영구 자석 동기 전동기 제어 시스템에서 전류 루프 컨트롤러의 성능을 향상시키고 모델 파라미터 부적합이 제어 시스템에 미치는 영향을 감소시키기 위해, 가우스 프로세스 기반 파라미터 식별을 이용한 영구 자석 동기 전동기 유한 집합 모델 예측 전류 제어 전략(FCS-GPMPC)을 제안하였다. 먼저, 영구 자석 동기 전동기의 전류 예측 모델을 소개하고 모델 파라미터 부적합이 시스템 성능에 미치는 영향을 분석하였다. 다음으로, 일반 기계 학습 파라미터 식별 알고리즘의 복잡한 하이퍼파라미터 조정 과정을 간소화하기 위해 가우스 프로세스 기반 모델 파라미터 식별 방법을 제안하였다. 동시에 예측값의 신뢰 구간을 파라미터 예측 효과의 실시간 평가 참고 지표로 도입하였다. 마지막으로, 가우스 프로세스 파라미터 식별과 모델 기반 유한 집합 모델 예측 전류 제어(FCS-MPC)를 결합하여 정확히 식별된 파라미터를 얻은 후 시스템 전류 예측 모델을 갱신하여 시스템의 견고성과 전류 루프 추적 성능을 향상시켰다. 실험 결과, 본 논문에서 사용된 학습 데이터의 통계적 특성 하에서 테스트 데이터의 평균 제곱근 오차(RMSE)는 0.0021이며, <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><msup><mrow><mi>R</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FCF0E2AE-9302-42f3-9DAE-797756030D23-M001.jpg"/><?fx-imagestate width="3.38666677" height="2.62466669"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/FCF0E2AE-9302-42f3-9DAE-797756030D23-M001c.jpg"/><?fx-imagestate width="3.38666677" height="2.62466669"?></graphic></alternatives></inline-formula>은 0.99에 도달하였다. 파라미터 변동 조건 하에서 FCS-MPC와 비교하여 FCS-GPMPC 전략은 전류 변동도를 30.5% 감소시키고 전류 평균 편차를 19.6% 감소시켰으며, 참고 전류의 계단 변화에 대해서도 FCS-GPMPC가 더 나은 동적 응답을 보였다. 실험 결과는 가우스 프로세스 기반 모델 예측 제어 방식이 모델 부적합이 제어 시스템에 미치는 영향을 효과적으로 억제할 수 있으며 영구 자석 동기 전동기 제어 시스템의 전류 제어기 성능을 향상시킬 수 있음을 보여준다.

영구 자석 동기 전동기;모델 예측 제어;기계 학습;가우스 프로세스;모델 부적합