开关磁阻电机转矩脉动抑制方法优化

根据开关磁阻电机的转矩方程可知，在任意位置，开关磁阻电机的转矩与该位置电感的变化率及电流有关。一个电周期内，在接近定、转子凸极完全重合和完全不重合位置的区域，电感变化率较小，这些位置产生的转矩也较小。在相邻两相换相区间，前相处于接近定、转子完全重合位置，后相处于接近定、转子凸极完全不重合位置，均无法产生大的转矩，从而导致该区间总转矩降低，造成转矩波动。开关磁阻电机的转矩脉动是其固有属性，对电机运行品质影响很大，为了抑制开关磁阻电机的转矩波动，研究人员从开关磁阻电机的本体结构和控制方法两方面进行了大量的研究，提出了很多优化方案。

1）面向转矩脉动抑制的本体优化

文献［56］和［57］通过改变定、转子凸极对数来降低转矩脉动，提出了增加转子极数的方案，当开关磁阻电机的转子极数比定子极数多时，有利于减小转矩波动，但会增加电机的加工难度。文献［58-61］通过改变定转子凸极形状来降低转矩波动。文献［58］对电机定转子的极弧长度进行优化，研究了极弧长度与转矩波动的关系，该研究表明，对于四相8/6极开关磁阻电机，在定子极弧为20.2°和转子极弧为30°的情况下，电机的转矩波动最小。文献［59］通过在转子凸极侧面开槽的方式降低转矩脉动，侧面开槽降低了漏磁通，与未开槽的开关磁阻电机相比可大幅降低转矩脉动。文献［60］通过在转子凸极顶部两侧加极靴的方式降低转矩脉动。文献［61］通过改变凸极表面形状，使定、转子凸极间气隙不均匀，两相4/2极开关磁阻电机的实验结果表明该方法可以有效降低转矩脉动，同时提高了输出转矩和效率。

2）面向转矩脉动抑制的控制策略

（1）电流规划策略。在恒参考电流控制中，开关角会影响电流波形，进而影响转矩，通过合理地选择开关角可以降低转矩脉动。文献［62］和［63］研究了不同开通角和关断角对开关磁阻电机转矩波动的影响，根据开关角与转矩脉动的对应关系可以通过优化开关角来减小转矩波动。文献［64］和［65］通过规划电流波形的方法降低开关磁阻电机的转矩脉动，但转矩脉动的抑制效果受电流波形追踪精度的影响。文献［66］通过反馈线性化方法在线估算反电势和增量电感，设计了高性能电流控制器，提高了参考电流波形的追踪精度，有效降低了转矩波动。文献［22］提出一种新的电流滞环控制器，该控制器可以实现更高的追踪精度，通过追踪优化后的参考电流来降低转矩波动。

（2）转矩分配策略。转矩分配策略是在换相区间内，根据转矩分配函数（torque sharing functions，TSF）将总转矩分解为前后相的目标转矩，通过直接转矩控制或间接转矩控制的方法，使前后相分别追踪目标转矩以保证总转矩恒定。转矩分配策略的核心是转矩分配函数。文献［20］从磁通变化率和电流变化率两个方面比较了四种常用的转矩分配函数，并提出了两种改进的分配函数，改进的分配函数较常用分配函数更易于实现。文献［67］提出了一种转矩分配函数的离线生成方法，该方法以磁通变化率和铜损为优化目标进行最优化求解，得到的结果接近全局最优解。文献［68］改变传统转矩分配函数均定义在第一象限的方法，提出了将转矩分配函数扩展到第二象限，以降低系统在较宽转速范围内的转矩波动。

转矩分配函数的精准实现是影响转矩分配策略的重要因素。文献［69］利用PID控制器补偿由于电流跟踪误差导致的转矩脉动。文献［70］通过相间互补的方式降低转矩脉动，对于单相的电流追踪误差由其他相电流实时动态补偿。文献［71-74］通过直接转矩控制来追踪转矩，该方法利用内置电机模型估算实时转矩，根据估算转矩与参考转矩的差值，利用滞环控制策略决定功率器件的开关，该方法不需要经过电流环的控制，响应更迅速，可以提高转矩分配策略的执行效果。文献［74］利用李雅普诺夫函数设计了反馈增益，在保证稳定性的同时，提高了转矩追踪精度，降低了转矩脉动。(www.xing528.com)

3）面向转矩脉动抑制的电流控制策略

除了直接转矩控制，转矩分配策略还经常在间接控制方式下实施，即将转矩波形转化为电流波形再进行追踪，此时电流的控制效果对转矩脉动抑制效果有较明显的影响。下面介绍常见的电流控制策略。

（1）反馈线性化控制。反馈线性化控制通过状态反馈的方式将非线性系统线性化，可有效降低控制难度，抑制由非线性因素导致的转矩脉动。文献［75］首次将反馈线性控制应用到开关磁阻电机控制中，通过构造新的状态变量实现线性化，该方法要求电机有较为准确的模型，模型误差或者反馈误差会导致系统的不稳定。文献［76］根据李雅普诺夫函数构造了新的状态变量，该状态变量对电流、位置等干扰有较强的鲁棒性，在降低转矩脉动的同时也提高了系统的鲁棒性。

（2）迭代学习控制。迭代学习控制是一种无模型控制方法，适合周期往复的非线性系统。文献［77］利用迭代学习方法进行电流规划以降低转矩波动。文献［78］设计了基于迭代学习控制的电流控制器，通过对同一位置电流的迭代比较，确定在该位置的最佳输入量，不断调整输入电压以降低电流追踪误差。文献［18］利用迭代学习控制对电磁饱和区间内的电流进行补偿，消除转矩跟随误差。迭代学习控制不需要电机的精确模型，实施简单，但需要经过一定的迭代周期才能达到收敛，对时变参考电流追踪效果较差。

（3）神经网络控制。神经网络具有较强的拟合能力，对于特性复杂的非线性系统可以通过迭代学习建立起控制模型。文献［79］利用神经网络拟合转矩模型实现转矩的线性化，降低转矩控制难度，实现无脉动控制。文献［80］利用小脑模型神经网络控制器（cerebellar model architecture controllor，CMAC）学习电机的模型，并研究了在输出受限情况下的低转矩脉动控制策略，该策略在较宽转速范围内均有较好的效果。文献［81］提出了一种基于径向基函数神经网络的瞬时转矩控制策略，利用径向基神经网络学习转矩脉动与输入的映射关系，该方法具有较高的控制精度和较强的转速变化适应性。

（4）模糊控制。模糊控制是一种鲁棒控制方法，对模型存在一定误差的系统有较好的控制效果。文献［82］利用模糊神经网络不断学习转矩、位置及电流的对应关系，并生成电流补偿信号以抑制转矩脉动。文献［83］针对开关磁阻电机设计了一种自适应模糊逻辑控制器，根据不同转速和转矩的要求自适应调整电流波形，可在宽转速范围内进行低转矩脉动控制，该方法对位置反馈误差也有较强的鲁棒性。文献［84］研究利用遗传算法优化模糊控制器的参数，为提高模糊控制器的综合性能提供了方法。