CN112087178A - 一种永磁同步电机的参数识别方法 - Google Patents

Abstract

本发明公开了一种永磁同步电机的参数识别方法，包括步骤：A.使永磁同步电机工作在i_d＝0控制策略下的矢量控制中，在转子转速为0时，根据初始阶段的定子电阻模型，注入d轴电流实现定子电阻的初步辨识，B.在i_d＝0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型；C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型；D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。本发明的方法可以准确识别永磁同步电机的相应参数，减少系统的抖动，提高电流环的稳定性，降低了算法的稳态误差，提高永磁同步电机的调速能力。

Description

一种永磁同步电机的参数识别方法

技术领域

本发明涉及永磁同步电机的参数识别技术领域，特别涉及一种永磁同步电机的参数识别方法。

背景技术

永磁同步电机具有结构简单、运行可靠、效率高等优点，目前被广泛应用于电动汽车、家用电器和工业控制等领域。在永磁同步电机运行过程中，随负载、温度环境等的变化，定子电阻、电感、转子磁链也会发生变化，对于电机控制系统来说，获取准确的永磁同步电机参数至关重要。永磁同步电机在线参数识别技术可以实时的监测电机参数变化，使得控制系统可以更好的调节电机转速，提高了控制系统对参数变化的鲁棒性，因此受到了研究人员的特别关注。

目前提出的在线参数辨识方法包括递推最小二乘法、卡尔曼滤波算法、模型参考自适应算法和自适应神经网络算法等。在永磁同步电机的电流环采样阶段，电流传感器采样会引入干扰噪声，调理电路中会引入运算放大器及其阻性电路有关的随机噪声，采样过程的控制线路等因素也会引入噪声，影响电流环性能，因此需要对噪声的干扰进行剔除来保证算法的性能从而提高电流环的稳定性。传统的自适应神经网络算法抗干扰能力较差，而M估计自适应算法可以有效剔除较大的误差信号。

发明内容

本发明的目的是克服上述背景技术中不足，提供一种永磁同步电机的参数识别方法，采用一种变步长M估计自适应神经网络算法，并应用到永磁同步电机的识别模型中，可以准确识别永磁同步电机的相应参数，减少了系统的抖动，提高了电流环的稳定性，同时降低了算法的稳态误差，提高了永磁同步电机的调速能力。

为了达到上述的技术效果，本发明采取以下技术方案：

一种永磁同步电机的参数识别方法，包括以下步骤：

A.使永磁同步电机工作在i_d＝0控制策略下的矢量控制中，在转子转速为0时，根据初始阶段的定子电阻模型，注入d轴电流实现定子电阻的初步辨识，其中，i_d表示定子的d轴电流；

B.在i_d＝0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型；

C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型；

D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。

本发明的永磁同步电机的参数识别方法中，提出了一种变步长M估计自适应神经网络算法，并应用到永磁同步电机的识别模型中，可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小，提高了控制系统对电机参数变化的鲁棒性。

进一步地，所述步骤A包括：

A1.在忽略永磁同步电机的磁饱和与铁损时，建立永磁同步电机在d、q轴同步旋转坐标系下的电压方程：

其中，i_q表示定子的q轴电流，u_d、u_q分别是永磁同步电机在d、q轴上的电压分量，R是定子的电阻，L_s为电机的电感，ω为电角速度，ψ_m是转子永磁体的磁链；

A2.得出(1)式在考虑逆变器非线性因素时的离散域方程：

其中：

其中，V_dead是逆变器非线性产生的等效补偿电压；k是采样次数；θ是转子的位置，i_as、i_bs、i_cs是电机的三相电流，sgn(·)表示符号函数；

A3.在初始阶段转子转速为0，通过对d轴注入电流来初步识别定子电阻值，即当ω＝0时，将(2)式转化为：

其中，u_d0、u_q0、i_d0、i_q0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流；

A4.通过(4)式的变换得(5)式确定定子电阻在初始阶段的阻值，实现对定子电阻的初步辨识：

进一步地，所述步骤B包括：

B1.在i_d＝0的控制策略下，对(2)式进行转换得到：

B2.对(6)式中第一个式子平均后得到电感的辨识模型：

其中，

为滤波后的直流分量；D_d(k)是均值为0的6次谐波，V_deadD_d(k)的直流分量为0；

B3.设计永磁体磁链ψ_m的辨识模型为：

u_d(k)D_q(k)-u_q(k)D_d(k)＝-ω(k)L_si_q(k)D_q(k)-Ri_q(k)D_d(k)-ω(k)ψ_mD_d(k) (8)；

同时，将(8)式进一步作为转速稳定阶段定子电阻R的辨识模型。

进一步地，所述步骤C中使用的自适应神经网络辨识模型的基本算法为LMS算法：

其中，x(k)、y(k)分别表示自适应神经网络辨识模型的输入和输出，d(k)表示期望输出，e(k)表示误差值，w(k)表示权值。

进一步地，所述步骤C包括：

C1.使用变步长算法、M估计对LMS算法进行改进，得到M估计函数ε(e(k))及变步长因子μ(k)：

其中，M估计函数ε(e(k))表示为：

其中，tanh(·)为双曲正切函数，

λ取值范围为0.800～0.999，

A(k)＝[e²(k)，e²(k-1)，e²(k-2)...e²(k-N+1)]，N取值范围为5～15，med(·)表示取中间值函数；通常的M估计函数使用符号函数sgn(·)作为分段函数具有不连续性，会使系统产生抖动，本发明采用双曲正切函数tanh(·)来代替符号函数，使M估计函数更加平滑，可以减少系统的抖动；

变步长因子μ(k)表示为：

μ(k+1)＝αμ(k)+βe²(k) (11)，

其中，0＜α＜1，β＞0；

C2.设置步长更新公式的上界与下界，用μ_max表示使得算法收敛的最大步长，μ_min表示算法具有跟踪能力的最小步长，得：

C3.根据变步长M估计自适应算法设计转速稳定时电阻的辨识模型、电感的辨识模型、转子磁链辨识模型。

进一步地，所述步骤C3包括：

C3.1.用μ(k)、ε(e(k))取代权值更新函数w(k+1)＝w(k)+2μx(k)e(k)中的μ和e(k)，得到变步长M估计自适应算法的权值更新函数：

w(k+1)＝w(k)+2μ(k+1)x(k)ε(e(k)) (13)；

具体在该方法中，用变步长因子和M估计函数重新定义了LMS算法的权值更新公式，变步长因子可以解决辨识结果的收敛速度与稳态误差之间的矛盾关系，在算法开始阶段有大步长，加快算法收敛速度，在将要达到稳定时提供小步长，降低了算法的稳态误差；使用M估计函数可以有效的剔除较大的误差信号，且能够充分利用误差信号中所包含的信息，对噪声的干扰进行剔除，保证算法的性能从而提高电流环的稳定性，而采用双曲正切函数来对M估计函数进行改进，可以使M估计函数更加平滑从而减小了系统的抖动，具有较大的实用价值；

C3.2.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时定子电阻的辨识模型为：

C3.3.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时电感的辨识模型为：

C3.4.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时转子磁链辨识模型为：

C3.5.根据上述三个模型实时计算出定子电阻、电感、转子磁链的大小。

本发明与现有技术相比，具有以下的有益效果：

本发明的永磁同步电机的参数识别方法中，公开了一种变步长M估计自适应神经网络算法，并将其应用到永磁同步电机的识别模型中，可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小，提高了控制系统对电机参数变化的鲁棒性。可以有效地解决背景技术中提到的永磁同步电机在线参数识别问题，显著的提高了永磁同步电机的定子电阻、电感和转子的磁链的辨识过程中的抗干扰能力，提高了永磁同步电机的调速能力。

附图说明

图1是本发明的永磁同步电机的参数识别方法的流程示意图。

图2是本发明的变步长M估计自适应神经网络辨识模型的示意图。

具体实施方式

下面结合本发明的实施例对本发明作进一步的阐述和说明。

实施例：

实施例一：

一种永磁同步电机在线参数识别方法，通过构造一种变步长M估计自适应神经网络算法，并应用到永磁同步电机的识别模型中，可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小，从而提高控制系统对电机参数变化的鲁棒性。

如图1所示，本实施例的永磁同步电机在线参数识别方法具体包括以下步骤：

步骤一：使永磁同步电机工作在i_d＝0控制策略下的矢量控制中，在转子转速为0时，根据初始阶段的定子电阻模型，注入d轴电流实现定子电阻的初步辨识，其中，i_d表示定子的d轴电流。

具体如下：

首先，在忽略永磁同步电机的磁饱和及铁损时，可得其d、q轴同步旋转坐标系下的电压方程为：

其中，i_q表示定子的q轴电流，u_d、u_q分别是永磁同步电机在d、q轴上的电压分量，R是定子的电阻，L_s为电机的电感，ω为电角速度，ψ_m是转子永磁体的磁链。

然后得出(1)式在考虑逆变器非线性因素时的离散域方程：

其中：

上式中，V_dead是逆变器非线性产生的等效补偿电压；k是采样次数；θ是转子的位置，i_as、i_bs、i_cs是电机的三相电流，sgn(·)表示符号函数。

在启动阶段，转子转速为0，对d轴注入电流来初步识别电阻值。即当ω＝0时，将(2)式转化为：

其中，u_d0、u_q0、i_d0、i_q0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流。

接着，对(4)式变换可得：

上式即实现了对定子电阻进行了初步辨识。

步骤二：在i_d＝0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型。

具体包括：

先在i_d＝0的控制策略下得到

对(6)式中第一个式子平均后可得电感的辨识模型：

其中，其中

为滤波后的直流分量；D_d(k)是均值为0的6次谐波，所以V_deadD_d(k)的直流分量为0。

则可得永磁体磁链ψ_m的辨识模型为：

u_d(k)D_q(k)-u_q(k)D_d(k)＝-ω(k)L_si_q(k)D_q(k)-Ri_q(k)D_d(k)-ω(k)ψ_mD_d(k) (8)。

其中初步电阻R、电感L_s已经辨识出来，可得永磁体磁链ψ_m的辨识模型，得到ψ_m的辨识结果后，式(8)可进一步作为转速稳定时电阻R的辨识模型。

步骤三：利用变步长M估计自适应神经网络算法设计的电感、转子磁链、电阻的辨识模型，对永磁同步电机的定子电阻、电感和永磁体磁链进行在线辨识。

具体包括先根据改进的自适应神经网络算法设计定子电阻、电感、永磁体磁链辨识模型：

具体的，本实施例中所使用的自适应神经网络模型的基本算法为LMS算法：

其中，x(k)、y(k)表示自适应神经网络辨识模型的输入和输出，d(k)表示期望输出，e(k)表示误差值，w(k)表示权值，其中权值可看作自适应算法中待辨识的参数。在LMS算法的基础上，本实施例中进一步使用了变步长因子和M估计函数来对算法进行改进，所得的变步长M估计自适应神经网络辨识模型如图2所示，其中，使用M估计函数可以有效的剔除较大的误差信号，且能够充分利用误差信号中所包含的信息，对噪声的干扰进行剔除，保证算法的性能从而提高电流环的稳定性：

ε(e(k))为M估计函数，可表示为：

其中，tanh(·)为双曲正切函数，

λ取值范围为0.800～0.999，

A(k)＝[e²(k)，e²(k-1)，e²(k-2)...e²(k-N+1)]，N取值范围为5～15，med(·)表示取中间值函数。

具体的，本实施例中，采用双曲正切函数来对M估计函数进行改进，可以使M估计函数更加平滑从而减小了系统的抖动，具有较大的实用价值。

具体的，变步长因子μ(k)表示为：μ(k+1)＝αμ(k)+βe²(k) (11)。

其中，0＜α＜1，β＞0。为了保证算法的稳定性和跟踪性能，本实施例中为步长更新公式设置一个上界与下界，μ_max表示能够使得算法收敛的最大步长，μ_min表示算法可以具有跟踪能力的最小步长，即：

则用μ(k)、ε(e(k))取代权值更新函数w(k+1)＝w(k)+2μx(k)e(k)中的μ和e(k)，可得到变步长M估计自适应算法的权值更新函数：

w(k+1)＝w(k)+2μ(k+1)x(k)ε(e(k)) (13)。

根据变步长M估计自适应算法，可设计转速稳定时电阻的辨识模型为：

设计电感的辨识模型为：

设计转子磁链辨识模型为：

则根据上述三个模型，可以实时计算出定子电阻、电感、转子磁链的大小。

步骤四：重复步骤二、三，对永磁同步同步电机转速稳定时的定子电阻、电感和永磁体的磁链实时在线更新。

经过实际应用可知，通过本发明的永磁同步电机的参数识别方法，可以有效地解决背景技术中提到的永磁同步电机在线参数识别问题，显著的提高永磁同步电机的定子电阻、电感和转子的磁链的辨识过程中的抗干扰能力，减少了系统的抖动，提高了电流环的稳定性，同时降低了算法的稳态误差，提高了永磁同步电机的调速能力。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (6)

1.一种永磁同步电机的参数识别方法，其特征在于，包括以下步骤：

A.使永磁同步电机工作在i_d＝0控制策略下的矢量控制中，在转子转速为0时，根据初始阶段的定子电阻模型，注入d轴电流实现定子电阻的初步辨识，其中，i_d表示定子的d轴电流；

B.在i_d＝0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型；

C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型；

D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。

2.根据权利要求1所述的一种永磁同步电机的参数识别方法，其特征在于，所述步骤A包括：

A1.在忽略永磁同步电机的磁饱和与铁损时，建立永磁同步电机在d、q轴同步旋转坐标系下的电压方程：

其中，i_q表示定子的q轴电流，u_d、u_q分别是永磁同步电机在d、q轴上的电压分量，R是定子的电阻，L_s为电机的电感，ω为电角速度，ψ_m是转子永磁体的磁链；

A2.得出(1)式在考虑逆变器非线性因素时的离散域方程：

其中：

其中，V_dead是逆变器非线性产生的等效补偿电压；k是采样次数；θ是转子的位置，i_as、i_bs、i_cs是电机的三相电流，sgn(·)表示符号函数；

A3.在初始阶段转子转速为0，通过对d轴注入电流来初步识别定子电阻值，即当ω＝0时，将(2)式转化为：

其中，u_d0、u_q0、i_d0、i_q0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流；

A4.通过(4)式的变换得(5)式确定定子电阻在初始阶段的阻值，实现对定子电阻的初步辨识：

3.根据权利要求2所述的一种永磁同步电机的参数识别方法，其特征在于，所述步骤B包括：

B1.在i_d＝0的控制策略下，对(2)式进行转换得到：

B2.对(6)式中第一个式子平均后得到电感的辨识模型：

其中，

为滤波后的直流分量；D_d(k)是均值为0的6次谐波，V_deadD_d(k)的直流分量为0；

B3.设计永磁体磁链ψ_m的辨识模型为：

u_d(k)D_q(k)-u_q(k)D_d(k)＝-ω(k)L_si_q(k)D_q(k)-Ri_q(k)D_d(k)-ω(k)ψ_mD_d(k) (8)；

同时，将(8)式进一步作为转速稳定阶段定子电阻R的辨识模型。

4.根据权利要求3所述的一种永磁同步电机的参数识别方法，其特征在于，所述步骤C中使用的自适应神经网络辨识模型的基本算法为LMS算法：

其中，x(k)、y(k)分别表示自适应神经网络辨识模型的输入和输出，d(k)表示期望输出，e(k)表示误差值，w(k)表示权值。

5.根据权利要求4所述的一种永磁同步电机的参数识别方法，其特征在于，所述步骤C包括：

C1.使用变步长算法、M估计对LMS算法进行改进，得到M估计函数ε(e(k))及变步长因子μ(k)：

其中，M估计函数ε(e(k))表示为：

其中，tanh(·)为双曲正切函数，

λ取值范围为0.800～0.999，

A(k)＝[e²(k)，e²(k-1)，e²(k-2)...e²(k-N+1)],N取值范围为5～15，med(·)表示取中间值函数；

变步长因子μ(k)表示为：

μ(k+1)＝αμ(k)+βe²(k) (11)，

其中，0＜α＜1，β＞0；

C2.设置步长更新公式的上界与下界，用μ_max表示使得算法收敛的最大步长，μ_min表示算法具有跟踪能力的最小步长，得：

C3.根据变步长M估计自适应算法设计转速稳定时电阻的辨识模型、电感的辨识模型、转子磁链辨识模型。

6.根据权利要求5所述的一种永磁同步电机的参数识别方法，其特征在于，所述步骤C3包括：

C3.1.用μ(k)、ε(e(k))取代权值更新函数w(k+1)＝w(k)+2μx(k)e(k)中的μ和e(k)，得到变步长M估计自适应算法的权值更新函数：

w(k+1)＝w(k)+2μ(k+1)x(k)ε(e(k)) (13)；

C3.2.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时定子电阻的辨识模型为：

C3.3.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时电感的辨识模型为：

C3.4.根据变步长M估计自适应算法的权值更新函数，设计转速稳定时转子磁链辨识模型为：

C3.5.根据上述三个模型实时计算出定子电阻、电感、转子磁链的大小。

Images