模型預測專題:強魯棒性DPCC

0

1 前言

在進行DPCC的學習過程中,于下面鏈接看到了一篇強魯棒性算法;感覺挺有意思的,學習一下。

永磁同步電機高性能控制算法(12)——基于預測電流誤差補償的強魯棒預測控制/參數辨識&有限集預測控制與連續集預測控制的對比_連續集模型預測控制-CSDN博客

2 文章的閱讀

這里先看看原文具體講了什么問題,論文的重點章節是第四節:

所提出的控制算法框圖如下所示:

文章的控制基礎有一個前提,電阻影響被有條件的忽略,從下面公式可以看出,當控制模式為id =0且載波頻率相對較高時,(例如開關頻率為10kHz,此時載波周期為100us=0.0001s),此時Ud中電阻參數相關項?T/L*Rs*id中 T在分子上,即使電感在分母上。若電感為mH級別,電感值通常>=1mH = 0.001,T/L項<=0.1。另外若考慮id的波動大小,約為 -0.5 - 0.5為1A波動,以我經常用到的一款電機參數中Rs = 0.958,Ls = 5.25mH計算,此時Rs*id 項約為0.48,將其以上項乘起來? 0.0001/0.00525*0.958*0.5 = 0.091。這個數量級對系統的控制相對影響較小。

相對的是Uq中電阻項,此項 T/L*R*iq,這一項則會出現變數;如果按照上述公式中推導的,將 T/L*we提到括號外面,整體評價的就是磁鏈參數變化與電阻參數變化對這一項的影響。還是以一個典型的電機參數為例,Phif = 0.1827,Rs = 0.958,iq最大值為25.7A,we最大值為628rad/s。

工況1:電機空載運行于額定轉速,此時 Phif = 0.1827, iq約為0.5A,此時 Rs*iq/we = 0.958*0.5/628 =?7.6274e-04,這一項基本可以被忽略;

工況2:電機額定載運行于額定轉速,iq = 25.7A,此時 Rs*iq/we = 0.958*0.5/628 =?0.0392,這一項還是可以被忽略;

工況3:電機運行于低頻區5rpm,空載;此時iq波動幅值為0.5A,有效值接近于0;此時 Rs*iq/we = 0.958*0.5/628 = 0.2395 該項此時無法被忽略(磁鏈項為0.1827),兩者處于一個數量級;

工況4:電機運行于低頻區5rpm(we = 2.09rad/s),額定載;iq = 25.7A,此時 Rs*iq/we = 0.958*25.7/2 = 12.31,此時該項占據主導地位;

總的來說,文章忽略的定子電阻在id預測過程中的影響,仍然討論定子電阻在iq預測過程中的影響。整合公式為:

其中:

這兩項很關鍵,是文章關鍵處理的內容。

首先針對d軸的控制,設計一個代價函數如下圖所示,

文章的關鍵思想:

原文:Meanwhile, it can be found from (15) that when term1 tends to 0, it indicates that the predictive current is very close to the actual current. When term2 tends to 0, it indicates that Mes is very close to the actual motor parameters.?When the above?conditions are satisfied at the same time, the most suitable Mes can be obtained.

當 term1 收斂至0時,預測電流接近真實值;當term2 趨近于0時,設計的參數Mes趨近于真實值;當兩個都滿足,最為合適的 Mes 值則被找到;
?

文章該原理的設計框圖如下所示,其輸入為 id 實際值 與 預測值之間的差值、ud(k-1)、量化因子Hm。其輸出值是最后的 Mes,這個過程中前級都是誤差量的計算,也就是校準值的計算。

對其進行計算偏導數,得到數據的梯度:

當梯度為0時,G1收斂到最小值;進一步推導可得:

這本質上是一個辨識過程,將其引入到前一拍;

此時預測電流的表達式為:

進一步的將其替換為所提出的方法:

q軸與此同理,并沒有具體的區別;

3 關鍵原理總結

其關鍵的原理就在于這個公式以及其偏導數得出的遞推方程:

這個方程給出了一種預測誤差的補償方案,這個是怎么想到的呢?作者確實奇思妙想的。這個其實有些像磁鏈觀測器的誤差方程,對其求偏導得到了一個梯度方程。求得梯度為0的點得到遞推方程,從而計算觀測的反電動勢從而得到觀測角度。觀測器辨識的是角度,而這里是對電感參數進行辨識,場景和原理雖然不同,但是思想是一樣的。

偏導方程如下所示,偏導方程中包括了觀測值本身,包括了觀測值的上一拍的值,也包括了電機狀態輸入,這實際上就是一個高級的狀態觀測器。只是展開的形狀不一樣。

4 仿真復現

搭建仿真驗證后,結果如下圖所示,只是看電感的辨識結果的話,可以看到基本是符合估計值的;目前Hm的設置值為100;

把參數改大后,

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/89508.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/89508.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/89508.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

修復opensuse 風滾草rabbitmq的Error: :plugins_dir_does_not_exist問題

https://wiki.archlinux.org/title/Talk:RabbitMQ 報錯 yqh192 /u/l/r/l/r/plugins> sudo rabbitmq-plugins enable rabbitmq_management Error: :plugins_dir_does_not_exist Arguments given:enable rabbitmq_managementUsagerabbitmq-plugins [--node <node>] [--…

前端做gis地圖有哪些庫

以下是前端開發GIS地圖常用的庫&#xff1a; Leaflet&#xff1a;輕量級、易于使用的開源JavaScript庫&#xff0c;具有豐富的地圖功能和插件生態系統&#xff0c;支持多種地圖數據源&#xff0c;適合初學者和專業開發者。其優勢在于簡潔性和易用性&#xff0c;代碼結構清晰&am…

賦能城市安全韌性|眾智鴻圖總裁扈震受邀出席智慧城市大會發表主題報告

——“眾智鴻圖作為城市基礎設施智能化綜合服務提供商&#xff0c;以地理信息科學、時空大數據、人工智能為核心能力&#xff0c;長期深耕于燃氣、供水、排水等城市基礎設施生命線領域及港口、園區等工業領域&#xff0c;致力于為城市穩定運行與高效發展提供堅實保障。” 2025年…

【大語言模型入門】—— 淺析LLM基座—Transformer原理

【大語言模型入門】—— 淺析LLM基座—Transformer原理 解密GPT核心技術&#xff1a;Transformer架構深度解析被反復強調的核心概念意味著什么&#xff1f; GPT預測機制解析&#xff1a;從Next Token Prediction到任務推理核心機制的本質案例驅動的機制解析解構策略&#xff1a…

Django打造智能Web機器人控制平臺

Django 實現 Web 機器人控制 以下是關于 Django 實現 Web 機器人控制管理的實例思路和關鍵代碼片段,涵蓋多個常見場景。由于篇幅限制,剩余的可通過類似模式擴展。 基礎機器人模型定義 # models.py from django.db import modelsclass Robot(models.Model):name = models.C…

周賽98補題

題目意思&#xff1a; 給定一個數字判斷加上自身任意因子數&#xff0c;是否能成為一個奇數。 思路&#xff1a; 我們想一個最簡單的判斷方法&#xff0c; 任意的數字的因子數都有1&#xff0c;故&#xff0c;最簡單的方法就是判斷奇偶。 奇數1成偶數&#xff0c;偶數1成奇…

【STM32】 STM32低功耗模式詳解:睡眠模式與喚醒機制【待測試】

本篇知識點基于F0講解 一、STM32三種低功耗模式參考表格 模式功耗喚醒時間保持狀態典型應用場景睡眠模式中等 (mA級)最短 (μs級)CPU停止&#xff0c;外設保持短暫待機&#xff0c;快速響應停止模式低 (μA級)中等 (ms級)RAM保持&#xff0c;時鐘停止長時間待機&#xff0c;電…

【Vue入門學習筆記】Vue核心語法

目錄 準備工作刪除不需要的代碼 模版語法文本插值使用JavaScript表達式無效寫法原始HTML 屬性綁定簡寫布爾型Attribute動態綁定多個值 準備工作 刪除不需要的代碼 刪除components下的文件 進入App.vue 刪掉代碼&#xff0c;只保留如下內容 <template></template&g…

ClickHouse 窗口分析 argMax() / argMin()

argMin() 是 ClickHouse 中一個非常有用的聚合函數&#xff0c;它可以找出某個列的最小值&#xff0c;并返回該最小值對應的另一個列的值 函數語法 argMin(arg, val) arg&#xff1a;要返回的列&#xff08;當找到最小值時返回該列的值&#xff09; val&#xff1a;用于比較的…

k8s client 通過KubeConfig和證書方式連接api server

一、背景 本文以kubePi這樣一個k8s客戶端為示例,使用證書方式,怎么連接k8s集群。 然后告訴你證書是如何生成的, 最后通過一個Python編程示例,在程序里如何使用。 api server地址:比如https://110.206.56.308:6443 Certificate:證書內容 Certificate Key:證書的私鑰 先…

(2025.07)解決——ubuntu20.04系統開機黑屏,左上角光標閃爍

前面一些碎碎念&#xff1a; 電腦裝的雙系統&#xff0c;之前都還好著&#xff0c;今天突然ubuntu開機的時候黑屏了&#xff0c;左上角有光標在閃爍&#xff0c;也查了一些資料&#xff0c;基本上大家的都是驅動有問題&#xff0c;還有內存問題。&#xff08;個人建議&#xff…

一文講清libmodbus在STM32上基于FreeRTOS的移植

libmodbus 開發庫概述 libmodbus是一個免費的跨平臺支持RTU和TCP的Modbus庫&#xff0c;遵循LGPL V2.1協議。libmodbus支持Linux、 Mac Os X、 FreeBSD、 QNX和Windows等操作系統。 libmodbus可以向符合Modbus協議的設備發送和接收數據&#xff0c;并支持通過串口或者TCP網絡進…

go語言安裝達夢數據完整教程

一、安裝 go-dm 驅動 1. 使用 go get 命令安裝 # 打開PowerShell或命令提示符 go get github.com/dmdbms/go-dm# 若網絡問題&#xff0c;配置代理 go env -w GOPROXYhttps://goproxy.cn,direct2. 驗證驅動安裝 go list -m github.com/dmdbms/go-dm# 預期輸出類似 github.com…

華為云Flexus+DeepSeek征文|基于Dify構建音視頻內容轉錄工作流

華為云FlexusDeepSeek征文&#xff5c;基于Dify構建音視頻內容轉錄工作流 一、構建音視頻內容轉錄工作流前言二、構建音視頻內容轉錄工作流環境2.1 基于FlexusX實例的Dify平臺2.2 基于MaaS的模型API商用服務 三、構建音視頻內容轉錄工作流實戰3.1 配置Dify環境3.2 配置Dify工具…

Pandas6(數據清洗2)——置換和隨機采樣、get_dummies、擴展數據類型、字符串處理函數

數據清洗2 一、置換和隨機采樣&#xff08;permutation,sample&#xff09; 隨機置換&#xff08;打亂排序&#xff08;洗牌&#xff09;&#xff09;函數&#xff1a;numpy.random.permutation &#xff0c;可以對一個序列進行隨機排序&#xff0c;常用于數據集隨機劃分等場景…

按月設置索引名的完整指南:Elasticsearch日期索引實踐

按月設置索引名的完整指南:Elasticsearch日期索引實踐 在時序數據場景中,按月設置索引名(如logs-2024-01)是優化查詢效率、降低管理成本的關鍵策略。以下是三種實現方案及詳細步驟: 方案一:索引模板 + 日期數學表達式(推薦) 原理:利用ES內置的日期數學表達式動態生成…

西南交通大學【機器學習實驗7】

實驗目的 理解和掌握樸素貝葉斯基本原理和方法&#xff0c;理解極大似然估計方法&#xff0c;理解先驗概率分布和后驗概率分布等概念&#xff0c;掌握樸素貝葉斯分類器訓練方法。 實驗要求 給定數據集&#xff0c;編程實現樸素貝葉斯分類算法&#xff0c;計算相應先驗概率&a…

java生成pdf文件

1.依賴 <dependency><groupId>com.itextpdf</groupId><artifactId>itext-core</artifactId><version>8.0.4</version><type>pom</type></dependency> 2.代碼 package org.example;import com.itextpdf.io.image…

macOS掛載iOS應用沙盒文件夾

背景 工具 libimobiledevice: linux&#xff0c;macOS等與ios設備通信是的工具 macFUSE 是 macOS 文件系統擴展的“引擎”&#xff0c;支持開發者創建各類虛擬文件系統。 iFUSE 是專為 iOS 設備設計的“連接器”&#xff0c;需依賴 macFUSE 實現功能。 若需訪問 iPhone/iP…

嵌入式軟件面經(四)Q:請說明在 ILP32、LP64 與 LLP64 三種數據模型下,常見基本類型及指針的 sizeof 值差異,并簡要解釋其原因

從事嵌入式開發深入理解 ILP32、LP64、LLP64 三種主流數據模型及其在平臺上的實際表現&#xff0c;可以幫助我們避免諸如類型越界、結構錯位、指針截斷等致命錯誤。 一、何為數據模型&#xff1f;為何重要&#xff1f; 數據模型&#xff08;Data Model&#xff09;是指在某一編…