CN112953338A - Pmsm参数在线辨识方法、系统、终端及介质 - Google Patents
Pmsm参数在线辨识方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN112953338A CN112953338A CN202110248643.8A CN202110248643A CN112953338A CN 112953338 A CN112953338 A CN 112953338A CN 202110248643 A CN202110248643 A CN 202110248643A CN 112953338 A CN112953338 A CN 112953338A
- Authority
- CN
- China
- Prior art keywords
- axis
- current
- frequency
- pmsm
- square wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000002347 injection Methods 0.000 claims abstract description 73
- 239000007924 injection Substances 0.000 claims abstract description 73
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004804 winding Methods 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 29
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明提供了一种PMSM参数在线辨识方法及系统,在估测的直轴和交轴注入频率不同的高频方波电压信号;对三相电流进行实时采样,提取由高频注入引起的电流波动;根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。同时提供了一种相应的终端及存储介质。本发明计算方法稳定,简单,通用性强,可以很好的实现PMSM的在线观测;在电机无速度传感时采用一种简单的鲁棒性强的方式实时对电机参数进行辨识;实现方法简单,可以更快速的实现对电机参数的实时识别,鲁棒性强对电机参数不敏感适用范围广。
Description
技术领域
本发明涉及电气工程技术领域,具体地,涉及一种PMSM参数在线辨识方法、系统、终端及介质。
背景技术
PMSM(永磁同步电机)作为一个多变量动态时变系统,实际的控制策略往往受到数学模型精度的影响,最常见的就是电机模型中电气参数不确定性导致的数学模型和实际电机的不匹配。因此克服参数的不确定性,可以有力地提高控制性能和电机运行的安全可靠性。
PMSM具有结构简单,功率密度大,故障率低和运行效率高等技术优势,广泛应用于工业伺服驱动,系能源汽车以及新能源发电等领域。然而PMSM尤其是IPMSM因其自身结构及功率密度的限制,其电磁参数在不同工况下将发生变化,严重影响控制性能,降低系统运行质量甚至影响系统运行稳定性。所以为了解决此现象,在线进行电机参数识别显得尤为重要。
经过对现有技术的检索发现,文献M.X.Bui,M.Faz Rahman,D.Guan and D.Xiao,"A New and Fast Method for On-line Estimation of d and q Axes Inductances ofInterior Permanent Magnet Synchronous Machines Using Measurements of CurrentDerivatives and Inverter DC-Bus Voltage,"in IEEE Transactions on IndustrialElectronics,vol.66,no.10,pp.7488-7497,Oct.2019,doi:10.1109/TIE.2018.2883274.提出了一种利用观测一个PWM周期内一个零矢量和一个非零矢量电压注入时电流变化率进行实时的参数识别。该文献提出的方法属于一种通过检测不同电压矢量下电流变化来辨识电机参数的方法,存在需要较高的采样精度以及采样频率,对硬件平台有较高的要求等问题。
目前,为了提高电机的控制性能,很多现有技术都在进行电机参数辨识的研究。总的来说可以分为两大类:一、参数离线识别方法。二、参数在线识别方法。
其中离线识别方法主要包含有限元分析和实验测定两种方法。文献Sang-Yub Leeet al.,"Analysis of Inductance Characteristics in Interior Permanent MagnetSynchronous Motor Considering Inductance Variation,"2006 12th Biennial IEEEConference on Electromagnetic Field Computation,Miami,FL,2006,pp.145-145,doi:10.1109/CEFC-06.2006.1632937.提出了一种使用有限元方法进行参数识别的技术,但该技术计算负担重且费时,多用于电机设计阶段。实验测定是在电机静止的状态下以特定的回路对电机进行交流或直流激励,通过对激励的动态响应来实现对电机参数的辨识,这种辨识方式存在计算负担重且费事费力,无法进行实时参数辨识的问题。
而参数在线识别方法包括如下几种:
1、模型参考自适应PMSM参数识别
该方法最早出现在自适应算法中。文献Gatto G,Marongiu I,Serpi A.Discrete-time parameter identification of a surface-mounted permanent magnetsynchronous machine[J].IEEE Transactions on Industrial Electronics,2013,60(11):4869-4880.以离散化的交轴电流模型为参考模型,以Popov超稳定理论设计的自适应率研究了PMSM闭环预测控制中的辨识问题,最后获得了良好的实验效果。但由于自适应率的推导是在理想假设条件下获得的,对于多参数同时辨识的自适应率较难确定,并且参数识别时的调整和变化速度慢,无法满足快速的动态工况场合。
2、PMSM参数状态观测器辨识
该方法也被称为自适应滤波辨识方法或闭环观测器辨识方法。文献Shirai H,Kageyama Y,Ohuchi A.On-line parameter estimation of interior permanent magnetsynchronous motor using an Extended Kalman Filter[J].Journal of ElectricalEngineering&Technology,2014,9(2):600-608.研究了基于扩展卡尔曼滤波的PMSM交直轴电感的在线辨识,用于改善控制器的转矩特性。虽然卡尔曼滤波器在PMSM参数辨识中得到了成功的应用,但是其算法复杂且运算量大并且在使用时有较多的假设这在实际应用中产生了很大的局限性。
3、PMSM参数的智能寻优辨识
随着智能优化控制的发展,许多智能算法也开始出现在PMSM参数辨识中,如粒子群算法(Liu Z H,Wei H L,Zhong Q C.GPU implementation of DPSO-RE algorithm forparameters identification of surface PMSM considering VSI nonlinearity[J].IEEE Journal of Emerging&Selected Topics in Power Electronics,2017,5(3):1334-1345.)、遗传算法(Liu K,Zhu Z Q.Quantum genetic algorithm based parameterestimation of PMSM under variable speed control accounting for systemidentifiability and VSI nonlinearity[J].IEEE Transactions on IndustrialElectronics,2015,62(4):2363-2371.)、小波算法和神经网络算法(Liu K,Zhu Z Q,StoneD A.Parameter estimation for condition monitoring of PMSM stator winding androtor permanent magnets[J].IEEE Transactions on Industrial Electronics,2013,60(12):5902-5913.)等。智能辨识算法虽然精度高、鲁棒性强、收敛速度快,但算法一般较复杂,运算量大,实时性差,对处理器的运算能力要求比较高,这些不利因素阻碍了智能辨识算法的实际应用。
4、PMSM参数的系统辨识方法,
最小二乘算法是参数辨识领域中最常用,最有效的辨识方法。最小二乘辨识算法规则函数简单,运算量较小,算法易于实现,但优化过程中需要对规则函数进行求导数处理,因此易受到干扰噪声的影响。
综上所述,现有的PMSM参数识别方法,均无法满足对PMSM参数辨识的需求,目前没有发现同本发明类似技术的说明或报道,也尚未收集到国内外类似的资料。
发明内容
本发明针对现有技术中存在的上述不足,提供了一种PMSM参数在线辨识方法、系统、终端及介质,是一种无位置传感器运行模式下的永磁同步电机参数估计技术。
根据本发明的一个方面,提供了一种PMSM参数在线辨识方法,包括:
在估测的直轴(d轴)和交轴(q轴)注入频率不同的高频方波电压信号;
对三相电流进行实时采样,提取由高频注入引起的电流波动;
根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
优选地,注入的所述高频方波电压信号的波形满足一个注入周期内冲量为0。
优选地,交轴注入的高频方波电压信号频率应为直轴注入的高频方波电压信号频率的偶整数倍。
优选地,所述在估测的直轴和交轴注入频率不同的高频方波电压信号,包括:
根据PMSM数学模型,电机电压方程如下式所示:
其中,Zr为旋转坐标系下的高频阻抗,Vd为d轴高频电压,Vq为q轴高频电压,id为q轴高频电流,iq为q轴高频电流;
设Rdh和Rqh分别为高频下同步坐标轴d轴和q轴的高频电阻,ωh为注入的高频信号,ωr为基波频率,Ld和Lq分别为d轴和q轴的电感,则高频阻抗如下式所示:
将dq坐标系下的电流转化到αβ坐标系下,如下式所示:
其中,R(θr)为PARK变换,θr为实际电角度,iα为α轴电流,iβ为β轴电流;
通过上式,得到PMSM高频电流方程式:
其中,Vdh为d轴注入高频方波幅值,Vqh为q轴注入高频方波幅值。
优选地,所述对三相电流进行实时采样,提取由高频注入引起的电流波动,包括:
提取由d轴注入的高频信号引起的电流波动,包括:
Vdh<0
Vdh>0
其中,iαm为α轴电流基波分量,iβm为β轴电流基波分量,Δidα和Δidβ对于d轴注入的高频信号引起的电流波动,k为第k次采样;
提取由q轴注入的高频信号引起的电流波动,包括:
其中,Δiqαu为半个q轴注入周期内,α轴电流变化量,Δiqβu为半个q轴注入周期内,β轴电流变化量,iα为α轴电流,iβ为β轴电流。
优选地,所述根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值,包括:
其中,Δ是指当前采样和上一次采样的差值,ΔT为采样时间,Vh为注入高频方波幅值,θcons为设定的超前角度,θr为实际电角度,iα为α轴电流,iβ为β轴电流;
当在d轴和q轴注入高频方波电压信号时,将上式改写如下:
其中,Vdh为d轴注入高频方波幅值,Vqh为q轴注入高频方波幅值,ΔTd为d轴半个注入周期,Δidα为提取的由d轴注入引起的α轴电流变化量,Δidβ为提取的由d轴注入引起的β轴电流变化量,Δiqα为提取的由q轴注入引起的α轴电流变化量,Δiqβ为提取的由q轴注入引起的β轴电流变化量。
优选地,所述将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识,包括:
列写同步坐标系下PMSM定子电流方程式:
将上式进行改写,构建参考模型为:
pi=Ai+Bu+d
构建全阶电流观测器,作为可调模型为:
将参考模型减去可调模型得:
根据Popov超稳定理论,计算出自适应率:
根据本发明的第二个方面,提供了一种PMSM参数在线辨识系统,包括:
方波发生器模块,该模块在估测的直轴(d轴)和交轴(q轴)注入频率不同的高频方波电压信号;
电流波动提取模块,该模块对三相电流进行实时采样,提取由高频注入引起的电流波动;
电感计算模块,该模块根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
电阻辨识模块,该模块将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
根据本发明的第三个方面,提供了一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时可用于执行上述任一项所述的方法。
根据本发明的第四个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可用于执行上述任一项所述的方法。
由于采用了上述技术方案,本发明与现有技术相比,具有如下至少一项的有益效果:
本发明提供的PMSM参数在线辨识方法、系统、终端及介质,是一种利用方波注入方式,在电机低速运行时实现无速度传感并实时对电机参数进行在线辨识。
本发明提供的PMSM参数在线辨识方法、系统、终端及介质,为电机控提供更好的控制和安全性能。
本发明提供的PMSM参数在线辨识方法、系统、终端及介质,基于方波注入的在线参数识别可以在几个PWM周期内收敛到观测值,并且计算方法稳定,简单,通用性强,可以很好的实现PMSM的在线观测。
本发明提供的PMSM参数在线辨识方法、系统、终端及介质,在电机无速度传感时采用一种简单的鲁棒性强的方式实时对电机参数进行辨识。
本发明提供的PMSM参数在线辨识方法、系统、终端及介质,实现方法简单,可以更快速的实现对电机参数的实时识别,鲁棒性强对电机参数不敏感适用范围广。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一实施例中PMSM参数在线辨识方法流程图;
图2为本发明一优选实施例中电机控制框图;
图3为本发明一优选实施例中注入电压波形图;
图4为本发明一优选实施例中由高频注入造成的高频电流信号波形图;
图5为本发明一优选实施例中高频电流信号;
图6为本发明一优选实施例中采样到的Δiqαu和Δiqβu所包含分量;
图7为本发明一优选实施例中自适应规律;
图8为本发明一优选实施例中电压注入的其他波形;
图9为本发明一优选实施例中电感实际值和估计值;
图10为本发明一优选实施例中电阻实际值和估计值;
图11为本发明一优选实施例中估计值与实际值的误差;
图12为本发明一优选实施例中电感实际值和估计值放大图;
图13为本发明一优选实施例中电感实际值和估计值;
图14为本发明一优选实施例中电阻实际值和估计值;
图15为本发明一优选实施例中估计值与实际值的误差;
图16为本发明一优选实施例中电机转速波形图;
图17为本发明一实施例中PMSM参数在线辨识组成模块示意图。
具体实施方式
下面对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
图1为本发明一实施例提供的PMSM参数在线辨识方法流程图。
如图1所示,该实施例提供的PMSM参数在线辨识方法,可以包括如下步骤:
S100,在估测的直轴(d轴)和交轴(q轴)注入频率不同的高频方波电压信号;
S200,对三相电流进行实时采样,提取由高频注入引起的电流波动;
S300,根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
S400,将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
在该实施例的S100中,注入的高频方波电压信号的波形满足一个注入周期内冲量为0。
在该实施例的S100中,q轴注入的高频方波电压信号频率应为d轴注入的高频方波电压信号频率的偶整数倍。
在该实施例的S100中,在估测的直轴(d轴)和交轴(q轴)注入频率不同的高频方波电压信号,包括:
根据PMSM数学模型,电机电压方程如下式所示:
其中,Zr为旋转坐标系下的高频阻抗,Vd为d轴高频电压,Vq为q轴高频电压,id为q轴高频电流,iq为q轴高频电流;
设Rdh和Rqh分别为高频下同步坐标轴d轴和q轴的高频电阻,ωh为注入的高频信号,ωr为基波频率,Ld和Lq分别为d轴和q轴的电感,则高频阻抗如下式所示:
将dq坐标系下的电流转化到αβ坐标系下,如下式所示:
其中,R(θr)为PARK变换,θr为实际电角度(即转子角度),iα为α轴电流,iβ为β轴电流;
通过上式,得到PMSM高频电流方程式:
其中,Vdh为d轴注入高频方波(分量)幅值,Vqh为q轴注入高频方波(分量)幅值。
在该实施例的S200中,对三相电流进行实时采样,提取由高频注入引起的电流波动,包括:提取由d轴注入的高频信号引起的电流波动和提取由q轴注入的高频信号引起的电流波动。
进一步地,作为一优选实施例,提取由d轴注入的高频信号引起的电流波动,包括:
Vdh<0
Vdh>0
其中,iαm为α轴电流基波分量,iβm为β轴电流基波分量,Δidα和Δidβ对于d轴注入的高频信号引起的电流波动,k为第k次采样。
进一步地,作为一优选实施例,提取由q轴注入的高频信号引起的电流波动,包括:
其中,Δiqαu为半个q轴注入周期内,α轴电流变化量,Δiqβu为半个q轴注入周期内,β轴电流变化量,iα为α轴电流,iβ为β轴电流。
在该实施例的S300中,根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值,包括:
其中,Δ是指当前采样和上一次采样的差值,ΔT为采样时间,Vh为注入高频方波幅值,θcons为设定的超前角度,θr为实际电角度,iα为α轴电流,iβ为β轴电流;
当在d轴和q轴注入高频方波电压信号时,将上式改写如下:
其中,Vdh为d轴注入高频方波幅值,ΔTd为d轴半个注入周期,Δidα为提取的由d轴注入引起的α轴电流变化量,Δidβ为提取的由d轴注入引起的β轴电流变化量,Δiqα为提取的由q轴注入引起的α轴电流变化量,Δiqβ为提取的由q轴注入引起的β轴电流变化量。
在该实施例的S400中,将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识,包括:。
列写同步坐标系下PMSM定子电流方程式:
将式(14)进行改写,构建参考模型为:
pi=Ai+Bu+d
构建全阶电流观测器,作为可调模型为:
将参考模型减去可调模型得:
根据Popov超稳定理论,计算出自适应率:
下面结合附图,对本发明上述实施例的优选实施例进一步详细描述如下。
图2给出了本发明一优选实施例提供的PMSM参数在线辨识方法的电机控制框图。
如图2所示,可以看出本发明在使用高频方波注入的无速度传感控制的基础上,通过在d轴和q轴注入额外的高频方波电压信号(以下简称高频信号)来实现对PMSM参数的实时辨识。
根据PMSM数学模型,电机电压方程可用式(1)来描述:
其中,Zr为旋转坐标系下的高频阻抗,Vd为d轴高频电压,Vq为q轴高频电压,id为d轴高频电流,iq为q轴高频电流。
设:Rdh和Rqh分别为高频下同步坐标轴d轴和q轴的高频电阻,ωh为注入的高频信号,ωr为基波频率,Ld和Lq分别为d轴和q轴的电感;在高频阻抗模型中,ωhLd和ωhLq远大于Rdh和Rqh,此外一般注入的高频信号ωh也远大于基波频率ωr(ωh>10ωr),故高频阻抗也可简化为式(2):
接下来,将dq坐标系下的电流转化到αβ坐标系下如式(3)所示:
其中,θr为实际电角度(即转子角度),iα为α轴电流,iβ为β轴电流;
通过式(3),可以得到PMSM高频电流方程式:
为了能在线对电机参数进行辨识,作为一优选实施例,在估计d轴和q轴分别注入不同频率的方波电压信号和表示估计电角度下的d轴电压值和q轴电压值。其中,q轴注入频率应为d轴注入频率的偶整数倍。为便于表述,本实施例将q轴注入频率设为d轴注入频率的两倍。同时为保证无速度传感的性能,应使Vdh≥5·Vqh。用数学方程式可描述为:
其中,Vdh为d轴注入高频方波幅值,Vqh为q轴注入高频方波幅值。
其波形如图3所示。
将式(5)代入式(4)可得出下式:
当在d轴和q轴注入高频方波电压信号时,上式又可化简为式(8):
Δidα,Δidβ和Δiqα,Δiqβ分别为由d轴和q轴高频方波电压信号注入造成的电流波动差值,ΔTd为d轴注入半个周期,Δidα为由d轴注入造成的α轴变化量,Δidβ为由d轴注入造成的β轴变化量,Δiqα为由q轴注入造成的α轴变化量,Δiqβ为由q轴注入造成的β轴变化量。为更好地获得Δidα,Δidβ和Δiqα,Δiqβ,本实施例使用了一种简单的计算方式将高频电流信号从电流信号中分离出来。
由高频信号注入造成的高频电流信号可用图4来表示。
相对于基波频率,注入方波频率很高。在两个连续采样中,基本定子电流分量由注入电流分量以相反的幅值进行调制。故可由如下方程式表示:
其中,iαm和iβm为基波电流,iα和iβ为采样电流,k为第k次采样。
由于q轴注入高频信号频率为d轴注入高频信号频率的偶整数倍,故在过滤d轴注入的高频信号时也会过滤掉q轴注入的高频信号。
作为一优选实施例,d轴注入的高频信号引起的电流波动的提取,包括:
对于d轴注入的高频信号引起的电流波动Δidα和Δidβ的提取,由于q轴注入频率为d轴频率的偶整数倍,故d轴注入频率的半个周期为q轴注入的整数周期,如图5所示。
在d轴注入的半个周期(k+1)T~(k+3)T也是q轴注入方波的一个整周期,根据采样控制中的重要理论“冲量相同而形状不等的窄脉冲加在具有惯性环节上其效果基本相同”,故在k+1和k+3处采样不含q轴高频分量。故d轴注入的高频信号引起的电流波动提取如下:
Vdh<0
Vdh>0
其中,iαm为α轴电流基波分量,iβm为β轴电流基波分量。
作为一优选实施例,q轴注入的高频信号引起的电流波动的提取,包括:
(1)由q轴注入所引起的高频电流变化量;
(2)由d轴注入引起的高频电流变化量;
(3)电流基波电流变化量。
其中,Δiqαu为半个q轴注入周期内,α轴电流变化量,Δiqβu为半个q轴注入周期内,β轴电流变化量。
所以,为了提取出由q轴注入引起的高频分量需消除剩余两种电流信号的影响。
1、基波电流变化量由于d轴注入频率相较于基波频率很大,所以可近似的认为在d轴注入频率下基波电流是线性变化的。所以Δiqαu和Δiqβu中包含的基波电流变化量为:
其中,Δiqαm为α轴电流基波电流变化量,Δiqβm为β轴电流基波电流变化量。
2、由于d轴注入频率很高,故可以认为在d轴注入方波的一个周期电机的位置不变,则可认为在d轴注入的一个周期内idα和idβ是线性变化的。则Δiqα和Δiqβ中包含的d轴注入的高频信号为:
Vdh>0
Vdh<0
其中,Δiqαd为α轴由d轴注入引起的高频电流变化量,Δiqβd为β轴由d轴注入引起的高频电流变化量。
用Δiqαu和Δiqβu减去上述分量Δiqαm、Δiqαd和Δiqβm、Δiqβd,即可得到所需要的Δiqα和Δiqβ,如式(13):
Vqh>0
Vqh<0
至此便可在几个PWM周期内迅速完成对Ld和Lq的辨识。
当完成对电感Ld和Lq的辨识后,接下来对电阻R进行在线辨识。
列写同步坐标系下PMSM定子电流方程式:
式(14)也可写为(参考模型):
pi=Ai+Bu+d
构建全阶电流观测器(可调模型):
将参考模型减去可调模型得:
根据Popov超稳定理论,计算出自适应率:
作为一优选实施例,所使用的电压注入波形也可由其他方波形式替代,本优选实施例列举了几种波形,如图8所示。其中注入电压波形要满足一个注入周期内冲量为0。
当使用其他方波形式注入时,也可达到较好的辨识效果。
下面结合一仿真实验及其附图,验证本发明上述实施例所提供的PMSM参数辨识方法可行。
在该仿真实验中,电机和控制系统参数如下表所示:
相电阻R | 1Ω |
永磁体磁链ψ | 0.122565Wb |
转动惯量J | 0.000279kg·m<sup>2</sup> |
极对数 | 3 |
开关频率 | 5kHz |
d轴注入方波频率 | 1.25kHz |
q轴注入方波频率 | 2.5kHz |
d轴注入方波电压 | 50V |
q轴注入方波电压 | 10V |
直流母线电压 | 170V |
仿真实验将从如下几个方面来展开验证本发明上述实施例提供技术方案的可行性:
(1)变电感下仿真;
(2)变转速下仿真。
(1)变电感下仿真,如图9~图12所示;
Ld由0.01051H→0.009H Lq由0.0136H→0.0121H。
(2)变速下仿真,如图13~图16所示;
转速由80rpm上升到130rpm
由上述的仿真结果可以看出,该在线观测方法可有效的识别电机参数。电机运行稳态时电感辨识误差都小于1.5%电阻辨识误差小于5%。当电机参数或电机运行发生动态变化时辨识值能在几个PWM周期内快速的跟随实际值,满足工程精度要求。
本发明第二个实施例,提供了一种PMSM参数在线辨识系统,如图17所示,该系统可以包括:方波发生器模块、电流波动提取模块、电感计算模块、电阻辨识模块。
其中:
方波发生器模块,该模块在估测的直轴(d轴)和交轴(q轴)注入频率不同的高频方波电压信号;
电流波动提取模块,该模块对三相电流进行实时采样,提取由高频注入引起的电流波动;
电感计算模块,该模块根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
电阻辨识模块,该模块将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
本发明第三个实施例,提供了一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时可用于执行本发明上述实施例中任一项的方法。
可选地,存储器,用于存储程序;存储器,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random Access Memory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
处理器,用于执行存储器存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
处理器和存储器可以是独立结构,也可以是集成在一起的集成结构。当处理器和存储器是独立结构时,存储器、处理器可以通过总线耦合连接。
本发明第四个实施例,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可用于执行本发明上述实施例中任一项的方法。
需要说明的是,本发明提供的方法中的步骤,可以利用系统中对应的模块、装置、单元等予以实现,本领域技术人员可以参照方法的技术方案实现系统的组成,即,方法中的实施例可理解为构建系统的优选例,在此不予赘述。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种PMSM参数在线辨识方法,其特征在于,包括:
在估测的直轴和交轴注入频率不同的高频方波电压信号;
对三相电流进行实时采样,提取由高频注入引起的电流波动;
根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
2.根据权利要求1所述的PMSM参数在线辨识方法,其特征在于,注入的所述高频方波电压信号的波形满足一个注入周期内冲量为0。
3.根据权利要求1所述的PMSM参数在线辨识方法,其特征在于,交轴注入的高频方波电压信号频率应为直轴注入的高频方波电压信号频率的偶整数倍。
4.根据权利要求1所述的PMSM参数在线辨识方法,其特征在于,所述在估测的直轴和交轴注入频率不同的高频方波电压信号,包括:
根据PMSM数学模型,电机电压方程如下式所示:
其中,Zr为旋转坐标系下的高频阻抗,Vd为d轴高频电压,Vq为q轴高频电压,id为q轴高频电流,iq为q轴高频电流;
设Rdh和Rqh分别为高频下同步坐标轴d轴和q轴的高频电阻,ωh为注入的高频信号,ωr为基波频率,Ld和Lq分别为d轴和q轴的电感,则高频阻抗如下式所示:
将dq坐标系下的电流转化到αβ坐标系下,如下式所示:
其中,R(θr)为PARK变换,θr为实际电角度,iα为α轴电流,iβ为β轴电流;
通过上式,得到PMSM高频电流方程式:
其中,Vdh为d轴注入高频方波幅值,Vqh为q轴注入高频方波幅值。
6.根据权利要求1所述的PMSM参数在线辨识方法,其特征在于,所述根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值,包括:
其中,Δ是指当前采样和上一次采样的差值,ΔT为采样时间,Vh为注入高频方波幅值,θcons为设定的超前角度,θr为实际电角度,iα为α轴电流,iβ为β轴电流;
当在d轴和q轴注入高频方波电压信号时,将上式改写如下:
其中,Vdh为d轴注入高频方波幅值,Vqh为q轴注入高频方波幅值,ΔTd为d轴半个注入周期,Δidα为提取的由d轴注入引起的α轴电流变化量,Δidβ为提取的由d轴注入引起的β轴电流变化量,Δiqα为提取的由q轴注入引起的α轴电流变化量,Δiqβ为提取的由q轴注入引起的β轴电流变化量。
7.根据权利要求1所述的PMSM参数在线辨识方法,其特征在于,所述将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识,包括:
列写同步坐标系下PMSM定子电流方程式:
将上式进行改写,构建参考模型为:
pi=Ai+Bu+d
构建全阶电流观测器,作为可调模型为:
将参考模型减去可调模型得:
根据Popov超稳定理论,计算出自适应率:
8.一种PMSM参数在线辨识系统,其特征在于,包括:
方波发生器模块,该模块在估测的直轴和交轴注入频率不同的高频方波电压信号;
电流波动提取模块,该模块对三相电流进行实时采样,提取由高频注入引起的电流波动;
电感计算模块,该模块根据提取的电流波动,计算直轴电感Ld和交轴电感Lq的值;
电阻辨识模块,该模块将计算出的直轴电感Ld和交轴电感Lq输入模型参考自适应系统,对定子绕组电阻R进行实时辨识。
9.一种终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时可用于执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可用于执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248643.8A CN112953338B (zh) | 2021-03-08 | 2021-03-08 | Pmsm参数在线辨识方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110248643.8A CN112953338B (zh) | 2021-03-08 | 2021-03-08 | Pmsm参数在线辨识方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112953338A true CN112953338A (zh) | 2021-06-11 |
CN112953338B CN112953338B (zh) | 2022-11-22 |
Family
ID=76229535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110248643.8A Active CN112953338B (zh) | 2021-03-08 | 2021-03-08 | Pmsm参数在线辨识方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112953338B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113691183A (zh) * | 2021-08-26 | 2021-11-23 | 上海儒竞智控技术有限公司 | 永磁同步电机的电感辨识方法、系统、介质及终端 |
CN115242136A (zh) * | 2022-09-20 | 2022-10-25 | 江苏中工高端装备研究院有限公司 | 一种永磁同步电机的初始状态检测方法 |
DE102021213849A1 (de) | 2021-12-06 | 2023-06-07 | Volkswagen Aktiengesellschaft | Verfahren zum vereinfachten Erstellen eines Induktivitätskennfelds einer Synchronmaschine und Maschinensystem |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9948224B1 (en) * | 2016-10-17 | 2018-04-17 | General Electric Company | System and method for sensorless control of electric machines using magnetic alignment signatures |
CN108900131A (zh) * | 2018-07-11 | 2018-11-27 | 山东大学 | 表贴式永磁同步电机低速无位置传感器矢量控制系统与方法 |
CN110176894A (zh) * | 2019-06-03 | 2019-08-27 | 中国人民解放军陆军装甲兵学院 | 一种大功率轮毂电机全速度范围无位置传感器改进控制方法 |
CN110429886A (zh) * | 2019-07-19 | 2019-11-08 | 江苏大学 | 一种永磁同步电机低速域转子位置辨识方法 |
CN110460270A (zh) * | 2019-07-24 | 2019-11-15 | 东南大学盐城新能源汽车研究院 | 一种考虑交叉饱和电感的高频方波电压注入无位置传感器控制方法 |
CN111245330A (zh) * | 2020-02-29 | 2020-06-05 | 天津工业大学 | 基于过采样的永磁电机方波注入无位置传感器控制方法 |
CN111313774A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于nlms算法的永磁同步电机参数在线辨识方法 |
CN111641362A (zh) * | 2020-05-07 | 2020-09-08 | 浙江工业大学 | 一种双脉冲高频方波电压注入永磁同步电机电感快速辨识方法 |
-
2021
- 2021-03-08 CN CN202110248643.8A patent/CN112953338B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9948224B1 (en) * | 2016-10-17 | 2018-04-17 | General Electric Company | System and method for sensorless control of electric machines using magnetic alignment signatures |
CN108900131A (zh) * | 2018-07-11 | 2018-11-27 | 山东大学 | 表贴式永磁同步电机低速无位置传感器矢量控制系统与方法 |
CN110176894A (zh) * | 2019-06-03 | 2019-08-27 | 中国人民解放军陆军装甲兵学院 | 一种大功率轮毂电机全速度范围无位置传感器改进控制方法 |
CN110429886A (zh) * | 2019-07-19 | 2019-11-08 | 江苏大学 | 一种永磁同步电机低速域转子位置辨识方法 |
CN110460270A (zh) * | 2019-07-24 | 2019-11-15 | 东南大学盐城新能源汽车研究院 | 一种考虑交叉饱和电感的高频方波电压注入无位置传感器控制方法 |
CN111313774A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于nlms算法的永磁同步电机参数在线辨识方法 |
CN111245330A (zh) * | 2020-02-29 | 2020-06-05 | 天津工业大学 | 基于过采样的永磁电机方波注入无位置传感器控制方法 |
CN111641362A (zh) * | 2020-05-07 | 2020-09-08 | 浙江工业大学 | 一种双脉冲高频方波电压注入永磁同步电机电感快速辨识方法 |
Non-Patent Citations (5)
Title |
---|
QIPENG TANG等: "PMSM Sensorless Control by Injecting HF Pulsating Carrier Signal Into ABC Frame", 《IEEE TRANSACTIONS ON POWER ELECTRONICS》 * |
YOUNG-DOO YOON等: "High-Bandwidth Sensorless Algorithm for AC Machines Based on Square-Wave-Type Voltage Injection", 《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》 * |
刘善宏: "永磁同步电机全速度范围内位置观测研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
陈达波: "基于参数辨识的永磁同步电动机无位置传感器控制", 《微特电机》 * |
陈长凯等: "基于高频方波电压注入法的SM-PMSM无位置传感器控制方法", 《电力科学与技术学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113691183A (zh) * | 2021-08-26 | 2021-11-23 | 上海儒竞智控技术有限公司 | 永磁同步电机的电感辨识方法、系统、介质及终端 |
CN113691183B (zh) * | 2021-08-26 | 2024-06-07 | 上海儒竞智控技术有限公司 | 永磁同步电机的电感辨识方法、系统、介质及终端 |
DE102021213849A1 (de) | 2021-12-06 | 2023-06-07 | Volkswagen Aktiengesellschaft | Verfahren zum vereinfachten Erstellen eines Induktivitätskennfelds einer Synchronmaschine und Maschinensystem |
CN115242136A (zh) * | 2022-09-20 | 2022-10-25 | 江苏中工高端装备研究院有限公司 | 一种永磁同步电机的初始状态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112953338B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112953338B (zh) | Pmsm参数在线辨识方法、系统、终端及介质 | |
Lascu et al. | A class of speed-sensorless sliding-mode observers for high-performance induction motor drives | |
CN108183648B (zh) | 一种基于逆变器非线性补偿的永磁同步电机参数辨识方法 | |
CN109787524B (zh) | 一种永磁同步电机参数在线辨识方法 | |
Zhang et al. | Multiple-AVF cross-feedback-network-based position error harmonic fluctuation elimination for sensorless IPMSM drives | |
CN114301355B (zh) | 一种永磁同步电机电流谐波扰动抑制方法 | |
CN114006557B (zh) | 基于扩展滑模观测器的永磁同步电机机械参数辨识方法 | |
CN104579083A (zh) | 永磁同步电机矢量控制方法及系统 | |
CN110995102A (zh) | 一种永磁同步电机直接转矩控制方法及系统 | |
Cirrincione et al. | Sensorless control of induction motors by reduced order observer with MCA EXIN+ based adaptive speed estimation | |
CN113206625B (zh) | 一种用于内置式永磁同步电机最大转矩电流比控制方法 | |
CN110460250A (zh) | 一种三相pwm整流器直接功率控制方法 | |
CN112039123B (zh) | 一种并网逆变器无交流电压传感器控制方法 | |
CN115864928A (zh) | 一种基于校正电流预测的pmsm模型参考自适应转速估算方法 | |
CN114865934A (zh) | 并网逆变器控制方法、装置和设备及计算机介质 | |
CN117856691B (zh) | 一种永磁同步电机鲁棒模型预测速度控制方法 | |
CN111092580A (zh) | 一种基于限定记忆最小二乘法的改进mras控制方法 | |
Cupertino et al. | Model based design of a sensorless control scheme for permanent magnet motors using signal injection | |
CN114679111A (zh) | 永磁同步电机电流谐波扰动抑制方法、设备及存储介质 | |
CN112968644B (zh) | 永磁同步电机参数在线识别方法、系统、终端及介质 | |
Adamczyk | Rotor resistance estimator based on virtual current sensor algorithm for induction motor drives | |
CN111064406A (zh) | 基于限定记忆最小二乘法的改进模型参考自适应控制系统 | |
CN114844414B (zh) | 一种永磁同步电机电感在线辨识方法及系统 | |
CN114301361B (zh) | 一种基于母线电流控制的无电解电容永磁同步电机驱动系统控制方法 | |
CN113965129B (zh) | 一种永磁同步电机控制系统电流测量偏移误差的补偿方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |