季鹏鹏 潘 丰

（江南大学轻工过程先进控制教育部重点实验室 无锡 214122）

1 引言

永磁同步电机（Permanent Magent Synchronous Motor，PMSM）性能优越，广泛用于各个领域，逐渐成为高精度伺服控制系统执行电机的主流［1］。但在实际工作环境下，受逆变器固有非线性特性和气隙谐波磁通等因素影响，使电流发生畸变并引起电机产生周期性转矩脉动。转矩脉动的存在影响了系统的精确定位性能。因此，永磁同步电机转矩脉动的抑制成为国内外学者研究的热点。

针对永磁同步电机转矩脉动抑制，从电机的控制策略出发，通过选择和结合近几年提出的各种智能算法，补偿电机控制电流或电压，从而抑制转矩脉动。常见的方法有谐波电压注入［2］、比例积分-准谐振补偿器［3］、死区前馈补偿［4］等。近年来迭代学习控制算法（Iterative Learning Controller，ILC）在永磁同步电机上得到了广泛应用，文献［5］提出了一种基于迭代学习控制算法的转矩脉动抑制策略，该方法将负载转矩与电机输出转矩的偏差信号经在线迭代学习补偿到q轴电流的给定端，实现转矩脉动抑制，效果良好。文献［6］针对转速纹波引起的周期性转矩脉动，提出了一种基于开闭环P型迭代学习控制算法替代转速调节器，也取得了较好的效果。此外，人工神经网络、扩展卡尔曼滤波、模糊控制等也被运用到转矩脉动抑制中［7～9］，但这些方法较为复杂，在实际工程中实用性不强。

针对PMSM周期性转矩脉动，提出一种基于迭代学习控制的转矩脉动抑制方法，将转速环的输出……