基于自学习超局部模型的永磁电机预测控制方法

本发明提供一种基于自学习超局部模型的永磁同步电机预测控制方法，涉及永磁电机控制领域。该方法包括：构建被控电机输入输出状态的历史数据队列，该队列满足先进先出规则，其输出分别用于参数自学习和模型预测；根据自学习算法，在线更新转速超局部模型和电流超局部模型中集总扰动项和控制输入增益的参数；使用更新的超局部模型和当前状态实现被控电机的鲁棒预测控制；其中，集总扰动项和控制输入增益由神经网络逼近，同时提供相关的稳定性条件和分析。该方法仅使用历史数据逼近系统实际动态，缓解因参数变化和未建模扰动对控制性能产生的负面影响；无需根据先验的物理参数设计控制输入增益和观测器带宽，进一步拓宽鲁棒算法的适用范围。