具体实施方式
下面结合附图对本发明做出进一步说明。
如图1所示,根据本发明一实施例的永磁同步电动机负载参数辨识方法,包括以下步骤:
步骤S101,通过电流传感器和位置传感器分别实时检测永磁同步电动机的输入电流和转子位置,并将检测结果传送给主控制器;位置传感器可以采用线性霍尔传感器;
步骤S102,主控制器根据电流检测结果计算该永磁同步电动机的输出电磁转矩,并根据转子位置检测结果计算该永磁同步电动机的转速和加速度;
步骤S103,主控制器根据计算出的输出电磁转矩和加速度,通过最小二乘法的递推算法对永磁同步电动机的转动惯量和负载转矩进行在线辨识。
以下以本发明的负载参数辨识方法在自平衡电动两轮车中的应用为例,对该负载参数辨识方法的辨识过程以及算法原理作更加详细的描述。
自平衡电动两轮车的驱动装置通常采用永磁同步电动机。永磁同步电动机通过齿轮箱驱动车轮转动,并且,每一个车轮由一台永磁同步电动机驱动。在一更具体的实施方式中,永磁同步电动机的额定电压为72V,额定功率为900W,额定转矩为1.5Nm,额定转速6000转/分。自平衡电动两轮车的主控制器可采用单片机,在本发明的一种实施方式中,采用了TI公司的电动机控制专用芯片,例如型号为TMS320LF2407的专用芯片。
永磁同步电动机的运动方程:
式中:Te、Tl分别是永磁同步电动机的输出电磁转矩和负载转矩;ωm为电动机的角速度;J是电动机的转动惯量,B是阻尼系数。
永磁同步电动机在d轴电流id=0控制方式下,电动机的输出电磁转矩与电动机输入电流的关系由下式决定:
式中:iq为测得的电动机q轴电流(即电动机的输入电流),p为电动机极对数,ψd为永磁体产生的d轴磁链。
对于一台使用的永磁同步电动机而言,p和ψd均为已知。在通过电流传感器测得永磁同步电动机的q轴电流后,主控制器可以根据测得的电动机输入电流值和该公式3,计算得到电动机的输出电磁转矩Te。
式2用矩阵形式表示为:
式中t为时间变量。由于B非常小,可忽略,Bωm不加入算法。此时上述表达式可简化为:
若定义:
y(t)=Te(t),
于是得到:
y(t)=φT(t)θ(t)+e(t) 7)
上标T表示矩阵转置;y(t)是系统可测输出向量;φ(t)是t时刻以前输入数据构成的回归信息向量;θ(t)为系统参数向量;e(t)为系统干扰噪声。在本发明的最小二乘法的递推算法中,以永磁同步电动机的输出电磁转矩Te作为输出数据,以永磁同步电动机的加速度作为输入数据,将永磁同步电动机的转动惯量J和负载转矩Tl作为待辨识的参数,其中,输出电磁转矩Te和加速度均可通过步骤S102获得。
当t=1,2…N 时,6)式可得到N个方程式,在本发明的一种实施方式中,N可选用32,写成矩阵形式为:
YN=HNθ+EN 8)
上式中:
根据最小二乘法的工作原理,利用输入输出数据{φ(t),y(t)},并根据二次准则函数:
令 得到:
或:
式中:为参数θ辨识结果。
由式11,可求得:
令:
于是有:
P-1(N)=P-1(N-1)+φ(N)φT(N) 15)
用代替并利用式15,可得:
16)
利用矩阵逆运算原理应用到式15,可得:
上式两边乘以φ(N)可得:
记:L(N)=P(N)φ(N),由式15~18可得参数的递推二乘算法:
P(N)=P-1(N-1)+φ(N)φT(N)
20)
上式为基本的最小二乘法表达方式,当时间t趋于无穷大时,存在数据饱和现象,为了克服最小二乘法的这一不足,在一种实施方式中,可采用最小二乘遗忘因子递推算法,在式15中加入加权遗忘因子λ(0<λ<1),得到:
P-1(N)=λP-1(N-1)+φ(N)φT(N) 21)
由式21与式16~18可得带加权遗忘因子的最小二乘法算法:
P(N)=λP-1(N-1)+φ(N)φT(N)
23)
P(0)=P(0)I
24)
式中P(0)根据标准车辆负载及路况计算得到(如P(0)=103)。I为元素均为1的N维列向量I=[1,1 Λ 1]T。
上式中,遗忘因子越小,算法跟踪能力越强,但参数估计波动也越大;遗忘因子越大,算法跟踪时变参数的能力越弱,二者折衷考虑选择时变遗忘因子(如λ=0.85),对于时不变系统,遗忘因子一般不宜太小。
通过递推运算获得待估计量θ(t)的估算值根据式5的定义,可分别得到电动机转动惯量和负载转矩等负载参数。主控制器通过电动机的负载参数信息可进一步获得车辆的运行状况信息,进而优化系统控制,提高系统可靠性。
在本发明的辨识方法在应用于自平衡电动两轮车的实施方式中,主控制器根据采样得到的永磁同步电动机输入电流和转子位置信息,计算电动机的输出转矩、电动机转速、加速度等信息,然后用最小二乘法的递推算法对车辆的负载惯量和负载力矩进行在线辨识,主控制器根据该辨识结果能够优化平衡控制参数,使车辆的达到最佳操控效果。本发明除适用于以永磁同步电动机作为动力的自平衡两轮车,还可应用于对伺服性能有很高要求的数控机床及机器人领域。