当前位置: 首页 > news >正文

永磁同步电机二阶自抗扰控制仿真:速度环与电流环的融合之旅

永磁同步电机二阶自抗扰控制仿真,速度环和电流环合并。 线性,非线性都有。

在永磁同步电机(PMSM)的控制领域,如何实现更精准、高效的控制一直是研究热点。今天咱们就来聊聊二阶自抗扰控制(ADRC)在PMSM上的应用,并且是速度环和电流环合并的这种有趣玩法,还包含线性和非线性的版本哦。

为啥要速度环和电流环合并?

传统的PMSM控制,速度环和电流环往往是分开设计的。但这样在面对复杂工况时,各环之间的协调可能不够及时高效。把它们合并后,系统能从整体层面进行更优化的控制,提高电机的动态性能和抗干扰能力。

二阶自抗扰控制是啥?

简单来说,ADRC就是把系统中的未知扰动估计出来并加以补偿。二阶ADRC主要包含跟踪微分器(TD)、扩张状态观测器(ESO)和非线性状态误差反馈控制律(NLSEF)。

跟踪微分器(TD)

它的作用是安排过渡过程,给系统一个平滑的输入信号。以一阶TD为例,代码如下:

# 一阶跟踪微分器 def TD(b0, r, h, x1, x2, u): fhan = 0.0 d = r * h d0 = h * d y = x1 - u a0 = np.sqrt(d * d + 8 * r * np.abs(y)) if np.abs(y) <= d0: a = x2 + 0.5 * a0 * np.sign(y) else: a = x2 + r * np.sign(y) if np.abs(a) <= d: fhan = -r * a / d else: fhan = -r * np.sign(a) x1 = x1 + h * x2 x2 = x2 + h * fhan return x1, x2

这段代码中,r是速度因子,h是步长,u是输入信号。TD通过对输入u的处理,生成一个平滑的信号x1以及它的导数x2,为后续的控制提供更合理的输入。

扩张状态观测器(ESO)

ESO负责估计系统的状态和总扰动。以二阶ESO为例:

# 二阶扩张状态观测器 def ESO(beta01, beta02, beta03, h, z1, z2, z3, y): e = z1 - y z1 = z1 + h * (z2 - beta01 * e) z2 = z2 + h * (z3 - beta02 * e + b0 * u) z3 = z3 - h * beta03 * e return z1, z2, z3

这里beta01beta02beta03是观测器增益,h步长,y是系统输出。ESO通过不断反馈输出y与估计值z1的误差e,来更新对系统状态z2和总扰动z3的估计。

非线性状态误差反馈控制律(NLSEF)

它根据TD输出和ESO估计值来生成控制量。代码如下:

# 非线性状态误差反馈控制律 def NLSEF(r, h, x1, x2, z1, z2, z3): e1 = x1 - z1 e2 = x2 - z2 a1 = np.sqrt(1 + 4 * r * e1 / h) a0 = h * z2 + h * h * (r - 1) * e1 / 2 if np.abs(a0) <= h * h * r / 2: a = a0 + 0.5 * h * h * (a1 - 1) * np.sign(e1) else: a = a0 + 0.5 * h * h * (a1 - 1) * np.sign(e1) u0 = -r * a u = u0 - z3 / b0 return u

在这段代码里,通过计算状态误差e1e2,结合一些参数,生成最终的控制量u,实现对系统的有效控制。

速度环和电流环合并的实现

在这个合并控制中,速度和电流信息会同时被二阶ADRC处理。以线性ADRC为例,我们可以在代码里这样整合:

# 线性ADRC速度环和电流环合并控制 def linear_ADRC_combined_control(r, h, b0, beta01, beta02, beta03, x1, x2, z1, z2, z3, u, y): # 跟踪微分器 x1, x2 = TD(b0, r, h, x1, x2, u) # 扩张状态观测器 z1, z2, z3 = ESO(beta01, beta02, beta03, h, z1, z2, z3, y) # 非线性状态误差反馈控制律 u = NLSEF(r, h, x1, x2, z1, z2, z3) return u

而非线性ADRC在合并控制时,在参数设置和部分计算逻辑上可能会有所不同,比如在TD、ESO和NLSEF中采用一些非线性函数来更好地适应系统的复杂特性。

永磁同步电机二阶自抗扰控制仿真,速度环和电流环合并。 线性,非线性都有。

通过速度环和电流环的合并,再结合二阶自抗扰控制的线性和非线性版本,我们能让永磁同步电机在面对各种复杂工况时都有更出色的表现,无论是快速的加减速,还是抵抗外界的干扰,都能应对自如。这种控制方式为永磁同步电机的高效精准控制开辟了新的道路,希望对大家在相关领域的研究和实践有所启发。

http://www.jsqmd.com/news/519579/

相关文章:

  • AI工具精选:软件工程毕业设计的论文撰写与代码复现指南
  • 第一次作业 3.22
  • PFC 与 OpenFOAM 耦合流化床求解中乱流现象探究
  • 2026春季W3(3.16~3.22)
  • SpringBoot从会用到精通,只需掌握这几点!
  • Windows 10/11 下用 FRP 内网穿透远程办公:从配置到自启动全流程(附常见错误排查)
  • 2026高职大数据工程技术毕业生就业难度大吗?
  • TypeORM——订单管理实例
  • 【2025深度测评】实测7款降AI率工具,轻松把论文AI率从99%降到5%!
  • 写论文不用一直坐在电脑前:手机上有哪些能用的AI写作神器?
  • 基于庞特里亚金极小值原理PMP的燃料电池混合动力系统能量管理方法探索
  • 从微信聊天到CS对战:IP地址和端口号如何让数据精准送达?
  • DCCRN-E: Enhancing Real-Time Speech Clarity with Phase-Aware Complex Masking
  • (aaa-) snap 不走系统代理,也不走终端的代理?:ubuntu官方:snap-store-proxy 的使用方法 (***)
  • 多任务处理原理揭秘:为什么你的电脑能同时运行微信和Chrome?
  • 论文AI检测原理详解:从NLP到句法结构分析,AI怎么“识破”你的伪原创?
  • 探索Simulink中三电平逆变器并网谐振抑制的奇妙之旅
  • KEIL开发必备:3种生成bin文件的实战方法(含路径问题解决方案)
  • 2026最新!10个降AIGC平台全场景通用测评,哪款最能帮你降AI率?
  • MATLAB里给二自由度机械臂装上‘智能大脑’:手把手实现模糊PID轨迹跟踪仿真
  • 下载地址:
  • 告别‘纸片感’!用C++手撸一个带虚焦模糊的光线追踪相机(附完整代码)
  • 深入理解 synchronized:到底锁的是谁?
  • 2026冲刺用!全场景通用降AIGC平台 千笔·专业降AIGC智能体 VS 灵感ai
  • 【WebRTC】Webrtc-streamer实战:从RTSP到WebRTC的低延迟流媒体转发
  • IGMP V2
  • 随笔3
  • COMSOL锂枝晶应力模型:到手即用
  • 移远EC20模组TCP/IP通信实战:从AT指令到数据透传的完整流程(附常见错误排查)
  • 深度解析EEGNet中的可分离卷积:原理剖析与PyTorch实现技巧