开关磁阻电机模型预测控制(MPC)技术解析-嵌云网-嵌入式AI开发资源站

开关磁阻电机模型预测控制(MPC)技术解析

艾伦秋

1. 开关磁阻电机控制技术概述

开关磁阻电机（Switched Reluctance Motor, SRM）作为一种新型特种电机，凭借其结构简单、成本低廉、可靠性高等优势，在电动汽车、航空航天、工业自动化等领域获得了广泛应用。与传统永磁同步电机相比，SRM完全依靠磁阻转矩工作，转子上既无永磁体也无绕组，这种特殊结构使其具有极高的环境适应性和鲁棒性。

但在实际应用中，SRM也面临着转矩脉动大、噪声明显、非线性严重等固有挑战。这些问题的根源在于其双凸极结构和脉冲式供电方式导致的强非线性电磁特性。传统PID控制在这种非线性系统中往往表现不佳，而模型预测控制（Model Predictive Control, MPC）凭借其处理多变量约束和非线性问题的天然优势，成为解决SRM控制难题的新方向。

2. MPC在SRM控制中的核心优势

2.1 传统控制方法的局限性

常规的SRM控制方案主要采用电流斩波控制（CCC）和角度位置控制（APC）两种策略。CCC通过调节相电流幅值来控制转矩，虽然实现简单但无法有效抑制转矩脉动；APC通过优化开通关断角来改善性能，但对参数变化敏感。这两种方法都基于线性化假设，难以应对SRM实际运行中的强非线性特性。

更关键的是，传统方法通常采用分层控制结构：外环速度控制+内环电流控制。这种结构在动态响应和抗扰动方面存在固有延迟，各控制环节间的耦合关系也难以妥善处理。

2.2 MPC的差异化优势

模型预测控制采用完全不同的控制哲学：

预测模型：基于SRM的精确数学模型，实时预测未来数个采样周期的系统行为
滚动优化：在每个控制周期求解有限时域的最优控制问题
反馈校正：通过实时测量校正预测误差，形成闭环控制

这种控制框架天然适合处理SRM控制的三大核心挑战：

非线性补偿：预测模型可直接包含SRM的非线性磁链特性
多目标优化：可在同一优化问题中同时考虑转矩平滑、效率提升、振动抑制等多个目标
约束处理：电流限幅、电压限制等物理约束可直接作为优化问题的边界条件

3. SRM-MPC系统的关键技术实现

3.1 精确磁链建模

SRM的电磁特性由磁链-电流-位置三维关系决定，建立精确的磁链模型是MPC的基础。工程中常用两种建模方法：

解析模型法：

matlab复制% 典型非线性磁链模型示例
psi = L(theta,i)*i + psi_sat(theta);
L = L0 + L1*cos(Nr*theta);  // 考虑位置依赖的电感变化
psi_sat = a*atan(b*i);      // 饱和效应建模

这种方法的优势是计算量小，但需要精心设计参数辨识实验。

查表法：
- 通过有限元分析或实测获得全工况磁链数据
- 建立三维查找表（电流×位置→磁链）
- 实际控制中采用线性插值提高精度

实测表明，在12/8极SRM中，查表法可使转矩预测误差控制在3%以内，但需要约50KB的存储空间。

3.2 预测控制器设计

3.2.1 状态空间方程建立

以四相SRM为例，选取相电流和转子位置作为状态变量：

code复制dx/dt = [di/dt; dω/dt; dθ/dt]
di/dt = (V - R*i - dψ/dθ*ω)/L(θ,i)
dω/dt = (Te - Tl - B*ω)/J
dθ/dt = ω

其中电磁转矩Te由虚功原理求得：

code复制Te = ∑ (∂W'/∂θ), W'=∫ψ(θ,i)di

3.2.2 离散化处理

采用前向欧拉法离散化，采样时间Ts通常选择50-100μs：

code复制x[k+1] = x[k] + Ts*f(x[k],u[k])

对于高速应用，可采用二阶龙格-库塔法提高精度。

3.2.3 优化问题构建

典型代价函数设计：

code复制min J = ∑(ω_ref-ω)^2 + λ∑Δi^2 + μ∑(Te_ripple)^2
s.t.
  i_min ≤ i ≤ i_max
  V_min ≤ V ≤ V_max
  θ_on ≤ θ ≤ θ_off

其中权重系数λ、μ需要根据具体应用场景调整。

3.3 实时优化算法选择

考虑到SRM控制对实时性的严苛要求（控制周期通常<100μs），必须选择计算高效的优化算法：

显式MPC：离线预计算最优控制律，在线查表
- 优点：计算负担极低
- 缺点：内存占用大，适用于低维系统
梯度投影法：在线迭代求解
- 每次迭代计算量小（约20μs@200MHz DSP）
- 通常3-5次迭代即可收敛
粒子群优化：适用于高度非线性系统
- 并行计算友好
- 需要硬件加速（如FPGA实现）

4. 实际工程实现要点

4.1 硬件平台选型

基于TI C2000系列DSP的典型方案：

主控：TMS320F28379D（双核200MHz）
驱动：栅极驱动器ISO5852S
采样：16位ADC，采样率1MSPS
保护：DESAT检测电路

关键外设配置：

c复制void InitPWM(void) {
    EPwm1Regs.TBPRD = SYSTEM_FREQ/(2*SWITCHING_FREQ); 
    EPwm1Regs.CMPA.half.CMPA = DutyCycle*EPwm1Regs.TBPRD;
    EPwm1Regs.AQCTLA.bit.CAU = AQ_SET;  // 比较点A上升沿动作
    EPwm1Regs.AQCTLA.bit.CAD = AQ_CLEAR; // 比较点A下降沿动作
}

4.2 软件架构设计

实时控制软件通常采用三层结构：

后台任务（100ms周期）：
- 速度规划
- 故障监测
- 通信处理
中断服务（50μs周期）：
- ADC采样
- MPC计算
- PWM更新
前馈补偿：
- 负载转矩观测器
- 参数自适应

注意：必须严格验证中断嵌套逻辑，避免控制延迟不可预测。

4.3 参数整定经验

通过大量实验总结的调参规律：

预测时域：通常选择3-5步，过长会引入噪声敏感
控制时域：1-2步即可，SRM响应速度快
权重系数：
- 速度跟踪：1.0（基准）
- 电流变化率：0.01-0.1
- 转矩脉动：0.5-1.0

调试技巧：先从纯速度控制开始（λ=0,μ=0），逐步加入其他约束。

5. 典型问题与解决方案

5.1 计算延迟补偿

由于MPC计算需要时间，实际控制存在一个周期延迟。补偿方法：

状态预测：基于当前控制量预测下一周期状态
```
code复制x[k+1|k] = f(x[k],u[k])
```
延迟补偿：在优化问题中使用x[k+1|k]作为初始状态

5.2 参数失配处理

当实际电机参数与模型不一致时（如温度变化导致电阻变化），系统性能会下降。应对策略：

在线参数辨识：

code复制R_est = (V - L*di/dt - ke*ω)/i

鲁棒MPC：在设计时考虑参数变化范围

5.3 启动策略优化

SRM在零速附近难以准确检测位置，需要特殊启动流程：

对齐脉冲：施加短时电流脉冲确定初始位置
开环加速：固定角度控制至可观测转速
模式切换：平滑过渡到MPC控制

6. 实测性能对比

在3kW 12/8极SRM上的对比测试结果：

指标	传统APC	MPC方案	提升幅度
转矩脉动(%)	15.2	6.8	55%↓
动态响应(ms)	28	12	57%↓
效率(%)	87.3	89.1	2.1%↑
最大噪声(dB)	78	71	7dB↓

实测波形对比显示，MPC方案在突加负载时速度跌落减少62%，恢复时间缩短40%。