基于高斯过程的参数辨识及永磁同步电机模型电流预测控制策略

为了提高永磁同步电机控制系统电流环控制器的性能，降低模型参数失配对控制系统的影响，提出了基于高斯过程参数辨识的永磁同步电机有限集模型预测电流控制策略（FCS-GPMPC）。首先，介绍了永磁同步电机电流预测模型并分析了模型参数失配对系统性能的影响；其次，为简化一般机器学习参数辨识算法中超参数复杂的调试过程，提出了一种基于高斯过程的模型参数的辨识方法；同时，引入预测值的置信区间作为参数预测效果的实时评估参考；最后，将高斯过程参数辨识与基于模型的有限集模型预测电流控制（FCS-MPC）相结合，在得到准确辨识的参数后对系统电流预测模型更新以提高系统鲁棒性和电流环跟踪性能。实验结果显示：在本文训练数据的统计特征下，测试数据均方根误差RMSE为0.002 1,R2达到0.99。在参数波动条件下，与FCS-MPC相比，FCS-GPMPC策略下电流波动度降低了30.5%，电流平均偏移度降低了19.6%，另外对参考电流的阶跃变化，FCS-GPMPC有更好的动态响应。实验结果表明，基于高斯过程的模型预测控制方法可有效抑制模型失配对控制系统的影响，能够提高永磁同步电机控制系统电流控制器性能。