CN112968644A - 永磁同步电机参数在线识别方法、系统、终端及介质 - Google Patents

永磁同步电机参数在线识别方法、系统、终端及介质 Download PDF

Info

Publication number
CN112968644A
CN112968644A CN202110248640.4A CN202110248640A CN112968644A CN 112968644 A CN112968644 A CN 112968644A CN 202110248640 A CN202110248640 A CN 202110248640A CN 112968644 A CN112968644 A CN 112968644A
Authority
CN
China
Prior art keywords
axis
current
frequency
inductance
pmsm
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
Application number
CN202110248640.4A
Other languages
English (en)
Other versions
CN112968644B (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 CN202110248640.4A priority Critical patent/CN112968644B/zh
Publication of CN112968644A publication Critical patent/CN112968644A/zh
Application granted granted Critical
Publication of CN112968644B publication Critical patent/CN112968644B/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

本发明提供了一种永磁同步电机参数在线估测方法及系统，包括：在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；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计算机存储介质。本发明可以在几个PWM周期内收敛到观测值，并且计算方法稳定，简单，通用性强，可以快速地实现PMSM参数的在线观测。

Description

永磁同步电机参数在线识别方法、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，涉及一种永磁同步电机参数在线识别方法、系统、终端及介质。
背景技术
PMSM(永磁同步电机)具有高转矩密度和功率密度、高可靠性等技术优点，既能满足高性能伺服系统要求，又是实现通用电机系统节能的首选装置之一。然而PMSM本身是一个多变量动态时变系统，虽然如今有很多针对PMSM的控制方式，但是控制性能都或多或少都受到PMSM参数准确性的影响。在负载大小或环境发生变化时，PMSM参数也会相应地发生变化。如果能快速、实时观测PMSM运行时的参数，便能不断对算法参数进行动态优化，从而得到更好的控制效果。
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。
经过对现有技术的检索发现：
文献Y.Yoon,S.Sul,S.Morimoto and K.Ide,″High bandwidth sensorlessalgorithm for AC machines based on square-wave type voltage injection,″2009IEEE Energy Conversion Congress and Exposition,San Jose,CA,2009,pp.2123-2130,doi:10.1109/ECCE.2009.531625.提出了一种利用方波注入进行PMSM无速度传感器控制的技术，但是未进行PMSM的参数估计研究。
文献M.X.Bui,M.Faz Rahman,D.Guan and D.Xiao,″A New and Fast Method forOn-line Estimation of d and q Axes Inductances of Interior Permanent MagnetSynchronous Machines Using Measurements of Current Derivatives and InverterDC-Bus Voltage,″in IEEE Transactions on Industrial Electronics,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注入时电流变化率进行实时的参数识别，但是该技术仍然存在如下问题：需要较高的采样速度以及采样精度，有较高的硬件要求。
目前，为了提高电机的控制性能，很多文献都在进行电机参数在线辨识的研究。总的来说可以分为如下几种：
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，现有的永磁同步电机参数识别方法，均无法满足对永磁同步电机参数在线估测的需求，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，提供了一种永磁同步电机参数在线识别方法、系统、终端及介质。
根据本发明的一个方面，提供了一种永磁同步电机参数在线识别方法，包括：
在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；
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，所述在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号，包括：
根据PMSM数学模型，电机电压方程如式(1)所示：
Figure BDA0002965060330000031
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，则高频阻抗如式(2)所示：
Figure BDA0002965060330000041
将dq坐标系下的电流转化到αβ坐标系下，如式(3)所示：
Figure BDA0002965060330000042
其中，R(θr)为PARK变换，θr为实际电角度，iα为α轴高频电流，iβ为β轴高频电流；
通过式(3)，得到PMSM高频电流方程式：
Figure BDA0002965060330000043
其中，
Figure BDA0002965060330000044
Figure BDA0002965060330000045
为估计电角度误差值，
Figure BDA0002965060330000046
为估计电角度，
Figure BDA0002965060330000047
为估计d轴高频电压信号，
Figure BDA0002965060330000048
为估计q轴高频电压信号；
在估计电角度下，对d轴注入不同频率的方波电压信号
Figure BDA0002965060330000049
表示估计电角度下的d轴电压值，则：
Figure BDA00029650603300000410
Figure BDA00029650603300000411
其中，Vh为注入高频方波幅值。
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 BDA00029650603300000412
Vdh＞0
Figure BDA00029650603300000413
其中，iαm为α轴电流基波分量，iβm为β轴电流基波分量，αidα和αidβ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 BDA0002965060330000051
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：
计算直轴电感Ld和交轴电感Lq的值，包括：
Figure BDA0002965060330000052
其中，Δ是指当前采样和上一次采样的差值，T为采样时间，Vh为注入高频方波幅值，θcons为给定的超前角，θr为电机转子角度，iα为α轴高频电流，iβ为β轴高频电流；
通过上式，在几个PWM周期内完成对Ld和Lq的辨识。
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 BDA0002965060330000053
其中，p为微分算子，we为转子角速度，ud为d轴定子电压，uq为q轴定子电压，
Figure BDA0002965060330000054
为电机磁链；
将上式进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure BDA0002965060330000055
构建全阶电流观测器，作为可调模型为：
Figure BDA0002965060330000056
其中：
Figure BDA0002965060330000061
Figure BDA0002965060330000062
和
Figure BDA0002965060330000063
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 BDA0002965060330000064
其中
Figure BDA0002965060330000065
此时
Figure BDA0002965060330000066
根据Popov超稳定理论，计算出自适应率：
Figure BDA0002965060330000067
其中，Ki为PI调节的积分项，Kp为PI调节的比例项，
Figure BDA0002965060330000068
ed和eq分别为d轴电流估计误差和q轴电流估计误差。
根据本发明的另一个方面，提供了一种永磁同步电机参数在线识别系统，包括：
方波发生器模块，该模块在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；
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，其特征在于，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：
本发明提供的永磁同步电机参数在线识别方法、系统、终端及介质，是一种基于方波注入的在线参数识别技术，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，可以快速地实现PMSM参数的在线观测。
本发明提供的永磁同步电机参数在线识别方法、系统、终端及介质，利用方波注入的方式，在电机运行时能实时对电机参数进行在线辨识，从而优化控制参数，得到更好的控制性能。
本发明提供的永磁同步电机参数在线识别方法、系统、终端及介质，采用一种简单的鲁棒性强的方波电压注入方式，通过采样获得由高频电压注入造成的高频电流信号实现对电机参数的快速实时辨识。
本发明提供的永磁同步电机参数在线识别方法、系统、终端及介质，实现方法简单，可以更快速地实现对电机参数的实时识别，鲁棒性强，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永磁同步电机参数在线识别方法的流程图。
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自适应率基本运算框图；
图5为本发明一优选实施例中其他形式的方波注入波形；
图6为本发明仿真实验中稳定转速为50rpm情况下的电感实际值与观测值；
图7为本发明仿真实验中稳定转速为50rpm情况下的电阻实际值与观测值；
图8为本发明仿真实验中稳定转速为50rpm情况下的观测值与实际值的误差；
图9为本发明仿真实验中稳定转速为150rpm情况下的电感实际值与观测值；
图10为本发明仿真实验中稳定转速为150rpm情况下的电阻实际值与观测值；
图11为本发明仿真实验中稳定转速为150rpm情况下的观测值与实际值的误差；
图12为本发明仿真实验中转速由50rpm上升到150rpm情况下的电感实际值与观测值；
图13为本发明仿真实验中转速由50rpm上升到150rpm情况下的电阻实际值与观测值；
图14为本发明仿真实验中转速由50rpm上升到150rpm情况下的观测值与实际值的误差；
图15为本发明仿真实验中转速由150rpm下降到50rpm情况下的电感实际值与观测值；
图16为本发明仿真实验中转速由150rpm下降到50rpm情况下的电阻实际值与观测值；
图17为本发明仿真实验中转速由150rpm下降到50rpm情况下的观测值与实际值的误差；
图18为本发明一实施例中永磁同步电机参数在线识别系统的组成模块示意图。
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中永磁同步电机参数在线识别方法的流程图。
如图1所示，该实施例提供的永磁同步电机参数在线识别方法，可以包括如下步骤：
S100，在转子直轴实际角度超前一个特定角度θcons处注入高频方波；
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电压信号；
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，根据PMSM数学模型，电机电压方程如下所示：
Figure BDA0002965060330000081
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，则高频阻抗如下所示：
Figure BDA0002965060330000091
将dq坐标系下的电流转化到αβ坐标系下，如下所示：
Figure BDA0002965060330000092
其中，R(θr)为PARK变换，θr为实际电角度，iα为α轴高频电流，iβ为β轴高频电流；
通过式(3)，得到PMSM高频电流方程式：
Figure BDA0002965060330000093
其中，
Figure BDA0002965060330000094
Figure BDA0002965060330000095
为估计电角度误差值，θr为实际电角度，
Figure BDA0002965060330000096
为估计电角度，
Figure BDA0002965060330000097
为估计d轴高频电压信号，
Figure BDA0002965060330000098
为估计q轴高频电压信号；
在估计电角度下，对d轴注入不同频率的方波电压信号
Figure BDA0002965060330000099
表示估计电角度下的d轴电压值，则：
Figure BDA00029650603300000910
Figure BDA00029650603300000911
其中，Vh为注入高频方波幅值。
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。
提取由d轴注入的高频信号引起的电流波动，包括：
Vdh＜0
Figure BDA00029650603300000912
Vdh＞0
Figure BDA00029650603300000913
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 BDA0002965060330000101
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，计算直轴电感Ld和交轴电感Lq的值，包括：
Figure BDA0002965060330000102
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为注入高频幅值，θcons为给定的超前角，θr为转子角度，iα为α轴高频电流，iβ为β轴高频电流；
通过上式，在几个PWM周期内完成对Ld和Lq的辨识。
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 BDA0002965060330000103
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 BDA0002965060330000105
为电机磁链。
将上式进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure BDA0002965060330000104
构建全阶电流观测器，作为可调模型为：
Figure BDA0002965060330000111
其中：
Figure BDA0002965060330000112
Figure BDA0002965060330000113
和
Figure BDA0002965060330000114
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 BDA0002965060330000115
其中
Figure BDA0002965060330000116
此时
Figure BDA0002965060330000117
根据Popov超稳定理论，计算出自适应率：
Figure BDA0002965060330000118
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure BDA0002965060330000119
ed和eq分别为d轴电流误差和q轴电流误差。
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中电机控制框图。
如图2所示，可以看出本发明的基本控制思路是在普通电机控制的基础上加入了注入部分和陷波滤波部分。通过在αβ轴注入方波信号，检测由高频方波造成的电流信号波动和电压信号来对PMSM参数进行在线观测。
根据PMSM数学模型，电机高频电压-电流方程可用式(1)来描述：
Figure BDA00029650603300001110
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频率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 BDA0002965060330000121
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 BDA0002965060330000122
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；
通过式(3)，可以得到PMSM高频电流方程式：
Figure BDA0002965060330000123
其中
Figure BDA0002965060330000124
Figure BDA0002965060330000125
为估计电角度误差值，θr为实际电角度，
Figure BDA0002965060330000126
为估计电角度，
Figure BDA0002965060330000127
为估计d轴高频电压信号，
Figure BDA0002965060330000128
为估计q轴高频电压信号；
Figure BDA0002965060330000129
为估计电角度下的电压值，即
Figure BDA00029650603300001210
为了能在线对电机参数进行辨识，作为一优选实施例，在d轴注入方波电压信号，用数学方程式可描述为：
Figure BDA00029650603300001211
Figure BDA00029650603300001212
其中，Vh为高频注入幅值。
在d轴注入方波电压信号的波形如图3所示。
将(5)代入(4)可得出下式：
Figure BDA00029650603300001213
Figure BDA0002965060330000131
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为注入高频电压幅值；
当估计角度超前实际角度为θcons时，即
Figure BDA0002965060330000132
则式(6)可化简为式(7)：
Figure BDA0002965060330000133
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为注入高频电压幅值，θcons为给定的超前角，θr为转自角度，iα为α轴电流，iβ为β轴电流；
通过式(7)，可以在几个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 BDA0002965060330000134
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 BDA0002965060330000135
为电机磁链。
式(8)也可写为：
pi＝Ai+Bu+d
Figure BDA0002965060330000141
构建全阶电流观测器：
Figure BDA0002965060330000142
其中：
Figure BDA0002965060330000143
Figure BDA0002965060330000144
和
Figure BDA0002965060330000145
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 BDA0002965060330000146
其中
Figure BDA0002965060330000147
此时
Figure BDA0002965060330000148
根据Popov超稳定理论，计算出自适应率：
Figure BDA0002965060330000149
其中，Ki为PI调节器积分项，Kp为PI调节器比例项，
Figure BDA00029650603300001410
ed和eq分别为d轴电流误差与q轴电流误差。其基本运算框图如图4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5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：
Figure BDA00029650603300001411
Figure BDA0002965060330000151
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)不同转速下估测结果仿真；
(2)变转速下估测结果仿真。
(1)不同转速下估测结果仿真：
稳定转速为50rpm，如图6～图8所示；
稳定转速为150rpm，如图9～图11所示。
(2)变转速下估测结果仿真：
转速由50rpm上升到150rpm，如图12～图14所示；；
转速由150rpm下降到50rpm，如图15～图17所示；。
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，且电感辨识误差都小于2％电阻辨识误差小于5％，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18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，该模块在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；
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-accessmemory，缩写：RAM)，如静态随机存取存储器(英文：staticrandom-accessmemory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：DoubleDataRateSynchronousDynamicRandomAccessMemory，缩写：DDRSDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatilememory)，例如快闪存储器(英文：flashmemory)。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。
本发明提供的永磁同步电机参数在线识别方法、系统、终端及介质，是一种基于方波注入的在线参数识别技术，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，可以快速地实现PMSM参数的在线观测；利用方波注入的方式，在电机运行时能实时对电机参数进行在线辨识，从而优化控制参数，得到更好的控制性能；采用一种简单的鲁棒性强的方波电压注入方式，通过采样获得由高频电压注入造成的高频电流信号实现对电机参数的快速实时辨识；实现方法简单，可以更快速地实现对电机参数的实时识别，鲁棒性强，适用范围广。
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 (9)

1.一种永磁同步电机参数在线识别方法，其特征在于，包括：
在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；
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所述的永磁同步电机参数在线识别方法，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所述的永磁同步电机参数在线识别方法，其特征在于，所述在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号，包括：
根据PMSM数学模型，电机电压方程如下所示：
Figure FDA0002965060320000011
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，则高频阻抗如下所示：
Figure FDA0002965060320000012
将dq坐标系下的电流转化到αβ坐标系下，如下所示：
Figure FDA0002965060320000013
其中，R(θr)为PARK变换，θr为实际电角度，iα为α轴高频电流，iβ为β轴高频电流；
通过式(3)，得到PMSM高频电流方程式：
Figure FDA0002965060320000021
其中，
Figure FDA0002965060320000022
Figure FDA0002965060320000023
为估计电角度误差值，
Figure FDA0002965060320000024
为估计电角度，
Figure FDA0002965060320000025
为估计d轴高频电压信号，
Figure FDA0002965060320000026
为估计q轴高频电压信号；
在估计电角度下，对d轴注入不同频率的方波电压信号
Figure FDA0002965060320000027
则：
Figure FDA0002965060320000028
Figure FDA0002965060320000029
其中，Vh为注入高频方波幅值。
4.根据权利要求1所述的永磁同步电机参数在线识别方法，其特征在于，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 FDA00029650603200000210
Vdh＞0
Figure FDA00029650603200000211
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 FDA00029650603200000212
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。
5.根据权利要求1所述的永磁同步电机参数在线识别方法，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：
计算直轴电感Ld和交轴电感Lq的值，包括：
Figure FDA00029650603200000213
其中，Δ是指当前采样和上一次采样的差值，T为采样时间，Vh为注入高频方波幅值，θcons为给定的超前角，θr为电机转子角度，iα为α轴高频电流，iβ为β轴高频电流；
通过上式，在几个PWM周期内完成对Ld和Lq的辨识。
6.根据权利要求1所述的永磁同步电机参数在线识别方法，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 FDA0002965060320000031
其中，p为微分算子，we为转子角速度，ud为d轴定子电压，uq为q轴定子电压，
Figure FDA0002965060320000032
为电机磁链；
将上式进行改写，构建参考模型为：
pi＝Ai+Bu+d
Figure FDA0002965060320000033
构建全阶电流观测器，作为可调模型为：
Figure FDA0002965060320000034
其中：
Figure FDA0002965060320000035
Figure FDA0002965060320000036
和
Figure FDA0002965060320000037
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 FDA0002965060320000038
其中
Figure FDA0002965060320000039
此时
Figure FDA00029650603200000310
根据Popov超稳定理论，计算出自适应率：
Figure FDA00029650603200000311
其中，Ki为PI调节的积分项，Kp为PI调节的比例项，
Figure FDA0002965060320000041
ed和eq分别为d轴电流估计误差和q轴电流估计误差。
7.一种永磁同步电机参数在线识别系统，其特征在于，包括：
方波发生器模块，该模块在转子直轴实际角度超前一个特定角度θcons处注入高频方波电压信号；
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。
8.一种终端，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，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-6中任一项所述的方法。
CN202110248640.4A 2021-03-08 2021-03-08 永磁同步电机参数在线识别方法、系统、终端及介质 Active CN112968644B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110248640.4A CN112968644B (zh) 2021-03-08 2021-03-08 永磁同步电机参数在线识别方法、系统、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110248640.4A CN112968644B (zh) 2021-03-08 2021-03-08 永磁同步电机参数在线识别方法、系统、终端及介质

Publications (2)

Publication Number Publication Date
CN112968644A true CN112968644A (zh) 2021-06-15
CN112968644B CN112968644B (zh) 2022-11-11

Family

ID=76277423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110248640.4A Active CN112968644B (zh) 2021-03-08 2021-03-08 永磁同步电机参数在线识别方法、系统、终端及介质

Country Status (1)

Country Link
CN (1) CN112968644B (zh)

Cited By (1)

* 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

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102291079A (zh) * 2011-07-05 2011-12-21 东南大学 直驱永磁同步风电系统无速度传感器控制算法
CN105553305A (zh) * 2015-12-25 2016-05-04 西安奥邦科技有限责任公司 一种并联谐振中频电源逆变器的系统优化方法
CN106208878A (zh) * 2016-07-18 2016-12-07 上海交通大学 一种永磁同步电机参数在线识别方法及系统
CN107395082A (zh) * 2017-09-04 2017-11-24 广州视源电子科技股份有限公司 永磁同步电机的控制方法、系统及计算机可读存储介质
CN108344918A (zh) * 2018-02-02 2018-07-31 上海交通大学 开关磁阻电机驱动中变换器的故障诊断方法和变换器
CN108574443A (zh) * 2017-03-07 2018-09-25 Ls产电株式会社 用于估计电机的转子的初始位置的设备和方法
CN108832859A (zh) * 2018-04-26 2018-11-16 江苏大学 一种基于参数辨识的永磁直线电机的预测电流控制方法
CN110198150A (zh) * 2019-06-14 2019-09-03 浙江工业大学 一种永磁同步电机多参数在线辨识方法
CN110311608A (zh) * 2019-04-29 2019-10-08 浙江工业大学 一种最优注入角的高频方波电压注入永磁同步电机无位置传感器控制方法
CN110890855A (zh) * 2019-11-11 2020-03-17 武汉理工大学 一种电动汽车永磁同步电机的参数辨识方法
CN111800048A (zh) * 2019-04-03 2020-10-20 深圳市正弦电气股份有限公司 一种感应电机参数静止辨识方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102291079A (zh) * 2011-07-05 2011-12-21 东南大学 直驱永磁同步风电系统无速度传感器控制算法
CN105553305A (zh) * 2015-12-25 2016-05-04 西安奥邦科技有限责任公司 一种并联谐振中频电源逆变器的系统优化方法
CN106208878A (zh) * 2016-07-18 2016-12-07 上海交通大学 一种永磁同步电机参数在线识别方法及系统
CN108574443A (zh) * 2017-03-07 2018-09-25 Ls产电株式会社 用于估计电机的转子的初始位置的设备和方法
CN107395082A (zh) * 2017-09-04 2017-11-24 广州视源电子科技股份有限公司 永磁同步电机的控制方法、系统及计算机可读存储介质
CN108344918A (zh) * 2018-02-02 2018-07-31 上海交通大学 开关磁阻电机驱动中变换器的故障诊断方法和变换器
CN108832859A (zh) * 2018-04-26 2018-11-16 江苏大学 一种基于参数辨识的永磁直线电机的预测电流控制方法
CN111800048A (zh) * 2019-04-03 2020-10-20 深圳市正弦电气股份有限公司 一种感应电机参数静止辨识方法
CN110311608A (zh) * 2019-04-29 2019-10-08 浙江工业大学 一种最优注入角的高频方波电压注入永磁同步电机无位置传感器控制方法
CN110198150A (zh) * 2019-06-14 2019-09-03 浙江工业大学 一种永磁同步电机多参数在线辨识方法
CN110890855A (zh) * 2019-11-11 2020-03-17 武汉理工大学 一种电动汽车永磁同步电机的参数辨识方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张红: "无位置传感器控制下的永磁同步电机在线参数辨识", 《微特电机》 *

Cited By (2)

* 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
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

Also Published As

Publication number Publication date
CN112968644B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN112953338B (zh) Pmsm参数在线辨识方法、系统、终端及介质
CN110165959B (zh) 一种永磁同步电机自抗扰无位置传感器控制方法及控制装置
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
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
CN112968644B (zh) 永磁同步电机参数在线识别方法、系统、终端及介质
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
CN116232154A (zh) 基于复矢量离散滤波器的电机参数估计及控制方法和系统
CN110649851B (zh) 异步电机多参数解耦在线辨识方法
CN113346813B (zh) 最大转矩电流比控制方法、装置、终端设备及存储介质
WO2023124893A1 (zh) 基于神经网络的转矩估测方法、装置、设备及存储介质
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
CN105871277A (zh) 一种基于最小方差的永磁伺服系统非线性模型预测控制器设计方法
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
CN116317792A (zh) 考虑参数失配的永磁同步电机预测电流控制方法及系统
CN109194226A (zh) 电机参数在线辨识方法、系统、电机控制器及存储介质
CN114244216A (zh) 一种永磁同步电机参数辨识方法、装置及系统
CN114499312A (zh) 一种双三相永磁同步电机无模型电流预测控制方法及系统
Huazhong PMSM parameter identification motor test system framework based on virtual instrument technology
Wang et al. Estimated position correction algorithm of surface-mounted permanent-magnet synchronous motor based on variable gain steepest gradient descent method
Ding et al. Research on Robust Current Control Algorithm for Permanent Magnet Synchronous Motor Based on Extended State Observer
CN117411370A (zh) 一种感应电机参数辨识方法、系统、设备及介质
Szabó et al. Saliency-Based Sensorless Vector Controls of Alternating Current Rotating Machines Using High-Frequency Voltage Injection Methods
CN117938005A (zh) 电机谐波控制方法、控制器、电机、电动汽车及存储介质
CN117713619A (zh) 永磁同步电机位置估算方法及系统
CN114172436A (zh) 基于观测器的异步电动机指令滤波离散控制方法

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