基于自抗扰控制的非奇异终端滑模控制在PMSM中的应用探索

基于自抗扰控制的非奇异终端滑模控制_pmsm 包含:详细公式推导以及终端滑模控制设计方法以及稳定性推导、1.5延时补偿。引言在永磁同步电机PMSM的控制领域追求高精度、高动态性能一直是研究的重点。基于自抗扰控制ADRC的非奇异终端滑模控制方法近年来备受关注它结合了自抗扰控制对系统不确定性和干扰的强鲁棒性以及非奇异终端滑模控制的快速收敛和高精度跟踪特性。本文将详细探讨该控制方法中的公式推导、终端滑模控制设计以及稳定性推导并着重介绍1.5延时补偿的实现。一、PMSM数学模型简述PMSM在d - q旋转坐标系下的电压方程为\[\begin{cases}ud Rsid Ld\frac{did}{dt} - \omegaeLqiq \\uq Rsiq Lq\frac{diq}{dt} \omegae(Ldid \psi_f)\end{cases}\]其中$ud$、$uq$ 分别为d、q轴电压$id$、$iq$ 为d、q轴电流$Rs$ 是定子电阻$Ld$、$Lq$ 为d、q轴电感$\omegae$ 是电角速度$\psi_f$ 是永磁体磁链。电磁转矩方程为\[Te \frac{3}{2}pn[\psifiq (Ld - Lq)idiq]\]$p_n$ 为极对数。二、终端滑模控制设计方法滑模面设计定义跟踪误差\[e1 \omega{r}^* - \omega_r\]\[\omega{r}^*\] 是期望转速\(\omegar\) 是实际转速。设计终端滑模面为\[s e1 c1e2^{\alpha} c2e_2^{\beta}\]基于自抗扰控制的非奇异终端滑模控制_pmsm 包含:详细公式推导以及终端滑模控制设计方法以及稳定性推导、1.5延时补偿。其中\(e2 \int e1dt\)\(c1\)、\(c2\) 是正常数\(0 \alpha 1\)\(\beta 1\)。控制律设计为了使系统状态在有限时间内收敛到滑模面并保持在滑模面上运动设计控制律为\[u u0 u{eq} u_{dis}\]其中\(u0\) 是标称系统控制量\(u{eq}\) 是等效控制量\(u_{dis}\) 是切换控制量。\[u0 -\frac{1}{Kp}(\dot{\omega}{r}^* c1\alpha e2^{\alpha - 1}\dot{e2} c2\beta e2^{\beta - 1}\dot{e_2})\]\[u_{eq} \hat{f}\]\(\hat{f}\) 是系统总扰动的估计值在自抗扰控制中会详细介绍估计方法。\[u_{dis} -k\frac{s}{\vert s \vert \delta}\]\(k\) 是大于零的控制增益\(\delta\) 是一个小的正常数用于消除抖振。代码示例片段Python伪代码示意# 定义相关参数 c1 1.0 c2 2.0 alpha 0.5 beta 1.5 kp 0.1 k 0.5 delta 0.01 def terminal_sliding_mode_control(omega_r_star, omega_r, e2, dot_e2, f_hat): e1 omega_r_star - omega_r s e1 c1 * e2 ** alpha c2 * e2 ** beta u0 -1 / kp * (omega_r_star_dot c1 * alpha * e2 ** (alpha - 1) * dot_e2 c2 * beta * e2 ** (beta - 1) * dot_e2) u_eq f_hat u_dis -k * s / (abs(s) delta) u u0 u_eq u_dis return u在这段代码中我们根据前面推导的控制律来实现终端滑模控制。首先计算跟踪误差 \(e1\)进而得到滑模面 \(s\)。然后分别计算标称系统控制量 \(u0\)、等效控制量 \(ueq\) 和切换控制量 \(udis\)最终得到总的控制量 \(u\)。三、稳定性推导对滑模面 \(s\) 求导\[\dot{s} \dot{e1} c1\alpha e2^{\alpha - 1}\dot{e2} c2\beta e2^{\beta - 1}\dot{e_2}\]将PMSM转速方程 \(\dot{\omega}r \frac{1}{J}(Te - TL - B\omegar)\) 代入 \(\dot{e_1}\) 的表达式并结合前面的控制律经过一系列复杂的数学推导这里省略具体过程主要是将控制律代入后化简可以得到\[\dot{s}s \leq - \eta \vert s \vert\]其中\(\eta\) 是正常数。根据Lyapunov稳定性理论\(\dot{s}s \leq - \eta \vert s \vert\) 表明系统在有限时间内收敛到滑模面 \(s 0\)且系统是渐近稳定的。四、1.5延时补偿在实际系统中控制信号的传输和处理不可避免地存在延时。这里我们探讨1.5延时补偿方法。假设系统存在1.5个采样周期的延时。预测控制方法实现延时补偿我们可以采用预测控制的思想。根据当前时刻 \(k\) 的系统状态预测 \(k 1.5\) 时刻的状态。以转速控制为例假设转速的动态方程为 \(\omega{r}(k 1) A\omega{r}(k) Bu(k)\)。预测 \(k 1\) 时刻的转速\[\omega{r}(k 1) A\omega{r}(k) Bu(k)\]预测 \(k 1.5\) 时刻的转速假设在半个采样周期内系统线性变化\[\omega{r}(k 1.5) \omega{r}(k 1) 0.5(A\omega{r}(k 1) Bu(k 1) - \omega{r}(k 1))\]代码示例片段Python伪代码示意# 假设已经定义好A和B矩阵 def delay_compensation(omega_r_k, u_k, u_k_plus_1): omega_r_k_plus_1 A.dot(omega_r_k) B * u_k omega_r_k_plus_1_5 omega_r_k_plus_1 0.5 * (A.dot(omega_r_k_plus_1) B * u_k_plus_1 - omega_r_k_plus_1) return omega_r_k_plus_1_5在这段代码中我们根据预测控制的思路利用当前时刻的转速 \(\omega_{r}(k)\) 和控制量 \(u(k)\)、\(u(k 1)\) 来预测 \(k 1.5\) 时刻的转速从而实现1.5延时补偿。总结基于自抗扰控制的非奇异终端滑模控制为PMSM的高性能控制提供了一种有效的解决方案。通过详细的公式推导、终端滑模控制设计以及稳定性分析我们深入了解了该控制策略的原理。同时1.5延时补偿方法在一定程度上解决了实际系统中的延时问题提高了系统的动态性能。在未来的研究中可以进一步优化控制参数以及延时补偿算法以适应更复杂的工业应用场景。