基于Simulink的PMSM无模型预测电流控制仿真详解

做Simulink电力电子控制仿真到这个系列的第6篇你大概率已经把坐标变换、SVPWM、FOC、传统模型预测电流控制MPC都搭建并跑通过了。传统MPC在仿真里初期效果很理想但只要你把电机参数人为改掉15%到20%电流预测就会开始偏差严重时稳态误差直接拉满系统甚至振荡。今天这篇要聊的PMSM无模型预测电流控制Model-Free Predictive Current ControlMFPCC就是来解决这个问题的它不再把电阻、电感、磁链当成精确已知量去查公式而是用一个超局部模型在线估计未知动态把“模型失配”这件事从根上绕开。这篇适合已经跑过FOC或MPC、想进一步提升鲁棒性的朋友也适合刚接触预测控制、想在第一性原理层面理解“预测控制为什么怕参数不准”的初学者。我会直接给出无模型预测控制的核心原理、离散化公式、一拍延迟补偿方法以及一套能在基础Simulink环境里完整复现的仿真框架包括控制器代码、参数表、调参顺序和常见坑。整个搭建过程不需要额外的Simscape电气库也能完成因为这里用的是信号级电机模型加理想逆变器重点验证控制算法本身。1. 为什么在PMSM控制里要绕开精确模型1.1 传统模型预测电流控制的参数依赖问题传统有限集模型预测电流控制FCS-MPC的思路很直白在dq旋转坐标系下写出PMSM的电压方程用当前电流采样值预测下一个控制周期的电流再把所有可能的逆变器开关状态对应的电压矢量代入代价函数选一个让预测电流最接近参考值的开关组合输出。看起来没什么问题但这里有一个隐藏前提预测方程里的电阻Rs、交直轴电感Ld/Lq、永磁磁链ψf、甚至转子磁链位置θe都被当成准确已知量带入计算。实际工况中这些参数没有一个是恒定不变的。电机温度一上来电阻可能变化20%以上磁链会随温度升高而下降电感更夸张不仅随电流饱和变化还会随转子位置变化尤其是在内嵌式永磁电机里。参数一旦失配预测出来的电流轨迹就会偏离实际代价函数选出来的“最优电压矢量”实际并不最优。仿真里你可能感受不深因为在Simulink中电机模型参数和控制器用的是同一组数值这在现实中是几乎不存在的理想化情况。这也是为什么工程现场做传统MPC时往往要先花大量时间做参数辨识还要在运行中用查表或者在线辨识去修正参数。而无模型预测电流控制的核心思想很简单我不再去精确辨识Rs、L、ψf而是把电流变化率拆成两部分——一个“可以归总为未知动态和扰动的F项”加上“输入电压项”。实时用上一拍的电流电压数据把F估出来预测时直接用这个F。这样不管参数怎么变F都会自动把变化量吞进去。1.2 超局部模型把所有未知量装进一个变量所谓超局部模型ultra-local model最早是控制领域里针对“模型未知系统”提出的简化建模思路。它不在机理层面追求精确而是用一个一阶微分方程去逼近被控对象的动态[ \frac{di_d}{dt} F_d \alpha_d u_d ][ \frac{di_q}{dt} F_q \alpha_q u_q ]这里的F_d和F_q就是“总扰动”包含了反电势、电阻压降、交叉耦合、参数变化、未建模动态、外部扰动等所有说不清道不明的部分。α是一个人为设定的输入比例系数直观上对应着电感的倒数但不需要精确。这个模型远没有传统PMSM方程那么“物理”但它的好处是只要能实时估计出F预测精度就不依赖具体参数。你在Simulink里搭建的时候可以把F当成一个带未知动态的黑盒状态。控制任务从“精确建模再预测”变成“先估计F再基于F做预测”。这种思路和自抗扰控制ADRC里的扩张状态观测器如出一辙只不过预测控制把它和代价函数、电压矢量枚举结合在了一起。1.3 利用上一拍数据在线辨识FF怎么来最直接的办法是反向利用离散化的超局部模型。用前向欧拉离散[ i(k1) i(k) T_s F(k) T_s \alpha u(k) ]移项后就能从上一拍的数据推算当前的F[ F_d(k) \frac{i_d(k)-i_d(k-1)}{T_s} - \alpha_d u_d(k-1) ][ F_q(k) \frac{i_q(k)-i_q(k-1)}{T_s} - \alpha_q u_q(k-1) ]这里的u(k-1)是上一拍实际施加到电机上的dq电压i(k)和i(k-1)是相邻两个采样周期的电流。仿真里这些信号都拿得到所以F的估计非常简单。但直接这么算出来的F会有大量高频噪声因为电流差分对采样噪声很敏感。实际中我会对F做一阶低通滤波形式如下[ F_{filt}(k) k_f \cdot F_{raw}(k) (1-k_f) \cdot F_{filt}(k-1) ]滤波系数k_f取值一般在0.05到0.3之间。k_f越大F跟随越快但噪声也越大k_f越小F越平滑但动态响应会变缓。这个参数是后面调仿真的重点。这里要特别提醒如果直接套用上面的差分公式电流采样的量化噪声会被放大甚至导致F估计值来回跳变。所以第一次搭建时建议先加滤波再把滤波前的F和滤波后的F同时接到Scope里对比观察这样能直观看到滤波的效果。F估计的准确性决定了无模型预测控制的整体性能这一点怎么强调都不过分。2. 核心控制细节预测、延迟补偿与代价函数2.1 数字控制器的一拍延迟补偿很多人在Simulink里跑MPC把控制器输出直接连到逆变器上仿真波形看起来完美但实际硬件上根本不可能这样工作。DSP从采样电流到输出开关信号需要完成AD转换、坐标变换、F估计、代价函数遍历等一整套计算这些都需要时间。所以在k时刻采样计算得到的开关状态最早也要到k1时刻才能施加到逆变器上。也就是说当前采样周期内电机实际承受的电压是上一拍计算出来的那个值。如果预测模型不考虑这个一拍延迟控制器就会用一个“过时”的电压状态去做预测电流会出现周期性脉动严重时直接发散。标准的补偿做法是两步预测第一步用当前实际电压u(k-1)和估计出的F(k)从当前电流预测到k1时刻[ i_d^{p}(k1) i_d(k) T_s F_d(k) T_s \alpha_d u_d(k-1) ][ i_q^{p}(k1) i_q(k) T_s F_q(k) T_s \alpha_q u_q(k-1) ]第二步用待评估的候选电压u_c(k1)从k1时刻继续预测到k2时刻[ i_d^{p}(k2) i_d^{p}(k1) T_s F_d(k) T_s \alpha_d u_{cd}(k1) ][ i_q^{p}(k2) i_q^{p}(k1) T_s F_q(k) T_s \alpha_q u_{cq}(k1) ]选择使代价函数最小的那个候选电压作为本拍输出这个输出将在下一个采样周期真正生效。在Simulink里这对应着控制器输出端必须加一个Unit Delay环节模拟真实硬件一拍延迟。我在第一次搭的时候图省事没加这个延迟结果电流在参考值附近持续高频振荡怎么调参数都压不下去。后来把Unit Delay加上再把预测步数改成两步问题立刻消失。这个坑后面会单独列进排查表。2.2 有限集七矢量枚举与dq电压计算PMSM无模型预测电流控制里最常用的就是有限集方案也就是枚举逆变器的开关状态。两电平三相逆变器一共有8种开关组合其中6个有效电压矢量2个零矢量对应8个开关状态000100110010011001101111严格说零矢量有两个000和111产生的相电压都为零所以在实际遍历时往往只保留一个也就是7个候选矢量。用开关状态计算三相相电压的公式如下Vdc是直流母线电压S取1代表上桥臂导通、下桥臂关断[ v_{an} \frac{V_{dc}}{3}(2S_a - S_b - S_c) ][ v_{bn} \frac{V_{dc}}{3}(-S_a 2S_b - S_c) ][ v_{cn} \frac{V_{dc}}{3}(-S_a - S_b 2S_c) ]有了三相相电压再用等幅值Clarke变换转到静止两相坐标系[ v_\alpha \frac{2}{3}\left(v_{an} - \frac{1}{2}v_{bn} - \frac{1}{2}v_{cn}\right) ][ v_\beta \frac{2}{3}\left(\frac{\sqrt{3}}{2}v_{bn} - \frac{\sqrt{3}}{2}v_{cn}\right) ]最后用转子电角度θe做Park变换得到dq轴电压候选值[ u_{cd} v_\alpha \cos\theta_e v_\beta \sin\theta_e ][ u_{cq} -v_\alpha \sin\theta_e v_\beta \cos\theta_e ]很多人在dq模型里直接枚举“dq电压矢量”忽略了转子的旋转这会导致预测结果和实际逆变器输出完全对不上。候选电压必须是从静止坐标系旋转到旋转坐标系后的值因为它作用到电机上时实际效果就取决于当前转子位置。2.3 代价函数设计与开关频率惩罚传统的FCS-MPC代价函数就两项[ g (i_d^* - i_d^p(k2))^2 (i_q^* - i_q^p(k2))^2 ]哪个开关状态算出来的预测电流误差最小就选哪个。这样实现简单但也有一个众所周知的毛病开关频率不固定。因为在没有惩罚项时控制器会为了逼近参考电流频繁切换开关状态导致开关频率可能很高电流谐波很分散。这在实机上会带来开关损耗和噪声问题。要抑制这个问题我会在代价函数里加入一个开关切换次数惩罚项[ g (i_d^* - i_d^p(k2))^2 (i_q^* - i_q^p(k2))^2 \lambda \cdot n_{sw} ]其中n_sw是当前候选开关状态相对上一拍开关状态的切换次数取值0到3λ是权重系数。λ设成0时动态响应最好但开关频率高λ逐步增大开关频率下降但电流跟踪会变钝。我从经验出发的建议是先把λ设成0跑通再以0.01的步长往上加直到开关频率落在你想要的范围。不要一开始就带着惩罚项调参数否则无法区分是预测算法问题还是权重抑制问题。2.4 α参数怎么选F为什么要滤波α在整个控制器里是唯一需要人工指定的“输入比例系数”它不要求精确但它的取值直接影响F估计和预测效果。从超局部模型看α的量纲是1/(V·s/A)直观对应电感的倒数。实际中我会直接取[ \alpha_d \frac{1}{L_{d_nom}}, \quad \alpha_q \frac{1}{L_{q_nom}} ]这里的L_nom是铭牌值或者粗略估算的电感值。即使真实电感变化了30%α保持不变F也会把变化量吸纳进来所以稳态性能不会崩。但α也不能乱取。α偏大会让F估计中的高频分量被放大电流噪声变大α偏小会让控制的“输入增益”不足F项被迫承担过多的动态补偿动态响应变慢甚至出现超调。从我的调参经验看α在实际值的0.7到1.3倍之间系统都能稳定工作。所以无模型预测控制对α的敏感度远低于传统MPC对电感精确值的敏感度。这也就是它“无模型”的底气所在。但请注意α必须保持正数方向反了控制就全乱了。F滤波这一节再补充一点直接差分得到的F_raw本质上是一个高增益放大器它把“电流变化率”从微小的电流差值中提取出来噪声会被放大到无法直接使用的程度。所以我通常会在F估计后面跟一个低通滤波器甚至在采样电流进入控制器前就先经过一个截止频率为开关频率1/10左右的一阶低通滤波器。仿真中的噪声虽然不如硬件那么明显但你要是搭建了带测量噪声的模型滤波器就必不可少。3. 在Simulink中一步步搭出无模型预测电流控制3.1 顶层结构和模块连接整个仿真顶层可以分为三块被控对象、测量反馈、控制算法。被控对象我选择信号级dq模型加理想逆变器原因有两个。第一它不依赖Simscape电气库任何有基础Simulink环境的机器都能直接跑第二无模型预测电流控制验证的是算法鲁棒性不是逆变器开关细节信号级模型足以说明问题。顶层连接关系如下直流母线电压常数Vdc输入到理想逆变器计算模块三相开关信号Sa、Sb、Sc由控制器输出经过一个Unit Delay后送入理想逆变器模块理想逆变器模块根据开关状态和Vdc计算出三相相电压三相相电压经过Clarke和Park变换得到ud、uq送入PMSM的dq模型PMSM模块输出id、iq、机械角速度ωm和转子电角度θeid、iq、θe反馈给控制器ωm经过转速PI外环生成iq_refid_ref直接给0。这里用Unit Delay模拟数字控制的一拍延迟这一步千万不能少。很多仿真里不接这个延迟看着也稳定但那是假象后续只要把采样频率降低或者加入测量噪声问题立刻暴露。3.2 信号级PMSM模型搭建方法如果你有Simscape电气库可以直接拖Permanent Magnet Synchronous Machine模块配合Universal Bridge搭物理模型原理上和信号级模型等价。这里我给出不依赖Simscape的搭法方便在单机基础Simulink环境里复现。PMSM在dq旋转坐标系下的电压方程为[ u_d R_s i_d L_d \frac{di_d}{dt} - \omega_e L_q i_q ][ u_q R_s i_q L_q \frac{di_q}{dt} \omega_e L_d i_d \omega_e \psi_f ]写成积分形式[ \frac{di_d}{dt} \frac{1}{L_d}(u_d - R_s i_d \omega_e L_q i_q) ][ \frac{di_q}{dt} \frac{1}{L_q}(u_q - R_s i_q - \omega_e L_d i_d - \omega_e \psi_f) ]在Simulink里用Integrator搭建每个电流放在一个积分器里积分器输入由电压、电阻压降、交叉耦合项通过加减和增益模块组合而成。机械部分[ \frac{d\omega_m}{dt} \frac{1}{J}(T_e - T_L - B\omega_m) ][ T_e \frac{3}{2}n_p(\psi_f i_q (L_d - L_q)i_d i_q) ]电角度[ \theta_e n_p \int \omega_m dt ]最终PMSM模块的输入是ud、uq和负载转矩TL输出是id、iq、ωm、θe。搭建时注意单位Simulink默认用国际单位制角度用弧度转矩用牛米。3.3 控制器MATLAB Function完整代码控制器用MATLAB Function实现内部包含F估计、低通滤波、一拍延迟补偿、七矢量枚举和代价函数选择五部分。下面是一份可直接放到MATLAB Function里使用的代码。function [Sa, Sb, Sc] mfppc_controller(id_ref, iq_ref, id, iq, theta_e, Ts, Vdc) persistent id_old iq_old ud_old uq_old Fd_f Fq_f Sa_old Sb_old Sc_old alpha 120.0; % 输入比例系数约等于标称电感倒数 lambda 0.01; % 开关频率惩罚权重 kf 0.15; % F低通滤波系数 % 初始化 if isempty(id_old) id_old id; iq_old iq; ud_old 0; uq_old 0; Fd_f 0; Fq_f 0; Sa_old 0; Sb_old 0; Sc_old 0; end % 1. 通过上一拍数据和当前电流估算F Fd_raw (id - id_old) / Ts - alpha * ud_old; Fq_raw (iq - iq_old) / Ts - alpha * uq_old; Fd_f kf * Fd_raw (1 - kf) * Fd_f; Fq_f kf * Fq_raw (1 - kf) * Fq_f; % 2. 考虑一拍延迟预测k1时刻电流 id1 id Ts * (Fd_f alpha * ud_old); iq1 iq Ts * (Fq_f alpha * uq_old); % 3. 枚举7种候选开关状态 sw_table [0 0 0; 1 0 0; 1 1 0; 0 1 0; 0 1 1; 0 0 1; 1 0 1]; % 零矢量只用000111与000等效 g_best inf; Sa 0; Sb 0; Sc 0; ud_opt 0; uq_opt 0; for k 1:size(sw_table, 1) s1 sw_table(k, 1); s2 sw_table(k, 2); s3 sw_table(k, 3); % 由开关状态计算三相相电压 van Vdc / 3 * (2*s1 - s2 - s3); vbn Vdc / 3 * (-s1 2*s2 - s3); vcn Vdc / 3 * (-s1 - s2 2*s3); % 等幅值Clarke变换到静止两相 valpha 2/3 * (van - 0.5*vbn - 0.5*vcn); vbeta 2/3 * (sqrt(3)/2*vbn - sqrt(3)/2*vcn); % Park变换到dq旋转坐标系 vd valpha * cos(theta_e) vbeta * sin(theta_e); vq -valpha * sin(theta_e) vbeta * cos(theta_e); % 4. 用候选电压预测k2时刻电流 id2 id1 Ts * (Fd_f alpha * vd); iq2 iq1 Ts * (Fq_f alpha * vq); % 5. 计算代价函数 g (id_ref - id2)^2 (iq_ref - iq2)^2; % 加开关切换惩罚 n_sw abs(s1 - Sa_old) abs(s2 - Sb_old) abs(s3 - Sc_old); g g lambda * n_sw; % 记录最优候选 if g g_best g_best g; Sa s1; Sb s2; Sc s3; ud_opt vd; uq_opt vq; end end % 6. 更新持久变量 id_old id; iq_old iq; ud_old ud_opt; uq_old uq_opt; Sa_old Sa; Sb_old Sb; Sc_old Sc; end注意时序问题这里的ud_old和uq_old在每次函数调用结束时记录的是本拍选出的最优电压下个周期进入函数时它正好表示“当前实际作用在电机上的电压”。但前提是函数输出经过Unit Delay送给逆变器否则函数内ud_old的物理含义和电机实际承受的电压会错位一拍。代码里的alpha取值120对应标称电感约8.3mH。如果你的电机电感是其他值就用1000除以电感毫亨数得到近似alpha。比如8.5mH对应117.67.5mH对应133.3。这个值不需要精确但要在合理范围内。3.4 仿真参数表与步长配置仿真参数我建议直接用一组常见的表贴式永磁同步电机参数这样方便和FOC、MPC的结果横向对比。参数数值单位直流母线电压Vdc310V定子电阻Rs2.98Ωd轴电感Ld8.5mHq轴电感Lq8.5mH永磁磁链ψf0.175Wb极对数np4-转动惯量J0.003kg·m²阻尼系数B0.0008N·m·s采样周期Ts1e-4s仿真算法ode4定步长-仿真步长1e-4s仿真时长0.3s额定电流参考5A转速外环Kp0.15-转速外环Ki5-配置仿真参数时求解器必须选定步长步长和采样周期保持一致也就是1e-4秒。不要用变步长求解器去跑离散控制器和连续电机模型的混合系统否则某些采样时刻会错位波形看起来没问题但控制逻辑已经不是一个严格的离散控制系统。转速外环PI的输出作为iq_ref并做限幅。限幅可以设在±10A防止启动阶段电流冲击过大。id_ref简单设为0按表贴式电机最大转矩电流比控制也就是最常用的id0控制。速度环参数不需要整定得太精确因为电流环用无模型预测控制之后响应速度远快于外环外环只需要保证转速稳态和抗负载扰动即可。4. 调参过程与仿真结果解读4.1 空载启动与电流阶跃响应第一次仿真建议先开环固定控制器不使能只跑通逆变器加电机模型的空载电枢响应。确认三相电流没有发散后再使能控制器。使能后先把iq_ref设为阶跃信号从0直接跳到5Aid_ref保持0观察dq电流的跟踪情况。无模型预测电流控制最明显的特点是响应快。传统FOC电流环要调PI带宽一般就几百赫兹而预测控制在一个采样周期内就可以把电流拉近参考值。正常情况下iq会在1到3个采样周期内到达5A附近超调量很小。id能稳定在0附近但会有小幅波动这是有限集MPC固有的电流纹波来源于7个离散电压矢量无法持续输出精确电压这一事实。如果你发现iq响应很慢优先怀疑F低通滤波系数kf太小F更新跟不上电流变化。把kf从0.05逐步调到0.2动态会有明显改善。如果响应快但噪声大再把kf调回去。4.2 参数失配测试这是无模型控制的主场传统模型预测控制在参数失配时表现会变差无模型预测控制应该几乎不受影响。验证方法很简单把PMSM模型里的电感参数Ld、Lq从8.5mH改到6mH电阻从2.98Ω改到4.5Ω控制器的alpha和F估计逻辑完全不动再跑一次同样的电流阶跃。我在实测中看到的结果是稳态电流误差基本不变动态过程略有变慢但很快恢复。因为控制器里的F会把“模型参数变了”这一事实全部吸收进F项。换句话说无模型预测控制不是不需要模型而是它用一个在线估计的F代替了离线精确参数。这也是它最核心的工程价值参数漂移不再致命。但注意如果失配过于极端比如电感从8.5mH改到1mHalpha已经远小于真实增益F估计会变得很大系统可能出现高频噪声放大。这说明无模型方法有“容忍窗口”不是无限鲁棒。4.3 闭环转速工况与加载测试把控制器接上转速外环后给定转速设为1000rpm空载启动。启动瞬间iq_ref会被推到限幅值电机加速转速接近给定后iq_ref回落。在0.15秒处突加5Nm负载转速会略微跌落然后外环PI把它拉回1000rpm。整个过程dq电流跟随电机实际工况变化稳态时id保持为0iq稳定在约4.8A附近。这里有一个值得观察的细节突加负载时F_d和F_q会迅速变化它们在扰动发生后的一个采样周期内就能给出反馈不需要等待电流误差积分。这就是无模型预测控制的动态优势来源。用Scope同时观察Fq和电机反电势项你会发现当转速和电流变化时Fq的变化趋势和真实反电势变化一致这说明F估计确实捕捉到了系统动态。5. 常见问题速查与避坑技巧5.1 典型问题与处理方法现象可能原因处理方法电流直接发散控制器输出没加Unit Delay预测与实际错拍在输出到逆变器之间加一拍延迟电流高频振荡F差分噪声太大或kf过大降低kf或在电流反馈端加一阶低通稳态电流误差大F估计被滤波压得太慢α偏小增大kf适当增大α开关频率过高代价函数没加开关惩罚项增加lambda从0.01逐步上调启动瞬间电流冲击过大iq_ref阶跃太猛外环限幅不够限制iq_ref变化率或缩小PI输出限幅加载后转速恢复慢速度环Kp太小或Ki不合适增大Kp到0.2左右Ki在5到8之间调空载时dq电流纹波很大采样周期过长或Vdc偏低减小Ts到5e-5或适当提高Vdc5.2 我踩过的几个仿真坑第一个坑是\alpha符号问题。第一次搭的时候我习惯性把alpha写成了负的仿真电流很快飞掉。原因是PMSM电压方程里电感项是正增益输入电压增大电流变化率增大如果alpha用负值预测方向全反控制器会在错误的候选矢量里选“最优”本质上是正反馈。第二个坑是F估计用原始差分值时噪声爆炸。一开始我以为Simulink里的数据是干净的不需要滤波结果Fq波形全是毛刺代价函数在各候选矢量之间乱跳。后来给F加了低通滤波开关切换明显稳定。这里建议把滤波系数kf先取大一点保证F不抖再逐步减小kf提升动态。第三个坑是控制器函数内部persistent变量和外部Unit Delay的节奏不一致。如果函数输出经过Unit Delay而函数内部又用persistent记录了上一拍输出作为“当前电压”时序上是对的。但如果哪次调试我把Unit Delay去掉或者额外加了一个Memory模块整个预测就全部错位。排查这类问题最有效的方法是把电机的实际dq电压和控制器里的ud_old、uq_old同时画到Scope里两者应该完全重合且滞后一拍。对不上时序一定有问题。5.3 推荐调试顺序先跑纯电流阶跃不开速度环。设置iq_ref从0跳到5A、id_ref0观察dq电流。稳定后加入速度外环跑空载启动。稳定后加负载观察抗扰特性。最后做参数失配对比实验把电机模块里的L和R改大改小看控制器是否依然稳定。按这个顺序可以把“控制器没写对”“时序有错”“外环参数不对”“鲁棒性不够”四类问题分开排查避免所有问题同时出现时无从下手。最后说一点我自己的体会。无模型预测电流控制最有价值的场景是电机参数难以精确辨识或者运行中变化明显的场合比如大转矩区间电感饱和、温度升高导致磁链下降。它用极小的实现代价换来了参数鲁棒性的巨大提升。但它也不是银弹有限集MPC固有的开关频率不固定、电流纹波偏大等问题依然存在。如果你后续想进一步压稳态纹波可以考虑在无模型框架下做无差拍预测再加SVPWM调制这等于把“无模型”的优势和“固定开关频率”的优势结合起来。这一步做出来整套控制的工程实用性还会再上一个台阶。