Сгенерируйте параметры токового контроллера

Этот пример использует:

Используя Model-Based Calibration Toolbox™, можно сгенерировать оптимизированные текущие таблицы для основанных на потоке моторных контроллеров. Используйте калибровочные таблицы для параметров блоков токового контроллера Flux-Based PM Controller Powertrain Blockset™.

На основе нелинейных моторных данных о потоке калибровочные таблицы оптимизируют:

Моторный КПД
Максимальный крутящий момент на ампер (MTPA)
Ослабление потока

Чтобы сгенерировать оптимизированные текущие таблицы, выполните эти шаги рабочего процесса.

Шаги рабочего процесса	Описание	MathWorks^® Tooling
Соберитесь и сообщение обрабатывают моторные данные	Соберите нелинейные моторные данные о потоке от тестирования динамометра или анализа конечных элементов (FEA). В данном примере файл `PMSMEfficiencyData.xlsx` содержит данные, в которых вы нуждаетесь: Общий поток, _Ψtotal, в Wb Позволенный поток, _Ψmax, в Wb поток d-оси, _Ψd, в Wb поток q-оси, _Ψq, в Wb текущая d-ось, _Id, в A текущая q-ось, _Iq, в A Текущая величина, _Is, в A Крутящий момент двигателя, _Te, в N · m Частота вращения двигателя, n, в об/мин	Нет данных
Моторные данные модели	Используйте одноэтапную модель, чтобы соответствовать данным. В частности: Импортируйте данные Фильтрация данных Подбирайте модель	Model-Based Calibration Toolbox
Сгенерируйте калибровку	Калибруйте и оптимизируйте данные с помощью целей и ограничений. В частности: Создание функций. Составьте таблицы из модели. Запустите оптимизацию. Сгенерируйте и заполните оптимизированные калибровочные таблицы токового контроллера, которые являются функциями крутящего момента двигателя и частоты вращения двигателя.	Model-Based Calibration Toolbox
Установите параметры блоков	Используйте оптимизированные калибровочные таблицы токового контроллера для параметров токового контроллера блока Flux-Based PM Controller.	Powertrain Blockset

Соберитесь и сообщение обрабатывают моторные данные

Соберите эти нелинейные моторные данные о потоке от тестирования динамометра или анализа конечных элементов (FEA):

d-и q-текущая ось
d-и q-потокосцепление оси
Электромагнитный крутящий момент двигателя

Используйте собранную скорость передачи данных и частоту вращения двигателя, чтобы вычислить общий поток, максимальный поток и текущую величину:

$\begin{array}{l} ψ_{t o t a l} = \sqrt{ψ_{d}^{2} + ψ_{q}^{2}} \\ i_{s} = \sqrt{i_{d}^{2} + i_{q}^{2}} \\ n = \frac{60 ω_{e}}{2 π P} \\ ψ_{m a x} = \frac{V_{d c}}{\sqrt{3} ω_{e}} \end{array}$

Уравнения используют эти переменные:

_id, _iq	d-и q-текущая ось, соответственно
_is,	Текущая величина
_Ψd, _Ψq	d-и q-потокосцепление оси, соответственно
_Ψtotal, _Ψmax	Общий и позволенный поток, соответственно
_ωe	Электрическая моторная угловая скорость, rad/s
n	Частота вращения двигателя, об/мин
_Vdc	Напряжение на шине инвертора
P	Количество пар полюсов

Наконец, для каждой точки данных, создайте файл, содержащий:

Общий поток, _Ψtotal, в Wb
Позволенный поток, _Ψmax, в Wb
поток d-оси, _Ψd, в Wb
поток q-оси, _Ψq, в Wb
текущая d-ось, _Id, в A
текущая q-ось, _Iq, в A
Текущая величина, _Is, в A
Крутящий момент двигателя, _Te, в N · m
Частота вращения двигателя, n, в об/мин

Для этого примера:

Пары полюса, P, равняются 4
Напряжение на шине инвертора, _Vdc, 500

файл данных matlab\toolbox\mbc\mbctraining\PMSMEfficiencyData.xlsx содержит моторные данные о потоке.

Моторные данные модели

Чтобы смоделировать моторные данные, используйте приложение MBC Model Fitting, чтобы импортировать, отфильтровать, и соответствовать данным детальной моделью. В данном примере файл данных PMSMEfficiencyData.xlsx содержит большой набор данных. Вы могли рассмотреть использование проекта эксперимента (DOE), чтобы ограничить данные. Однако набор данных представляет типичные результаты анализа FEA.

С тех пор существует простое отношение между d-и токами q-оси для фиксированных рабочих точек скорости крутящего момента, детальная модель обеспечивает точную подгонку.

Для сравнения калибровочное тематическое исследование максимальной производительности PMSM содержит подгонку модели.

Импортируйте данные

В данном примере PMSMEfficiencyData.xlsx содержит эти моторные данные контроллера:

Общий поток, _Ψtotal, в Wb
Позволенный поток, _Ψmax, в Wb
поток d-оси, _Ψd, в Wb
поток q-оси, _Ψq, в Wb
текущая d-ось, _Id, в A
текущая q-ось, _Iq, в A
Текущая величина, _Is, в A
Крутящий момент двигателя, _Te, в N · m
Частота вращения двигателя, n, в об/мин

В MATLAB^®, на вкладке Apps, в группе Automotive, нажимают MBC Model Fitting.
В домашней странице Model Browser нажмите Import Data. Нажмите OK, чтобы открыть файл источника данных.
Перейдите к matlab\toolbox\mbc\mbctraining папка. Открытый файл данных PMSMEfficiencyData.xlsx. Редактор Данных открывается вашими данными.

Фильтрация данных

Можно отфильтровать данные, чтобы исключить записи из подгонки модели. В этом примере, настроенном фильтр, чтобы включать только поток и текущие величины, которые меньше заданного порога. В частности:

Текущая величина, _Is, меньше чем или равный 300 A.
Общий поток, _Ψtotal, меньше чем или равный позволенному потоку _Ψmax

В Редакторе Данных выберите Tools> Filters, чтобы открыть Filter Editor. Создайте эти фильтры:
- Is <= 300
- Flux <= Flux_allowed

Определение тестовых групп

Для детальных моделей необходимо задать тестовые группы. В примере задайте группы для крутящего момента двигателя и скорости. Установите погрешности так, чтобы группы Model-Based Calibration Toolbox маленькие изменения крутящего момента и скорости в той же рабочей точке.

В Редакторе Данных выберите Tools> Test Groups, чтобы открыть диалоговое окно Define Test Groupings. Создайте группы для крутящего момента двигателя и скорости.
Установите эти погрешности:
- Крутящий момент двигателя, Trq, к 1.000
- Частота вращения двигателя, n, к 10.000
В Редакторе Данных выберите File> Save & Close. Примите изменения в данных.

Подбирайте модель

Соответствуйте данным к детальной модели с этими ответами, локальными входными параметрами и рабочими точками:

Ответы
- текущая q-ось, _Iq, в A
Локальные входные параметры
- текущая d-ось, _Id, в A
Рабочие точки
- Частота вращения двигателя, n, в об/мин
- Электромагнитный крутящий момент двигателя, _Te, в N · m

В Model Browser выберите Fit Models.
В Fit Models сконфигурируйте Детальную модель с этими ответами и входными параметрами.

Ответы Локальные входные параметры Рабочие точки
Iq
Id
Trq
n
Чтобы подбирать модель, выберите OK. При появлении соответствующего запроса примите изменения в данных. По умолчанию подгонка использует Гауссову модель процесса (GPM), чтобы соответствовать данным.
После того, как подгонка завершается, исследуйте модели ответа на _Iq. Model Browser отображает информацию, которую можно использовать, чтобы определить точность подгонки модели.
- В Model Browser выберите Iq. Исследуйте поверхность ответа и диагностическую статистику. Эти результаты показывают на довольно точную подгонку. Можно просмотреть каждый тест, чтобы исследовать ответ на каждую рабочую точку скорости крутящего момента.
Сохраните свой проект. Например, выберите Files> Save Project. Сохраните gs_example.mat к work папка.

Ответы	Локальные входные параметры	Рабочие точки
`Iq`	`Id`	`Trq` `n`

Сгенерируйте калибровку

После того, как вы подбираете модель, создаете функции и таблицы, запускаете оптимизацию и заполняете калибровочные таблицы.

Для сравнения калибровочное тематическое исследование максимальной производительности PMSM содержит калибровочные результаты.

Импортируйте модели и создайте функции

Импортируйте модели и создайте функции, чтобы использовать, когда вы оптимизируете калибровку. В этом примере, настроенных функциях для:

Текущая величина, _Is
Закрутите на ампер, TPA

В MATLAB, на вкладке Apps, в группе Automotive, нажимают MBC Optimization.
В Браузере Клетки выберите Models. Если это уже не открыто в браузере MBC Model Fitting, откройте gs_example.mat проект.
В Моделях Импорта нажмите OK. Закройте Import Tool CAGE.
На панели инструментов Cage Browser используйте мастер New Function Model, чтобы создать эти функции:
- Is = sqrt(Id^2 + Iq^2)
- TPA = Trq/Is
В Браузере Клетки проверьте что модели функции для Is и TPA имейте эти описания.
Выберите File> Save Project. Сохраните gs_example.cag к work папка.

Создайте интерполяционные таблицы из модели

Составьте таблицы что использование оптимизаторов Model-Based Calibration Toolbox, чтобы сохранить оптимизированные параметры. В данном примере таблицы:

текущая d-ось, _Id, как функция крутящего момента двигателя, Trq, и частота вращения двигателя, n.
текущая q-ось, _Iq, как функция крутящего момента двигателя, Trq, и частота вращения двигателя, n.

В Браузере Клетки выберите Lookup Tables and Tradeoff. В Создают Интерполяционные таблицы из Модели, выбирают Iq. Нажмите Next.
В Создать Интерполяционных таблицах от мастера Модели:
- Очистите Use model operating points.
- Установите Table rows на 31.
- Установите Table columns на 29.
- Нажмите Next.
В создают интерполяционные таблицы из модели:
- Выберите Id и Iq.
- Нажмите Finish.
В Браузере CAGE исследуйте таблицы.

Запустите оптимизацию

В этом примере запустите оптимизацию с этими техническими требованиями:

Текущая величина, _Is, меньше чем или равный 300 A.
Максимизирует крутящий момент на ампер, TPA.

На Браузере Клетки домой, выберите Optimization.
В Создают Оптимизацию из Модели, выбирают TPA и Next.
В создают оптимизацию из модели:
- Выберите Id.
- Установите Objective type на Maximize.
- Нажмите Finish.
Добавьте ограничение оптимизации для текущей величины, _Is. В Браузере CAGE выберите Optimization> Constraints> Add Constraints, чтобы открыть Ограничение Редактирования. Используйте диалоговое окно, чтобы создать ограничение на ток.
- Is <= 300
В Браузере Клетки тщательно проверьте Цели и Ограничения.
В Браузере Клетки выберите Run.
Результаты оптимизации похожи на них.

Заполните интерполяционные таблицы

В Браузере CAGE выберите Fill Lookup Tables.
Используйте Интерполяционную таблицу, Заполняющую от Мастера Результатов оптимизации, чтобы заполнить Id_Table и Iq_Table таблицы.
- Для Id_Table, заполните с Id.
- Для Iq_Table, заполните с Iq.
Нажмите Next. Для Fill Method выберите Clip Fill (column-based).

Нажмите Finish.
Рассмотрите результаты для Iq_Table. Результаты похожи на них.
Рассмотрите результаты для Id_Table. Результаты похожи на них.
Выберите File> Save Project. Сохраните gs_example.cag к work папка.

Экспортируйте результаты

Выберите File> Export> Calibration.
Использование Экспортирует Калибровочные Данные, чтобы выбрать элементы, чтобы экспортировать и отформатировать. Например, экспортируйте таблицы Id и Iq и точки останова к файлу MATLAB gs_example.m.

Установите параметры блоков

Оптимизированные калибровочные таблицы токового контроллера являются функциями крутящего момента двигателя и частоты вращения двигателя. Используйте таблицы для этих параметров блоков Flux-Based PM Controller:

Corresponding d-axis current reference, id_ref
Corresponding q-axis current reference, iq_ref
Vector of speed breakpoints, wbp
Vector of torque breakpoints, tbp

Установить параметры блоков:

Запустите.m файл, который содержит калибровочные результаты Model-Based Calibration Toolbox для токового контроллера. Например, в командной строке MATLAB, запустите gs_example.m:
```
% Access data from MBC current controller calibration
gs_example
```

Присвойте параметры точки останова данным, содержавшимся в.m файл. В этом примере данные о скорости находятся в об/мин. Чтобы использовать калибровочные данные для параметров блоков, преобразуйте точки останова скорости от об/мин до rad/s.

Параметр	Команды MATLAB
Vector of speed breakpoints, wbp	tbp=Trq_norm.X;
Vector of speed breakpoints, wbp	% MBC data for speed is in rpm. % For the block parameter, use rad/s nbp=n_norm.X; conversion=(2pi/60.); wbp=conversion.nbp;
Corresponding d-axis current reference, id_ref	id_table=Id_Table.Z; id_ref=id_table';
Corresponding q-axis current reference, iq_ref	iq_table=Iq_Table.Z; iq_ref=iq_table';

Документация