空调、系统电机、驱动控制方法、控制系统及存储介质

技术领域

本发明属于空调技术领域，尤其涉及一种空调、系统电机、驱动控制方法、控制系统及存储介质。

背景技术

目前，传统的空调系统中电机的驱动控制方式多为磁场定向控制(FieldOriented Control，FOC)、直接转矩控制(Direct Torque Control，DTC)等控制方式。但是基于磁场定向控制FOC控制策略是基于多个PI控制器搭建的双闭环控制方式，因此在驱动系统中多个PI环的存在会导致驱动系统中PI环参数整定困难、交直轴电流耦合及瞬态响应速度低等问题。同时，当逆变器进行上下桥臂换相时及电机稳态运行时，直接转矩控制DTC控制策略会存在较大的转矩波动。综上所述，由于模型预测控制策略能够实现电机关键参数的预测结合所建立模型的代价函数进行预测、代价函数评估、反馈校正等环节从而实现电机驱动系统的精确定位与控制，与此同时，结合扩展卡尔曼滤波(Extended KalmanFilter，EKF)实现空调系统电机的基于无位置传感的模型预测空调控制系统的预测控制。但是，基于无位置传感器的空调系统中的永磁同步电机(Permanent Magnet SynchronousMotor，PMSM)、无刷直流电机(Brushless DC Motor，BLDC)在低速启动运行时间段或者在低速运行时，电机的实时状态参数存在着干扰较大，电机检测信号精度较低等问题。

目前空调领域多数为利用直接转矩(DTC)、磁场定向控制策略(FOC)进行风机和压缩机的驱动控制。但是，直接转矩控制由于是通过开关表进行查表控制的一种驱动控制方式，因此会存在着控制脉动较大、瞬态响应速度较差等不足。同时，在传统的磁场定向控制策略当中，PI环的存在会导致PI调节量存在着超调、多PI环参数整定困难等不足。因此，亟需一种新的空调系统电机的驱动控制方法。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有基于磁场定向控制FOC控制策略，在驱动系统中多个PI环的存在会导致驱动系统中PI环参数整定困难、交直轴电流耦合及瞬态响应速度低等问题。同时，当逆变器进行上下桥臂换相时及电机稳态运行时，直接转矩控制DTC控制策略会存在较大的转矩波动。

(2)基于无位置传感器的空调系统中的永磁同步电机(Permanent MagnetSynchronous Motor，PMSM)、无刷直流电机(Brushless DC Motor，BLDC)在低速启动运行时间段或者在低速运行时，电机的实时状态参数存在着干扰较大，电机检测信号精度较低等问题。

(3)直接转矩控制由于是通过开关表进行查表控制的一种驱动控制方式，因此会存在着控制脉动较大、瞬态响应速度较差等不足。

(4)在传统的磁场定向控制策略当中，PI环的存在会导致PI调节量存在着超调、多PI环参数整定困难等不足。

解决以上问题及缺陷的难度及意义为：提供了一种模型预测(Model PredicationControl，MPC)及扩展卡尔曼滤波(Extended Kalman Filter，EKF)相结合从而应用于空调系统的电机驱动控制方式。模型预测是一种可以进行硬件延时补偿的预测控制算法，因此，其控制方式能够提升电机驱动的控制精度。同时，本发明通过基于扩展卡尔曼滤波的方式来进行电机的位置检测，通过构造目标函数的方式去进行最优电机驱动控制量的选择。通过该方式可以实现空调电机驱动的超调、无脉冲等控制，与此同时，还可以通过所构造的目标函数实现电机最优控制量的最优选择输出。

发明内容

针对现有技术存在的问题，本发明提供了一种空调、系统电机、驱动控制方法、控制系统及存储介质统，尤其涉及一种能够通过模型预测(Model Predication Control，MPC)及扩展卡尔曼滤波(Extended Kalman Filter，EKF)进行空调电机的位置检测从而实现一种空调系统电机的驱动控制方法及控制系统。

本发明是这样实现的，一种空调系统电机的驱动控制系统，所述空调系统电机的驱动控制系统包括：

电机状态信息采集模块，用于基于扩展卡尔曼滤波的无位置传感采集空调风机、压缩机的位置信息；

驱动控制单元，用于通过空调系统电机驱动算法，利用欧拉离散法、泰勒级数的离散方法进行离散后，基于模型预测控制策略进行空调电机驱动的控制；

控制器主控单元，用于通过空调控制器主控芯片处理电机状态离散化数字信号状态参数及实现空调控制系统功能逻辑；

信号处理单元，用于对空调控制器外围电路信号进行处理；

电机转子位置检测单元，用于通过对电机进行线性、离散处理后应用卡尔曼滤波，实现扩展的EKF电机位置估测计算；

存储介质，用于存储空调系统及电机驱动所需的参数数据。

进一步，所述空调控制器主控芯片包括Dsp、Fpga、Arm、Stm32系列。

本发明的另一目的在于提供一种应用所述的空调系统电机的驱动控制系统的空调系统电机的驱动控制方法，所述空调系统电机的驱动控制方法包括以下步骤：

步骤一，通过电机状态信息采集模块基于扩展卡尔曼滤波的无位置传感采集电机的位置信息；所述电机包括空调风机、压缩机；

步骤二，通过驱动控制单元根据空调系统电机驱动算法，利用欧拉离散法、泰勒级数进行离散后，基于模型预测控制策略进行空调电机驱动控制；

步骤三，通过控制器主控单元利用空调控制器主控芯片处理电机状态离散化数字信号状态参数及实现空调控制系统功能逻辑；

步骤四，通过电机转子位置检测单元对电机进行线性、离散处理后应用卡尔曼滤波，基于扩展卡尔曼滤波EKF进行电机转子位置的估测计算；

步骤五，通过信号处理单元对空调控制器外围电路信号进行处理；通过存储介质存储空调系统及电机驱动所需的参数数据。

进一步，步骤二中，所述模型预测控制策略，包括：

(1)采集电机包含电流、电压及位置信息在内的状态参数信息；

(2)构建空调驱动系统的离散数学模型；

(3)通过构建的空调驱动系统的离散数学模型对空调系统电流、转矩及磁链参数进行预测；

(4)建立基于离散数学模型的代价函数，通过代价函数选择最优的电机控制矢量；

(5)通过PWM输入逆变器的最优开关状态Sa、Sb、Sc；

(6)基于模型预测控制策略进行空调风机、压缩机的驱动控制。

进一步，步骤二中，所述基于模型预测控制策略进行空调电机驱动控制，包括：

(1)通过一阶欧拉离散法、二阶欧拉离散法及泰勒级数离散法进行电机模型的离散化；

(2)通过扩展卡尔曼滤波方法进行空调电机转子位置的观测计算；

(3)通过空调系统中传感器采集电机的重要状态参数到所建立的考虑空调系统扰动因数项的离散化的数学模型当中进行空调电机电流、转矩及磁链等重要性能指标参数的预测，包括单步及多步预测；

(4)根据所建立的离散电机驱动模型构造可以评价最优控制电压矢量选择的代价函数；

(5)通过实时采集电机重要状态参数的数据对所建立的空调电机数学模型进行反馈校正从而实现在线更新电机数学模型的过程。

进一步，步骤四中，所述基于扩展卡尔曼滤波EKF进行电机转子位置的估测计算的方法为：

基于表贴式三相永磁同步电机在静止坐标系下建立的数学模型进行扩展的EKF电机位置估测计算。

进一步，所述表贴式的永磁同步电机在两相静止坐标系下的电压方程表达式为：

在同步电机的数学模型中：

综上所述，建立如下的状态方程：

在扩展卡尔曼滤波EKF无位置观测方法当中，利用电机的电流、转速及转子位置作为观测器中的状态变量；利用电机的电压作为输入量。

进一步，所述无位置转子观测估算的流程由预测阶段、校正阶段组成：

1)对所选取的状态量进行预测，通过离散化的输入u(k)和上一过程阶段的状态估计

2)计算此预测量所对应的输出

3)通过以上所计算的状态量进行反馈校正从而获得优化的状态估计值

4)对估计误差协方差矩阵进行预测估计从而实现循环的优化状态电机转子位置估计。

本发明的另一目的在于提供一种空调系统电机，搭载所述空调系统电机的驱动控制系统，并实施权利要求实施所述空调系统电机的驱动控制方法。

本发明的另一目的在于提供一种空调，所述空调搭载所述空调系统电机，并实施权利要求实施所述空调系统电机的驱动控制方法。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的空调系统电机的驱动控制方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的空调系统电机的驱动控制方法及控制系统，能够减少在空调的风机、压缩机的控制的PI环从而避免了电机控制中由于多PI控制器存在导致的参数整定困难、交直轴电流耦合及瞬态响应速度较慢等不足。

本发明所提方案的创新点包括：

(1)通过扩展卡尔曼滤波结合模型预测实现电机驱动系统的控制方式。通过扩展卡尔曼滤波EKF能够准确估计空调系统中电机在低速运行时的位置、速度信息从而为电机驱动提供更加精确的电机转子位置及电机速度信息。与此同时，由于模型预测控制策略MPC具有预测、在线更新电机控制矢量等优势，且未见应用于空调系统中去实现电机的驱动控制，因此本发明利用扩展卡尔曼滤波算法及模型预测控制策略应用于空调系统的电机驱动控制从而提升空调系统中风机电机、压缩机电机的运行效率、瞬态响应速度及降低电机驱动系统中PI控制器的个数。

(2)将基于扩展卡尔曼滤波的模型预测控制应用于空调系统中电机的转速、转矩控制。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的空调系统电机的驱动控制系统结构框图；

图中：1、电机状态信息采集单元；2、驱动控制单元；3、控制器主控单元；4、信号处理单元；5、电机转子位置检测单元。

图2是本发明实施例提供的空调系统电机的驱动控制方法流程图。

图3是本发明实施例提供的空调系统电机的驱动控制系统原理图。

图4是本发明实施例提供的基于扩展卡尔曼滤波EKF的无位置传感位置估计流程图。

图5是本发明实施例提供的基于模型预测控制策略的空调电机驱动流程图。

图6是本发明实施例提供的空调电机驱动系统的控制结构框图。

图7是本发明实施例提供的电机q轴电流输出示意图。

图8是本发明实施例提供的不同控制步长所对应的转矩阶跃响应示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种空调、系统电机、驱动控制方法、控制系统及存储介质，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的空调系统电机的驱动控制系统包括：电机状态信息采集单元1、驱动控制单元2、控制器主控单元3、信号处理单元4、电机转子位置检测单元5、存储介质6。

电机状态信息采集模块1，用于基于扩展卡尔曼滤波的无位置传感采集空调风机、压缩机的位置信息；

驱动控制单元2，用于通过空调系统电机驱动算法，利用欧拉离散法、泰勒级数的离散方法进行离散后，基于模型预测控制策略进行空调电机驱动的控制；

控制器主控单元3，用于通过空调控制器主控芯片处理电机状态离散化数字信号状态参数及实现空调控制系统功能逻辑；

信号处理单元4，用于对空调控制器外围电路信号进行处理；

电机转子位置检测单元5，用于通过对电机进行线性、离散处理后应用卡尔曼滤波，实现扩展的EKF电机位置估测计算；

存储介质6，用于存储空调系统及电机驱动所需的参数数据。

本发明实施例提供的空调控制器主控芯片包括Dsp、Fpga、Arm、Stm32系列。

如图2所示，本发明实施例提供的空调系统电机的驱动控制方法包括以下步骤：

S101，通过电机状态信息采集模块基于扩展卡尔曼滤波的无位置传感采集空调风机、压缩机的位置信息；

S102，通过驱动控制单元根据空调系统电机驱动算法，利用欧拉离散法、泰勒级数进行离散后，基于模型预测控制策略进行空调电机驱动控制；

S103，通过控制器主控单元利用空调控制器主控芯片处理电机状态离散化数字信号状态参数及实现空调控制系统功能逻辑；

S104，通过电机转子位置检测单元对电机进行线性、离散处理后应用卡尔曼滤波，基于扩展卡尔曼滤波EKF进行电机转子位置的估测计算；

S105，通过信号处理单元对空调控制器外围电路信号进行处理；通过存储介质存储空调系统及电机驱动所需的参数数据。

下面结合实施例对本发明作进一步描述。

实施例1

图3是本发明一种空调系统电机驱动控制方式所涉及的模块单元部分，包括：存储介质、空调系统中电机的驱动控制单元、控制器主控单元、基于卡尔曼滤波EKF的电机转子位置检测单元等功能模块。

存储介质：用来存储空调系统及电机驱动所需的参数数据；

空调系统中电机的驱动控制单元：利用欧拉离散法、泰勒级数等离散方法进行的离散后，基于模型预测控制策略所设计的针对空调电机驱动的控制单元功能模块；

控制器主控单元：本发明用来处理电机状态离散化数字信号状态参数及实现空调控制系统功能逻辑的处理单元；

基于卡尔曼滤波EKF的电机转子位置检测单元等模块功能模块：通过对电机进行线性、离散处理后应用卡尔曼滤波从而实现扩展的EKF电机位置估测计算。

实施例2

如图4所示，通过扩展卡尔曼滤波EKF可以实现电机无位置传感的位置观测、估计，是一中依托电机模型的状态观测器。因此，建立一种合适的适合电机位置观测估计的坐标系至关重要。本发明基于表贴式三相永磁同步电机在静止坐标系下建立的数学模型进行EKF的无位置转速设计与位置观测。表贴式的永磁同步电机在两相静止坐标系下的电压方程可以表示如式(1)所示。

在同步电机的数学模型中：

综上所述，建立如下的状态方程：

在扩展卡尔曼滤波EKF无位置观测方法当中，利用电机的电流、转速及转子位置作为观测器中的状态变量；利用电机的电压作为输入量。

本发明中无位置转子观测估算的流程由预测阶段、校正阶段组成。

1)首先对所选取的状态量进行预测，通过离散化的输入u(k)和上一过程阶段的状态估计

2)计算此预测量所对应的输出

3)通过以上所计算的状态量进行反馈校正从而获得优化的状态估计值

4)对估计误差协方差矩阵进行预测估计从而实现循环的优化状态电机转子位置估计。其中，整个实施流程如图4所示。

实施例3

图5为模型控制策略流程框图，在空调系统的整个驱动扩展系统当中，基于扩展卡尔曼滤波EKF进行电机转子位置的检测估计计算。基于无位置卡尔曼滤波算法进行空调电机驱动系统的模型预测控制方式实现。本发明所涉及的模型预测空调驱动控制系统原理框图如图6所示。其方法的实现流程主要由五个步骤组成。

1)通过一阶欧拉离散法、二阶欧拉离散法及泰勒级数离散法进行电机模型的离散化。

2)通过扩展卡尔曼滤波方法进行空调电机转子位置的观测计算。

3)通过空调系统中传感器采集电机的重要状态参数到所建立的考虑空调系统扰动因数项的离散化的数学模型当中进行空调电机电流、转矩及磁链等重要性能指标参数的预测(包括单步及多步预测)。

4)根据所建立的离散电机驱动模型构造可以评价最优控制电压矢量选择的代价函数。

5)通过实时采集电机重要状态参数的数据对所建立的空调电机数学模型进行反馈校正从而实现在线更新电机数学模型的过程。

通过对本发明进行Matlab/Simulink仿真分析，可以得到如图7、图8所示的仿真分析结果。

通过图7可以得出结论：较基于PI控制器所设计的磁场定向控制策略(FOC)而言，本发明所提的空调系统电机驱动控制方式可以实现电机驱动控制输出的无超调、无脉冲。因此，本发明具有在空调电机驱动控制领域具有一定的进步意义。与此同时，通过本发明所设计的电机驱动控制策略其瞬态响应速度具有在保证电机无超调、无脉冲的条件下，其响应速度快的优势。

图8为本发明所对应的电机转矩输出曲线，从图中可以看出基于模型预测所设计的电机驱动控制策略具有无超调、无脉冲的优势。且其当控制时间步长分别为不同的时长时，本文所提方案均无超调、脉冲等现象发生，因此，本发明所提方案具有一定的稳定性能。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。