永磁同步电机矢量控制——电流环转速环PI 参数调节

1 PI 调节器参数调节

根据电机的转矩公式可以得知,id=0时,从电动机端口看,永磁同步电动机 相当于一台他励的直流电动机,定子电流中只有交轴分量,且定子磁动势空间矢 量与永磁体磁动势空间矢量正交,电动机转矩中只有永磁转矩分量,且转矩达到最大。因为电磁转矩仅仅依赖于交轴电流,从而实现了转矩表达式中的 交、直轴电流解耦。这种控制方法最为简单且在工程中较容易实现,对于隐极式 永磁同步电机而言,id=0的控制方式是最大转矩电流比的工作状态。

矢量控制系统中电流内环和转速外环均采用传统的 PI 调节器控制,前期已经介绍过电流环与转速环的PI参数整定方法,但实际中按照理论计算一般都是不准确,需要进行一定的手动调节,下面结合simulink介绍各 PI 调节器参数调节方法。

1.1电机参数

选择额定功率为3kW的凸极永磁同步电机,电机的额定转速为1200rpm,定子电阻为0.958 Ω ,直流母线电压Udc为311V,转动惯量J为0.003 kg·m2。具体电机参数如下表所示。

按照阻尼比为0.707,中频带带宽h=5进行电流环PI 参数计算,可以得到

iq电流环:Kp=400,Ki=31933

id电流环:Kp=175,Ki=31933

转速环:Kp=32.8,Ki=164000

1.2电流环调节

原则是先调电流环,然后调转速环,如图所示, id 给定为 0,iq 给定为 1,先将计算的增益参数带进去看效果如何。

这里的观察波形:

可以看到刚开始的id和iq跟随效果较好,紧紧的跟随1和0,后面跑飞了是因为电流给恒定值时,相当于一直在加速,所以当速度超出额定转速太远,电机就跑飞了,这是正常现象,我们现在只是再调节电流环,所以会有这种现象。

此时电流环已经调节完。

### 使用 AutoGPTQ 库量化 Transformer 模型 为了使用 `AutoGPTQ` 对 Transformer 模型进行量化,可以遵循如下方法: 安装所需的依赖包是必要的操作。通过 pip 安装 `auto-gptq` 可以获取最新版本的库。 ```bash pip install auto-gptq ``` 加载预训练模型并应用 GPTQ (General-Purpose Tensor Quantization) 技术来减少模型大小和加速推理过程是一个常见的流程。下面展示了如何利用 `AutoGPTQForCausalLM` 类来进行这一工作[^1]。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from auto_gptq import AutoGPTQForCausalLM model_name_or_path = "facebook/opt-350m" quantized_model_dir = "./quantized_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 加载已经量化的模型或者创建一个新的量化器对象用于量化未压缩过的模型 gptq_model = AutoGPTQForCausalLM.from_pretrained(quantized_model_dir, model=model, tokenizer=tokenizer) ``` 对于那些希望进一步优化其部署环境中的模型性能的人来说,`AutoGPTQ` 提供了多种配置选项来自定义量化参数,比如位宽(bit-width),这有助于平衡精度损失与运行效率之间的关系。 #### 注意事项 当处理特定硬件平台上的部署时,建议查阅官方文档以获得最佳实践指导和支持信息。此外,在实际应用场景之前应该充分测试经过量化的模型以确保满足预期的质量标准。
评论 19
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

爱斯维尔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值