基于自适应开关角的开关磁阻电机不对称变换器直接瞬时转矩控制

《International Transactions on Electrical Energy Systems》：Direct Instantaneous Torque Control of Switched Reluctance Motors With an Asymmetric Converter Using Adaptive Switching Angles

　　

直接瞬时转矩控制（Direct Instantaneous Torque Control, DITC）是开关磁阻电机（Switched Reluctance Motor, SRM）的一种转矩控制方法。在传统DITC中，由于导通角（θon）和关断角（θoff）固定，负转矩的产生和显著的转矩脉动不可避免。本文提出了一种基于自适应导通角和关断角调节的改进型SRM驱动DITC策略，旨在降低转矩脉动并改善瞬态响应。与采用统一搜索策略联合调节两个角度的传统混合开关角优化方案不同，所提方法赋予两个阶段不同的功能角色：关断角由人工神经网络（Artificial Neural Network, ANN）作为数据驱动的离线映射进行估计，而导通角则由基于转矩误差动态的自整定模糊PID控制器在线修正。所提方法聚焦于一种混合控制系统，其最终目标是根据参考转矩动态调节各相的导通角和关断角，以获得更平滑的输出转矩曲线。该系统利用双控制结构，试图管理SRM磁特性的动态不确定性和非线性。首先，提出一种ANN来优化不同工况下的关断角（θoff），以防止负电机转矩的产生。然后，通过自整定模糊PID控制器调节导通角（θon）。将估算的平均转矩与参考转矩进行比较。传统DITC滞环仍依赖于瞬时转矩控制。平均转矩仅用于监督导通角调节，因为它能更好地反映一个电气区间内的净转矩产生能力，并避免由瞬时转矩振荡引起的不必要的角度抖动。导通角的最优减小值由自整定模糊PID控制器计算得出，并从θon中减去。当平均转矩与参考转矩之差超过阈值时，θon补偿被激活。所提出的开关角调节主要针对转矩脉动降低和转矩响应改善，同时减轻负转矩及相关估算铜损。此外，所提策略在低速时不减小导通角，从而降低了铜损。仿真结果表明，转矩脉动最多降低55%，上升时间最多改善60%，证实了该方法在高速应用中的有效性。为验证所提方法，将给出实验结果。

论文解读

一、研究背景与问题

开关磁阻电机（Switched Reluctance Motor, SRM）凭借其固有的容错能力、宽广的调速范围和低成本优势，在家电、纺织和电力驱动等工业领域得到广泛应用。然而，SRM独特的凸极结构使其运行具有高度非线性，导致噪声大和转矩脉动显著等实际缺陷，这限制了其在电动汽车（Electric Vehicle, EV）领域的应用。因此，在充分发挥SRM固有优势的同时抑制其转矩脉动，一直是众多研究人员关注的焦点。

转矩脉动抑制主要通过两条途径实现：一是优化电机结构参数，但该方法不适用于已制造或已投入运行的SRM；二是开发先进的控制算法。当前转矩控制策略主要有转矩分配函数（Torque-Sharing Function, TSF）控制、直接转矩控制（Direct Torque Control, DTC）和直接瞬时转矩控制（Direct Instantaneous Torque Control, DITC）。TSF控制可分为离线或在线优化函数曲线方法，旨在最小化转矩脉动。DTC策略从交流电机移植至SRM，但其共同缺点是必须产生负转矩以维持转矩平衡。与DTC相比，DITC策略无需闭环磁链控制，并考虑了转矩变化对位置的依赖性，不仅简化了控制系统复杂度，还能抑制负转矩的产生。

在传统DITC中，由于导通角（θ_on）和关断角（θ_off）固定，负转矩的产生和显著的转矩脉动不可避免。近年来，已有大量优化开关角以降低SRM转矩脉动的方法被提出，这些技术大致可分为基于人工智能（Artificial Intelligence, AI）、自整定或解析方法。然而，现有的混合开关角优化方法通常采用统一的优化框架或单一控制目标来调节导通角和关断角，模糊了它们的功能区别。此外，现有方法存在初始值选择要求精确、计算复杂度高、需要专用数字硬件、控制策略复杂可能导致模式切换不稳定、数据存储量大降低运行速度、搜索耗时长且需要精确测量、依赖模型精确性、需要降低电机输出功率等局限性。因此，开展本研究旨在提出一种任务导向分离的双级换相策略，以克服现有方法的不足。

二、研究内容与结论

研究人员提出了一种改进的DITC策略，该策略将两个换相任务按照控制角色分离：导通角由自整定模糊PID控制器在线调节，以改善转矩建立和动态响应；关断角由人工神经网络（Artificial Neural Network, ANN）确定，以捕捉对工作点的非线性依赖并抑制负转矩。这种任务导向的分离使所提策略区别于传统的混合角度优化方法。该混合离线/在线方法在实时控制中不需要精确的电机参数，能够在变速运行范围内有效抑制转矩脉动。仿真结果表明，转矩脉动最多降低55%，上升时间最多改善60%，证实了该方法在高速应用中的有效性。为验证所提方法，将给出实验结果。

三、关键技术方法

研究人员采用了以下主要关键技术方法：

1. 1.
   自整定模糊PID控制器：用于在线调节导通角。该控制器以瞬时转矩误差及其变化率为输入，基于七级语言变量（NL、NM、NS、ZR、PS、PM、PL）的三角形隶属度函数和模糊规则，输出导通角修正量Δθ_on。补偿机制在平均转矩与参考转矩之差超过阈值k|T_ref|时激活。
2. 2.
   人工神经网络（ANN）：用于离线优化关断角。采用前馈多层感知器（Multilayer Perceptron, MLP）网络，包含两个输入变量（瞬时速度ω和估算转矩T_est）、一个含10个神经元的隐藏层（tansig激活函数）和一个输出神经元（purelin激活函数）。数据集包含450个工作点样本，覆盖50–1500 rpm速度范围和1–26 Nm转矩范围，采用Levenberg–Marquardt训练算法，按70%、15%、15%划分训练、验证和测试集。
3. 3.
   阈值系数优化：通过代价函数J(k)量化转矩脉动与铜损之间的权衡，选取权重系数α=0.6和β=0.4，在k值范围[0.01–0.1]内评估，确定最优阈值系数k*为0.02。

四、研究结果

4.1 低速仿真结果

研究所用电机为4相6/8 SRM，额定转速1500 rpm，额定功率5.5 hp，相电阻0.7 Ω，额定电压280 V。电机电流限制不超过12 A，导通角不小于28°，关断角最小值设为52°。

在500 rpm、9 Nm工况下，固定θ_on为34°、关断角为54°时，转矩被控制在滞环带内，各相有足够时间产生转矩。在300 rpm、12 Nm工况下，固定θ_on为30°、关断角为54°时，由于电机转速低，电流增大并在相进入转矩产生区域时必须迅速减小，这需要一定的时间延迟，导致换相区转矩增大，转矩超出滞环带，引发三个问题：低速转矩脉动增大、电机控制系统瞬态速度响应降低、铜损增加且效率下降。

在300 rpm、3 Nm工况下，由于电机转速和转矩均较低，转矩被控制在滞环带内，控制系统不激活θ_on补偿，从而防止低速时转矩脉动和铜损的增加。

4.2 高速仿真结果

在高速工况下，所提控制策略通过ANN优化关断角，提前终止相电流，减少了负相转矩区间的持续时间和幅值。仿真结果验证了在研究的运行条件下，RMS相电流和铜损的降低。同时，自整定模糊PID控制器根据转矩误差动态调节导通角，加速了转矩响应并抑制了不必要的运行模式，获得了更平滑的转矩波形和改善的动态特性。

五、讨论与结论

阈值系数k的选择至关重要，它控制补偿器的灵敏度并直接影响转矩脉动与铜损之间的性能权衡。较小的k值降低激活阈值，使控制器对微小转矩偏差更敏感，促进更严格的转矩调节和更优的脉动抑制，但可能增加导通区间和铜损。通过代价函数优化，确定最优阈值系数k*为0.02，实现了转矩平滑与效率之间的帕累托最优折中。

所提方法的主要优势在于：任务导向的双级控制结构明确区分了导通角和关断角的功能角色；混合离线/在线方法在实时控制中不需要精确的电机参数；低速时不减小导通角，从而降低铜损；与传统混合角度优化方法相比，所提方法在降低转矩脉动和改善瞬态响应方面表现出显著优势，同时减轻了负转矩和相关铜损。仿真结果证实了该方法在高速应用中的有效性，实验验证结果将在后续呈现。