永磁同步电机谐波抑制算法（14）——无模型预测控制与多同步坐标系谐波抑制的融合实践

1. 从“各显神通”到“强强联合”为什么我们需要融合大家好我是老张在电机控制这个行当里摸爬滚打了十几年。今天想和大家深入聊聊一个特别有意思、也特别有“钱景”的技术方向——把无模型预测控制和多同步坐标系谐波抑制给揉到一块儿去。为啥要费这个劲这事儿还得从咱们工程师的日常烦恼说起。玩过永磁同步电机PMSM的朋友都知道电流谐波尤其是5次、7次这些“刺头”简直就是性能和体验的杀手。它们不光让电机嗡嗡响、发热严重还直接影响转矩平稳性在高精度场合比如数控机床、机器人关节里那真是让人头疼。对付这些谐波江湖上主要有两大流派。一派是多同步旋转坐标系Multi-SRF法这可以说是工业界的“老黄牛”稳定可靠原理直观。它的核心思想很简单你不是有5次谐波吗我就在5倍基频的旋转坐标系下把它当成一个直流量然后用PI控制器轻松干掉它。这个方法在企业里应用非常广因为它对电机模型精度要求不高鲁棒性好工程师上手快调试也相对简单。另一派则是模型预测控制MPC特别是预测电流控制PCC这是学术界和高端应用领域的“新贵”。它最大的魅力在于动态响应快能直接处理多变量、带约束的问题理论上性能上限很高。但是它的“阿喀琉斯之踵”就是对电机模型的依赖性太强了。电感、电阻、磁链这些参数稍微有点偏差或者随着温度、磁饱和发生变化预测的准确性就会大打折扣控制性能说掉就掉严重时甚至可能失稳。这就像让一个绝世高手去走钢丝功夫是高但脚下稍微有点风吹草动就麻烦。所以我们一直在想有没有一种方法能像“老黄牛”一样踏实耐造不挑食又能像“新贵”一样身手敏捷、性能卓越呢这不最新的研究就指向了将两者融合。去年一篇TIEIEEE Transactions on Industrial Electronics上的文章就探讨了用单矢量模型预测控制替换Multi-SRF中的PI控制器。这个思路给了我很大启发但我在实际仿真和实验中感觉单矢量预测控制的开关频率不固定电流谐波本身就偏大有时候是“按下葫芦浮起瓢”。所以我这次想分享的是一个更“激进”一点的融合实践用“无模型预测电流控制MF-PCC”来驱动整个Multi-SRF谐波抑制架构。无模型预测控制顾名思义它试图摆脱对精确数学模型的依赖通过在线或离线的数据驱动方式来构建预测关系。把它和Multi-SRF结合目标就是打造一个既拥有传统谐波抑制方法鲁棒性又兼具预测控制快速动态性能的“混合动力”方案。下面我就带大家一步步拆解这个融合架构是怎么设计的关键参数怎么调以及仿真结果到底香不香。2. 核心架构拆解当“无模型”遇见“多坐标系”要理解融合我们得先看看两位“主角”单独登场时的样子。2.1 传统多同步坐标系法的“经典舞台”传统的Multi-SRF谐波抑制结构非常清晰。假设我们要抑制5次和7次谐波它的系统框图通常是这样的首先采集电机的三相电流ia, ib, ic。通过克拉克变换Clark和帕克变换Park将电流变换到基波同步旋转坐标系dq坐标系下得到id和iq。这是我们做转矩、转速控制的主战场。同时为了捕捉5次谐波我们会构造一个旋转速度是基波5倍的5次谐波同步旋转坐标系d5q5。将三相电流通过Clark变换和针对-5倍电角度的Park变换映射到这个坐标系下。在这个坐标系里原本在静止坐标系下以5倍频旋转的5次正序谐波就会表现为一个直流量id5,iq5。同理对于7次谐波我们构造一个7倍频的7次谐波同步旋转坐标系d7q7通常7次谐波以负序为主所以Park变换的角度是-7倍。在每个谐波坐标系d5q5,d7q7下我们都放置一套PI控制器。控制目标非常明确让id5_ref0,iq5_ref0,id7_ref0,iq7_ref0。PI控制器会输出为了抵消这些谐波所需要的电压补偿量vd5*, vq5*, vd7*, vq7*。最后将这些谐波电压补偿量反变换回基波dq坐标系与基波电流环也是PI控制器输出的基波电压指令vd*, vq*相加得到最终的总电压指令再经过SVPWM调制驱动逆变器。这个结构的优点在于模块化每个谐波独立处理物理意义明确。但缺点也很明显PI控制器的动态响应有局限尤其是在转速变化剧烈或者谐波幅值突变时跟踪和抑制速度可能跟不上。2.2 无模型预测控制的“内核替换”现在我们引入第二位主角无模型预测电流控制MF-PCC。它不像传统模型预测控制那样依赖ud R*id Ld*d(id)/dt - ωe*Lq*iq这样的精确微分方程。它的核心思想是利用系统当前和过去时刻的输入输出数据比如电压、电流通过一个简单的数据模型如矢量积分、超局部模型等来预测下一时刻的电流。一个非常典型的无模型预测控制公式是基于“超局部模型”的y(k1) ≈ y(k) Ts * Φ(k)其中y是输出如id,iqTs是控制周期Φ是一个时变的“伪梯度”项它囊括了所有未建模动态、参数变化和扰动。Φ可以通过上一时刻的数据在线估计出来比如Φ(k-1) [y(k) - y(k-1)] / Ts然后假设Φ(k) ≈ Φ(k-1)就可以做预测了。这样一来就完全避开了对电阻R、电感L等具体参数的依赖。我们的融合思路就是进行一次大胆的“外科手术”将传统Multi-SRF架构中每一个谐波坐标系下的PI控制器整体替换为一个无模型预测控制MF-PCC模块。2.3 融合架构全景图与设计思路融合后的系统架构其数据流是这样的信号采集与坐标变换层这部分和传统方法完全一致。我们同时得到基波dq电流、5次谐波d5q5电流、7次谐波d7q7电流。控制核心层关键变化基波控制基波dq环仍然可以使用成熟的PI控制器或任何你喜欢的先进控制算法负责电机的转矩和转速控制输出基波电压vd*, vq*。谐波抑制对于5次谐波环输入是d5q5坐标系下的电流id5,iq5以及它们的指令值通常为0。但处理它们的不再是一组PI控制器而是一个无模型预测电流控制MF-PCC模块。这个MF-PCC模块根据id5,iq5的当前值和历史值直接计算出一个控制周期后能使id5,iq5最快趋近于0的电压指令vd5*, vq5*。7次谐波环同理。MF-PCC模块内部以d5轴为例它内部会维护一个简单的数据模型。它不关心电机在d5q5坐标系下的电感是多少电阻是多少它只关注“上一次我给了某个电压id5电流是怎么变化的”。基于这个变化趋势它快速计算出下一次应该给多大的vd5电压。这个过程本质上是一步最优化的前馈补偿动态响应理论上比依靠误差积分的PI要快得多。电压合成与调制层三个控制环基波、5次、7次输出的电压指令vdq*,vd5q5*,vd7q7*分别反变换到静止αβ坐标系下然后进行矢量相加得到最终的电压空间矢量vαβ*送入SVPWM模块生成PWM波。这个设计的精髓在于“分工明确优势互补”基波环保证系统基本的稳定性和动态性能可以采用更稳健的控制策略。谐波环利用MF-PCC的快速性专门负责“精准打击”快速变化的谐波分量。由于MF-PCC对模型不敏感即使电机参数在运行中发生变化或者不同谐波频率下的等效阻抗难以准确建模这个谐波抑制环依然能保持较好的性能。3. 关键参数整定与工程化考量理论很美好但落地到代码和硬件上参数怎么调才是真功夫。下面我结合自己的仿真和实验经验聊聊几个关键的整定考量点。3.1 无模型预测控制器的核心参数预测步长与“伪梯度”MF-PCC虽然没有L,R这样的物理参数要调但它有自己的关键参数。控制周期Ts这是所有数字控制的基石。Ts越小控制带宽越高对谐波的抑制能力越强但对处理器算力和ADC采样速度要求也越高。对于抑制5、7次谐波在几百Hz到几千Hz通常Ts在50us到100us对应10kHz到20kHz开关频率是一个比较实用的范围。在我们的融合架构中所有控制环基波PI、谐波MF-PCC必须使用完全相同的控制周期以保证时序同步。“伪梯度”Φ的估计与滤波这是MF-PCC性能的灵魂。我们使用Φ(k-1) [y(k) - y(k-1)] / Ts来估计上一时刻的梯度。这里有一个巨大的坑测量噪声和采样误差会被Ts放大导致Φ的估计值含有严重的高频噪声。如果直接用这个带噪的Φ去做预测和控制输出会非常抖甚至引发振荡。解决方案必须对估计出的Φ进行低通滤波。我常用的是一阶低通滤波器LPFΦ_filtered(k) α * Φ(k-1) (1-α) * Φ_filtered(k-1)。滤波时间常数需要仔细权衡时间常数太小滤波效果差噪声大时间常数太大会滤掉真实的动态变化导致MF-PCC响应变慢失去其快速性的优势。通常这个滤波器的截止频率可以设为控制频率1/Ts的1/5到1/10作为一个起始调试点。多速率控制考量谐波电流的频率较高。有时为了节省计算资源可以尝试让谐波抑制环MF-PCC以比基波环更快的速率运行。但这会大大增加系统复杂性需要处理数据同步和插值问题。在初期我强烈建议所有环同速率运行简化调试。3.2 与传统PI参数的协同与“权限划分”在融合架构中基波环的PI控制器和谐波环的MF-PCC是并联工作的它们输出的电压指令会相加。这就引出一个重要问题控制权限的分配。电压限幅这是最重要的安全阀。无论是基波PI还是谐波MF-PCC其输出的电压指令在相加后必须经过一个统一的电压幅值限幅环节确保合成的电压空间矢量不超过逆变器能输出的最大圆形轨迹与直流母线电压相关。绝对不能各自限幅后再相加。避免冲突理论上基波环负责低频大信号转矩谐波环负责高频小信号谐波。但如果基波PI的带宽设置得过高可能会侵入到谐波频率范围与谐波抑制环产生“抢权”现象。通常基波电流环的带宽设置在100Hz-200Hz以内是安全的远低于5次谐波频率例如电机1000r/min时5次谐波约833Hz。这样两者在频域上自然解耦。启动与切换逻辑谐波抑制环MF-PCC应该在基波环稳定运行后再投入。可以在系统启动后延迟几十毫秒或者当电机转速、电流达到一定阈值后再使能谐波抑制功能。防止系统启动初期的不稳定状态被MF-PCC放大。3.3 离散化实现与计算延迟补偿任何先进算法最终都要落实到离散的差分方程。MF-PCC的离散化实现相对简单但计算延迟是一个必须补偿的现实问题。在一个典型的数字控制周期中顺序是采样电流 - 执行控制算法计算电压 - 更新PWM占空比。这个过程中从采样到PWM生效至少存在一个控制周期Ts的延迟。对于追求快速性的预测控制这个延迟会显著影响性能。一个常见的补偿方法是我们的预测目标不是k1时刻而是k2时刻。也就是用k时刻的采样值去预测k2时刻的电流并计算k1时刻应该施加的电压这样当这个电压在k1时刻生效时正好作用于k2时刻的系统。在MF-PCC中这需要对预测公式进行相应的调整。虽然增加了一点复杂度但对于中高速运行场合补偿效果非常明显。4. 仿真验证性能到底提升在哪里光说不练假把式。我基于Simulink搭建了融合控制器的仿真模型和传统的“PI控制器Multi-SRF”方案进行了对比。电机参数就沿用大家常见的5对极电感2mH电阻0.62欧永磁体磁链0.0672 Wb直流母线电压270V。仿真工况电机空载启动在0.1秒时突加额定负载20A在0.2秒时投入5、7次谐波抑制功能。我们重点看三个场景。4.1 场景一中速1000r/min下的对决首先看动态响应。下图展示了投入谐波抑制瞬间0.2sd5q5坐标系下5次谐波电流的变化。传统PI方案可以看到id5和iq5在指令跳变为0后经历了一个典型的指数衰减过程调节时间大约在10-15ms左右。存在微小的超调。MF-PCC融合方案id5和iq5的收敛速度明显更快几乎在2-3个控制周期内以10kHz控制频率计约0.2-0.3ms就迅速归零超调量极小。这直观体现了预测控制“一步到位”或“几步到位”的快速性优势。再看稳态性能。我们对0.25秒后的稳态相电流做FFT分析。传统PI方案抑制后5次谐波失真率THD从抑制前的约8.5%降低到了2.1%效果显著。MF-PCC融合方案抑制后5次谐波THD进一步降低到了1.5%左右。更重要的是观察频谱图不仅5、7次主谐波被更深地抑制连周边的一些边带谐波如11次、13次也有轻微改善。这是因为MF-PCC快速的动态调节能力能更好地应对逆变器非线性、死区效应等引起的复杂谐波扰动。4.2 场景二高速2000r/min下的挑战将转速提升到2000r/min此时5次谐波频率高达1667Hz对控制器的带宽要求更高。动态响应对比更加悬殊。传统PI方案的调节时间延长到了近20ms收敛过程缓慢。而MF-PCC融合方案依然保持了极快的收敛速度在5ms内就完成了抑制。这说明在更高频段PI控制器由于相位滞后加大性能下降明显而基于前馈思想的MF-PCC受频率影响相对较小。稳态THD数据传统PI方案将THD从9.8%降至2.8%MF-PCC融合方案则降至1.8%。在高转速下融合方案的优势被放大。4.3 场景三参数鲁棒性测试“无模型”的含金量这是最能体现融合方案价值的部分。我在仿真中故意将电机定子电感Ls的真实值设置为3mH比控制器内参数2mH大了50%来模拟参数失配。传统PIMulti-SRF方案性能出现显著恶化。由于PI控制器的设计基于 nominal 模型2mH当实际电感变大后电流环的响应变慢相位裕度减少。谐波抑制效果大打折扣0.2秒投入抑制后id5,iq5出现衰减振荡稳态时仍有残余谐波THD仅从8.5%降到4.5%。MF-PCC融合方案令人惊喜的是性能下降非常有限。动态响应速度依然很快稳态THD从8.5%降到了2.0%左右。因为MF-PCC的“伪梯度”Φ是在线估计的它自动地包含了当前系统电感已变化的动态特性。它不依赖于一个固定的L值所以对参数变化具有天然的鲁棒性。这个测试充分验证了我们的设计初衷融合方案在保持甚至提升谐波抑制性能的同时显著增强了对电机参数变化的鲁棒性。5. 从仿真到实验可能遇到的“坑”与实用建议仿真很完美但实验室的电机和电源会教你做人。这里分享几个我踩过的坑和一点心得。第一个大坑是电流采样噪声。MF-PCC对电流微分非常敏感而微分是噪声的放大器。实验室里电机驱动器的高频开关噪声、ADC的量化噪声都会让估计出的Φ值“惨不忍睹”。仿真里简单的低通滤波可能不够用。我的经验是硬件层面优化采样电路布局使用合适的RC滤波确保ADC采样窗口避开PWM开关时刻。软件层面采用更强的数字滤波器组合。比如先对原始电流采样值进行滑动平均滤波再用于控制计算。对Φ的估计值除了低通滤波还可以加入限幅防止异常跳变。参数调整适当降低Φ滤波器的带宽牺牲一点动态性能换取稳定性。在工程上“稳”永远比“快”更重要。第二个是初始化问题。MF-PCC模块内部的Φ值在启动时需要有一个合理的初始值通常可以设为0。但在谐波抑制环投入的瞬间如果电机已经存在较大的谐波电流会导致Φ的第一次估计值很大可能引起电压指令的冲击。我的做法是在使能谐波抑制环的第一个控制周期对输出的补偿电压进行一个小的限幅或者采用“软启动”方式让谐波电压指令在几个周期内逐渐增加到计算值。第三个是关于计算负担。虽然MF-PCC比需要在线优化的有限集模型预测控制FCS-MPC计算量小但相比一个简单的PI控制器它还是需要更多的乘加运算和存储空间需要存储上一拍的电流和电压。对于要同时抑制多个谐波如5、7、11、13次的应用每个谐波环都是一个独立的MF-PCC实例计算量会线性增长。在选择处理器时需要预留足够的MIPS每秒百万条指令资源。我一般会先用仿真工具如MATLAB Profiler评估一下算法核心函数的执行时间。最后一点建议调试时可以分步进行先调好基波环保证电机基本运行平稳。然后单独测试谐波抑制环可以把谐波电流指令设为一个小的阶跃信号观察MF-PCC的跟踪效果调整滤波参数。最后再将两者并联运行。这种化整为零的思路能帮你快速定位问题。这次把无模型预测控制和多同步坐标系融合的实践让我看到了在提升系统性能鲁棒性上一个很有潜力的方向。它不像一些纯学术的方法那样遥不可及而是在现有工业成熟框架Multi-SRF上做了一次关键部件的升级工程实现路径比较清晰。当然它也不是银弹对噪声敏感、参数整定需要经验这些都是实实在在的挑战。但我觉得对于追求更高性能、更宽运行范围的应用比如高端伺服、电动汽车驱动花点时间去研究和尝试这种融合策略是很值得的。至少下次当你被电机参数漂移问题搞得焦头烂额时可以多一个不一样的选择思路。