的交互通信。这样，服务器与用户交互通信，可以实现在线更新空调系统中的电机参数。所提的电机驱动控制方案通过查表的方式来在线更新电机的参数从而能够避免由于电机参数失真从而导致的电机驱动算法控制精度降低等问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

进而，通过所建立的通信链路进行数据的采集、处理与传输，其通信链路的通信协议可以考虑采用：SPI通信、CAN通信以及SPI通信等通信协议来实现其相应的传输过程。第二个功能单元还包括通过系统服务器，来实现空调系统的实时更新电机参数表格的功能。

进而，通过服务器生成最新的电机参数表格后，植入到用户空调的主控芯片当中。如通过快速训练更新之后的电机参数表格，利用与用户建立的服务器的通信链路进行数据传输。值得注意的是：在用户与系统服务之间的通信占用带宽可以在系统服务器进行电机参数在线训练的过程中进行资源释放，从而避免占用系统服务器通信带宽，造成资源浪费。

由此，通过查表的方式来在线更新电机的参数，能够避免由于电机参数变化所带来的电机参数失真，从而导致的电机驱动算法控制精度降低等问题；即，能够解决由于电机参数变化所带来的电机参数失真，从而导致的空调系统中电机的驱动控制精度降低的问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

所述控制单元104，还被配置为根据所述当前电机参数和所述电机状态参数，确定所述电机的dq轴参考电流和电机转矩。该控制单元104的具体功能及处理还参见步骤S130。

在一些实施方式中，所述控制单元104，根据所述当前电机参数和所述电机状态参数，确定所述电机的dq轴参考电流和电机转矩，包括：所述控制单元104，具体还被配置为利用MTPV算法，基于所述当前电机参数和所述电机状态参数进行计算，得到所述电机的dq轴参考电流和电机转矩。

具体地，将采集到的电机状态参数及电机参数，输入到基于最大转矩电压比(MTPV)所实现的控制单元104当中，即将得到的所有状态参数量输入到基于最大转矩电压比所涉及的控制驱动算法当中，最大转矩电压比(MTPV)控制，是指输出同样的转矩条件下，所能达到的最大转速的最小定子电压的控制。MTPV轨迹实际上是把电压极限椭圆和转矩双曲线切点的连线起来的曲线，即产生不同转矩值所需的最小电压点的连线。

所述控制单元104，还被配置为根据所述dq轴参考电流和所述电机转矩，确定所述电机的逆变器控制参数。该控制单元104的具体功能及处理还参见步骤S140。

在一些实施方式中，所述控制单元104，根据所述dq轴参考电流和所述电机转矩，确定所述电机的逆变器控制参数，包括：所述控制单元104，具体还被配置为利用MPC算法，基于所述dq轴参考电流和所述电机转矩进行计算，得到所述电机的逆变器控制参数。

具体地，在最大转矩电压比(MTPV)驱动控制下，实现模型预测控制算法。即，通过前几个功能单元可以得到dq轴参考电流、电机转矩的参考值，将状态参数参考值输入到所构造的基于模型预测控制策略所设计的控制模块当中。

其中，模型预测控制策略的实现过程在于：

(1)在k时刻对系统各状态量x(k)进行测量。

(2)考虑式(2.3.3)和(2.3.4)中的约束，从有限控制集U中找到可能的控制输入u(k)。

(3)使用系统的离散控制模型预测系统在每个可能的控制输入u(k)下的(k+1)时刻状态变量的值，如式(2.3.2)所示。

(4)根据系统期望的控制性能。对于每一个可能的控制输入u(k)，设置(k+1)时刻的输出参考值，并评估每一个控制输入u(k)下的价值函数J。

(5)寻求使得价值函数最小的控制输入u_opt(k)并应用。

由此，通过将通过系统服务器进行电机参数表格更新之后，通过查表获得电机参数；最大转矩电压比(MTPV)控制单元104、模型预测电机驱动控制算法单元之后最终得到逆变器的最优控制量进行控制逆变器的导通与断开从而得到控制电机运行的三相电流信息，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，能够保证空调系统中电机在最大转矩电压比(MTPV)驱动运行下，提升空调系统中电机的瞬态响应及稳态特性；与此同时，还能够通过查表的方式、模型预测控制算法，取代相关方案中基于PI控制器的有PI控制器的空调电机驱动方式。

所述控制单元104，还被配置为根据所述逆变器控制参数，控制所述逆变器的导通与断开，得到用于控制所述电机运行的电机控制参数。该控制单元104的具体功能及处理还参见步骤S150。具体地，将最终得到逆变器的最优控制量进行控制逆变器的导通与断开从而得到控制电机运行的三相电流信息，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制。

由此，通过根据电机在旋转坐标系下的当前dq轴电流和电机状态参数，确定电机的逆变器控制参数；并根据所述逆变器控制参数，控制所述逆变器的导通与断开，得到用于控制所述电机运行的电机控制参数，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，从而避免了由于PI控制器所带来的一系列的不足，譬如：PI控制中参数整定困难、由于PI环所带来的超调、脉冲等问题。

由于本实施例的装置所实现的处理及功能基本相应于前述图1所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新，能够保证空调系统中电机在最大转矩电压比(MTPV)驱动运行下，提升空调系统中电机的瞬态响应及稳态特性；与此同时，还能够通过查表的方式、模型预测控制算法，取代相关方案中基于PI控制器的有PI控制器的空调电机驱动方式。

根据本发明的实施例，还提供了对应于电机的驱动装置的一种电机。该电机可以包括：以上所述的电机的驱动装置。

在无刷直流驱动控制中，由于直接转矩驱动控制是基于Bang-Bang滞环控制实现，因此会导致电机的转速、转矩等重要性能参数存在着较大的稳态特性波动。其中，滞环控制也称为Bang-Bang控制或纹波调节器控制，属于PWM跟踪技术，它具有实时控制、响应速度快、鲁棒性强的特点。

在一些实施方式中，本发明的方案，涉及空调系统中电机驱动控制领域，具体涉及一种无PI控制器的空调电机驱动方式，能够保证空调系统中电机在最大转矩电压比(MTPV)驱动运行下，提升空调系统中电机的瞬态响应及稳态特性；与此同时，还能够通过查表的方式、模型预测控制算法，取代相关方案中基于PI控制器的有PI控制器的空调电机驱动方式。

具体地，本发明的方案，利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新。本发明的方案，消除了由于磁场定向控制策略中的PI环所引起的超调、脉冲及电机驱动系统中PI环的参数整定困难等问题，并且能够通过模型预测控制策略来实现电机驱动的无超调控制及增加电机重要性能参数的瞬态响应速度。

本发明的方案，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，从而避免了由于PI控制器所带来的一系列的不足，譬如：PI控制中参数整定困难、由于PI环所带来的超调、脉冲等问题。

本发明的方案，通过查表的方式来在线更新电机的参数，能够避免由于电机参数变化所带来的电机参数失真，从而导致的电机驱动算法控制精度降低等问题；即，能够解决由于电机参数变化所带来的电机参数失真，从而导致的空调系统中电机的驱动控制精度降低的问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

下面结合图3至图6所示的例子，对本发明的方案的具体实现过程进行示例性说明。

图3为本发明的无PI控制器的空调电机驱动系统的一实施例的结构示意图。如图3所示，无PI控制器的空调电机驱动系统，包括：存储介质、系统服务器、基于无PI环的空调系统电机驱动控制算法模块、控制控制电路(如空调主控板)、通信链路、主控芯片等。主控芯片，包括：DSP(即数字信号处理)器、ARM处理器(ARM处理器是Acorn有限公司面向低预算市场设计的第一款RISC微处理器)和FPGA(现场可编程逻辑门阵列)模块等。

其中，存储介质：用于存储电机参数表格数据、电机实时状态参数数据等数据的功能模块单元。

系统服务器：用于在线采集用户空调的电机数据并通过通信链路将实验数据发送给空调服务器，并进行电机的在线的电机参数数据表的更新。

空调系统电机驱动控制算法：本发明的方案中所提出的电机驱动控制算法部分，包括：最大转矩电流比(MTPV)、模型预测控制以及电机参数查表实现。

空调主板：用于采集空调系统中信号的功能单元，包括：电机电流采集、处理；房间室内温度信号采集与传输等功能。

通信链路：在空调用户以及空调服务器之间进行通信的功能单元。

控制器主控芯片：空调电机驱动控制算法运算功能单元、在空调系统中将采集到的电流、电压、温度等信号进行处理、分析的重要功能单元。

空调系统中电机电流采集处理流程：通过电阻的串并联电流采集、基于霍尔电流传感器的电流采集等方式可以采集到实时的电机电流、电压信息作为重要状态参数输入到电机驱动控制算法当中。电机的温度信息采集可以通过正温度系数PTC电阻、负温度系数NTC电阻，通过检测电阻电流通过计算从而得到电机的温度信息，其中空调电机驱动控制算法运算功能单元中的实现，可以参见以下关于图4和图5所示的例子的示例性说明。

图4为本发明的无PI控制器的空调电机驱动方法的一实施例的流程示意图，图5为本发明的无PI控制器的空调电机驱动系统中无PI控制器的空调电机驱动流程示意图。

如图4和图5所示，本发明的无PI控制器的空调电机驱动方法的实施流程，包括：

步骤1、用户通过空调遥控器按键，进行服务器与用户空调互联。

具体地，用户在空调控制器的界面，设置可以进行系统服务器与空调用户之间进行通信的按键，通过该按键可以实现系统服务器与用户之间的交互通信。

这样，服务器与用户交互通信，可以实现在线更新空调系统中的电机参数。所提的电机驱动控制方案通过查表的方式来在线更新电机的参数从而能够避免由于电机参数失真从而导致的电机驱动算法控制精度降低等问题。与此同时，还能够通过与空调云服务器建立通信链路从而利用空调服务器对电机参数表进行实时更新。

步骤2、建立通信链路，进行用户空调数据的采集、传输和更新电机参数。

具体地，第二个功能单元在于通过所建立的通信链路进行数据的采集、处理与传输，其通信链路的通信协议可以考虑采用：SPI通信、CAN通信以及SPI通信等通信协议来实现其相应的传输过程。

第二个功能单元还包括通过系统服务器，来实现空调系统的实时更新电机参数表格的功能。

步骤3、通过服务器生成最新的电机参数表格后，植入到用户空调的主控芯片当中。

具体地，通过快速训练更新之后的电机参数表格，利用与用户建立的服务器的通信链路进行数据传输。值得注意的是：在用户与系统服务之间的通信占用带宽可以在系统服务器进行电机参数在线训练的过程中进行资源释放，从而避免占用系统服务器通信带宽，造成资源浪费。

其中，训练得到的电机参数，包括不同工作电流下的dq轴电感、反电动势、绕组电阻、转动惯量等参数。

步骤4、通过主控芯片的外围电路，采集空调系统中电机在旋转坐标系下的dq轴电流。

具体地，第四个功能单元在于通过主控芯片外围硬件电路所采集到的空调系统中电机的电流信息进行处理之后得到dq轴电流。

步骤5、通过查表的方式进行电机参数的输出。

具体地，将得到的dq轴电流信息作为输入量，通过查表的方式从而得到电机的电感、定子电阻以及磁链等电机参数信息。这样，电机参数在线辨识，能够解决由于电机参数变化所带来的电机参数失真从而导致的空调系统中电机的驱动控制精度降低。

步骤6、将采集到的电机状态参数及电机参数，输入到所建立的基于最大转矩电压比(MTPV)实现的控制单元当中。

具体地，将得到的所有状态参数量输入到基于最大转矩电压比所涉及的控制驱动算法当中，最大转矩电压比(MTPV)控制，是指输出同样的转矩条件下，所能达到的最大转速的最小定子电压的控制。MTPV轨迹实际上是把电压极限椭圆和转矩双曲线切点的连线起来的曲线，即产生不同转矩值所需的最小电压点的连线。

步骤7、将在最大转矩电压比(MTPV)驱动控制下的模型预测控制算法实现。

具体地，通过前几个功能单元可以得到dq轴参考电流、电机转矩的参考值。将状态参数参考值输入到所构造的基于模型预测控制策略所设计的控制模块当中。需要说明的是模型预测控制策略的实现过程在于：

(1)在k时刻对系统各状态量x(k)进行测量。

(2)考虑式(2.3.3)和(2.3.4)中的约束，从有限控制集U中找到可能的控制输入u(k)。

(3)使用系统的离散控制模型预测系统在每个可能的控制输入u(k)下的(k+1)时刻状态变量的值，如式(2.3.2)所示。

(4)根据系统期望的控制性能。对于每一个可能的控制输入u(k)，设置(k+1)时刻的输出参考值，并评估每一个控制输入u(k)下的价值函数J。

(5)寻求使得价值函数最小的控制输入u_opt(k)并应用。

步骤8、通过控制算法，输出电机的最优化逆变器开关序列。

具体地，将通过系统服务器进行电机参数表格更新之后，通过查表获得电机参数；最大转矩电压比(MTPV)控制单元、模型预测电机驱动控制算法单元之后最终得到逆变器的最优控制量进行控制逆变器的导通与断开从而得到控制电机运行的三相电流信息。

图4为基于无PI控制器的空调电机驱动控制算法的电机三相电流输出曲线示意图。从图6中可以看出：基于本发明的方案的无PI控制器的空调电机驱动控制算法，电机三相电流具有无超调、无脉冲等优势，能够实现电机在最大转矩电压比的驱动控制下实现电机的驱动系统中的无PI控制器控制从而避免了由于PI控制器所带来的一系列的不足，譬如：PI控制中参数整定困难、由于PI环所带来的超调、脉冲等问题。

由于本实施例的电机所实现的处理及功能基本相应于前述图2所示的装置的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新，消除了由于磁场定向控制策略中的PI环所引起的超调、脉冲及电机驱动系统中PI环的参数整定困难等问题，并且能够通过模型预测控制策略来实现电机驱动的无超调控制及增加电机重要性能参数的瞬态响应速度。

根据本发明的实施例，还提供了对应于电机的驱动方法的一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行以上所述的电机的驱动方法。

由于本实施例的存储介质所实现的处理及功能基本相应于前述图1所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新，消除了由于磁场定向控制策略中的PI环所引起的超调、脉冲及电机驱动系统中PI环的参数整定困难等问题，并且能够通过模型预测控制策略来实现电机驱动的无超调控制及增加电机重要性能参数的瞬态响应速度。

根据本发明的实施例，还提供了对应于电机的驱动方法的一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行以上所述的电机的驱动方法。

由于本实施例的处理器所实现的处理及功能基本相应于前述图1所示的方法的实施例、原理和实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。

经大量的试验验证，采用本发明的技术方案，通过利用查表法、最大转矩电压比(MTPV)及模型预测控制算法，去取代电机驱动系统中磁场定向控制算法(FOC)中的所有PI控制器，并且能够通过与空调的云服务器所建立的通信链路进行电机参数表格的实时更新，能够实现电机在最大转矩电压比的驱动控制下，实现电机的驱动系统中的无PI控制器控制，从而避免了由于PI控制器所带来的一系列的不足。

综上，本领域技术人员容易理解的是，在不冲突的前提下，上述各有利方式可以自由地组合、叠加。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。