С помощью Toolbox™ Калибровка на основе модели (Model-Based Calibration) можно создавать оптимизированные таблицы калибровки для контроллеров двигателей на основе потока. В этом примере показано, как импортировать данные, подогнать модель и оптимизировать данные на основе целей и ограничений.
На основе нелинейных данных о потоке двигателя, калибровочные таблицы оптимизируют:
КПД двигателя
Максимальный крутящий момент на ампер (MTPA)
Ослабление потока
Калибровочные таблицы представляют собой эталонные токи d- и q- осей в качестве функций крутящего момента двигателя и частоты вращения двигателя.
Чтобы создать оптимизированные текущие таблицы калибровки, выполните следующие действия.
| Шаги рабочего процесса | Описание |
|---|---|
Сбор и проводка данных о двигателе технологического процесса | Сбор данных о нелинейном потоке двигателя в ходе испытания динамометра или анализа конечных элементов (МКЭ). В этом примере файл
|
Использование двухточечной модели для подгонки
Пример калибровки максимальной эффективности PMSM содержит подгонку модели.
| |
Калибровка и оптимизация данных с использованием целей и ограничений. В частности:
Пример калибровки максимальной эффективности PMSM содержит результаты калибровки.
|
Собрать эти данные о нелинейном потоке двигателя в ходе испытания динамометра или анализа конечных элементов (МКЭ):
Ток по осям d- и q-
связь потока по осям d- и q-
Крутящий момент электромагнитного двигателя
Используйте собранные данные и скорость двигателя для расчета общего потока, максимального потока и величины тока:
60ωe2πPψmax = Vdc3ωe
Уравнения используют следующие переменные:
| id, iq |
Ток по осям d- и q- соответственно |
| является, | Величина тока |
| Λ d, Λ q |
связь потока по осям d- и q- соответственно |
| Т. Итого, Т. Макс | Общий и допустимый поток соответственно |
| ωe |
Угловая скорость электродвигателя, рад/с |
| n |
Частота вращения двигателя, об/мин |
| Vdc | Напряжение шины инвертора |
| P |
Количество пар полюсов |
Наконец, для каждой точки данных создайте файл, содержащий:
Суммарный поток,
Допустимый флюс, Λ max, в Wb
d-осевой флюс, Λ d, в Wb
q-осевой поток, Λ q, в Wb
Ток по оси d, Id, в A
ток по оси q, Iq, в A
Текущая величина, Is, в A
Крутящий момент двигателя, Te, в Н· м
Частота вращения двигателя, н, об/мин
Для этого примера:
Пары полюсов, P, равно 4
Напряжение шины инвертора, В пост. тока, составляет 500
файл данных matlab\toolbox\mbc\mbctraining\PMSMEfficiencyData.xlsx содержит данные потока двигателя.
Чтобы смоделировать данные двигателя, используйте приложение MBC Model Fitting для импорта, фильтрации и подгонки данных по точечной модели. В этом примере файл данных PMSMEfficiencyData.xlsx содержит большой набор данных. Вы можете рассмотреть возможность использования конструкции эксперимента (DOE) для ограничения данных. Однако набор данных представляет типичные результаты анализа АМКЭ.
Поскольку существует простая зависимость между токами d- и q-оси для фиксированных рабочих точек крутящего момента и скорости, модель «точка за точкой» обеспечивает точную подгонку.
Для сравнения, пример калибровки максимальной эффективности PMSM содержит подгонку модели.
Для этого примера: PMSMEfficiencyData.xlsx содержит следующие данные контроллера двигателя:
Суммарный поток,
Допустимый флюс, Λ max, в Wb
d-осевой флюс, Λ d, в Wb
q-осевой поток, Λ q, в Wb
Ток по оси d, Id, в A
ток по оси q, Iq, в A
Текущая величина, Is, в A
Крутящий момент двигателя, Te, в Н· м
Частота вращения двигателя, н, об/мин
В MATLAB ® на вкладке Приложения (Apps) в группе Автомобильный (Automotive) щелкните MBC Модель фитинга (MBC Model Fitting).
На главной странице браузера модели щелкните Импорт данных (Import Data). Нажмите кнопку ОК, чтобы открыть файл источника данных.
Перейдите к matlab\toolbox\mbc\mbctraining папка. Открыть файл данных PMSMEfficiencyData.xlsx. Откроется редактор данных с данными.
Можно фильтровать данные для исключения записей из аппроксимации модели. В этом примере настройте фильтр, чтобы включить только значения потока и тока, которые меньше заданного порога. В частности:
Текущая величина, Is, меньше или равна 300 A.
Суммарный поток,
В редакторе данных выберите «Сервис» > «Фильтры», чтобы открыть редактор фильтров. Создайте следующие фильтры:
Is <= 300
Flux <= Flux_allowed
Для двухточечных моделей необходимо определить тестовые группы. В примере определите группы для крутящего момента и частоты вращения двигателя. Установите для допусков значение, чтобы панель инструментов калибровки на основе модели группировала небольшие изменения крутящего момента и частоты вращения в одной и той же рабочей точке.
В редакторе данных выберите «Сервис» > «Тестовые группы», чтобы открыть диалоговое окно «Определение тестовых групп». Создайте группы для крутящего момента и частоты вращения двигателя.
Задайте следующие допуски:
Крутящий момент двигателя, Trq, to 1.000
Частота вращения двигателя, n, к 10.000
В редакторе данных выберите «Файл» > «Сохранить и закрыть». Примите изменения данных.
Поместите данные в двухточечную модель со следующими ответами, локальными входами и рабочими точками:
Ответы
ток по оси q, Iq, в A
Локальные вводы
Ток по оси d, Id, в A
Рабочие точки
Частота вращения двигателя, н, об/мин
Крутящий момент электромагнитного двигателя, Te, в Н· м
В браузере модели выберите «Вписать модели».
В окне «Модели подгонки» настройте модель «точка за точкой» с этими ответами и вводами.
| Ответы | Локальные входы | Операционные точки |
|---|---|---|
|
|
|
Для подгонки модели выберите OK. При появлении запроса примите изменения в данных. По умолчанию для подгонки данных используется модель Gaussian Process Model (GPM).
После завершения посадки изучите модели отклика на Iq. В браузере модели отображается информация, которую можно использовать для определения точности посадки модели.
В браузере модели выберите Iq. Изучите поверхность ответа и диагностическую статистику. Эти результаты указывают на достаточно точную подгонку. Можно выполнить обзор каждого теста для проверки реакции на каждую рабочую точку крутящего момента и частоты вращения.
Сохраните проект. Например, выберите «Файлы» > «Сохранить проект». Сохранить gs_example.mat в work папка.
После подгонки модели создайте функции и таблицы, выполните оптимизацию и заполните таблицы калибровки.
Для сравнения, пример калибровки PMSM с максимальной эффективностью содержит результаты калибровки.
Импортируйте модели и создайте функции, которые будут использоваться при оптимизации калибровки. В этом примере можно настроить функции для:
Текущая величина, Is
Крутящий момент на ампер, TPA
В MATLAB на вкладке Приложения (Apps) в группе Автомобильная (Automotive) щелкните Оптимизация MBC (MBC Optimization).
В обозревателе клеток выберите «Модели». Если он еще не открыт, в браузере MBC Model Fitting откройте gs_example.mat проект.
В окне Импорт моделей нажмите кнопку ОК. Закройте инструмент импорта CAGE.
На панели инструментов Cage Browser используйте мастер создания функциональной модели для создания следующих функций:
Is = sqrt(Id^2 + Iq^2)
TPA = Trq/Is
В обозревателе ячеек убедитесь, что функциональные модели для Is и TPA имеют эти описания.
Выберите «Файл» > «Сохранить проект». Сохранить gs_example.cag в work папка.
Создайте таблицы, которые оптимизаторы панели инструментов калибровки на основе модели используют для хранения оптимизированных параметров. В этом примере таблицы:
Ток по оси d, Id, как функция крутящего момента двигателя, Trqи скорость двигателя, n.
ток по оси q, Iq, как функция крутящего момента двигателя, Trqи скорость двигателя, n.
В обозревателе ячеек выберите «Таблицы подстановки и компромисс». В окне «Создание таблиц подстановки из модели» выберите Iq. Нажмите кнопку Далее.
В мастере создания таблиц подстановки из модели:
Снимите флажок Использовать рабочие точки модели.
Задать для строк таблицы значение 31.
Задайте для столбцов таблицы значение 29.
Нажмите кнопку Далее.
В разделе Создание таблиц подстановки из модели:
Выбрать Id и Iq.
Нажмите кнопку Готово (Finish).
В обозревателе CAGE проверьте таблицы.
В этом примере выполните оптимизацию со следующими спецификациями:
Текущая величина, Is, меньше или равна 300 A.
Максимальный крутящий момент на ампер, TPA.
В главном окне браузера «Клетка» выберите «Оптимизация».
В окне «Создать оптимизацию из модели» выберите TPA и Далее.
В разделе Создание оптимизации из модели:
Выбрать Id.
Задать тип цели как Maximize.
Нажмите кнопку Готово (Finish).
Добавьте ограничение оптимизации для текущей величины, Is. В браузере CAGE выберите «Оптимизация» > «Зависимости» > «Добавить зависимости», чтобы открыть окно «Редактировать зависимость». Используйте диалоговое окно для создания зависимости для текущего.
Is <= 300
В обозревателе ячеек тщательно проверьте цели и ограничения.
В обозревателе клеток выберите «Выполнить».
Результаты оптимизации аналогичны этим.
В обозревателе CAGE выберите «Заполнить таблицы подстановки».
Используйте мастер заполнения таблицы подстановки из результатов оптимизации для заполнения Id_Table и Iq_Table таблицы.
Для Id_Table, заполнить Id.
Для Iq_Table, заполнить Iq.
Нажмите кнопку Далее. Для параметра «Метод заполнения» выберите Clip Fill (column-based).
Нажмите кнопку Готово (Finish).
Обзор результатов для Iq_Table. Результаты аналогичны этим.
Обзор результатов для Id_Table. Результаты аналогичны этим.
Выберите «Файл» > «Сохранить проект». Сохранить gs_example.cag кому work папка.
Выберите меню «Файл» > «Экспорт» > «Калибровка».
Выберите экспортируемые и форматируемые элементы с помощью команды Экспорт данных калибровки. Например, экспортировать таблицы Id и Iq и точки останова в файл MATLAB gs_example.m.
[1] Ху, Дакай, Язан Алсмади и Лунъя Сюй. «Высокоточное нелинейное моделирование IPM на основе измеренной связи потока обмотки статора». Транзакции IEEE ® по отраслевым приложениям, том 51, № 4, июль/август 2015 г.
[2] Чэнь, Сяо, Цзябинь Ван, Бхаскар Сен, Панагиотис Ласари, Тяньфу Сунь. «Модель высокой точности и вычислительной эффективности для внутренних машин с постоянными магнитами, учитывающая магнитное насыщение, пространственную гармонику и эффект потерь железа». IEEE Transactions on Industrial Electronics, том 62, № 7, июль 2015 года.
[3] Оттоссон, Дж., М. Алакула. «Компактная реализация контроллера ослабления поля». Международный симпозиум по силовой электронике, электрическим приводам, автоматизации и движению, июль 2006 года.