软件影响15（2023）100479原始软件出版物三相永磁同步电动机Juan Camilo Nustesa，b，Danilo Pietro Paua，Giambattista Gruossoba系统研究和应用，意法半导体，通过C。Olivetti 2，Agrate Brianza，I-20864，意大利b电子、信息和生物工程系，米兰理工大学，米兰，达芬奇广场，32 - 20133，意大利A R T I C L E I N F O保留字：电机控制Simulink神经网络PID控制磁场定向控制A B标准本文介绍了磁场定向控制（FOC）模型应用于三相永磁同步电机（PMSM）及其组件的软件实现。此外，它还解释了如何使用它来生成PMSM_FOC数据集，该数据集通过Data in Brief1提供。当一系列不同的速度目标作为输入被馈送到电机时，该数据集使用针对电机和控制方案的Simulink表示来此外，本文还详细介绍了为数据集生成而设计的输入信号，同时还提出了Simulink模型可用于未来电机控制开发的不同场景代码元数据当前代码版本v1.1用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2023-50可再生胶囊的永久链接https://codeocean.com/capsule/7793846/tree/v1合法代码许可证Apache 2.0使用的代码版本控制系统无使用的软件代码语言、工具和服务使用Matlab 2021b、Simulink创建编译要求、操作环境和依赖性Matlab 2020a或更高版本电机控制模块组DSP系统如果可用，请链接到开发人员文档/手册https://github.com/juancnustes/FOC_PMSM/blob/main/Documentation问题支持电子邮件juancnustes@gmail.comdanilo. st.comgiambattista.polimi.it1. 介绍本文在文献[1]提出的梯形反电动势模型的基础上，详细介绍了三相永磁同步电机磁场定向控制的Simulink模型。第2节介绍了在Simulink中实现的控制方案的软件模型， 链接C2。控制器的目标是跟随由不同速度激励设定的速度参考。FOC控制由两个独立的闭环组成，一个用于速度控制（外部一个用于电流或转矩控制（内环），如图所示图1.一、控制方案基于级联连接的两个回路中的线性比例积分微分PID调节器[2，3]。FOC模型通过各种输入来实现速度控制。一些输入被设计成当如[4，5]中那样发生快速或高幅度速度变化时突出比例积分微分（PID）控制器的线性行为。 该模型的一个目标是能够处理几个输入条件，这些输入条件可用于生成包含相关场景的数据集，并且可以在以后以PID以外的方法（例如，方法本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。∗ 通讯作者：系统研究与应用，意法半导体，via C.Olivetti 2，Agrate Brianza，I-20864，Italy.电子邮件地址：juancamilo. mail.polimi.it（J.C.Nustes），danilo. st.com（D.P. Pau），giambattista. polimi.it（G.Gruosso）。第1https://data.mendeley.com/datasets/6tjkgtfnkyhttps://doi.org/10.1016/j.simpa.2023.100479接收日期：2023年1月31日;接收日期：2023年2月9日;接受日期：2023年2月13日2665-9638/©2023作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsJ.C. Nustes，D.P. Pau和G. 格鲁索软件影响15（2023）1004792Fig. 1. 面向字段的控制块-方案表示。表1从Motor Profiler工具收集的Motor参数参数缩写值测量单位Pole Pairs第7最大转速范围15000转/分额定电流APK 1.20���额定直流电压：DC12.0 V定子电阻Rs 0.11 Ohm定子电感Ls 0.018 mH反电动势恒定反电动势0.4 Vms/krpm基于机器学习技术，如设备上学习和神经网络推理）[6]。其他可能性可以是使用模型来验证不同类型的电动机中的控制方案，计算施加扭矩时的最大速度，或者通过使用不同类型的信号处理（不限于）来调谐控制器并获得具有较低稳定时间的更积极的控制器机器学习（MachineLearning）2. 发展2.1. FOC格式为了在Simulink环境中开发FOC控制方案，必须安装电机控制模块组[7]，其中包括用于Clarke、Park和Inverse Park变换的预构建模块。 为了建立FOC控制方案，需要按照图1所示的图连接各个模块。1.一、克拉克变换收集馈送电机������������的三相电流，并将其转换为静止参考系中的两相电流。������������������ Park变换将2相静止电流������������转换为������������旋转DQ坐标系中的电流[8]，然后将这些电流反馈到内部环路控制中的PID调节器。PID调节器的输出是仍然在旋转参考系下的电压Vrk、Vrk，为了使电压回到静止参考系，应用逆帕克变换，并且获得电压Vrk、Vrk���������空间矢量调制器（SVM）[9]负责产生脉宽调制信号以控制逆变器的开关，然后逆变器产生所需的调制电压以驱动电机达到所需的速度或扭矩。由PWM产生的调制电压信号然后被馈送到电机逆变器产生三相交流电压，为电机供电。2.2. 电机模型要在Simulink环境中考虑电机模型，可以使用电机控制模块集[7]中的一系列模块。在在这种情况下，“表面安装PMSM”是用于模拟电机行为的模块。此块在内部考虑电机方程 对于非正弦反电动势、磁链和峰值电流[10]，图二. 从信号生成器块手动生成的信号。并且可以根据所需的电机参数（如极对和最大额定速度）进行微调，本文中，表1中列出了通过ST电机分析器[11]获得的参数。Simulink中的模型实现基于Mathworks [12]开发的无传感器FOC方案2.3. 输入刺激定义输入可以被定义为验证控制方案是否按预期工作，或者将控制器带到其极限条件。此外，提出了一组各种输入形状，以生成一个完整的数据集，同时考虑线性和非线性的情况。输入为FOC方案提供速度参考，本文考虑的输入是阶跃、斜坡、随机信号和手动生成的信号。阶跃输入是启动情况，因为它只需要初始和最终速度值，以及设置速度变化发生的时间。斜坡输入具有类似的定义，但不是设置最终速度，而是指定斜坡的斜率，这是每经过一秒的速度随机信号的产生是用matlab块“随机源”来实现的最后，输入信号可以手动设计为具有不同幅度和持续时间的多个速度变化，用于实现这一点的块是“信号生成器”块，其中用户可以图形化地设计信号形状和值，以在用户想要验证的临界条件下专门测试控制器。图1中示出了利用该块生成的信号的示例。 二、阶跃和斜坡输入与控制设计相关，用于测量稳定时间、过冲和振荡等特性，而随机信号则用于检查控制器稳定的速度，并查看其是否能够跟踪不断变化的参考。手动构建的信号对于设计控制器可能出现故障的特定边界条件非常有用所有这些输入的组合会产生一个非常完整的数据集，可以用于训练和验证神经网络。2.4. 软件的其他潜在应用开发的模型为用户测试不同类型的控制器、电机、速度曲线输入和符合电机控制系统的应用扭矩值提供了可能性。作为一个例子，用户可以验证特定模型电机上的控制行为 通过微调控制器增益（通过多个预先计算的设定点），并通过Simulink范围验证速度控制如何变化。此外，有可能仅通过改变Matlab脚本中的电机参数以及施加不同的转矩负载来将控制方案应用于不同类型的电机。其他J.C. Nustes，D.P. Pau和G. 格鲁索软件影响15（2023）1004793表2可能的用户变化及其各自对整个模拟系统的贡献。更改组件效果速度输入电机响应的变化。控制器增益实现了不同的控制方案电机参数控制方案被实施到不同的电机。施加的 扭矩最大电机转速的降低。可能的是，通过定义新的输入情况来定义特定情况下所需的速度曲线，并验证系统是否能够执行任务。最后，用户可以定义新的速度曲线，其可以突出PID控制器的拐角条件（例如，进一步的非线性），以便被包括在Data in Brief中发布的数据集中，使得该数据集可以包括对开发新的控制策略（例如（但不限于）机器学习方法）有用的更相关的输入情况。在表2中示出了一些系统组件，可以由用户及其对建模系统的各自贡献来改变。通过这种方式，用户可以了解如何修改软件，以获得更适合其特定兴趣的已定义电机的控制方案。3. 如何运行模型在Matlab中实现FOC方案并在GitHub存储库中发布，在上面的代码元数据表中的链接C2中提供，包括以下两个文件。- 模型初始化脚本- Simulink文件在运行任何东西之前，请验证是否安装了第一步是运行Motor_script文件，运行它并验证它编译了。然后，打开Simulink文件FOCsimulation，您可以在其中找到三个主要模块，分别代表第2节中描述的输入、控制方案和电机模型。在Simulink环境中，打开“速度跟踪”范围并运行仿真。要验证控制器是否正常工作，请使用内窥镜目视确认所测量的速度实际上跟踪速度参考。Simulink模型中包含更多测试用例，它们在输入主块中定义。更改速度参考值。手动连接所需的输入病例，并将模拟时间调整为输入名称[Ts= value]中指定的值。 更改目标速度后，再次运行Simulink文件，更改输入后无需运行.m文件。更详细的分步指南 阅读上面代码元数据表中链接C8中提供的文档文件。最后，要更改输入扭矩，请打开电机模型主块，并更改定义输入扭矩 的 常 数 值 （ 当 前 设 置 为 零 以 最 大化 电 机 速 度 ） 。 电 机 参 数 在“Motor_script. m”文件中定义4. 影响建模系统可以由用户操作，以模拟其特定的测试场景，包括临界情况，并验证特定电机的控制器。 该模型还能够在不同的仿真点生成数据，以便构建一个数据集，只需调整Simulink模型内的电机参数，然后重复数据生成过程，即可模拟任何给定PMSM的行为。生成的数据具有很大的价值，它模仿了电动机的行为，并带来了收集新数据的可能性，而不需要实际拥有电动机。最后，所获取的数据具有开发不同电机控制方法的巨大潜力，这些方法不一定依赖于经典的线性控制器，例如PID调节器，例如，它带来了开发基于机器学习方法的控制方案的可能性[14，15]以及用户可能设想的其他类型的信号处理算法。5. 未来发展作者计划提供新输入信号的更新，这些信号可以作为测试用例，其中突出显示PID控制器的线性行为，这样，来自电机的更完整的数据集可以获得。作者也意识到“Signal builder”可能与您的控制方案中的某些块不兼容。CRediT作者贡献声明Juan Camilo Nustes：概念化，方法论，软件，形式分析，调查，写作Danilo Pietro Pau ：概念化，验证，撰写GiambattistaGruosso：概念化，验证，写作-竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作引用[1]B.P. Kumar，C.M.C. Krishnan，不同控制算法的比较研究关于无刷直流电机，在：2016年国际电源会议能源系统：走向可持续能源，PESTSE，2016年，pp。1比5。[2]N. Federici ， D. Pau ， N. Adami ， S. Benini ， Tiny reservoir computing forextremelearning of motor control ， 2021 International Joint Conference onNeuralNetworks，IJCNN，2021，pp. 1-8号。[3]F. Korkmaz等人，FOC和DTC控制的PMSM驱动器的比较性能评估，在：第四届POWERENG，2013年，pp. 705-708[4]A.弗拉，S。Lassaad，基于BFO和神经网络的改进型PMSM驱动架构：定期论文，在：IJARS，第10卷，2013年。[5]HPH Anh等人，使用神经FOC方法的PMSM电机先进速度控制，在：2018年 第四届 国际会议GTSD，2018年，第 1 0 页。696-701[6]S.胡萨赫河杨文，感应电机神经网络矢量控制系统的研究，2009年，中国电机工程学会电机控制与控制分会。理论与实践，PAEP，2020，pp。一比四[7]数学作业。电机控制模块。网址：https://www.mathworks.com/products/motor-control.html.[8] C.J. O'Rourke ， M.M. Qasim ， M.R. 奥 弗 林 ， J.L. Kirtley ， A geometricinterpretationof reference frames and transformations ： dq0 ， Clarke ， andPark，IEEE Trans. 能量转换器34（4）（2019）2070[9]D.O. Neacsu，空间矢量调制-一个介绍- 在 I E C O N 2 0 0 1 ， 2 0 0 1 年 。[10] 帕拉格克希尔萨加尔河李志华，高效率电流激励策略于变速非正弦反激式永磁同步电动机之研究，电机工程与应用。48（6）（2012）1875-1889。[11] STMicroelectronics.STMotor分析器。https://wiki.st.com/stm32mcu/wiki/STM32MotorControl：STM32_MC_Motor_Profiler.[12] 无传感器FOC方案。数学作业。网址：https://ww2.mathworks.cn/help/mcb/gs/sensorless-foc-pmsm-smo-fo.html。[13] DSP系统工具箱。数学作业。网址：https://www.mathworks.com/products/dsp-system.html。[14] S. Suman等人，使用神经网络控制器的PMSM驱动器速度控制的新方法，2016年，pp. 2780-2783[15] K. Cheon等人，在直流电机系统中，用深度学习控制器代替PID控制器，J。自动控制工程师3（2015）452
我的内容管理
展开
