这份文件的标题和描述提到的知识点涵盖了经典模型预测控制（Model Predictive Control，简称MPC）技术在永磁同步电机（Permanent Magnet Synchronous Motor，简称PMSM）的应用。MPC是一种先进的控制策略，其核心在于使用一个数学模型来预测未来一段时间内系统的动态表现，并优化控制输入以达到期望的输出目标。PMSM是一种高效能的电机，广泛应用于各种高性能驱动系统中。
在文件中，Jean-Franc¸ois Stumper, Alexander D¨otlinger和Ralph Kennel三位作者提出了一个针对PMSM的MPC方案。该方案旨在对PMSM的转矩进行控制，并优化一个包含控制误差和电机损耗的二次成本函数，同时考虑电压和电流的限制。为了满足实时性要求，引入了一种次优算法，该算法基于微分平坦性、连续参数化和线性规划。
文中强调了MPC在电气驱动领域的应用，目标是替代经典的级联场向量控制结构（cascaded field-oriented control structure）。传统上，这些结构使用PI（比例-积分）控制器来控制永磁同步电机的磁场定向控制。然而，MPC能够更好地利用电机性能，通过优化系统变量来改善控制行为。
在MPC的框架内，文档中提到了多输入多输出（MIMO）控制的概念。MIMO控制通过将系统变量变换到场定向框架中，实现了扭矩生成与磁通变化的解耦。但电流动态依然有强烈的耦合关系，因此使用MIMO控制器是有优势的。这旨在通过利用正交分量间的交叉耦合来提高电流和电压的约束处理性能，并通过最佳调整控制输入来优化功率效率和动态性能。
文档还特别提到了MPC的一个显著特点，即约束处理的改进。与传统方法通过饱和控制输入来处理约束不同，这里动态地应用了磁通弱化来绕过电压限制。这表明，MPC方案不仅仅关注控制输入的饱和，还能够通过控制策略的调整来应对系统的物理限制。
MPC的实施涉及到实时优化问题的解决。由于MPC需要在每个控制周期内进行优化计算，因此对算法的计算效率有很高的要求。为了应对这一挑战，文档中提到了基于微分平坦性原理的次优算法。微分平坦性是一种能够简化系统模型和优化问题的技术，使得原本复杂的非线性问题转化为可以更容易解决的线性或二次问题。同时，通过连续参数化方法可以减小计算复杂度，而线性规划则为处理具有线性关系的问题提供了有效工具。
优化的结果不仅能够得到快速和平滑的转矩动态，还能在高速运行时通过使用磁通弱化来提升功率效率和电流动态。利用长时间约束的预测控制策略，多变量控制器能够利用正交分量之间的交叉耦合效应，从而提高了控制系统的整体性能。
文件最后通过实验和数值结果验证了所提出MPC方案的性能。这强调了模型预测控制在电机驱动系统中应用的实用性，以及其在提升系统性能方面的潜力。通过实验和仿真，证明了所提出的控制策略不仅能有效地控制电机，而且能够在不同的操作条件下优化电机性能。
总结来看，这份文件探讨了MPC在PMSM控制中的应用，不仅深入分析了MPC的原理和方法，还通过实验验证了其有效性。它为电气驱动系统提供了一种高效、快速的控制策略，并对电机控制领域具有重要的意义。
