← 返回
基于GRA-TOPSIS的无权重系数感应电机模型预测转矩控制
GRA-TOPSIS-Based Model Predictive Torque Control for Induction Motor Without Weighting Factors
| 作者 | Yanqing Zhang · Danyang Jia · Zhonggang Yin · Peien Luo |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年9月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 模型预测控制MPC PWM控制 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 模型预测转矩控制 感应电机 加权因子 灰色关联分析 TOPSIS 驱动系统 |
语言:
中文摘要
模型预测转矩控制（MPTC）在感应电机驱动中极具潜力，但其权重系数的调节通常依赖工程经验。本文提出一种基于灰色关联分析（GRA）与逼近理想解排序法（TOPSIS）的无权重系数MPTC策略，有效解决了不同工况下权重系数难以整定的问题，提升了控制系统的鲁棒性与动态性能。
English Abstract
Model predictive torque control (MPTC) has been recognized as a promising control strategy for induction motor (IM) drives. However, the weighting factor for adjusting the relative weights of torque and flux terms must be tuned correctly under different operating conditions. Up to now, the tuning process of weighting factor is still mainly based on engineering experience. In this article, a gray r...
S
SunView 深度解读
该算法优化了模型预测控制（MPC）中权重系数的整定过程，对阳光电源的电机驱动类产品（如风电变流器及部分储能系统中的辅助电机控制）具有参考价值。虽然阳光电源核心业务侧重于电力电子变换，但该算法在提升变流器控制精度、减少对经验参数依赖方面具有通用性。建议研发团队关注该算法在复杂工况下的计算开销，评估其在高性能风电变流器或工业驱动场景中替代传统加权MPC的可行性，以进一步提升系统动态响应速度。