买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于自学习超局部模型的永磁电机预测控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120049774B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510521716.4，技术领域涉及：H02P21/00；该发明授权基于自学习超局部模型的永磁电机预测控制方法是由马吉恩;刘成昊;方攸同;欧阳晓平;张凯;胡源;印欣设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本基于自学习超局部模型的永磁电机预测控制方法在说明书摘要公布了：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。

本发明授权基于自学习超局部模型的永磁电机预测控制方法在权利要求书中公布了：1.一种基于自学习超局部模型的永磁电机预测控制方法，其特征在于，所述方法包括以下步骤： 针对所述永磁电机构建自学习超局部模型，所述自学习超局部模型包括转速超局部模型和电流超局部模型，所述转速超局部模型和所述电流超局部模型中的集总扰动项和控制输入增益均是在线自学习的，所述转速超局部模型和所述电流超局部模型中的自学习部分均由在线的神经网络或模糊逻辑逼近； 构建所述永磁电机输入输出状态的历史数据队列，所述历史数据队列满足先进先出的更新规则，所述输入输出状态包括转速、电流以及电压； 采集当前时刻所述永磁电机输入输出状态，更新所述历史数据队列； 利用更新后的所述历史数据队列中的数据和第一自学习公式、更新所述转速超局部模型中的集总扰动项和控制输入增益，以及利用更新后的所述历史数据队列中的数据和第二自学习公式、更新所述电流超局部模型中的集总扰动项和控制输入增益； 将设定的参考转速代入更新后的转速超局部模型得到最优参考电流，或者，将设定的参考转速代入更新后的转速超局部模型得到最优参考电流，并将所述最优参考电流代入更新后的电流超局部模型得到最优输入电压； 根据所述最优参考电流及其对应的电流代价函数或者根据所述最优输入电压及其对应的电压代价函数选择最优开关组合，以驱动所述永磁电机运行； 所述转速超局部模型为： ；表示所述永磁电机转速的采样周期，表示时刻所述永磁电机的预测转速，表示时刻所采集的所述永磁电机的转速，表示时刻所采集的q轴电流，和分别表示所述转速超局部模型的集总扰动项和控制输入增益；所述电流超局部模型为： ；表示电流的采样周期，表示时刻q轴的预测电流，表示时刻d轴的预测电流，表示时刻所采集的dq轴电流，表示时刻所采集的dq轴电压，和分别表示所述电流超局部模型的集总扰动项和控制输入增益；所述第一自学习公式为： ；表示时刻的所述永磁电机的预测转速，表示时刻的所述永磁电机的实际转速，表示所述第一自学习公式的学习率；所述第二自学习公式为： ；表示时刻所述永磁电机的预测电流，表示时刻所述永磁电机的实际电流，表示所述第二自学习公式的学习率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。