开关磁阻电机电感模型非线性补偿与控制

为了有效抑制开关磁阻电机(SRM)转矩脉动,针对SRM强非线性电感特性难以建模,而基于线性电感模型的转矩控制产生转矩脉动过大的问题,文章提出强化学习与模糊推理相融合的SRM电感模型非线性补偿与控制方法。根据SRM转矩脉动特性,设计模糊推理规则,构建模糊补偿器,在基于线性电感模型的闭环控制系统中,利用能体现SRM模型误差的转矩偏差及其变化率,实现对线性电感模型的非线性前馈补偿,间接描述了电感的强非线性特性;引入强化学习,设计回报函数,与模糊补偿器相配合,进一步实现电感模型的非线性自适应优化补偿。此方法与直接对电感非线性特性建模的方法不同,是采用了一种非线性前馈补偿的方法,避免了对强非线性电感特性的直接建模。仿真结果表明,所提出的方法能更好适应SRM非线性电感特性,改善控制系统动态品质,有效地抑制SRM转矩脉动。