【ITBEAR】随着“双碳”战略的深入实施，电动汽车产业正迎来前所未有的发展机遇。在这一背景下，电机控制技术作为电动汽车性能提升的关键，正经历着从传统到创新的深刻变革。
传统的PI控制策略以其广泛的适用性在电机控制领域占据了一席之地。然而，其固有的局限性，如增益系数优化不足、d、q轴耦合影响动态性能以及控制量选择受限等问题，逐渐凸显出来，限制了电动汽车性能的进一步提升。为此，科研人员开始探索新的控制策略，其中，模型预测控制（MPC）算法以其独特的优势成为了研究的热点。
模型预测控制通过预测模型及当前状态量，能够在复杂约束条件下求解出最优控制序列，实现多输入多输出的有效控制。然而，这一算法对算力的需求极高，长期以来限制了其在电力电子和电机控制领域的广泛应用。随着近年来计算处理单元的飞速发展，模型预测控制终于迎来了在电动汽车领域的春天。
在永磁同步电机（PMSM）控制领域，模型预测控制根据其是否需要脉冲宽度调制（PWM）技术，被分为有限控制集和连续控制集两类。这两类方法各有千秋，但都存在在线求解困难的问题。为了解决这一难题，显式模型预测控制（EMPC）应运而生。它将有约束问题的在线求解转化为离线关于状态量的分段仿射函数显式表达，极大地提高了计算效率。
中国科学院大学和中国科学院电工研究所的科研团队在这一领域取得了重要突破。他们提出了一种应用于永磁同步电机的级联式高性能显式模型预测控制算法。该算法基于多参数规划思想建立系统参数化模型，离线求解有约束条件下的最优解，并以状态量的分段仿射函数形式保存，从而解决了连续控制集模型预测控制算法在线求解的算力需求问题。
图：显式模型预测控制电机控制框图
研究团队全面介绍了显式模型预测控制的应用思想及设计流程，并深入分析了在永磁同步电机控制中模型失配、死区效应、数字延时等非理想因素带来的影响，提出了相应的应对措施。他们表示，相较于传统的抗饱和策略，该算法将模型及各类约束条件纳入控制问题的求解中，包含了控制过程中所有的动态特征，能够在保证系统线性稳定的同时获得更好的动态性能。
图：显式模型预测控制流程
实验结果表明，与传统PI控制算法相比，该算法的高带宽特性使其具有更快的动态响应速度及谐波抑制能力。同时，基于多变量控制思想的设计方法使其不再需要考虑系统状态之间的耦合作用，基于可行域求解的最优控制量则能够满足全域的控制需求，避免了繁琐的调参工作。
图：对拖实验平台
这一研究成果不仅为电动汽车的电机控制提供了新的解决方案，也为推动电动汽车产业的持续健康发展注入了新的动力。该研究成果已在《电工技术学报》2023年第22期上发表，并得到了国家重点研发计划资助项目的支持。
