具体实施方式

为了加深对本发明的理解，下面将结合附图和实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。

传统模型参考自适应的无位置传感器永磁同步电机控制结构如图2所示，图2中MRAS的基本结构如图3所示，包括参考模型，可调模型和参数自适应律三个部分。改进后的MRAS结构为图4所示，改进型MRAS在确定参数自适应律时使用脑情感控制器。脑情感控制器的结构如图5所示。

实施例：一种抑制永磁同步电机转矩脉动的控制系统，采用基于脑情感控制器模型参考自适应的无位置传感器矢量控制策略，包括速度环控制器，电流环控制器，和基于脑情感控制的模型参考自适应的控制器如图1所示。其中速度环采用传统滑模控制以提高系统的抗干扰能力，两电流环采用传统PI控制。对转子的位置速度的估计采用基于脑情感控制器的模型参考自适应控制，该估计方法能改善无位置传感器永磁同步电机控制过程中的转矩脉动问题。

本实施例采用基于脑情感控制器的模型参考自适应控制策略进行控制器的设计，其控制原理如下：

感官信号S_i可以用f的函数表示：

S_i＝f(e，u_p，u_c) (1)

用的g函数处理S_i以实现感官皮层：

SC＝g(S_i) (2)

g函数表示为：

杏仁核和OFC学习模型设计为:

A＝V_iS_i (4)

ΔV_i＝αmax(0，EC-V_i-1)SC_i (5)

O＝W_iS_i (6)

ΔW_i＝β(E^l-EC)SC_i (7)

E^l＝A_i-O_i (8)

EC＝h(e，u_c，u_p) (9)

控制器的输出是情绪信号E，其推导为：

E＝A-O (10)

其中u_p是被控对象输出，而u_c是控制器输出。A和O是杏仁核和OFC的输出，E是控制器输出，V_i和W_i是杏仁核和OFC的增益。α和β分别是杏仁核和OFC的学习率，而Δ符号代表权重的变化。E^l是从杏仁核和OFC的输出获得的控制器的结果。本文将情绪控制器用于MRAS技术的自适应机制中，并将其用作矢量控制PMSM驱动器中的速度控制器。脑情感控制器的感官信号和情绪线索的函数选择对于自适应机制和速度控制器而言是不同的。

获得用于自适应机构以估计转子速度的感官信号和情绪线索函数，如下

f＝(G₁+G₂)x+∫G₃u_c (11)

h＝A∫x+Bu_c+C|xu_c| (12)

其中x值是从可调模型和参考模型获得的。G1，G2和G3是感觉信号函数的增益值，A，B和C分别是情绪线索函数的增益值。

获得用于自适应机构以估计转子速度的感官信号和情绪线索函数，如下：

f＝(G₁+G₂)x+∫G₃u_c (11)

h＝A∫x+Bu_c+C|xu_c| (12)

其中x值是从可调模型和参考模型获得的。G1，G2和G3是感觉信号函数的增益值，A，B和C分别是情绪线索函数的增益值。

用于自适应机制估计电机参数的感觉信号和情绪线索函数为：

其中x值是从可调模型和参考模型获得的。G_1R和G_2R分别是感官信号函数的增益值，A_R和B_R分别是情绪线索函数的增益值。

用于自适应机制的运动信号的感官信号和情绪线索函数，用于估计电机参数

得出：

f＝G_1Lx+G_2Lu_c (14)

h＝A_Lx+B_Lu_c (15)

其中x值是从可调模型和参考模型获得的。G_1L和G_2L分别是感官信号函数的增益值，A_L和BL分别是情绪线索函数的增益值。

速度控制器的感官信号和情绪线索函数可通过以下方式获得：

f＝K₁e+K₂u_p+K₃∫u_cdt (16)

h＝ae+b|eu_c|+cY_P (17)

其中e是从参考值和实际速度获得的值，u_p是被控制对象输出，而u_c是控制器输出。K₁，K₂和K₃是感觉信号功能的增益值，a，b和c是情绪线索函数的增益值。控制器的设计过程与自适应机制的估计过程相同，后者是用于估计速度，电机参数以及对PMSM驱动器进行控制的唯一区别是选择感官和情绪线索响应。

MRAS的结构包含参考模型，并且可以通过自适应机制进行调整。参考模型和可调模型是使用需要驱动数学模型的电机方程式设计的。此外，参考模型和可调模型用于使用Lyapunov设计方法开发自适应机制。

永磁同步电机的数学建模：

T_e＝T_L+J_mPω_r+B_mω_r (20)

上面的方程(18)可以根据MRAS中使用的电流进行重写，参考模型和可调模型是根据电动机的电流和电压设计的。参考模型和可调模型的误差作为自适应机制的输入，以估计转子速度并识别电动机参数。

当φ_f＝L_mi_fr，L_d＝L_q＝L，R_d＝R_q＝R时。

图4所示的MRAS结构，参考模型和可调模型的输出用于设计自适应机制来估计速度。重要的是要确保系统稳定并且估计量将收敛到自适应机制的实际值。通常，ω_r是一个变量，因此出于推导自适应机制的目的，模型是线性时变系统。但是，最初将ω_r视为模型的常数参数是有效的。建立了李雅普诺夫函数法来设计自适应机构来估计转子速度和位置。

电机方程(21)和(22)可以表示为:

上面的方程(23)是参考模型，并表示为状态空间模型

可调模型用表示为调节参数

方程的状态空间模型(25)可以表示为

等式(23)可写成

等式(25)可以写成

从等式(27)–(30)

从等式(31)和(32)

上面的方程(33)以状态空间形式表示如下

模型(35)推导自适应定律来估计ω_r。考虑以下Lyapunov函数。

其中tr(P)表示矩阵P的迹线，K是增益参数，而P＝P^T＞0被选择为方程式的解，如下。

PA+A^TP＝-Q (36)

其中P是正定的，V的导数由下式给出

用等式(37)中的X_e代替变成

为了使为负，选择F₁作为

在平衡条件下和X_e＝0自适应律是

电机转子角度估算：

δ＝∫ω_rdt (39)

等式(38)中的变量K将根据所需的响应来加快或减慢速度自适应律。变量K是使用大脑情绪控制器获得的。

本控制算法在控制永磁同步电机中的实施方法包括三大步：

第一步：构建以无位置传感器永磁同步电机矢量控制策略为框架，其中速度环采用滑模控制，电流环采用PI控制。

第二步：构建以基于脑情感控制器的模型参考自适应控制器，其中脑情感控制器的设计步骤如下所示：

步骤1：控制器的设计过程始于选择控制器的输入参数，即感官信号。

步骤2：在感官皮层，杏仁核和OFC中处理感官信号的输出。

步骤3：杏仁核和OFC具有情绪线索的联系，这是根据所需输出响应的奖励信号。

步骤4：控制器的最终输出基于杏仁核和OFC输出。

步骤5：在OFC的帮助下调整AG的输出。

步骤6：在E中处理AG和OFC信号，以使用公式(10)产生情绪反应。即转子速度与等式(38)和转子位置与公式(39)。如果生成的速度与被控对象所需的响应相匹配，则过程将在此处停止，否则转到步骤1，然后重新开始。

第三步：根据脑情感控制器得到自适应律对模型参考自适应控制进行优化，得到较为准确的永磁同步电机转子的位置和速度，从而形成闭环控制。

本发明采用Simulink仿真的方式来验证该算法在三相永磁同步电机控制中的效果。如图6所示，采用本发明的算法与传统的算法相比的电机脉动要小的多，而且随着时间的推移脉动逐渐减小。

上述公式中的符号所表示的意思如图8所示。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。