1.简介
前面的内容已经介绍了很多谐波抑制的方法：多同步、PIR、陷波器等等。也介绍了比较多的谐波来源：死区（5、7、11、13等次相电流谐波）、绕组不对称（基波不等幅值、3次相电流谐波）等等。
上述的方法都是知道谐波的次数，然后根据谐波的次数来搭建谐波抑制算法的。
比如多同步方法需要抑制相电流的五七次谐波电流，所以要搭建五次、七次多同步坐标系。再比如PIR方法需要抑制相电流的五七次谐波电流，所以要在dq回路加上以六次电频率为谐振频率的R调节器。
那有没有什么办法是不需要知道谐波频率，即可对任意次谐波电流进行抑制的方法呢？
文章摘要：
基于扩张状态观测器（ESO）的无差拍自抗扰控制（DB-ADRC）常用于高性能的转矩或电流控制，但在抑制逆变器非线性和磁链谐波等周期性扰动引起的电流谐波时效果不佳。
当谐波频率已知时，基于内部模型的方法（如谐振控制）可与ESO结合以减轻电流纹波，但在真实的应用中并不总是这样。
本文将一种具有快速训练过程的在线训练径向基函数神经网络（RBFNN）补偿器集成到DB-ADRC系统中，以在不知道谐波频率的情况下同时抑制非周期和谐波扰动。该方案能在不影响系统动态性能的前提下，有效抑制各种转速和负载条件下的电流谐波。
这种方法的特点就是不需要预先知道谐波频率，就可以自适应抑制谐波电流。这种方法如果非常有效的话，将来可以推广在工业控制器上的，在工业上会非常有用。
2.论文的基本内容
论文中涉及神经网络的那部分公式其实很少。我这里简单展示一下，有兴趣可以搜搜论文看看。（直接按照他给的公式搭建模型即可）
参数设置：直接按照论文中给的参数即可。但是我没明白这个学习率kw后面为啥有个s-2，问了GPT和我学计算机的同学。s-2应该是学习率变化调整与时间的平方成反比。
3.仿真验证
注意一下，论文相当于在传统LESO-DPCC（基于线性扩张状态观测器的无差拍预测电流控制）上加了一个神经网络，神经网络的输出就是需要的交流谐波电压数值。
那我们可以先对神经网络的输出进行FFT分析，看看其频谱是否正确。
我下面是在三相不对称（dq二次谐波）、死区时间为4us（dq六、十二、十八次谐波）的电机下做的仿真。神经网络的输出d轴谐波电压、q轴谐波电压分别如下图蓝线、红线所示。
神经网络d轴输出电压FFT
神经网络q轴输出电压FFT
这里可以看到，dq输出电压的FFT都是正确的，没有明显引入其他次谐波。这里还注意一个问题，d轴死区效应的等效的电压幅值更大。这是有理论依据的。
3.1仿真参数
Tpwm = 1e-4;%开关周期
Tspeed = 1e-4;%转速采样周期
Vdc = 310;%直流母线电压
Tdead = 4e-6;%死区时间
%下面这是电机的实际参数
Pn = 4;%电机极对数
Ls = 5.5e-3;%定子电感，采用隐极的，Ld=Lq=Ls
Ld = Ls;
Lq = Ls;
Rs = 1;%定子电阻
flux = 0.1688;%永磁体磁链
iqmax = 25;%额定电流
J = 4e-3;%转动惯量
B = 2e-3;%阻尼系数
%不对称参数
L1 = 3e-3;
M1 = 1.5e-3;
L2 = -2e-3;
M2 = -1e-3;
R1 = 1;
R2 = -0.5;
3.2仿真总体波形
总体波形看的谐波电流不太明显，下面我进行FFT分析看看。
我这里还是用两台电机进行验证，一台三相对称、一台不对称，两台的逆变器死区都是4us。
电机1是三相对称的电机，即相电流中不存在基波不对称、也不存在三次谐波电流。
电机2是三相不对称的电机，相电流中存在基波不对称、也存在三次谐波电流。
仿真设定为0.21s开始进行神经网络训练，即开始抑制谐波电流。
3.3电机1的相电流FFT分析-1200RPM
0.22s时的相电流FFT分析
1s时的相电流FFT分析
2.9s时的相电流FFT分析
可以看到，经过神经网络训练之后：
1）死区产生的5、7、11、13、17、19次谐波都有一定变化。
2）主要的5、7、11、13次都得到了比较明显的抑制。
3）到1s左右谐波已经得到一个很好的抑制，1s和2.9s的相电流FFT基本没区别。
3.4电机2的相电流FFT分析-1200RPM
0.22s时的相电流FFT分析
1s时的相电流FFT分析
2.9s时的相电流FFT分析
可以看到，经过神经网络训练之后：
1）绕组不对称产生的3次谐波和死区产生的5、7、11、13、17、19次谐波都有一定变化。
2）主要的3、5、7次这些低次谐波都得到了比较明显的抑制。
3）到1s左右谐波已经得到一个很好的抑制，1s和2.9s的相电流FFT基本没区别。
3.5电机2的相电流FFT分析-300RPM
0.22s时的相电流FFT分析
1s时的相电流FFT分析
2.9s时的相电流FFT分析
可以看到，经过神经网络训练之后：
1）绕组不对称产生的3次谐波和死区产生的5、7、11、13、17、19次谐波都有一定变化。
2）主要的3、5、7、11、13、17、19次这些谐波都得到了比较明显的抑制。
3）到1s左右谐波已经得到一个很好的抑制，1s和2.9s的相电流FFT基本没区别。
值得注意的是，由于电机转速较低，此时的17、19次谐波频率不算太高，所以17、19次谐波也得到了相对明显的抑制。
4.总结
从上面仿真来看，这个基于神经网络的谐波抑制算法还是比较有效的，对各次谐波都起作用，包括次数很高的17、19次谐波电流。
