CN101385235A - 电动机控制 - Google Patents

Abstract

本申请涉及一种用于电动机的控制系统，该控制系统被设置成利用依赖于电动机的运动来确定电动机位置的位置确定算法从至少一个电气参数确定电动机的位置，并且通过对电动机施加与电动机位置无关的电压来将电动机从静止中启动起来。

Description

电动机控制

本发明涉及电动机，更具体而言涉及电动机的无位置传感器控制。

公知使用的电动机控制方法使用算法而不使用位置传感器来估计电动机位置。但是，许多这些无传感器算法在电动机速度低时工作得不好。那些可以在低速或零速度下工作的算法比仅工作在较高速度下的那些算法明显复杂得多。但是在某些应用中，比如风扇和泵，包括用于动力转向系统的液压泵，存在生产避免位置传感器的成本和已知的零速度位置确定算法的复杂度的相对较低成本的系统的需求。

因此，本发明提供了一种用于电动机的控制系统，该控制系统被设置成利用依赖于电动机的运动来确定电动机位置的位置确定算法从至少一个电气参数确定电动机的位置，并且通过对电动机施加与电动机位置无关的电压来将电动机从静止中启动起来。

该位置确定算法对于在所有速度下控制电动机来说都可以是有效的，实际上优选地在降至零速度下有效。优选地，在低速度下修正它。例如，可以修正它以便控制电动机转动的方向，或者可以修正它以防止算法内的项在零速度下趋于无穷。

现在将通过实例的方式仅参考附图描述本发明的优选实施例，在附图中：

图1示出根据本发明的一个实施例的动力转向系统；

图2是图1系统的电动机的速度控制功能的图示；

图3是图1系统的电动机的图示；

图4是图3的电动机的驱动电路的图示；

图5是示出图3的驱动电路的不同电气状态的图示；

图6是用于确定产生所需电动机输出而需要的驱动电路的状态的空间矢量图；

图7示出图3电动机中电动机相电压的分量；

图8是图1中电动机和控制单元的功能框图；

图9是使用电动机位置传感器的已知系统中电动机和控制单元的功能框图；

图10示出图8中无传感器算法的输入和输出；

图11示出图10中无传感器算法的各个部件的输入和输出；

图12是示出对于图1系统中位置校正因子的极限值的图示；以及

图13是示出对于本发明另一个实施例中位置校正因子的极限值的图示。

参考图1，一种电动液压动力转向系统，包括转向齿条10，被设置成左右移动以通过常规方式控制车辆前轮的转向角。齿条主要由输入到方向盘12的驱动力来移动，方向盘12通过转向柱14连接到转向齿条10。利用安装在转向齿条10上并且可以在汽缸18中移动的双面活塞16提供动力辅助。活塞将汽缸分为两个腔20、22。由液压回路24控制两个液压腔20、22中的液压液的压力，以控制施加到转向齿条10的动力辅动力的方向和幅度。

液压回路包括泵26，被设置成在压力下将液压液从油箱28抽到馈送线路30。馈送线路30连接到压力控制阀门34的入口32，其在图1中功能性地示出。压力控制阀门34的出口36通过回流管38连接到油箱28。压力控制阀门34被设置成根据对方向盘12施加哪个方向的转向转矩，将左或右液压腔20、22连接到馈送线路30并且将另一个腔20、22连接到回流管。它也被设置成根据通过转向柱14从方向盘12传送到齿条10的转向转矩，控制施加到液压腔20、22的液体压力以控制液压动力辅助的等级。由泵26的速度以及压力控制阀门34的状态清楚地确定液压腔20、22中的压力。

泵26由电动机40驱动，电动机40受控制单元42控制。控制单元42从车辆速度传感器44接收输入信号，该信号随车辆速度变化，并且从转向速率传感器46接收输入信号，该信号随转向速率，即，方向盘12的旋转速率而变化。控制单元42在这些输入的基础上控制泵26的速度。本系统因此称为速度控制系统。

参考图2，电动机40的速度，通常设置成随着转向速率而增加，并且随着车辆速度的增加而降低，从而泵26的速度也是如此。

参考图3，电动机40是三相电整流正弦AC无刷永磁同步电动机，其包括安装有例如6个磁铁104的转子102，6个磁铁104在这种情形下设置成提供在转子周围南北之间交替的6个极。转子102因此在转子周围空间均匀定义三个方向或d轴，和在d轴之间间隔地定义三个正交的或q轴。d轴与磁铁104的磁极对齐，其中来自转子的磁通线是径向的，并且q轴在d轴之间隔开，其中来自转子的磁通线是切向的。随着转子旋转，d和q轴的方向明确地随着它旋转。

在本具体实施例中，定子106例如包括9槽铜制绕线元件，其具有三组三齿108A、108B、108C，每组齿具有形成各自相的公共绕组。因此在转子的每整圈旋转中有三个电周期，并且在任意相中的三个齿108A、108B、108C的电位置永远彼此相同。

参考图4，三个电动机绕组112、114、116一般地表示为A、B和C相，它们以星形网络连接。在其它实施例中，可以使用其它结构，比如三角形网络。相绕组分别围绕定子齿108A、108B、108C缠绕。每个线圈的一端112a、114a、116a连接到各个端子112c、114c、116c。线圈的另一端112b、114b、116b连接到一起以形成星形的中心117。驱动电路包括三相桥118。桥的每个臂120、122、124包括一对开关，其形式为在电源干线130和地线132之间串联连接的上晶体管126和下晶体管128。在电源干线130和地线132之间施加DC链路电压。电动机绕组112、114、116各自从晶体管126、128的各个互补对之间抽出。通过控制单元42内的驱动级控制器133，以受控模式接通和关断晶体管126、128，以提供施加给端子112c、114c、116c中的每一个的电势的脉冲宽度调制(PWM)，从而控制施加在绕组112、114、116中的每一个的两端的电势差，并且因此也控制流经绕组的电流。这反过来又控制由绕组产生的磁场的强度和方向，并且因此控制电动机的转矩和速度。

以电阻器134的形式的电流测量设备设在电动机和地之间的地线132中，使得控制器42可以测量流经所有绕组112、114、116的总电流。为了测量每个绕组中的电流，不得不在PWM周期内精确的瞬间对总电流进行采样，那时施加到绕组的每个端子的电压是已知的(因此具体相的传导状态也是已知的)。如公知的，为了在任何一个PWM周期中测量每个绕组中的电流，驱动电路需要处于至少两个不同的活动状态中的每一个中一段预定的最小时间。驱动级控制器133可以从在PWM周期中不同时刻测量的电阻器134两端的电压确定相电流。

DC链路电压传感器135被设置成测量驱动电路两端，即，电源干线130和地线132之间的DC链路电压。驱动级控制器133从此电压传感器135接收输入。控制器被设置成从该输入测量电动机中的相电压。为了这样做，控制器133确定每个电动机相的调制占空因数，即，每个PWM周期中连接到电源干线的相的比例，并且将其乘以测得的DC链路电压。这给出每个相的相电压的测量。

控制单元42被设置成确定将产生所需电动机电流的电动机的相电压，并且将这些电压输入到驱动级控制器133。驱动级控制器133被设置成控制驱动级的晶体管以产生如现在将要描述的所需相电压。

参考图5，三相系统中每个绕组102、104、106可以仅连接到电源干线120或地线122，并且因此控制电路有八种可能状态。用1代表处于正电压的相之一，并且用0代表连接到地的相，状态1可以表示为[100]，指示A相处于1，B相处于0并且C相处于0，状态2表示为[110]，状态3为[010]，状态4为[011]，状态5为[001]，状态6为[101]，状态0为[000]并且状态7为[111]。状态1到6中的每一个是电流流经所有绕组102、104、106，在一个方向上流经这些绕组之一并且在另外的方向上流经另外两个绕组的导通状态。状态0是其中所有绕组都连接到地的零伏状态，并且状态7是其中所有绕组都连接到电源干线的零伏状态。

在此分别将状态1、2、3、4、5和6称为状态+A、-C、+B、-A、+C和-B，因为它们各自代表对于各自的一个相而言施加在绕组两端的电压是正或负方向的状态。例如在+A状态中，A相被连接到电源干线并且另外两个相被连接到地链路，并且在-A状态中的连接相反。

当电路被控制以产生PWM时，在每个PWM周期中每个相将被正常地接通和关断一次。每个状态中花费的时间的相对长度将确定每个绕组中所产生的磁场的幅度和方向，并且因此确定施加到转子的总转矩的幅度和方向。这些时间长度或占空比可以使用各种调制算法来计算，但是在此实施例中使用空间矢量调制技术。

参考图6，在空间矢量调制系统中，在每个状态中所花费的每个PWM周期中的时间表示为空间矢量调制(SVM)图中的状态矢量。在此类型的图中，单状态矢量是矢量S1到S6方向上的那些，并且这些方向上的每一个中的矢量的长度代表各个状态中花费的每个PWM周期中的时间量。这意味着绕组中的任何所需电压可以表示为图上对应于代表电压的幅度和方向的电压矢量的点，并且可以由状态矢量S1、S2等的组合产生，电压矢量的长度代表在该状态花费的每个PWM周期中的时间。例如，所需电压矢量V1可以表示为矢量S3和S4的和。随着电动机旋转，所需矢量的方向将改变，因此该矢量将围绕图中心旋转，该矢量的长度也随着来自电动机的所需转矩的变化而变化。

参考图7，来自定子绕组的所需电压也可以用两个分量来表示，即两个正交方向α，β上的分量。从图3中应理解，对于转子102的每次完整旋转，电动机经历三个电周期。在每个电周期中，所需的电压矢量将围绕状态矢量图旋转一次。α和β分量的方向因此被以与d和q轴相同的角度隔开，其中α和β分量定义了关于定子的电压矢量并且d和q分量定义了关于转子的电压矢量。假如转子位置已知，如在d/q、α/β、或A/B/C分量中任何一个中定义的电压可以被转换为任何其它的电压。

参考图8，现在将更具体地描述控制单元42的操作。所需的电动机旋转速度，如从图2的图中所推导出的，通过比较器203与测得的旋转速度相比较。二者之间的差被输入到PI控制器205，其计算为减少此差所需的电动机电流，并且输出相应的电流需量I_dq。所需的电流分量I_dq与相应的测得的d和q轴电流以及由比较器201测得的差相比较。两个PI(比例/积分)控制器200(仅示出一个)被设置成使用测得的和所需的d和q轴电流之间的差来确定所需的d和q轴电压U_dq。dq/αβ转换器202使用电动机位置作为输入，将d和q轴电压转换为α和β轴电压U_αβ。使用以下描述的无传感器算法确定电动机位置。另一个转换器204将α和β轴电压转换为三个电动机相的所需的相电压U_abc。这些相电压被输入到驱动级控制器133，其控制如上所述的驱动级118以实现所需相电压。

在此情况下如使用单个电流传感器134测得的，三个测得的相电流I_abc被输入到第一电流转换器206，其将它们转换为α和β轴电流I_αβ。然后将它们与电动机位置一起输入到第二电流转换器208，并且第二电流转换器208将它们转换为d和q轴电流I_dq。这些测得的d和q轴电流用于与如上所述的所需的d和q轴电流相比较。

为了参考，使用电动机位置传感器代替位置确定算法的系统如图9中所示。

参考图10，无传感器电动机位置确定算法210被设置成接收所施加的电压(在此情况下是α和β轴电压的形式)和所测量的电流(在此情况下是α和β轴电流的形式)作为输入。无传感器算法包括电动机模型，并且从输入产生电动机位置和电动机速度的估计。

参考图11，该算法在此情况下是预测器-校正器或观测器类型的算法。它包括预测器212和补偿器或观测器214。预测器212包括电动机的模型，并且可选地包括系统的其它部件，包括其电动机电气参数的定义(比如电阻和电感)，以及物理参数(比如惯性和阻尼)。将该模型定义为从模型输入得出模型输出的一系列方程。该模型被设置成接收所施加的电压作为输入。其产生对各种参数或电动机状态的估计作为输出，特别是电动机位置和电动机速度以及电动机中的电流。所估计的电流在比较器216中与测得的电流相比较并且二者之差作为误差或残余信号被输入到补偿器214。补偿器214从该残余信号中得出用于每个电动机状态的校正因子，该校正因子被设置成使电流残余最小化，并且因此减少位置估计中的误差。由补偿器214输出的校正项被输入到预测器212中，预测器212据此校正各状态。补偿器214因此提供闭环反馈给预测器，使得由模型所定义的例如位置和速度的状态能够得到校正。这使得无传感器算法对于测量和模型误差是加强的。

以下方程笼统地表示观测器的操作，观测器在此情况下是包含电动机模型中的非线性项的非线性观测器。状态估计(电动机相电流、转子位置和转子速度)表示为

并且测得的相电压表示为u。电动机和系统动态由非线性函数A和B表示。实际的状态表示为x，因此残余表示为

并且由非线性函数C表示校正器。

$\widehat{\stackrel{\·}{x}}=A\hat{x}+\mathrm{Bu}+C(x-\hat{x})$

在此实例中非线性观测器的方程是：

$\frac{d{\hat{i}}_{\mathrm{\α}}}{\mathrm{dt}}=-\frac{R}{L}{\hat{i}}_{\mathrm{\α}}+\frac{k_e{\widehat{\mathrm{\ω}}}_m}{\sqrt{3}L}\sin \left({\widehat{\mathrm{\θ}}}_e\right)+\frac{1}{L}{u}_{\mathrm{\α}}+{\mathrm{corr}}_{\mathrm{\α}}---\left(1\right)$

$\frac{d{\hat{i}}_{\mathrm{\β}}}{\mathrm{dt}}=-\frac{R}{L}{\hat{i}}_{\mathrm{\β}}-\frac{k_e{\widehat{\mathrm{\ω}}}_m}{\sqrt{3}L}\cos \left({\widehat{\mathrm{\θ}}}_e\right)+\frac{1}{L}{u}_{\mathrm{\β}}+{\mathrm{corr}}_{\mathrm{\β}}---\left(2\right)$

$\frac{d{\widehat{\mathrm{\ω}}}_m}{\mathrm{dt}}=\frac{k_i}{J}{\hat{i}}_q-\frac{B}{J}{\widehat{\mathrm{\ω}}}_m+{\mathrm{corr}}_{\mathrm{\ω}}---\left(3\right)$

$\frac{d{\widehat{\mathrm{\θ}}}_e}{\mathrm{dt}}=p{\widehat{\mathrm{\ω}}}_m+{\mathrm{corr}}_{\mathrm{\θ}}---\left(4\right)$

在观测器中使用以下校正项：

${\mathrm{corr}}_{\mathrm{\α}}=g_i(i_{\mathrm{\α}}-{\hat{i}}_{\mathrm{\α}})---\left(5\right)$

${\mathrm{corr}}_{\mathrm{\β}}=g_i(i_{\mathrm{\β}}-{\hat{i}}_{\mathrm{\β}})---\left(6\right)$

${\mathrm{corr}}_{\mathrm{\ω}}={-g}_{\mathrm{\ω}}\frac{\sqrt{3}L}{k_e}(i_q-{\hat{i}}_q)---\left(7\right)$

${\mathrm{corr}}_{\mathrm{\θ}}=g_{\mathrm{\θ}}\frac{\sqrt{3}L}{k_e}\frac{1}{{\widehat{\mathrm{\ω}}}_m}(i_d-{\hat{i}}_d)---\left(8\right)$

其中：

${\hat{i}}_d={\hat{i}}_{\mathrm{\α}}\cos \left({\widehat{\mathrm{\θ}}}_e\right)+{\hat{i}}_{\mathrm{\β}}\sin \left({\widehat{\mathrm{\θ}}}_e\right)---\left(9\right)$

${\hat{i}}_q={-\hat{i}}_{\mathrm{\α}}\sin \left({\widehat{\mathrm{\θ}}}_e\right)+{\hat{i}}_{\mathrm{\β}}\cos \left({\widehat{\mathrm{\θ}}}_e\right)---\left(10\right)$

这些方程中的项的定义如下：

(α，β)＝定子(固定的)参考帧

(d，q)＝转子参考帧

i_α，i_β＝电动机电流

μ_α，μ_β＝电动机电压

θ_e＝电动机电角度(电弧度)

ω_m＝电动机机械角速度(机械弧度每秒)

R＝电动机相阻抗

L＝电动机电感(相自感加上互感)

B＝电动机机械粘度

J＝电动机机械惯性

k_e＝电动机反电动势常数(如以下定义的)

k_t＝电动机转矩常数(如以下定义的)

p＝电动机极对的数量

g_i，g_w，g_θ＝观测器增益(可调参数)

电动机的反电动势和转矩常数如下定义：

k_e＝峰值线间电压/机械角速度

k_t＝平均电动机转矩/峰值电动机电流

在一个量上方的符号＾表示这是估计值，与测量值相对。

获得的每个变量的值如下：

i_α，i_β从如上所述的测得的相电流中得出；

u_α，u_β从测量的相电压中得出；

θ_e是从算法中确定的变量；

是观测器的内部状态。在观测器外部，通过对观测器的电动机位置状态θ_e求微分来确定角速度；

R，L，B和J定义为常数；

k_e和k_t如上所定义并且使用离线测量法来确定；

p是电动机极对的数量，是一个已知常数。

控制器被设置成从估计位置的微分得出电动机速度的这一事实具有以下优点：如果转子在转动并且系统已经达到稳定状态平衡，则用于电动机的速度控制的速度信号的精度仅由运行算法的控制器中的微处理器的时钟的精度确定。

上述无传感器位置确定算法通过监视电动机的电气参数来确定转子位置，该参数随旋转位置而变化。具体地，该算法估计转子反电动势的相角，该相角又是转子磁通量的导数并且随着电动机的旋转位置而变化。因为转子反电动势的幅度在电动机速度为零时是零，所以观测器不能估计零电动机速度下的位置。该算法在零速度下的另一个问题是，位置校正项corr_θ包括电动机角速度的倒数。此项因此在零电动机速度下变为无穷。但是，通过在低电动机速度下修正无传感器算法，可以足以起作用来启动电动机，即使一般来说算法将无法有效工作。这对于应用来说是可接受的，其中不需要电动机在低速时产生高转矩，该情况出现于本实施例的液压泵中，并且其它应用包括泵和风扇。对无传感器算法的修正提供了启动算法以使电动机在正确的方向上旋转，即使实际的电动机位置未知。随着速度增加，该无传感器算法可以变为其正常工作。

许多无传感器位置观测器，包括本实施例中的非线性观测器，具有两种可能的位置估计的解：正确估计和相差180°不正确的估计的解。启动算法的一个目的是确保观测器不收敛于不正确状态。如果它收敛于不正确状态，则存在180°的位置误差，这将导致电动机的不正确工作。或者电动机将反转，或者将虽然在正确方向运行但输出转矩和效率却很低。(180°误差的实际操作由电动机控制器的设计确定)。

为了防止以上问题，方程(8)中的位置校正计算被替换为：

其中，

是计算

的倒数并且限制其值以防止它变得无穷大的函数。如下计算

if ${\widehat{\mathrm{\ω}}}_m>0$

${\widehat{\mathrm{\ω}}}_{m\_\lim }=\mathrm{LIMIT}({\widehat{\mathrm{\ω}}}_m,+\min \_\mathrm{\ω},+\∞)$

endif

if ${\widehat{\mathrm{\&omega;}}}_m<0$

${\widehat{\mathrm{\&omega;}}}_{m\_\lim }=\mathrm{LIMIT}({\widehat{\mathrm{\&omega;}}}_m,-\&infin;,-\min \_\mathrm{\&omega;})$

endif

$F\left({\widehat{\mathrm{\&omega;}}}_m\right)=1/{\widehat{\mathrm{\&omega;}}}_{m\_\lim }$

这限制了

的幅度，使得它永远大于或等于min_ω，而不影响其符号。

选择min_ω使其足够大，使得其倒数足够小以被控制单元的处理器处理。

在 ${\widehat{\mathrm{\&omega;}}}_m=0$ 的状态可以以多种方式获得，例如通过设置条件使得

大于0或小于0，或者将

设置为可校准的常数F₀。

这防止了位置校正项中使用的速度估计变为零，这阻止了校正项趋于无穷。算法的其余部分中使用的速度估计项不受影响。

通过这样的修正，算法可以被延伸到零速度而不会不稳定。当转子静止时，该算法将是稳定的。尽管位置估计的值将是随机的，并且因此它将具有高达±180°的任何值的误差，位置估计却将是恒定的。

通过对位置确定算法进行这种修正以限制速度估计状态的倒数，可以利用由观测器提供的用于电动机控制的转子位置信号启动电动机。

为了将电动机从静止状态启动，控制器42被设置成按如下操作：

1.随着转子停止，电动机控制器42被激活。当观测器214提供位置信号时，电动机位置信号将几乎恒定，但是将具有高达±180°的随机误差。

2.产生适度较高幅度的扭曲需求。对于电压受控系统来说这可以是电压需求的形式，或者对于纯电流受控系统来说是电流需求的形式。在本实施例中，从图2的图中看出是速度需求。在此情况下，其保持恒定一段固定的时间以允许观测器收敛。

3.(a)如果位置信号的初始值碰巧在实际转子位置的±90°内，则电动机将在正确方向上转动。随着电动机速度增加，由无传感器算法产生的位置信号将变得越来越精确，并且转矩的产生变得越来越有效，直到速度对于正常工作来说足够高。

(b)如果位置信号的初始值碰巧大于实际转子位置的±90°，则电动机将开始在错误方向上转动。随着电动机速度增加，位置信号将收敛于离真实的转子位置接近于180°的一个稳定位置误差上。

(c)如果位置信号的初始值接近于±90°，则电动机产生的初始转矩将接近于或等于0。但是，位置信号将在一个方向上很快爬升，直到位置误差远离±90°足够的距离以产生足够的转矩使电动机转动。然后电动机将按照(a)或(b)的情况运转。

因此可以看出，如果使用位置无传感器的观测器启动电动机控制，则电动机将开始转动并且位置信号将收敛，即使观测器在零速度下不能正确确定位置。但是，观测器有50％的机会收敛于离真实位置接近于180°的位置，并且电动机将在错误的方向上旋转。

为了克服本实施例中的收敛问题，在电动机控制被激活时，足够大的转矩需求施加到电动机上使得它如上所述启动。参考图12，同时，应用于位置状态的校正项受到限制，使得仅可以应用校正以在电动机趋于转动的方向上校正位置。例如，如果转矩需求是在正向上，则位置校正项被限制为正，即，在0和+∞之间。如果转矩需求在负向上，则位置校正项被限制为负，即，在-∞和0之间。

不管初始位置误差如何，位置校正项确保了所施加的电压将在所需方向上旋转。因此确保了位置将在所需方向上旋转并且电动机将在该方向上启动和旋转。

控制单元42监视电动机速度，并且当其达到如从位置的微分所确定的预定速度时，限制被从位置校正项中去除，并且使得观测器正常工作。虽然修正的低速无传感器算法不提供最优的效率，但是正常算法无法在低速时有效工作，因此进行切换的速度被选择成正常算法可以可靠工作的最低速度。

可以以一个速度阈值执行两种状态之间的切换，但是在如图12所示的本实施例中，为了应用较好性能的滞后，使得随着速度增加从低速状态到高速状态的切换发生在比速度ω₂更高的速度ω₁处，ω₂是随着速度降低从高速状态到低速状态的切换的速度。在替代性实施例中，如图13中所示，在与所需方向相反的“反”向，对位置校正的限制可以斜下降，且幅度随电动机速度增加而增加。

在另一个实施例中，控制器使用另一种方法确保电动机开始在正确的方向上移动。在此实施例中，控制器被设置成通过应用如上所述的一个恒定的转矩需求来启动电动机，并且随着电动机速度增加，检查其在所需方向上转动。通过对无传感器算法所确定的电动机位置求微分来确定旋转方向，以确定电动机速度。该算法使得不可能出现算法所确定的位置在一个方向上旋转而电动机在另一个方向上旋转的情况，因此它保证了微分的位置将指示电动机是否反向转动。

如果在任何点，控制单元检测出电动机反转，则其使电动机控制无效，并且使电动机停止。当确定了电动机已经停止时，或者因为为了让它停止已经留出充足的时间，或者因为它被检测出是静止的，电动机控制被重起并且重新施加转矩需求。当位置信号的微分低于预定阈值时可以检测电动机为静止的。重复此过程直到检测出电动机在正确的方向上运转。

使用预测器/补偿器类型的无传感器算法的优点在于，其补偿多个变量参数，如果不对这些变量参数进行补偿它们会影响位置估计的精度。算法方程中使用的某些参数将是因电动机而不同的。这些参数包括，例如，电动机相电阻R、电动机电感L、电动机机械粘度B、电动机机械惯性J、以及电动机反电动势和转矩常数k_e和k_t。如果没有使用预测器/补偿器系统，则可以在生产电动机时测量每个电动机的这些参数，并且将它们逐一输入到无传感器算法中。但是，很显然这是耗时耗力的。某些参数也会随着温度改变，比如R、L和B。而且，如果没有使用预测器/补偿器模型，则可以监视温度并且修正算法的方程以将温度考虑进去。但是，这使得模型变得极其复杂，增加了计算开销。

虽然上述实施例使用了非线性观测器，也可以使用其它闭环观测器，比如Luenberger观测器或Kalman滤波器。

Claims (22)

1.一种用于电动机的控制系统，该控制系统被设置成利用依赖于电动机的运动来确定电动机位置的位置确定算法从至少一个电气参数确定电动机的位置，并且通过对电动机施加与电动机位置无关的电压来将电动机从静止中启动起来。

2.如权利要求1的系统，其中，所述位置确定算法定义一种电动机模型，其被设置成从至少一个模型输入估计电动机位置。

3.如权利要求2的系统，其中，所述位置确定算法包括校正器，该校正器被设置成监视模型的输出并且将其与测得的参数相比较，从而确定可以被输入到模型的校正因子。

4.如权利要求3的系统，其中，所述算法定义非线性的观测器。

5.如权利要求3或4的系统，其中，所述校正因子被设置成校正模型的电动机位置状态。

6.如权利要求5的系统，被设置成在低电动机速度下限制所述校正因子，从而控制电动机将转动的方向。

7.如权利要求6的系统，被设置成在低速时限制校正因子的符号。

8.如任一项前述权利要求的系统，被设置成在启动之后监视电动机的旋转方向，并且如果检测出电动机在与所需方向相反的方向上旋转则停止电动机并且重新启动它。

9.如任一项前述权利要求的系统，被设置成在低电动机速度下，限制算法中随着电动机速度的倒数而变化的项的幅度。

10.如权利要求9的系统，被设置成随着电动机速度增加，至少部分地去除对所述幅度的限制。

11.如任一项前述权利要求的系统，被设置成产生由所述算法确定的电动机位置的指示器，并且从该指示器确定电动机的旋转速度。

12.如权利要求11的系统，其中，将控制装置设置成对指示器求微分以确定电动机的旋转速度。

13.如任一项前述权利要求的系统，其中，所述控制装置包括施加有DC链路电压的DC链路，以及被设置成将所述DC链路连接到电动机的绕组以控制电动机的驱动级，并且所述控制装置被设置成从DC链路的电气参数确定绕组的电气参数。

14.如权利要求13的系统，其中，所述电气参数是电压。

15.如权利要求14的系统，其中，所述驱动级被设置成使用脉冲宽度调制控制将绕组连接到DC链路，并且从DC链路电压和PWM控制的占空因数确定相电压。

16.如权利要求13的系统，其中，所述参数是电流。

17.如权利要求15的系统，其中，所述驱动级被设置成在每个绕组和DC链路之间打开和关闭连接，并且通过在一个绕组连接到DC链路时测量DC链路中的电流来测量那个绕组中的电流。

18.如任一项前述权利要求的系统，被设置成接收指示关于车辆工作情况的车辆参数的输入，以根据所述车辆参数确定所需电动机速度，并且将电动机速度控制到所需的电动机速度。

19.如权利要求18的系统，其中，所述车辆参数是车辆速度或转向速率。

20.一种动力转向系统，包括电动机和如任一项前述权利要求的控制系统。

21.一种基本上如以上参考一幅或多幅附图描述的电动机控制系统。

22.一种基本上如以上参考一幅或多幅附图描述的动力转向系统。

Images