1.一种用于永磁同步电机的灰色预测终端滑模控制方法,其特征在于,包括以下步骤:
步骤1、建立永磁同步电机数学模型,即离散永磁同步电机系统的转矩和运动方程,如式(1)和(2):
其中,是对转速的求导,Te为电磁转矩,Tl为负载转矩,np为极对数,ψa为永磁体与定子交链的磁链,iq,k是交轴的电流分量在k周期的采样值,J为转动惯量,ωk为转子电角速度在k周期的转速采样值,ωk-1为转子电角速度在k的前一周期的转速采样值,B为粘滞摩擦系数,T为采样周期;
步骤2、用遗传算法选择合适的参数m*和n*,具体包括以下步骤:
步骤2.1、根据灰色预测原理和转速误差及其积累生成得到参数m和n的表达式,如式(3)所示;
其中,参数矩阵X和Y分别如式(4)和式(5);
其中,k=1、2、3、4、5,为k时刻与前一周期的转速误差,其积累求和形式为表示原始误差数列;
步骤2.2、用遗传算法确定参数m和n的最优值m*和n*,具体方法为:
步骤2.2.1、确定目标函数,如式(6)和式(7);
其中,Mape_m和Mape_n分别为参数m和n的绝对误差,mk-1和mk分别是遗传算法中第k-1周期和第k周期得到的参数m的筛选值,nk-1和nk分别是用遗传算法得到的第k-1周期和第k周期得到的参数n的筛选值;
步骤2.2.2、确定遗传算法中粒子群群体的大小;
步骤2.2.3、选取合适的交叉率和变异率,进行交叉和变异的计算;
步骤2.2.4、判断目标函数中的绝对误差Mape_m和Mape_n是否达到预设误差范围,若是,则得到参数m和n的最优值,执行步骤2.3若否,则返回步骤2.2.3,重新进行交叉和变异的计算,最终得到最优的m*和n*;
步骤2.3、进行基于遗传算法优化的灰色预测求解;
求解灰色预测方程式(8),得到转速误差下一周期的预测值如式(9)所示;
其中,m*和n*是经过步骤2.2遗传算法优化得到的参数最优值;
最终得到原始误差数列下一周期的预测值如式(10)所示;
步骤3、基于遗传算法对灰色预测算法的终端滑模控制进行改进;
步骤3.1、根据永磁同步电机模型确定转速误差与其导数误差信号,如式(11)所示;
其中,e1,k是在k周期的转速误差信号,e2,k是对k周期转速误差信号的求导计算,即一阶导数误差信号,是给定转速,ωk是实际转速采样,e1,k-1和e2,k-1分别为e1,k和e2,k在k-1周期的值;
根据永磁同步电机数学模型式(1)和式(2),并对转速误差求二次导数,得到转速的一阶和二阶导数误差信号,如式(12)所示;
其中,是对转速误差信号e1,k的一阶导数,是对转速误差信号的二阶导数,uk是终端滑模控制得出的控制量表达式,Tl,k和Tl,k-1分别是在k周期和第k-1周期时的不确定扰动负载;
根据终端滑模控制原理,设满足以下方程:
其中,dk为系统的外部不确定扰动;
步骤3.2、确定终端滑模控制的滑模面如式(14)所示;
其中,s2,k是滑模面方程,s1,k=e1,k,Δs1,k=s1,k-s1,k-1,是对s1,k的求导,所以有p、q和α是根据实际情况调节的参数;
步骤3.3、确定灰色预测终端滑模控制的控制量表达式,如式(15)所示;
uk=ueq,k+us,k+uga,k (15)
其中,uk为终端滑模控制的控制量表达式;ueq,k是终端滑模控制的等效方程,如式(16)所示;us,k是非线性切换面方程,如式(17)所示;uga,k是改进后灰色预测的调节方程,如式(18)所示;
us,k=-b-1[K1 sgn(s2,k-1)] (17)
其中,是根据预测值计算得到的滑模面方程,即由式(10)预测得到的结果,是对求导;符号函数σ1是很小的正常数,K1、K2是待设计值,根据实际情况调节其值,ε是滑模面运行范围。