Řízení střídavých elektrických pohonů pomocí algoritmů NMPC

Abstract

Tato dizertační práce se zabývá využitím nelineárního prediktivního řízení pro řízení motoru s permanentními magnety. V teoretické části práce je představena teorie prediktivního řízení, optimalizace a paralelních výpočtů. Znalosti nabyté v teoretické části jsou aplikovány v části praktické, která prezentuje navržené algoritmy prediktivního řízení. Tyto algoritmy jsou rozděleny do dvou kategorií – s konečnou a se spojitou řídicí množinou. Algoritmy byly navrženy s ohledem na paralelizaci výpočtů, což umožnilo dosáhnout výpočetních časů potřebných pro řízení motoru v reálném čase. V praktické části jsou algoritmy nejprve testovány v simulačním prostředí. Zde jsou také diskutovány možné komplikace, jako například změny parametrů motoru v čase, a jejich potenciální řešení. Závěrečná část práce je věnována laboratornímu ověření jednoho z navržených algoritmů a jeho porovnání s klasickou kaskádní řídicí strukturou. Výsledky tohoto srovnání ukazují výhody nelineárního prediktivního řízení oproti tradičním lineárním přístupům.This doctoral thesis deals with the application of nonlinear model predictive control in permanent magnet synchronous motor control. The theoretical part of the thesis presents the predictive control, optimization, and parallel computing theory. The knowledge from the theoretical part is used in the practical part, which presents algorithms falling into two categories -- finite control and continuous control sets. The proposed algorithms use parallel computations to achieve the times required for real-time motor control. First, the algorithms are verified in a simulation environment, where solutions to some problems, such as the variation of the controlled motor parameters over time, are discussed. Final part of the thesis is devoted to the laboratory verification of one of the proposed algorithms and its comparison with a standard field-oriented control structure. The results of this comparison are presented and show the advantages of the nonlinear model predictive control over the linear approaches.