-
Patent Agency Ranking
公开(公告)号：CN112994566A
公开(公告)日：2021-06-18
申请号：CN202110328312.5
申请日：2021-03-26
Applicant: 潍柴动力股份有限公司
IPC: H02P21/14 , H02P21/18 , H02P21/22 , H02P25/022 , H02P27/12
Abstract: 本发明实施例公开了一种基于算子分解法的永磁同步电机模型预测控制方法和装置，该方法包括：在同步旋转坐标系下，以永磁同步电机的电压方程为基础，建立电机离散状态方程；构建状态增量，根据电机离散状态方程和状态增量，得到增广状态方程，并设计模型预测控制的性能评价函数；将性能评价函数转化为二次型规划问题，采用算子分解法求解二次型规划问题。本发明实施例中，基于算子分解技术求解二次型规划问题，对于目标函数的正定性或约束的线性无关性没有要求，无需使用除法就可以求解二次型规划问题；该方法还可采用热启动，有效减少迭代次数，尤其适合于在嵌入式芯片上实现永磁同步电机的实时控制。
-
公开(公告)号：CN118381392B
公开(公告)日：2024-10-22
申请号：CN202410808083.0
申请日：2024-06-21
Applicant: 潍柴动力股份有限公司
Abstract: 本申请公开了一种永磁同步电机控制方法、装置及设备，涉及电机控制领域，本申请考虑谐波电流对永磁同步电机输出转矩的不利影响，通过拆分定子电流，构建了以基波电流为状态量的定子基波电流方程；在此基础上，构建了基波常值扰动观测器，实现了对当前采样时刻的基波常值扰动的观测任务；还构建了非基波常值扰动估计值计算公式，计算出了前一采样时刻的非基波常值扰动估计值，依此确定出了当前采样时刻的非基波常值扰动值；由此实现了对当前采样时刻的扰动观测任务，为抑制电机电流环谐波扰动提供了基础；而后计算当前所要施加的定子直轴电压值和定子交轴电压值，提高了电流环的控制精度，实现了对永磁同步电机的高精度控制任务。
-
公开(公告)号：CN118381392A
公开(公告)日：2024-07-23
申请号：CN202410808083.0
申请日：2024-06-21
Applicant: 潍柴动力股份有限公司
Abstract: 本申请公开了一种永磁同步电机控制方法、装置、设备及计算机程序产品，涉及电机控制领域，本申请考虑谐波电流对永磁同步电机输出转矩的不利影响，通过拆分定子电流，构建了以基波电流为状态量的定子基波电流方程；在此基础上，构建了基波常值扰动观测器，实现了对当前采样时刻的基波常值扰动的观测任务；还构建了非基波常值扰动估计值计算公式，计算出了前一采样时刻的非基波常值扰动估计值，依此确定出了当前采样时刻的非基波常值扰动值；由此实现了对当前采样时刻的扰动观测任务，为抑制电机电流环谐波扰动提供了基础；而后计算当前所要施加的定子直轴电压值和定子交轴电压值，提高了电流环的控制精度，实现了对永磁同步电机的高精度控制任务。
-
公开(公告)号：CN113364386B
公开(公告)日：2023-03-21
申请号：CN202110578917.X
申请日：2021-05-26
Applicant: 潍柴动力股份有限公司 , 清华大学
IPC: H02P23/14 , H02P6/28 , H02P6/34 , H02P25/022 , H02P27/12
Abstract: 本申请公开了一种永磁同步电机的基于强化学习的H∞电流控制方法及系统，该方法包括：基于鞍点理论，结合永磁同步电机的线性离散化数学模型，将H∞最优控制问题转化为双玩家零和博弈问题，构建GARE方程并求解所述GARE方程；采用基于Actor‑Critic框架的强化学习算法对Q函数及策略进行更新，训练得到满足纳什均衡的最优H∞控制器。本申请的方法将强化学习和H∞控制相结合，用数据驱动的方式在线学习GARE的解决方案，完全无需电机数学模型，成功实现时变系统的H∞最优控制，并应用于IPMSM的电流控制，鲁棒性强，且性能远优于PI控制。
-
公开(公告)号：CN113364386A
公开(公告)日：2021-09-07
申请号：CN202110578917.X
申请日：2021-05-26
Applicant: 潍柴动力股份有限公司 , 清华大学
IPC: H02P23/14 , H02P6/28 , H02P6/34 , H02P25/022 , H02P27/12
Abstract: 本申请公开了一种永磁同步电机的基于强化学习的H∞电流控制方法及系统，该方法包括：基于鞍点理论，结合永磁同步电机的线性离散化数学模型，将H∞最优控制问题转化为双玩家零和博弈问题，构建GARE方程并求解所述GARE方程；采用基于Actor‑Critic框架的强化学习算法对Q函数及策略进行更新，训练得到满足纳什均衡的最优H∞控制器。本申请的方法将强化学习和H∞控制相结合，用数据驱动的方式在线学习GARE的解决方案，完全无需电机数学模型，成功实现时变系统的H∞最优控制，并应用于IPMSM的电流控制，鲁棒性强，且性能远优于PI控制。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
