基于双极性电压注入和PSO拟合的同步磁阻电机磁链自学习方法

同步磁阻电机(SynRM)存在明显的磁路饱和现象。如果在电机控制算法中使用固定电感值,无法实现理想的控制性能。针对该问题,提出一种磁链自学习方法。首先,详细分析了SynRM的交叉饱和现象,并采用恒定转速方法建立了SynRM的磁饱和模型;然后,设计了双极性电压注入的自学习给定方式,通过分区域拟合磁链曲线来后处理不均匀分布的原始磁链数据,并使用粒子群优化(PSO)算法求解拟合函数系数;最后,在实验平台对提出的磁链自学习策略进行验证。实验证明,相较于直接插值方法,分区域拟合磁链曲线的后处理方法对原始数据点的分布没有要求,因此可以显著降低磁链曲面的学习误差。