专利权人：赣南实验室，江西理工大学
发明人：丰富；胡海林；刘森标；龚智强；任梁杰；刘章麒
发明名称：一种直线感应电机牵引控制预测方法及系统
摘要
本发明公开了一种直线感应电机牵引控制预测方法及系统，涉及电机牵引控制技术领域，包括：构建超局部模型；将电机的第一运行状态数据输入磁链观测器，获得第二运行状态数据；将第二运行状态数据和改进的特征值输入到扩张状态观测器，得到第一估计值，并对第一估计值进行前馈补偿，其中，改进的特征值随着系统扰动变化而变化；将数据输入超局部模型，获得预测值；通过代价函数优化，获得最终矢量。通过将系统视为一个整体，归总为超局部模型的集总扰动，并基于扩张状态观测器特征值的改进，有效解决了传统直线感应电机牵引控制中对直线电机的精确数学模型的依赖问题，确保牵引推力响应快速、平稳且精确的有益效果。
背景技术
直线感应电机（Linear induction motor, LIM）具有爬坡能力强、转弯半径小、安全性能高且无需传动装置即可实现直线运动等优势，在中低速磁悬浮与新型轨道交通领域得到了广泛的应用。
传统模型预测推力控制（Model Predictive Thrust Control，MPTC）的核心依赖于电机的精确数学模型。然而，在电动车辆的实际牵引工况下，电机温升、磁饱和以及直线电机特有的动态边端效应，会导致电机参数（如等效次级电阻、励磁电感等）发生显著且难以实时测量的变化，直接影响电压、电流等操作变量的监测精度，预测模型失配进而导致推力预测不准、控制性能恶化，严重制约了系统在宽运行范围内的稳定性与可靠性。
针对上述挑战，如何提供一种在电机参数剧烈摄动、运行工况复杂多变的条件下，摆脱对精确数学模型的依赖，并实现超局部模型下集总扰动的估计的准确性，最终确保牵引推力响应快速、平稳且精确的问题，为本领域亟待解决的技术问题。
发明内容
该发明目的在于克服现有技术的不足，提供一种直线感应电机牵引控制预测方法及系统。该方法通过构造仅依赖系统输入输出的超局部模型，替代传统基于电机内部参数的精确数学模型；设计具备指数收敛特性的高增益扩张状态观测器，将模型失配、边端效应及外部负载变化等因素统一视为集总扰动，并对其进行实时观测与动态前馈补偿，显著提升了系统在复杂工况下的抗干扰能力和鲁棒性。
为实现上述目的，该发明采用如下技术方案：
第一方面，本发明提供一种直线感应电机牵引控制预测方法，整体流程如图1所示，包括以下步骤：
图1 直线感应电机牵引控制预测方法流程图
步骤一、超局部模型构建：基于构建的有功推力和无功推力模型，获得超局部模型。将电机系统视为一个整体，将系统内部和外部的扰动全部归总为超局部模型的总扰动，从根本上降低了控制策略对参数波动的敏感性。
步骤二、状态数据获取：将当前直线感应电机的第一运行状态数据输入磁链观测器，从而获得第二运行状态数据。磁链观测器采用基于极大似然准则的自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter，AUKF）状态观测器，能够实时估计磁链、速度等不可直接测量的车辆状态数据。
步骤三、集总扰动估计与补偿：将第二运行状态数据和改进的特征值输入到扩张状态观测器（Enhanced Extended State Observer，EESO），得到集总扰动的第一估计值，通过对集总扰动的第一估计值前馈补偿，获得集总扰动的第二估计值。其中，改进的特征值随着系统扰动变化而变化，当跟踪误差较大时增加观测器增益，跟踪误差较小时减小增益，实现快速、精确的扰动估计。
步骤四、推力预测：将第二估计值及第二运行状态数据输入超局部模型，获得有功推力和无功推力的预测值。
步骤五、最优矢量选择：将预测值通过代价函数优化，获得最终矢量。代价函数采用有功推力与无功推力的误差平方和，由于二者具有相同的物理量纲，无需引入权重因子即可实现多目标直接优化。
第二方面，本发明提供一种直线感应电机牵引控制预测系统，包括：模型构建模块、状态获得模块、观测器模块和获得模块，分别对应上述方法的各步骤功能。系统整体控制架构如图2所示。
图2 直线感应电机牵引控制系统整体结构框图
与现有技术相比，本发明的突出优点和有益效果在于：
1. 无模型预测控制，摆脱参数依赖与权重试凑。构造仅依赖系统输入输出的超局部模型，不含电机电阻、电感等易变参数，从根本上降低控制策略对参数波动的敏感性；同时采用有功推力与无功推力协同控制，利用二者同量纲特性设计无权重代价函数，消除传统MPTC中依赖工程经验反复试凑的权重因子，简化控制器设计并避免因权重固定导致的性能下降。
2. 双自适应观测器协同，实现精准扰动估计与状态观测。改进的扩张状态观测器（EESO）将特征值设计为随系统扰动动态变化的可变增益，跟踪误差大时增大增益、误差小时减小增益，可快速精确估计集总扰动并进行前馈补偿，主动抵抗边端效应与负载变化；自适应无迹卡尔曼滤波（AUKF）基于新息理论和极大似然准则在线更新噪声协方差矩阵，自动跟踪系统动态变化，高精度观测磁链与速度等不可测状态。二者协同显著提升了系统在复杂工况下的鲁棒性。
3. 无速度传感器运行，降低硬件成本与维护复杂度。通过超局部模型构建与双自适应观测器协同，无需额外安装速度传感器即可准确推算车辆运行速度和牵引力，实现了无速度传感器条件下的高性能牵引控制，降低了系统硬件成本和维护复杂度，提升了系统整体可靠性。
作者信息
丰富，赣南实验室专任教师，主要研究方向为电机智能设计、模型预测控制、无位置传感器控制。近年来，发表高质量论文十余篇，授权国家发明4件；主持江西省职业早期青年科技人才培养项目1项，江西理工大学高层次人才项目1项，赣州市稀土新材料及应用产业发展联盟1项，江西盛昆智能装备制造项目1项，参与国家重点研发计划子课题2项。
