CN112953338B - 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 PDF

Info

Publication number
CN112953338B
CN112953338B CN202110248643.8A CN202110248643A CN112953338B CN 112953338 B CN112953338 B CN 112953338B CN 202110248643 A CN202110248643 A CN 202110248643A CN 112953338 B CN112953338 B CN 112953338B
Authority
CN
China
Prior art keywords
axis
current
frequency
injection
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.)
Active
Application number
CN202110248643.8A
Other languages
English (en)
Other versions
CN112953338A (zh
Inventor
高强
王金柯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110248643.8A priority Critical patent/CN112953338B/zh
Publication of CN112953338A publication Critical patent/CN112953338A/zh
Application granted granted Critical
Publication of CN112953338B publication Critical patent/CN112953338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

PMSM参数在线辨识方法、系统、终端及介质
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：
Figure GDA0003888848450000031
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：
Figure GDA0003888848450000041
将dq坐标系下的电流转化到αβ坐标系下，如下式所示：
Figure GDA0003888848450000042
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：
Figure GDA0003888848450000043
其中，
Figure GDA0003888848450000044
Figure GDA0003888848450000045
为估计电角度误差值，
Figure GDA0003888848450000046
为估计电角度，
Figure GDA0003888848450000047
为估计d轴高频电压信号，
Figure GDA0003888848450000048
为估计q轴高频电压信号；
在估计电角度下，对d轴和q轴分别注入不同频率的方波电压信号
Figure GDA0003888848450000049
和
Figure GDA00038888484500000410
则：
Figure GDA00038888484500000411
Figure GDA00038888484500000412
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
Figure GDA0003888848450000051
Vdh＞0
Figure GDA0003888848450000052
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：
Figure GDA0003888848450000053
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：
Figure GDA0003888848450000054
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：
Figure GDA0003888848450000055
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，Δidβ为提取的由d轴注入引起的α轴电流变化量，Δidα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：
Figure GDA0003888848450000061
其中，p为微分算子，we为转子角速度，ud为d轴电压，uq为q轴电压，
Figure GDA00038888484500000612
为电机磁链；
将上式进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure GDA0003888848450000062
构建全阶电流观测器，作为可调模型为：
Figure GDA0003888848450000063
其中：
Figure GDA0003888848450000064
Figure GDA0003888848450000065
和
Figure GDA0003888848450000066
分别为电机电流和电阻的估计值；
将参考模型减去可调模型得：
Figure GDA0003888848450000067
其中
Figure GDA0003888848450000068
此时
Figure GDA0003888848450000069
根据Popov超稳定理论，计算出自适应率：
Figure GDA00038888484500000610
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure GDA00038888484500000611
ed和eq分别为d轴电流估计误差和q轴电流估计误差。
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：
Figure GDA0003888848450000091
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：
Figure GDA0003888848450000092
将dq坐标系下的电流转化到αβ坐标系下，如下式所示：
Figure GDA0003888848450000093
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：
Figure GDA0003888848450000094
其中，
Figure GDA0003888848450000095
Figure GDA0003888848450000096
为估计电角度误差值，
Figure GDA0003888848450000097
为估计电角度，
Figure GDA0003888848450000098
为估计d轴高频电压信号，
Figure GDA0003888848450000099
为估计q轴高频电压信号；
在估计电角度下，对d轴和q轴分别注入不同频率的方波电压信号
Figure GDA00038888484500000910
和
Figure GDA00038888484500000911
表示估计电角度下的d轴电压值和q轴电压值，则：
Figure GDA00038888484500000912
Figure GDA0003888848450000101
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
Figure GDA0003888848450000102
Vdh＞0
Figure GDA0003888848450000103
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：
Figure GDA0003888848450000104
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：
Figure GDA0003888848450000105
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：
Figure GDA0003888848450000111
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：
Figure GDA0003888848450000112
其中，p为微分算子，we为转子角速度，ud为d轴电压，uq为q轴电压，
Figure GDA0003888848450000119
为电机磁链。
将式(14)进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure GDA0003888848450000113
构建全阶电流观测器，作为可调模型为：
Figure GDA0003888848450000114
其中：
Figure GDA0003888848450000115
Figure GDA0003888848450000116
和
Figure GDA0003888848450000117
分别为电机电流和电阻的估计值；
将参考模型减去可调模型得：
Figure GDA0003888848450000118
其中
Figure GDA0003888848450000121
此时
Figure GDA0003888848450000122
根据Popov超稳定理论，计算出自适应率：
Figure GDA0003888848450000123
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure GDA0003888848450000124
ed和eq分别为d轴电流估计误差和q轴电流估计误差。
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：
Figure GDA0003888848450000125
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)：
Figure GDA0003888848450000126
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：
Figure GDA0003888848450000131
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：
Figure GDA0003888848450000132
其中，
Figure GDA0003888848450000133
Figure GDA0003888848450000134
为估计电角度误差值，
Figure GDA0003888848450000135
为估计电角度，
Figure GDA0003888848450000136
为估计d轴高频电压信号，
Figure GDA0003888848450000137
为估计q轴高频电压信号；
Figure GDA0003888848450000138
为估计电角度下的电压值，即
Figure GDA0003888848450000139
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
Figure GDA00038888484500001310
和
Figure GDA00038888484500001311
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：
Figure GDA00038888484500001312
Figure GDA00038888484500001313
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：
Figure GDA00038888484500001314
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(即转子角度)，iα为α轴电流，iβ为β轴电流，
Figure GDA0003888848450000141
为估计电角度误差值；
当估计角度超前实际角度为设定的θcons时，即
Figure GDA0003888848450000142
则式(6)可化简为式(7)：
Figure GDA0003888848450000143
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)：
Figure GDA0003888848450000144
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：
Figure GDA0003888848450000145
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
Figure GDA0003888848450000151
Vdh＞0
Figure GDA0003888848450000153
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：
对于
Figure GDA0003888848450000154
而言，其包含如下三种电流信号，如图6所示：
(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：
Figure GDA0003888848450000155
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Δidα和Δidβ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
Figure GDA0003888848450000161
Vdh＜0
Figure GDA0003888848450000162
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
Figure GDA0003888848450000163
Vqh＜0
Figure GDA0003888848450000164
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：
Figure GDA0003888848450000165
其中，p为微分算子，we为转子电角速度，ud为d轴电压，uq为q轴电压，
Figure GDA00038888484500001711
为电机磁链。
式(14)也可写为(参考模型)：
pi＝Ai+Bu+d
Figure GDA0003888848450000171
构建全阶电流观测器(可调模型)：
Figure GDA0003888848450000172
其中：
Figure GDA0003888848450000173
Figure GDA0003888848450000174
和
Figure GDA0003888848450000175
分别为电机电流和电阻的估计值。
将参考模型减去可调模型得：
Figure GDA0003888848450000176
其中
Figure GDA0003888848450000177
此时
Figure GDA0003888848450000178
根据Popov超稳定理论，计算出自适应率：
Figure GDA0003888848450000179
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure GDA00038888484500001710
ed和eq分别为d轴电流估测误差和q轴电流估测误差。其基本运算框图如图7所示。
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 (6)

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；
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；
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；
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
Figure FDA0003888848440000011
Vdh＞0
Figure FDA0003888848440000012
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；Vdh为d轴注入高频方波幅值；
Figure FDA0003888848440000013
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；
提取由q轴注入的高频信号引起的电流波动，包括：
Vqh＞0
Figure FDA0003888848440000021
Vqh＜0
Figure FDA0003888848440000022
Figure FDA0003888848440000023
Figure FDA0003888848440000024
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；Vqh为q轴注入高频方波幅值；
Vdh＞0
Figure FDA0003888848440000025
Vdh＜0
Figure FDA0003888848440000026
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；
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：
Figure FDA0003888848440000027
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：
Figure FDA0003888848440000031
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。
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，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：
Figure FDA0003888848440000032
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：
Figure FDA0003888848440000033
将dq坐标系下的电流转化到αβ坐标系下，如下式所示：
Figure FDA0003888848440000034
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：
Figure FDA0003888848440000035
其中，
Figure FDA0003888848440000036
Figure FDA0003888848440000037
为估计电角度误差值，
Figure FDA0003888848440000038
为估计电角度，
Figure FDA0003888848440000039
为估计d轴高频电压信号，
Figure FDA00038888484400000310
为估计q轴高频电压信号；
在估计电角度下，对d轴和q轴分别注入不同频率的方波电压信号
Figure FDA0003888848440000041
和
Figure FDA0003888848440000042
则：
Figure FDA0003888848440000043
Figure FDA0003888848440000044
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。
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，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：
Figure FDA0003888848440000045
其中，p为微分算子，we为转子角速度，ud为d轴电压，uq为q轴电压，
Figure FDA00038888484400000414
为电机磁链；
将上式进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure FDA0003888848440000046
构建全阶电流观测器，作为可调模型为：
Figure FDA0003888848440000047
其中：
Figure FDA0003888848440000048
Figure FDA0003888848440000049
和
Figure FDA00038888484400000410
分别为电机电流和电阻的估计值；
将参考模型减去可调模型得：
Figure FDA00038888484400000411
其中
Figure FDA00038888484400000412
此时
Figure FDA00038888484400000413
根据Popov超稳定理论，计算出自适应率：
Figure FDA0003888848440000051
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure FDA0003888848440000052
ed和eq分别为d轴电流估计误差和q轴电流估计误差，
Figure FDA0003888848440000053
为估计电阻值初始赋值。
4.一种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；
其中：
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；
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；
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
Figure FDA0003888848440000054
Vdh＞0
Figure FDA0003888848440000055
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；Vdh为d轴注入高频方波幅值；
Figure FDA0003888848440000056
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；
提取由q轴注入的高频信号引起的电流波动，包括：
Vqh＞0
Figure FDA0003888848440000061
Vqh＜0
Figure FDA0003888848440000062
Figure FDA0003888848440000063
Figure FDA0003888848440000064
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；Vqh为q轴注入高频方波幅值；
Vdh＞0
Figure FDA0003888848440000065
Vdh＜0
Figure FDA0003888848440000066
其中，Δiqαd为α轴由d轴注入引起的高频电流变化量，Δiqαd为β轴由d轴注入引起的高频电流变化量；
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：
Figure FDA0003888848440000067
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：
Figure FDA0003888848440000071
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。
5.一种终端，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1-3中任一项所述的方法。
6.一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1-3中任一项所述的方法。
CN202110248643.8A 2021-03-08 2021-03-08 Pmsm参数在线辨识方法、系统、终端及介质 Active CN112953338B (zh)

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 CN112953338A (zh) 2021-06-11
CN112953338B true 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)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
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
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
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
CN110429886B (zh) * 2019-07-19 2021-04-20 江苏大学 一种永磁同步电机低速域转子位置辨识方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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)

* Cited by examiner, † Cited by third party
Title
High-Bandwidth Sensorless Algorithm for AC Machines Based on Square-Wave-Type Voltage Injection;Young-Doo Yoon等;《IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS》;20110314;第1361-1370页 *
PMSM Sensorless Control by Injecting HF Pulsating Carrier Signal Into ABC Frame;Qipeng Tang等;《IEEE TRANSACTIONS ON POWER ELECTRONICS》;20160622;第3767-3776页 *
基于参数辨识的永磁同步电动机无位置传感器控制;陈达波;《微特电机》;20180228(第02期);第79-82页 *
基于高频方波电压注入法的SM-PMSM无位置传感器控制方法;陈长凯等;《电力科学与技术学报》;20150928(第03期);第40-45页 *
永磁同步电机全速度范围内位置观测研究;刘善宏;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20210215;第17-40页 *

Also Published As

Publication number Publication date
CN112953338A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112953338B (zh) Pmsm参数在线辨识方法、系统、终端及介质
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
Wang et al. Current control of grid-connected inverter with LCL filter based on extended-state observer estimations using single sensor and achieving improved robust observation dynamics
Lascu et al. A class of speed-sensorless sliding-mode observers for high-performance induction motor drives
CN109787524B (zh) 一种永磁同步电机参数在线辨识方法
CN110460250B (zh) 一种三相pwm整流器直接功率控制方法
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
CN114301355B (zh) 一种永磁同步电机电流谐波扰动抑制方法
Cirrincione et al. Sensorless control of induction motors by reduced order observer with MCA EXIN+ based adaptive speed estimation
CN113328665B (zh) 一种基于电感辨识的同步磁阻电机无位置传感器控制方法
CN110995102A (zh) 一种永磁同步电机直接转矩控制方法及系统
Abdelsalam et al. Improved sensorless operation of a CSI-based induction motor drive: Long feeder case
Liu et al. Extended-kalman-filter-based magnet flux linkage and inductance estimation for PMSM considering magnetic saturation
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
Cupertino et al. Model based design of a sensorless control scheme for permanent magnet motors using signal injection
CN109687792B (zh) 面向矢量控制系统的牵引电机转子参数在线辨识优化方法
CN112968644B (zh) 永磁同步电机参数在线识别方法、系统、终端及介质
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
Adamczyk Rotor resistance estimator based on virtual current sensor algorithm for induction motor drives
Alberti et al. Finite-element analysis of electrical machines for sensorless drives with signal injection
CN114844414B (zh) 一种永磁同步电机电感在线辨识方法及系统
CN109194226A (zh) 电机参数在线辨识方法、系统、电机控制器及存储介质
CN116169921A (zh) 基于参数辨识的永磁辅助同步磁阻电机无差拍控制方法
Pengcheng et al. Offline parameter identification strategy of permanent magnet synchronous motor considering the inverter nonlinearities
Wang et al. A high performance permanent magnet synchronous motor servo system using predictive functional control and Kalman filter

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