[发明专利]基于神经网络的模型预测控制方法

权利要求书

1.一种基于神经网络的模型预测控制方法，其特征在于：包括以下步骤：

S1、建立永磁同步电机状态方程；

S2、将状态方程离散化，得到预测方程；

S3、计算电磁转矩T_e、d轴定子电流有效分量i_wd、总可控损耗P_Loss的预测值，而后计算下一时刻的预测方程，重复迭代计算，得到各变量在下一时刻的预测值；

S4、使用神经网络设计权重系数；

步骤S1中的状态方程表达式如下：（1）式中，i_wd、i_wq分别为d轴、q轴坐标系下定子电流有效分量；L为表贴式永磁同步电机的电感；R_s为定子电阻，对应电机铜耗；R_c为铁耗电阻，对应电机铁耗；ω_e为电角速度，其等于电机转动的速度ω乘极对数N_p；u_d、u_q分别为d轴、q轴坐标系下的定子电压；ψ_pm为永磁体磁通大小；

i_d、i_q各由两部分组成，即产生电磁转矩的有效分量i_wd、i_wq与铁耗分量i_cd、i_cq（2）

式中，i_cd、i_cq分别为d轴、q轴坐标系下定子电流铁耗分量；

建立永磁同步电机的电磁转矩方程：（3）

式中，T_e为电磁转矩的实际值；

建立磁链方程：（4）

式中，ψ_d、ψ_q分别为d轴、q轴坐标系下的磁链，即d轴磁链、q轴磁链。

2.根据权利要求1所述的基于神经网络的模型预测控制方法，其特征在于：步骤S2具体包括以下步骤；

建立d轴、q轴坐标系下定子电流有效分量预测方程：（5）

式中，k为当前控制周期的周期数；i_wd（k+1）、i_wq（k+1）分别为i_wd、i_wq在第k+1个控制周期的预测值；i_wd（k）、i_wq（k）分别为i_wd、i_wq在第k个控制周期的预测值；T_s为采样时间；

其中i_cd、i_cq、i_wd、i_wq通过下式计算：（6）（7）；

联立（6）式和（7）式得到i_d、i_q的预测方程：（8）

式中，i_d（k+1）、i_q（k+1）分别为i_d、i_q在第k+1个控制周期的预测值；u_d（k+1）、u_q（k+1）分别为在第k+1个控制周期的d轴、q轴坐标系下的定子电压。

3.根据权利要求2所述的基于神经网络的模型预测控制方法，其特征在于：在步骤S3中，由如下铜损耗预测值表达式：（9）；

铁损耗预测值表达式： （10）；

得到总可控损耗预测值表达式：（11）；

在步骤S2获得k+1时刻预测方程基础上加1，即可得到k+2时刻的预测方程，重复迭代计算，得到各变量在k+2时刻的预测值。