⚡ electrical engineering

On the Unification of Optimal Current Reference Theory for Wound Rotor Synchronous Machines

本文提出了一种将最优电流参考理论推广至励磁同步电机（WRSM）的通用框架，通过结合转子电流自由度、磁饱和、交叉耦合及铁损，利用分段线性近似将问题建模为二次约束二次规划，从而在满足系统约束的同时实现了全工作范围内的计算高效且可扩展的最优控制。

原作者： Maxfield Parson-Scherban, Kasra Fallah, Navid Rahbariasr, Bernard Steyaert, James Anderson, Matthias Preindl

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Maxfield Parson-Scherban, Kasra Fallah, Navid Rahbariasr, Bernard Steyaert, James Anderson, Matthias Preindl

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文主要讲的是如何给一种特殊的电机（绕线转子同步电机，简称 WRSM）制定“最佳电流指令”，让它在各种情况下都能跑得既快又省电。

为了让你更容易理解，我们可以把电机想象成一辆智能电动汽车，把“电流”想象成踩油门的力度，把“扭矩”想象成车的加速度。

1. 核心问题：如何“省油”又“有力”？

想象你开着一辆电动车，你需要它：

加速快（产生足够的扭矩）。
不烧坏（电流不能超过电线能承受的极限）。
不超速（电压不能超过电池能提供的极限）。
最省油（损耗最小）。

对于普通的电机（比如永磁电机），控制策略就像是一个固定的“油门表”，大家已经研究得很透彻了。但是，这篇论文研究的是一种更高级的电机（WRSM）。

它的特别之处在于： 普通电机只有一个“油门”（定子电流），而 WRSM 有两个“油门”：一个是定子电流，另一个是转子电流（可以想象成还有一个“涡轮增压”或者“可变进气量”的旋钮）。

这就带来了一个新问题：既然有两个旋钮可以调，怎么调才能让车跑得最顺、最省电？这就好比你要同时控制油门和涡轮增压，还要考虑路况（磁场饱和）和引擎发热（铁损），这比只控制一个油门要复杂得多。

2. 现有的难题：太复杂，算不过来

以前的方法主要有两种：

暴力计算法：像是一个超级计算机，每次都要把所有可能的组合都试一遍，找出最好的。但这太慢了，车还没反应过来，计算结果就出来了，没法用在实时的汽车控制里。
简化法：为了算得快，把电机想得太简单（比如忽略磁场会变饱和、忽略线圈发热），结果算出来的“最佳方案”其实并不省电，甚至可能让车跑偏。

这篇论文的目标就是：既要算得准（考虑所有复杂因素），又要算得快（能实时控制）。

3. 作者的解决方案：把“迷宫”切成“小房间”

作者想出了一个聪明的办法，叫**“分而治之”**。

想象电机的工作状态是一个巨大的、复杂的迷宫。以前的人试图一次性画出整个迷宫的最优路线，太难了。
作者的做法是：

切蛋糕：把这个巨大的迷宫（电流空间）切成很多小块（就像切蛋糕一样，每一块叫“区域”）。
贴标签：在每一小块里，复杂的非线性关系（比如磁场饱和）变得很简单，可以用直线来近似。
找规律：在每个小块里，作者发现根据当前的“路况”（是低速巡航、急加速、还是高速冲刺），最优解的规律是固定的。

作者把电机的工作状态分成了五种典型的“驾驶模式”（也就是论文里的五个约束区域）：

巡航模式 (Cruise)：低速轻载，就像在高速公路上匀速行驶。这时候只要算个简单的公式就能找到最省电的电流。
起步模式 (Launch Control)：需要大扭矩起步，就像赛车起步，电流限制是瓶颈。这时候也有现成的公式。
高速模式 (Fast Driving)：速度很快，电压快不够用了（就像引擎转速太高，进气受限）。这时候需要解一个稍微复杂点的数学题（半定规划），但作者证明了这题有唯一解，算起来也很快。
狂暴模式 (Forceful Fast Driving)：又高速又需要大扭矩，所有限制都卡住了。这时候就像在走钢丝，作者通过数学推导，把问题变成了找几个特定的“根”，直接就能算出来。
转子受限模式：当转子电流达到极限时，它就退化成了普通电机的问题，直接套用旧公式即可。

4. 为什么这个方法很牛？

像导航一样快：以前的方法像是在迷宫里乱撞找路，或者用超级计算机慢慢算。作者的方法像是给每个小房间都装好了自动导航，一进入某个房间，系统立刻就知道该往哪走（直接给出公式解），不需要再反复试错。
考虑了所有细节：它没有忽略“磁场饱和”（就像忽略了引擎过热会降功率）和“交叉耦合”（就像忽略了转弯时油门和方向盘的互相影响），所以算出来的结果非常精准。
实测效果惊人：
- 精度：和目前最顶尖的暴力计算法相比，它的结果甚至更好（省电了 1 瓦特，虽然听起来少，但在电机控制里这很了不起）。
- 速度：计算时间从平均 22 毫秒 缩短到了 1 毫秒 以内（快了 95% 以上）。这意味着它完全可以在车载芯片上实时运行，让车子反应更灵敏。

5. 总结

简单来说，这篇论文就是给这种带有“涡轮增压”功能的特殊电机，发明了一套**“智能驾驶辅助系统”**。

它不再让电脑去死算，而是把复杂的驾驶场景分门别类，针对每种情况（巡航、起步、高速等）都提前算好了**“最佳操作手册”**。当车子在实际运行时，系统只需要看一眼现在的状态属于哪一类，直接翻开手册执行即可。

结果就是： 车子跑得更顺、更省电，而且反应速度极快，为未来电动汽车的高效控制提供了强有力的理论支持。

论文技术总结：绕组转子同步电机（WRSM）最优电流参考理论的统一

1. 研究背景与问题定义

背景：
电机驱动系统占全球电力消耗的很大比例，特别是在电动汽车应用中，牵引电机需要在宽范围的扭矩和速度条件下高效运行。传统的永磁同步电机（PMSM）最优电流参考理论已相对成熟，但**绕组转子同步电机（WRSM）**作为一种新兴的替代方案，因其去除了稀土永磁体、提高了故障安全性并具备主动磁通控制能力而备受关注。

核心问题：
WRSM 相比 PMSM 多了一个转子电流自由度（ $i_r$ ），这使得电流参考生成问题变得更加复杂。现有的 WRSM 控制方法存在以下局限：

数值优化法：计算成本高，难以满足嵌入式系统的实时性要求。
学习型代理模型：缺乏解析结构，无法保证最优性，且难以适应电机特性的变化。
现有解析法：往往忽略了磁饱和、交叉饱和以及速度相关的铁损，或者假设过于简化，无法覆盖实际工况。

目标：
构建一个通用的、计算高效的框架，用于生成 WRSM 的最优电流参考。该框架需同时考虑：

磁饱和与交叉饱和效应。
速度相关的铁芯损耗。
电流和电压约束。
在嵌入式硬件上的实时计算能力。

2. 方法论 (Methodology)

本文提出了一种基于分段仿射（Piecewise-Affine, PWA）近似和约束激活机制的统一优化框架。

2.1 磁通映射建模 (PWA 近似)

利用有限元分析（FEA）数据，将非线性的磁通映射 $\lambda = \phi(i)$ 在全局电流空间内划分为多个单纯形（Simplex）。
在每个单纯形区域内，使用仿射映射 $\lambda \approx L_j i + \psi_j$ $λ \approx L_{j} i + ψ_{j}$ 来近似磁通。
- $L_j$ ：局部电感矩阵（包含自感和交叉耦合电感）。
- $\psi_j$ ：磁通偏移量。
这种处理方式保留了电机物理方程的二次结构，使得每个区域内的优化问题可以表述为二次约束二次规划（QCQP）。

2.2 优化问题构建

目标是最小化总电气损耗（铜损 + 铁损），同时满足扭矩、电流和电压约束：

目标函数： $J = i^\top R i + \omega^2 \lambda^\top G \lambda$ （铜损与速度相关的铁损）。
约束条件：
- 扭矩约束（非凸二次等式）。
- 转子电流限制（ $0 \le i_r \le i_{r,r}$ ）。
- 定子电流限制（ $\|i_{dq}\| \le i_{s,r}$ ）。
- 电压限制（ $|\omega_e| \|\lambda_{dq}\| \le v_{max}$ ）。

2.3 基于约束激活机制的解析求解

根据工作点不同，不等式约束的激活情况将问题划分为五个不同的运行区域（Regimes）。针对每个区域，推导了特定的求解策略：

仅扭矩约束（巡航模式）：
- 所有不等式松弛。
- 利用 KKT 条件导出关于拉格朗日乘子 $\mu$ 的 6 次多项式方程，通过求根获得解析解。
定子电流约束（启动控制）：
- 定子电流达到极限。
- 通过参数化定子电流圆，将问题转化为单变量三角多项式优化，利用韦斯特拉斯代换（Weierstrass substitution）转化为多项式求根。
电压约束（快速驾驶）：
- 电压达到极限。
- 这是一个非齐次 QCQP 问题。通过齐次化和提升（Lifting）技术，将其转化为半定规划（SDP）松弛问题。
- 验证表明，在该工况下 SDP 松弛是精确的（秩为 1），可直接恢复全局最优解。
完全约束（强力快速驾驶）：
- 定子和电压约束同时激活。
- 可行集为有限个点。通过消元法将问题转化为关于角度 $\theta$ 的 4 次多项式求根，枚举所有可行点并选取损耗最小者。
转子电流约束（PMSM 特例）：
- 转子电流达到极限（固定）。
- 退化为二维 PMSM 问题，直接复用现有解析解。

3. 主要贡献 (Key Contributions)

WRSM 参考生成公式化：首次将 WRSM 的最优电流参考问题统一表述为基于 PWA 磁模型的 QCQP，完整纳入了饱和、交叉饱和及速度相关铁损。
分区域解析解结构：
- 推导了四种主要工况下的闭式解或低维多项式解（无需迭代求解器）。
- 针对电压受限工况，提出了一种小型 SDP 松弛方法，并在实验范围内验证了其精确性。
计算高效性：提出的策略避免了在运行时依赖通用的非线性优化求解器，极大降低了计算负担，适合实时应用。
原型验证：基于物理 WRSM 原型机进行了验证，证明了该方法在精度和速度上的优越性。

4. 实验结果 (Results)

实验基于哥伦比亚大学开发的 WRSM 原型机（额定功率 65kW，最高转速 12000 rpm）。

最优性验证：
- 与业界领先的非线性求解器 Gurobi 相比，本文方法在测试的整个工作包络内，损耗降低了高达 1W。
- 在电压受限区域，SDP 松弛的秩为 1 验证表明其解是全局最优的。
运行时间对比：
- 中位求解时间：从 Gurobi 的 22.22 ms 降低至 0.99 ms。
- 加速比：中位求解时间减少了 95.5%。
- 最坏情况：即使在需要 SDP 求解的最坏情况下（4.14 ms），也比 Gurobi 的中位速度快 5 倍以上。
物理特性分析：
- 结果显示了 WRSM 独特的磁通调节能力：在高速区，通过减小转子电流 $i_r$ 来削弱气隙磁通，从而在电压受限下维持扭矩。
- 约束区域的边界（特别是巡航区与电压受限区的边界）随扭矩需求变化，这与 PMSM 的固定速度阈值不同，体现了三自由度模型的优势。

5. 意义与结论 (Significance)

理论突破：将统一的最优电流参考理论从 PMSM 扩展到了更复杂的三自由度 WRSM，填补了同时考虑饱和、交叉耦合和铁损的解析解空白。
工程价值：
- 解决了 WRSM 实时控制中的计算瓶颈，使得在嵌入式硬件（如 MCU/DSP）上运行复杂的最优控制策略成为可能。
- 相比传统数值优化方法，显著降低了计算延迟，提高了控制系统的响应速度和效率。
未来展望：
- 进一步形式化 SDP 松弛的精确性证明。
- 将该框架集成到实际的嵌入式电机驱动硬件中进行在线部署。

总结：该论文提出了一种高效、精确且通用的 WRSM 最优电流参考生成框架。通过结合 PWA 磁模型和分区域解析求解策略，成功在保留物理模型复杂度的同时，实现了毫秒级的实时计算性能，为下一代高效电动汽车驱动系统提供了重要的理论和技术支撑。