CN103997269A - 一种电力机器人驱动系统的高性能控制方法 - Google Patents

Abstract

本发明公开了一种电力机器人驱动系统的高性能控制方法，将无位置环、速度控制环、电流控制环、模糊控制器、R-PI调节器和切换式SVPWM技术控制结合在一起，对电力机器人的驱动电机进行控制。本发明方法提高了电力机器人驱动系统的稳定性、精确度和动态响应能力，同时实现了无位置传感器技术。

Description

一种电力机器人驱动系统的高性能控制方法

技术领域

本发明涉及一种电力机器人驱动系统的高性能控制方法，将无位置环、速度控制环、电流控制环、模糊控制器、R-PI调节器和切换式SVPWM技术控制结合在一起，对电力机器人的驱动电机进行控制。

背景技术

目前，在各种结构的机器人系统中，由于采用永磁同步电机(PMSM)的方案效率较高，因此这种方案具有着重要的地位。特别是在电力机器人和小型机器人中，由于永磁同步电机具有高功率密度以及快速、精确的高控制性能，使其成为电动汽车的首选。对于这种电机控制方法的研究一直以来是一个热点，例如采用鲁棒控制技术来克服控制系统的各种扰动，但这种方法是基于精确模型参数的控制方法，而永磁同步电机的模型具有诸多不确定性而且有些参数难以测量，且电机需要采用机械式位置传感器来检测电机的转速和转子位置，然后机械式传感器的存在带来了许多弊端。尤其在电力机器人中，因为机器人所进行的操作为基本为高压操作，检测的线路非常危险，如果控制系统不能稳定运行，会造成电力机器人系统故障，结果有可能因为误操作破坏整个电力线路和机器人，严重的甚至会造成高压短路。智能控制技术如模糊控制、神经网络控制、重复控制等近年来已经被研究者应用于驱动控制中，并取得了理想的运动控制性能，但是目前还没有将无位置传感器技术、模糊控制、切换时SVPWM技术以及矢量控制结合在一起的技术用于电力机器人驱动系统中。

1999年，依托山东电力集团及山东电力研究院，成立电力机器人技术实验室，正式启动“高压带电作业机器人”项目，是我国最早开展电力机器人研究的机构之一。2004年7月，实验室被山东省科技厅正式批准为“山东省电力智能机器人工程技术研究中心。2007年4月，机器人实验室正式被命名为“国家电网公司电力机器人重点实验室”。2010年11月，经山东省科技厅批准成立“山东电力研究院院士工作站”，中国工程院士、机器人专家蔡鹤皋院士进站工作。2012年1月，山东省科技厅批准成立“山东省中加电力机器人合作研究中心”，与加拿大魁北克水电研究院在电力机器人领域开展深层次技术交流与合作。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种电力机器人驱动系统的高性能控制方法，以提高电力机器人驱动系统的稳定性、精确度和动态响应能力，同时实现无位置传感器技术。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种电力机器人驱动系统的高性能控制方法，将无位置环、速度控制环、电流控制环、模糊控制器、R-PI调节器和切换式SVPWM技术控制结合在一起，对电力机器人的驱动电机进行控制，具体包括如下步骤：

(1)无位置环采用无位置传感器技术，即采用SVPWM(基于空间矢量脉宽调制技术)的反电动势法对驱动电机的位置信息实时进行检测，采用SVPWM技术控制，每一次PWM周期中都有三种V_m、V_n和V_l不同的电压矢量，其中每一种电压矢量，对应着不同的相电流变化值△i_m、△i_n和△i_l，通过测量不同电压矢量下对应的相电流变化值率，获取反电动势，最后求出机器人驱动电机的位置信息；同时为避免电力机器人的凸极效应的抵赖的误差，对凸极效应所带来的误差进行补偿，根据SVPWM技术带来的线性无关的电压矢量V_m、V_n、V_l对应着不同的响应电流值变i_αβm、i_αβn、i_αβl，根据前后两次线性无关的电压矢量而产生的电流响应值计算出电感矩阵，构建凸极效应补偿观测器，对反电动势进行补偿，使得检测到的位置信息更为精准；

(2)将检测到的喂猴子信息经过模型参考归一化算法处理后，得到驱动电机的转速信息，将转速信息传输到速度控制环，其估算速度与给定速度的误差经PI调节器调节后与q轴分量的误差信号一起传输给电流控制环；

(3)为准确获得q轴电流误差信号，采用模糊控制器对检测到的q轴电流分量和观测到的q轴电流分量进行模糊化处理，将跟踪误差ε和误差变化率dε作为模糊控制器的输入，并且加入参考模型与校正单元，最终e作为模糊控制器的输出传输给电流控制环；

(4)电流控制环采用带有R-PI调节器的切换式SVPWM技术，R-PI调节器是将RP和PI调节器结合起来，对SVPWM技术的稳定性和鲁棒性进行改进；采用切换式SVPWM技术，在驱动电机高速运行时，采用传统SVPWM调制，在驱动电机低速运行时，采用9段式SVPWM调制技术使得磁链轨迹尽量逼近理想圆形，反馈信号检测模块将电流互感器测定的相电流信号传输给电流控制环，对电机的输出转矩进行调整。

有益效果：本发明提供的电力机器人驱动系统的高性能控制方法，具有如下特点：1、采用无位置传感器技术，克服了机械式传感器所带来的弊端，节约了硬件成本和维修成体，同时提高了的抗干扰性和鲁棒性；2、基于SVPWM调制控制并加入了凸极效应补偿器，使得检测更为准确，无需其他的额外硬件，且无需额外复杂的控制算法，使得成本很低，非常适合于工业应用中；3、速度控制环与电流控制环连接处采用模糊控制器，可以有效地抑制各种扰动和不确定性对控制系统的影响，提高了电力机器人驱动系统的稳定性和精确度，同时提高了电力机器人的动态响应能力；4、电流控制环采用R-PI调节器和切换时SVPWM控制技术结合的方法，改善电动汽车驱动系统的运动平稳性，使得磁链尽量的接近圆形，从而达到抑制驱动系统振动的目的；

附图说明

图1为电机模型和α-β轴坐标系；

图2为空间电压矢量分布；

图3为SVPWM控制策略相电流与电压矢量对应图；

图4为参考模型归一化算法的转速估计器框图；

图5为9段式空间电压矢量位置图

图6电力机器人驱动系统整体控制框图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种电力机器人驱动系统的高性能控制方法，应用系统包括三层结构，即位置检测环，速度控制环与电流控制环，其中位置检测环中，机器人基于SVPWM控制技术，其每一次PWM周期中都有三种不同的电压矢量，其中每一种电压矢量，对应着不同的相电流变化值，通过测量不同电压矢量下对应的相电流变化值，并结合电压值获取反电动势，最后实时获取机器人位置信息，将检测到的位置信息进过模型参考归一化算法处理后，得到机器人的转速信息，将转速信息传输到速度控制环，其估算速度与给定速度的误差经PI调节器调节后与q轴分量的误差信号一起传输给电流控制环，为准确获得q轴电流误差信号，速度控制环与电流控制环的链接环节采用模糊控制器对给定q轴电流分量和观测的q轴电流分量进行模糊化处理，用模糊控制器的输出作为两者的误差信号，电流控制环采用带有R-PI调节器的切换式SVPWM技术，控制逆变器输出电流的大小，进而控制电机的输出转矩；反馈信号检测模块将反馈信号输出给电流控制环，对电机的输出转矩进行调整。

下面结合发明的实现原理，对本发明作出进一步的说明。

在机器人启动之前，向机器人的驱动电机施加两次电压脉冲，其电压脉冲作用时间分别为T₁，T₂，且要求在此阶段，机器人不能因电压脉冲的注入而产生晃动，因此要求T₁，T₂都小于电机时间常数，随后利用电流传感器检测T₁，T₂时刻驱动电机在α-β轴坐标系下所对应的电流变化率△i_α1/T₁、△i_α2/T₂、△i_y1/T₁和△i_y2/T₂，随后根据这四种电流变化率和已知道的电压矢量，通过计算得到与驱动电机转子位置构成函数关系的电感值L₁₁、L₁₂、L₂₁和L₂₂，最后根据以上电感值，初步推导出机器人启动之前的驱动电机位置角，具体的原理和算法如下：

机器人驱动电机的数学模型如图1所示，其在α-β轴坐标系下的电压方程为：

$\begin{array}{c}\left[\begin{array}{c}{V}_{\mathrm{\α}}\\ V_{\mathrm{\β}}\end{array}\right]=\left[\begin{array}{cc}{L}_o+L_1{\cos 2\mathrm{\θ}}_r& L_1{\sin 2\mathrm{\θ}}_r\\ L_1{\sin 2\mathrm{\θ}}_r& L_o-L_1{\cos 2\mathrm{\θ}}_r\end{array}\right]p\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ i_{\mathrm{\β}}\end{array}\right]\\ +w_r(L_d-L_q)\left[\begin{array}{cc}-{\sin 2\mathrm{\θ}}_r& {\cos 2\mathrm{\θ}}_r\\ {\cos 2\mathrm{\θ}}_r& {\sin 2\mathrm{\θ}}_r\end{array}\right]\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ i_{\mathrm{\β}}\end{array}\right]\\ w_r{\mathrm{\λ}}_m\left[\begin{array}{c}{-\sin \mathrm{\θ}}_r\\ {\cos \mathrm{\θ}}_r\end{array}\right]\end{array}+---\left(1\right)$

其中L_d，L_q分别表示d轴和q轴电感，w_r电力机器人速度，λ_m为反电动势系数，p为微分，V_α,V_β,i_α,i_β分别为电机在α-β坐标系下的电压和电流值，L_o＝(L_d+L_q)/2，L₁＝(L_d-L_q)/2，当机器人处于静止状态时，故w_r＝0，公式(1)可以写成简化为：

$\begin{array}{c}\left[\begin{array}{c}{V}_{\mathrm{\α}}\\ V_{\mathrm{\β}}\end{array}\right]=\left[\begin{array}{cc}{L}_o+L_1{\cos 2\mathrm{\θ}}_r& L_1\sin {2\mathrm{\θ}}_r\\ L_1{\sin 2\mathrm{\θ}}_r& L_o-L_1{\cos 2\mathrm{\θ}}_r\end{array}\right]p\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ i_{\mathrm{\β}}\end{array}\right]\\ =\left[\begin{array}{cc}{L}_{11}& L_{12}\\ L_{21}& L_{22}\end{array}\right]p\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ {i_{\mathrm{\β}}}_{}\end{array}\right]\end{array}---\left(2\right)$

由公式(2)，出电机的位置角θ_r与电感信息L₁₁、L₁₂、L₂₁和L₂₂构成函数关系，因为上述的电感信息未知，电压方程可以表示为：

$\left[\begin{array}{c}{V}_{\mathrm{\α}}\\ V_{\mathrm{\β}}\end{array}\right]=\left[\begin{array}{cc}{L}_{11}& L_{12}\\ L_{21}& L_{22}\end{array}\right]p\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ i_{\mathrm{\β}}\end{array}\right]---\left(3\right)$

如图2所示V₁～V₆为6个线性无关的非零向量，其中像机器人驱动电机施加任意两个不同的非零电压矢量，其作用时间分别为T₁和T₂，且要求T₁，T₂都小于电机时间常数以保证机器人不发生晃动，因此根据两次不同的非零电压矢量和对应的电流变化率，结合公式(2)、(3)可以得到：

$\left[\begin{array}{cc}{L}_{11}& L_{12}\\ L_{21}& L_{22}\end{array}\right]=\left[\begin{array}{cc}{v}_{\mathrm{\α}1}& v_{\mathrm{\α}2}\\ v_{\mathrm{\β}1}& v_{\mathrm{\β}2}\end{array}\right]{\left[\begin{array}{cc}\frac{{\mathrm{\Δi}}_{\mathrm{\α}1}}{T_1}& \frac{{\mathrm{\Δi}}_{\mathrm{\α}2}}{T_2}\\ \frac{{\mathrm{\Δi}}_{\mathrm{\β}1}}{T_1}& \frac{{\mathrm{\Δi}}_{\mathrm{\β}2}}{T_2}\end{array}\right]}^{-1}---\left(4\right)$

T₁、T₂分别为在非零电压矢量v_αβ1、v_αβ2的持续时间，△i_α1、△i_α2和△i_β1、△i_β2分别为在T₁、T₂时间内α-β轴下的电流变化量。

因此根据公式(4)所求得电感值，初步求出机器人驱动电机的位置角，即：

${\tan 2\mathrm{\θ}}_r=\frac{L_{12}+L_{21}}{L_{11}-L_{22}}---\left(5\right)$

机器人运行之后(以传统SVPWM为例进行说明，其他情况类似)，采用SVPWM对其驱动电机进行控制。在SVPWM调制技术中，在一个PWM周期，每一次的PWM调制周期包括2个非零电压矢量和2个零电压矢量，标记下标l,m,n表示三次时间间隔中的电压和电流变化，在图3中，V_m＝V₆，V_n＝V₄和两个零电压矢量V_l1＝V₇，V_l2＝V₀，因为V₇和V₀为产生相同电流变化率的零电压矢量，因此这里把V₇和V₀看成一个电压矢量，图3中在电压矢量V₆的作用下，持续时间为△t_m，则电流变化量为△i_m，在电压矢量V₄的作用下，持续时间为△t_n，则电流变化量为△i_n，在零电压矢量V₇,V₀的作用下，持续时间为△t_l1+△t_l2，则电流变化量为△i_l1+△i_l2，如果这些电流变化量△i_m，△i_n和△i_l1+△i_l2可以被准确测量，则在电压矢量已知的情况下，通过电机数学模型便可求出与动子位置构成函数关系的电机电感值和反电动势值。具体的算法如下：

在永磁同步电机中，其d轴与永磁同步电机的动子永磁体的N极重合，且其q轴超前d轴90°。忽悠定子电阻r_s，在α-β坐标系下的电压方程如式(1)所示。

为了检测θ_r，需要忽略公式(1)右半部分的第二项，但由于电力机器人进入工作状态后，L_d≈L_q，因此需要对此进行计算，即我们可以通过电流传感器检测到i_α和i_β，故设计一种凸极效应补偿器对L_d和L_q进行计算，其计算原理为：

将检测到的电流峰值作为电流响应的变化量，电感矩阵可以表示为：

$\left[\begin{array}{cc}{L}_{11}& L_{12}\\ L_{21}& L_{22}\end{array}\right]=\left[\begin{array}{cc}{u}_{\mathrm{\α}1}-{\mathrm{Ri}}_{\mathrm{\α}1}& u_{\mathrm{\α}2}-{\mathrm{Ri}}_{\mathrm{\α}2}\\ u_{\mathrm{\β}1}-{\mathrm{Ri}}_{\mathrm{\β}1}& u_{\mathrm{\β}2}-{\mathrm{Ri}}_{\mathrm{\β}2}\end{array}\right]$

${\left[\begin{array}{cc}\frac{i_{\mathrm{\α}1}}{\mathrm{\Δt}}& \frac{i_{\mathrm{\α}2}}{\mathrm{\Δt}}\\ \frac{i_{\mathrm{\β}1}}{\mathrm{\Δt}}& \frac{i_{\mathrm{\β}2}}{\mathrm{\Δt}}\end{array}\right]}^{-1}/H\left(t\right)=\frac{\mathrm{\Δt}}{H\left(t\right)(i_{\mathrm{\α}1}{i}_{\mathrm{\β}2}-i_{\mathrm{\α}2}{i}_{\mathrm{\β}1})}$

$\left[\begin{array}{cc}{u}_{\mathrm{\α}1}-{\mathrm{Ri}}_{\mathrm{\α}1}& u_{\mathrm{\α}1}-{\mathrm{Ri}}_{\mathrm{\α}2}\\ u_{\mathrm{\β}1}-{\mathrm{Ri}}_{\mathrm{\β}1}& u_{\mathrm{\β}2}-{\mathrm{Ri}}_{\mathrm{\β}1}\end{array}\right]\left[\begin{array}{cc}{i}_{\mathrm{\β}2}& -i_{\mathrm{\α}2}\\ -i_{\mathrm{\β}1}& i_{\mathrm{\α}1}\end{array}\right]$

其中R为定子电阻，△t为SVPWM下的连续两次电压矢量施加的时间间隔，i_α1、i_β1、i_α2、i_β2分别为αβ坐标系下1、2次电压矢量的电流响应值，可以看出，上式中可以获得PMSG的电感参数，从而求出d/q轴电感，如下：

L_d＝L₁+L₂＝[L₁₁+L₂₂+(L₁₁-L₂₂)/cos2θ_r]/2

L_q＝L₁-L₂＝[L₁₁+L₂₂-(L₁₁-L₂₂)/cos2θ_r]/2

因此公式(1)右半部分的第二项可以消除，同时公式(1)可以写成:

$\left[\begin{array}{c}{V}_{\mathrm{\α}}\\ V_{\mathrm{\β}}\end{array}\right]=\left[\begin{array}{cc}{L}_{11}& L_{12}\\ L_{21}& L_{22}\end{array}\right]p\left[\begin{array}{c}{i}_{\mathrm{\α}}\\ i_{\mathrm{\β}}\end{array}\right]+\left[\begin{array}{c}{e}_{\mathrm{\α}}\\ e_{\mathrm{\β}}\end{array}\right]---\left(6\right)$

其中，e_α(k)和e_β(k)为α-β坐标系下的反电动势，在离散的形式下，上式可以转换成带有时间常数k的形式，即:

$\left[\begin{array}{c}{V}_{\mathrm{\α}}\left(k\right)\\ V_{\mathrm{\β}}\left(k\right)\end{array}\right]=\left[\begin{array}{cc}{L}_{11}\left(k\right)& L_{12}\left(k\right)\\ L_{21}\left(k\right)& L_{22}\left(k\right)\end{array}\right]\left[\begin{array}{c}{\mathrm{\Δi}}_{\mathrm{\α}}/T_s\\ {\mathrm{\Δi}}_{\mathrm{\β}}/T_s\end{array}\right]+\left[\begin{array}{c}{e}_{\mathrm{\α}}\left(k\right)\\ e_{\mathrm{\β}}\left(k\right)\end{array}\right]---\left(7\right)$

其中，T_s为采样周期。

其电感值L和反电动势值e，在一次PWM采样周期T_s内，为一恒定常数，由上述原理可知在一个SVPWM调制周期中，电压和电流都有三次变化，通过这三次变化，电感和反电动势值可以写成

$\left[\begin{array}{c}{L}_{11}\left(k\right)\\ L_{12}\left(k\right)\\ e_{\mathrm{\α}}\left(k\right)\end{array}\right]=M^{-1}\left[\begin{array}{c}{V}_{\mathrm{\αl}}\left(k\right)\\ V_{\mathrm{\αm}}\left(k\right)\\ V_{\mathrm{\αn}}\left(k\right)\end{array}\right]$ 和 $\left[\begin{array}{c}{L}_{21}\left(k\right)\\ L_{22}\left(k\right)\\ e_y\left(k\right)\end{array}\right]=M^{-1}\left[\begin{array}{c}{V}_{\mathrm{\βl}}\left(k\right)\\ V_{\mathrm{\βm}}\left(k\right)\\ V_{\mathrm{\βn}}\left(k\right)\end{array}\right]---\left(8\right)$

其中M为电流变化矩阵，即：

$M=\left[\begin{array}{ccc}\frac{{\mathrm{\Δi}}_{\mathrm{\αl}}\left(k\right)}{{\mathrm{\Δt}}_l\left(k\right)}& \frac{{\mathrm{\Δi}}_{\mathrm{\βl}}}{{\mathrm{\Δt}}_l\left(k\right)}& 1\\ \frac{{\mathrm{\Δi}}_{\mathrm{\αm}}\left(k\right)}{{\mathrm{\Δt}}_m\left(k\right)}& \frac{{\mathrm{\Δi}}_{\mathrm{\βm}}\left(k\right)}{{\mathrm{\Δt}}_m\left(k\right)}& 1\\ \frac{{\mathrm{\Δi}}_{\mathrm{\αn}}\left(k\right)}{{\mathrm{\Δt}}_n\left(k\right)}& \frac{{\mathrm{\Δi}}_{\mathrm{\βn}}\left(k\right)}{{\mathrm{\Δt}}_n\left(k\right)}& 1\end{array}\right]$

通过电流传感器，分别检测M中的各项电流参数，结合已知的电压矢量V_αl，V_αm，V_αn。通过公式(8)求出e_α和e_β，根据公式(1)和(6)，可以看出e_α＝-w_rλ_msinθ，e_β＝-w_rλ_mcosθ，因此可以看出位置θ与e_x和e_y构成函数关系，即：

$\tan ({\mathrm{\θ}}_r+\frac{\mathrm{\π}}{2})=\frac{e_{\mathrm{\β}}\left(k\right)}{e_{\mathrm{\α}}\left(k\right)}---\left(9\right)$

因此，根据公式(9)就可以求出机器人驱动电机转子位置θ_r。

PMSG估算速度可用模型参考归一化算法得到，估计算法的结构如图4所示，这种方法可避免对角度微分得到速度而引入的测量噪音误差。

首先，对检测到的α、β轴的反电动势进行归一化处理：

$e_n=\frac{1}{\sqrt{e_{\mathrm{\α}}^2+e_{\mathrm{\β}}^2}}\left[\begin{array}{c}{e}_{\mathrm{\α}}\\ e_{\mathrm{\β}}\end{array}\right]---\left(10\right)$

对于α-β轴的反电动势，速度w_r变化要慢得多，可以看作常量，从而有

de/dt＝w_rJe   (11)

其中 $J=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right].$

以上作为归一化算法的参考模型，可调模型定义为：

$d\hat{e}/\mathrm{dt}={\hat{w}}_{r}J\hat{e}+G(\hat{e}-e)---\left(12\right)$

其中：为可调模型的输出；为估计速度；G为反馈回路增益，其目的是为了使可调模型收敛。

当速度估算存在误差时，将导致归一化的反电势产生误差这一误差与可调模型的输出一起，得到下面的定律：

其实k_p和k_i为PI调节器的调节参数，可调模型收敛后，收敛到零，从而估算的速度最终收敛到实际速度w_r，随后将转速信息传输到速度环，其估算速度与给定速度w_ref的误差经PI调节器调节后与q轴分量的误差信号一起传输给电流控制环。

为准确获得q轴电流误差信号，采用模糊控制器对检测到的q轴分量电流i_q和观测的q轴电流分量i_qs进行模糊化处理，其基本原理为：

首先跟踪误差ε和误差变化率dε定义为：

$\left\{\begin{array}{c}\mathrm{\ϵ}\left(k\right)=i_{\mathrm{qs}}\left(k\right)-i_q\left(k\right)\\ \mathrm{d\ϵ}\left(k\right)=\mathrm{\ϵ}\left(k\right)-\mathrm{\ϵ}(k-1)\end{array}\right.---\left(14\right)$

将跟踪误差ε和误差变化率dε作为模糊控制器的输入，函数作为模糊控制器的输出，传输到电流控制环。

其图6中参考模型的传递函数为：

$\frac{{\hat{i}}_q\left(s\right)}{i_{\mathrm{qs}}\left(s\right)}=\frac{{\mathrm{\ω}}_n^2}{s^2+2{\mathrm{\ζ\ω}}_{n}s+{\mathrm{\ω}}_n^2}---\left(15\right)$

根据海浪发电响应快速且稳态误差为零的系统。选择阻尼系数ζ＝1，则在上述约束下间隔时间△t和自然频率ω_n之间的关系如下：

${(1-{\mathrm{\ω}}_n\mathrm{\Δt})e}^{-{\mathrm{\ω}}_n{t}_r}=0.1---\left(16\right)$

只要△t给定，就可以求出ω_n。并可以得到传递函数(15)的离散形式：

$\frac{{\hat{i}}_q\left(z^{-1}\right)}{i_{\mathrm{qs}}\left(z^{-1}\right)}=\frac{a_0+a_1{z}^{-1}+a_2{z}^{-2}}{1+b_1{z}^{-1}+b_2{z}^{-2}}---\left(17\right)$

差分方程为：

${\hat{i}}_q\left(k\right)=-b_1{\hat{i}}_q(k-1)-b_2{\hat{i}}_q(k-2)-{\mathrm{ai}}_{\mathrm{qs}}\left(k\right)+a_1{i}_{\mathrm{qs}}(k-1)+a_2{i}_{\mathrm{qs}}(k-2)---\left(18\right)$

校正单元采用了逐步下降法，通过最小化参考模型输出与电流观测值i_q差值的平方来校正模糊控制器的模糊参数：

$J=(k+1)=\frac{1}{2}{\mathrm{\ϵ}}_m{(k+1)}^2=\frac{1}{2}{[{\hat{i}}_q(k+1)-i_q(k+1)]}^2---\left(19\right)$

${\mathrm{\Δc}}_{m,n}(k+1)\∝-\frac{\∂J(k+1)}{\∂c_{m,n}\left(k\right)}=-\mathrm{\α}\frac{\∂J(k+1)}{{\∂c}_{m,n}\left(k\right)}---\left(20\right)$

函数i_eq作为模糊控制器的输出，传输到电流控制环。

电流控制环采用带有R-PI调节器的切换时SVPWM技术，R-PI调节器是将RP和PI调节器结合起来，R-PI传递函数为：

$G_{R-\mathrm{PI}}\left(s\right)=K_p+\frac{K_i}{s}+\frac{{2w}_c{K}_{R}s}{s^2+{2w}_{c}s+w_o^2}$

公式中，K_p为比例系数；K_i为积分系数；K_R为谐振系数；w_o为谐振频率；w_c为低通截止频率。

PWM调制方式采用切换式空间电压矢量脉宽调制，为了使电力机器人控制系统电流不产生畸变，保持输出电流对此，转矩平稳，单纯的SVPWM异步调制模式很难满足性能的要求，采用切换式SVPWM调制，在电力机器人高速运行下，采用传统SVPWM调制及时，在低速的运行条件下，采用9段式SVPWM调制技术，高速和低速的区分以反馈的估计速度值为界限，即高于时，为高频状态，当低于时，为低频状态。

电力机器人运行在高速状态下：

对于三相两电平PWM逆变器可产生8种开关状态，其中有6个有效电压矢量U₁(100)、U₂(100)、U₃(100)、U₄(100)、U₅(100)、U₆(100)以及两个零电压矢量U₆(100)、U₆(100)，如图2所示。

在一个计算周期t_c内，根据伏秒平衡原则，参考电压近似认为不变，是通过与之相邻两个基本电压矢量线性组合而成，以第一扇区为例，则有：

U_st_c＝U₁t₁+U₂t₂+U₀t₀   (21)

t_c＝t₁+t₂+t₀

公式中，t₁,t₂,t₃分别为相邻有效电压和零矢量作用时间，化简得：

$t_1=a\frac{\sin (\frac{\mathrm{\π}}{3}-\mathrm{\θ})}{\sin \frac{\mathrm{\π}}{3}}{t}_c---\left(22\right)$

$t_2=a\frac{\sin \left(\mathrm{\θ}\right)}{\sin \frac{\mathrm{\π}}{3}}{t}_c---\left(23\right)$

t₀＝t_c-t₁-t₂   (24)

公式中，a为调制比系数，θ为参考电压矢量与所在扇区第一个有效电压矢量的夹角；|U_s|为参考电压幅值；U_dc为母线直流电压。

电力机器人运行在低速状态下：

9段式SVPWM调制技术中，每个扇区电压个数为3个，总电压矢量个数为18个，每两个电压矢量相差π/9；一个圆内电压矢量分布如图5所示。以第一扇区为例，其开关拟合方式为：

π/18：U₀(000)→U₁(100)→U₂(110)→U₇(111)

π/6：U₇(111)→U₂(110)→U₁(100)→U₀(000)

5π/18：U₀(000)→U₁(100)→U₂(110)→U₇(111)

其拟合电压矢量的有效电压矢量和零矢量的作用时间依据(22)～(24)计算，其他扇区类似。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种电力机器人驱动系统的高性能控制方法，其特征在于：将无位置环、速度控制环、电流控制环、模糊控制器、R-PI调节器和切换式SVPWM技术控制结合在一起，对电力机器人的驱动电机进行控制，具体包括如下步骤：

(1)无位置环采用无位置传感器技术，即采用SVPWM的反电动势法对驱动电机的位置信息实时进行检测，采用SVPWM技术控制，每一次PWM周期中都有三种V_m、V_n和V_l不同的电压矢量，其中每一种电压矢量，对应着不同的相电流变化值△i_m、△i_n和△i_l，通过测量不同电压矢量下对应的相电流变化值率，获取反电动势，最后求出机器人驱动电机的位置信息；同时为避免电力机器人的凸极效应的抵赖的误差，对凸极效应所带来的误差进行补偿，根据SVPWM技术带来的线性无关的电压矢量V_m、V_n、V_l对应着不同的响应电流值变i_αβm、i_αβn、i_αβl，根据前后两次线性无关的电压矢量而产生的电流响应值计算出电感矩阵，构建凸极效应补偿观测器，对反电动势进行补偿，使得检测到的位置信息更为精准；

(2)将检测到的喂猴子信息经过模型参考归一化算法处理后，得到驱动电机的转速信息，将转速信息传输到速度控制环，其估算速度与给定速度的误差经PI调节器调节后与q轴分量的误差信号一起传输给电流控制环；

(3)为准确获得q轴电流误差信号，采用模糊控制器对检测到的q轴电流分量和观测到的q轴电流分量进行模糊化处理，将跟踪误差ε和误差变化率dε作为模糊控制器的输入，并且加入参考模型与校正单元，最终e作为模糊控制器的输出传输给电流控制环；

(4)电流控制环采用带有R-PI调节器的切换式SVPWM技术，R-PI调节器是将RP和PI调节器结合起来，对SVPWM技术的稳定性和鲁棒性进行改进；采用切换式SVPWM技术，在驱动电机高速运行时，采用传统SVPWM调制，在驱动电机低速运行时，采用9段式SVPWM调制技术使得磁链轨迹尽量逼近理想圆形，反馈信号检测模块将电流互感器测定的相电流信号传输给电流控制环，对电机的输出转矩进行调整。