CN113131817A - 一种永磁同步电机在线参数辨识系统及方法 - Google Patents
一种永磁同步电机在线参数辨识系统及方法 Download PDFInfo
- Publication number
- CN113131817A CN113131817A CN202110380741.7A CN202110380741A CN113131817A CN 113131817 A CN113131817 A CN 113131817A CN 202110380741 A CN202110380741 A CN 202110380741A CN 113131817 A CN113131817 A CN 113131817A
- Authority
- CN
- China
- Prior art keywords
- time
- current
- axis
- real
- module
- 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.)
- Pending
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000004907 flux Effects 0.000 claims abstract description 57
- 238000001914 filtration Methods 0.000 claims abstract description 47
- 230000003044 adaptive effect Effects 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 31
- 230000009466 transformation Effects 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 41
- 238000010586 diagram Methods 0.000 description 6
- 238000004804 winding Methods 0.000 description 4
- 101000744515 Homo sapiens Ras-related protein M-Ras Proteins 0.000 description 3
- 102100039789 Ras-related protein M-Ras Human genes 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- 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
-
- 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
- H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
-
- 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
- H02P21/141—Flux estimation
-
- 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
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
-
- 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
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种永磁同步电机在线参数辨识系统及方法,采用扩展卡尔曼滤波算法和模型参考自适应算法两种算法对电机参数进行辨识,在电机矢量控制下,经过扩展卡尔曼滤波算法辨识所得的实时直轴电流和实时交轴电流反馈回系统,通过扩展卡尔曼滤波算法得到实时得到辨识的实时电感、实时永磁体磁链;通过模型参考自适应算法辨识出实时转动惯量,将经过扩展卡尔曼滤波算法所得到的直轴电流和实时交轴电流取代原系统的直轴电流和交轴电流,能够使得系统快速跟踪电机参数变化,在电机运行稳定的条件下能确保参数辨识更加准确。
Description
技术领域
本发明属于电机参数辨识技术领域,具体涉及一种永磁同步电机在线参数辨识系统及方法。
背景技术
近些年来,永磁同步电机(PMSM)以结构简单、重量轻、体积小、损耗小和功率密度高等诸多优点而被广泛用于民用、工业和军事等领域。电机控制系统的设计需要精确获取定子绕组电阻,定子绕组交、直轴电感,永磁体磁链等关键参数。
在PMSM高性能控制系统中,参数精度是影响整个系统控制精度的重要因素,尤其是定子绕组电阻,交直轴电感,永磁体磁链,转动惯量等关键参数。由于PMSM控制驱动系统是一个非线性、多变量的时变系统,在实际工况运行中,定子绕组电阻、交直轴电感和永磁体磁链参数受环境温度、磁饱和、负载扰动的影响会发生变动,转动惯量随机械载荷的尺寸和形状而变化,这些参数的任何变化都会影响系统的运行状态。
发明内容
为了解决现有技术中的问题,本发明提供了一种永磁同步电机在线参数辨识系统及方法,能够提高永磁同步电机在线参数辨识的精度,提高运行的稳定性。
为了实现以上目的,本发明提供了一种永磁同步电机在线参数辨识系统,包括速度控制模块,速度控制模块的输出连接电流控制模块,电流控制模块的输出连接电压控制模块,电压控制模块的输出连接2/2变换模块,2/2变换模块的输出连接SVPWM矢量控制模块,SVPWM矢量控制模块的输出连接IGBT逆变桥模块,IGBT逆变桥模块连接直流电压模块,IGBT逆变桥模块输出的第一路三相电压Uabc输入PMSM电机模块,PMSM电机模块生成三相电流Iabc、电角速度ωe、实时转速Nr和电转矩Te,三相电流Iabc输入3/2变换模块输出直轴电流id和交轴电流iq反馈回电流控制模块,完成电流闭环;实时转速Nr反馈回速度控制模块的输入端,并与给定转速N* r作差送入速度控制模块,完成速度闭环;同时直轴电流id、交轴电流iq和电角速度ωe输入EKF滤波模块,所述IGBT逆变桥模块输出的第二路三相电压Uabc经电压测量模块后输入3/2变换模块生成直轴电压Ud和交轴电压Uq并输入EKF滤波模块,EKF滤波模块根据直轴电流id、交轴电流iq、电角速度ωe、直轴电压Ud和交轴电压Uq生成实时直轴电流id1和实时交轴电流iq1并反馈回电流控制模块的输入端,同时得到辨识的实时电感L和实时永磁体磁链Ψ,电转矩Te和电角速度ωe输入模型参考自适应模块,得到辨识的实时转动惯量J。
进一步地,所述SVPWM矢量控制模块为给定直轴电流id *=0的正弦波矢量控制系统。
进一步地,所述EKF滤波模块包括线性系统状态预测方程和线性系统观测方程,线性系统状态预测方程为:
Xk=AXk-1+Buk-1+ωk-1
其中,Xk为K时刻的状态真值,Xk-1为K-1时刻的状态真值,uk-1为K-1时刻的控制输入,ωk-1为K-1时刻的过程激励噪声,A表示状态转移系数矩阵,B表示可选的控制输入增益矩阵;
线性系统观测方程:
zk=Hxk+vk
其中,zk为K时刻的观测真值,H表示测量系数矩阵,vk为观测噪声。
进一步地,所述EKF滤波模块辨识定子电感包括:首先向永磁同步电机施加恒定幅值、矢量角度和脉冲电压矢量,此时电机轴不旋转,d轴定子电流建立,则d轴电压方程为:
其中,Ud为实时直轴电压、Id为实时直轴电流,Ld为直轴电感,id为直轴电流,ω为实时转速;
然后对于d轴电压输入时的电流响应为:
其中,U/R为稳态时的电流反应,R为电机定子电阻;
最后利用定子电阻值和观测的电流响应曲线计算得到直轴电感值。
进一步地,所述EKF滤波模块辨识转子磁链公式为:
其中,R为定子电阻,ud为d轴电压,uq为q轴电压,id为d轴电流,iq为q轴电流,ψd为d轴磁链,ψq为q轴磁链,Ld为d轴电感,Lq为q轴电感,ωe为转速,ψ为转子磁链。
进一步地,所述EKF滤波模块计算电角速度包括以下步骤:
1)预估:
2)增益矩阵计算:
K(k+1)=P(k+1/k)*HT*[H*P(k+1/k)*HT+R(k)]-1;
3)状态更新:
其中,P是状态x的协方差矩阵;K为卡尔曼增益矩阵;H为测量矩阵;Q为系统噪声方差阵;R为测量噪声方差阵;初始状态x(t0)的协方差阵初始值为P0,Ts=tk+1-tk为系统的采样周期;k+1/k代表的是依据tk时刻的状态对tk+1时刻状态的预估;k+1表示的是tk+1时刻的最佳估计;PMSM电机模块输出的Uabc和iabc经过坐标变换转化为d-q轴的Ud、Uq、id和iq,再经过EKF滤波模块得到电角速度ωe和电角度θ。
进一步地,所述模型参考自适应模块包括参考模型和可调模型,以不含有位置参数的电机方程作为参考模型,将待估计参数的电机方程作为可调模型,利用两个模型输出量的差值构建自适应律来实时调节可调模型的参数,使得可调模型的输出跟踪参考模型的输出。
进一步地,所述模型参考自适应模块的建立包括:首先分析同步电机在dq轴坐标系下的数学模型,定子电压方程为:
定子磁链方程为:
然后将定子磁链方程带入到定子电压方程中即可得到以定子电流作为状态量的电流模型:
可调模型为:
其中,p为微分算子,R为定子电阻,Ud为d轴电压,Uq为q轴电压,id为d轴电流,iq为q轴电流,ψd为d轴磁链,ψq为q轴磁链,Ld为d轴电感,Lq为q轴电感,ωe为转速,ψ为转子磁链。
进一步地,所述模型参考自适应模块辨识实时转动惯量J包括:首先根据电机运动方程:
其中,Te为电转矩,TL为负载转矩,Δω/Δt为Δt时间内电机转速的变化,保持永磁电机定子端开路;然后用测功机以恒定转矩拖动电机加速运行,分别记录t1与t2时刻转速ω1与ω2;最后让电机自由停机,并分别记录t3与t4时刻的转速ω3与ω4,列写方程组:
其中,Tm为测功机施加给永磁电机转子的转矩,可由测功机的功率与转速求得,即Tm=P/npω,其中P为测功机的额定功率,np为测功机的实时转速,T0为电机的空载转矩,解方程组即可得实时转动惯量J。
本发明还提供了一种永磁同步电机在线参数辨识方法,采用上述的一种永磁同步电机在线参数辨识系统,包括:实时采集PMSM电机模块的三相电压Uabc、三相电流Iabc、电转矩Te、实时转速Nr和电角速度ωe,三相电压Uabc和三相电流Iabc经过坐标变换,将得到的直轴电流id、交轴电流iq、直轴电压Ud、交轴电压Uq和电角度ωe输入到EKF滤波模块中,从而得到实时直轴电流id1和实时交轴电流iq1并反馈到电流控制模块的输入端,与给定的直轴电流和交轴电流作差,将偏差值经过PID后送入SVPWM驱动信号中,从而控制PMSM电机模块工作,同时EKF滤波模块得到辨识的实时电感L、实时永磁体磁链Ψ;将电转矩Te和电角速度ωe输入模型参考自适应模块中,得到实时转动惯量J。
与现有技术相比,本发明能够在一个系统里用两种算法对电机参数进行辨识,在电机矢量控制下,经过扩展卡尔曼滤波算法辨识所得的实时直轴电流id1和实时交轴电流iq1反馈回系统,通过扩展卡尔曼滤波算法得到实时得到辨识的实时电感L、实时永磁体磁链Ψ;通过模型参考自适应算法辨识出实时转动惯量,将经过扩展卡尔曼滤波算法所得到的直轴电流id1和实时交轴电流iq1取代原系统的直轴电流id和交轴电流iq,能够使得系统快速跟踪电机参数变化,在电机运行稳定的条件下能确保参数辨识更加准确。用两种算法对电机参数进行辨识,两种算法辨识出不同的参数;经过扩展卡尔曼滤波算法得到的实时电流id1和iq1取代原来的id、iq构成闭环反馈,然后经过PMSM电机,将采集到的数据经过扩展卡尔曼算法和模型参考自适应辨识算法中,得到辨识的实时数据。本系统所得的值能实时反馈到输入端达到在线调试优化控制器参数,达到比传统的交流调速系统更好的控制效果。
附图说明
图1是本发明的矢量控制框图;
图2是本发明的三相PMSM的电压等效电路图;
图3是本发明的模型参考自适应模块的原理框图;
图4是本发明的方法原理图;
图5是本发明的参数辨识流程图;
图6a是现有技术的定子电感辨识结果,图6b是本发明的定子电感辨识结果;
图7a是现有技术的转子磁链辨识结果,图7b是本发明的转子磁链辨识结果;
图8a是现有技术的转子转动惯量辨识结果,图8b是本发明的转子转动惯量辨识结果。
具体实施方式
下面结合说明书附图和具体的实施例对本发明作进一步地解释说明,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明提供了一种永磁同步电机在线参数辨识系统,参见图1和图5,包括速度控制模块,速度控制模块的输出连接电流控制模块,电流控制模块的输出连接电压控制模块,电压控制模块的输出连接2/2变换模块,2/2变换模块的输出连接SVPWM矢量控制模块,SVPWM矢量控制模块的输出连接IGBT逆变桥模块,IGBT逆变桥模块连接直流电压模块,IGBT逆变桥模块输出的第一路三相电压Uabc输入PMSM电机模块,PMSM电机模块生成三相电流Iabc、电角速度ωe、实时转速Nr和电转矩Te,三相电流Iabc输入3/2变换模块输出直轴电流id和交轴电流iq反馈回电流控制模块,完成电流闭环;实时转速Nr反馈回速度控制模块的输入端,并与给定转速N* r作差送入速度控制模块,完成速度闭环;同时直轴电流id、交轴电流iq和电角速度ωe输入EKF滤波模块,所述IGBT逆变桥模块输出的第二路三相电压Uabc经电压测量模块后输入3/2变换模块生成直轴电压Ud和交轴电压Uq并输入EKF滤波模块,EKF滤波模块根据直轴电流id、交轴电流iq、电角速度ωe、直轴电压Ud和交轴电压Uq生成实时直轴电流id1和实时交轴电流iq1并反馈回电流控制模块的输入端,同时得到辨识的实时电感L和实时永磁体磁链Ψ,电转矩Te和电角速度ωe输入模型参考自适应模块,得到辨识的实时转动惯量J。
本发明的SVPWM矢量控制模块为给定直轴电流id *=0的正弦波矢量控制系统,其工作流程为:速度控制模块的输入为实时转速Nr与参考转速的差值,其中实际转速由位置传感器测出;速度控制模块的输出为q轴电流的给定值将采样得到的定子电流经过Clark变换和Park变换,分别反馈到电流控制模块与速度控制模块。电流控制模块的输入为电流给定值与反馈实时直轴电流id和交轴电流iq的差值;电流PI环的输出为dq两相坐标系下的电压参考值送入2/2变换模块,得到电压然后将送入SVPWM矢量控制模块模块,产生驱动逆变器的控制信号,将经过IGBT生成的三相电流Iabc供给永磁同步电机和坐标变换模块,将得到的实时电流id和iq反馈回电流环,实时速度反馈到速度环,实时电角度θ提供给坐标变换模块,最终实现永磁同步电机的矢量控制。
本发明所采用的直轴电流的正弦波矢量控制系统,控制方式最为简单,定子电流中只含有转矩分量,且定子磁动势空间矢量与转子永磁体所产生的磁场空间矢量正交。通过保持直轴电流为零,能够很好的将励磁电流分量和转矩电流分量解祸,独立调节转矩电流分量便可实现输出转矩线性化控制。
本发明提供的永磁同步电机在线参数辨识系统包括永磁同步电机参数采集系统、永磁同步电机控制系统和参数辨识算法,永磁同步电机在线参数辨识装置,包括直流电源、逆变器、永磁同步电机、控制器、电流PI控制器、电压PI控制器及空间电压矢量(SVPWM)调制算法由控制器来实现,具体包括电压采样模块、电流采样模块、速度采样模块、坐标变换模块、驱动电路、SVPWM矢量控制模块、IGBT逆变器、永磁同步电机、电压传感器、电流传感器、速度传感器、EKF控制算法模块和模型参考自适应算法模块,电流传感器将实时检测得到的永磁同步电机定子侧相电流输入到控制器,电压传感器将实时检测得到的永磁同步电机定子侧相电压输入到控制器。
本发明的EKF滤波模块所用到的扩展卡尔曼滤波算法中,是由卡尔曼滤波算法而来的,卡尔曼滤波器由一系列递归数学公式描述,它们提供了一种高效可计算的方法来估计过程的状态,并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大:它可以估计信号的过去和当前状态。尔曼滤波器用反馈控制的方法估计过程状态:滤波器估计过程某一时刻的状态,然后以含噪声的量测变量的方式获得反馈。因此卡尔曼滤波器可分为两个部分:预测部分和观测部分。
线性系统状态预测方程:
Xk=AXk-1+Buk-1+ωk-1 (1)
其中Xk为K时刻的状态真值,Xk-1为K-1时刻的状态真值,uk-1为K-1时刻的控制输入,ωk-1为K-1时刻的过程激励噪声,A表示状态转移系数矩阵,B可选的控制输入增益矩阵。
线性系统观测方程:
zk=Hxk+vk (2)
其中,zk为K时刻的观测真值,H表示测量系数矩阵,vk为观测噪声。
卡尔曼滤波算法是将非线性的系统线性化,然后应用系统预测状态方程和系统观测状态方程进行估计。
在永磁同步电机系统中,首先根据模拟的目标电机类型、目标电机参数和负载参数ud、uq、id、iq等建立数学模型,具体过程包括:
(3)和(4)两式为PMSM电机d-q坐标系下定子电压方程。
(5)和(6)两式为定子磁链方程,将(5)、(6)带入(3)、(4)可得:
根据式(7)、8)可以得出如图2所示的电压等效电路。
此时电磁转矩方程为:
式(9)中,Te是电机电磁转矩;Pn是电机转子极对数。
如图1矢量控制框图所示,双闭环反馈实施例程为将电机驱动单元的SVPWM控制模块的信号输入到IGBT逆变桥中,从而控制母线电压的逆变,IGBT逆变桥输出三相Uabc,第一路Uabc进入PMSM模块,生成三相电流Iabc和电转速ωe和实时转速Nr;Iabc经过3/2变换模块输出直轴电流id和交轴电流iq,然后反馈回直-交轴电流PI环,完成电流闭环;同时将id和iq与电转速一起送入EKF模块;将PMSM模块生成的实时转速Nr反馈到输入端,与速度给定作差送入速度PI环,完成速度闭环。第二路Uabc经过电压测量模块后送入3/2变换,生成直轴电压Ud和交轴电压Uq,然后送入EKF模块。
参见图4和图5,永磁同步电机参数辨识方法,具体工作流程为:通过永磁同步电机参数采集系统采集出来实时电压Uabc、实时电流Iabc、实时电转矩Te、实时转速Nr和电角度ωe。其中Uabc和Iabc再经过坐标变换,将得到的id、iq、Ud、Uq和ωe代入到扩展卡尔曼滤波算法中,从而得到实时直轴电流Id1和交轴电流Iq1;将经过扩展卡尔曼算法所得到的Id1和Iq1反馈到输入端,与和作差,将偏差值经过PID后送入SVPWM驱动信号中,从而控制永磁同步电机工作,将得到的实时直轴电流id1、实时交轴电流iq1、实时直轴电压Ud、实时交轴电压Uq和电角度ωe代入到扩展卡尔曼滤波算法中,得到辨识的实时电感L、实时永磁体磁链Ψ;将经过系统生成的电转矩Te和角速度ωe送入模型参考自适应算法中,得到实时转动惯量J。
在使用EKF进行参数辨识时候,具体过程包括:
已知永磁同步电机在d-q坐标轴下的电压方程为:
选取状态变量x=[id,iq,ω,θ]T,系统的输入和输出变量为:
则可建立电机的非线性数学模型如下:
其中,x(t)是系统状态变量;u(t)是系统输入;δ(t)是系统噪声;μ(t)是系统的测量误差。δ(t)的协方差是Q(t),μ(t)的协方差是R(t)。δ(t)和μ(t)均为零均值高斯白噪声,它们的期望值为0。
定义这些噪声的协方差矩阵为r:
其中:
式中,id、iq分别为电机d轴和q轴电流;ud、uq分别为电机d轴和q轴电压;ωr为转子机械角速度,R为电机定子电阻;Ld、Lq为电机定子d轴和q轴电感;λ为永磁体漏磁通。对f[x(t)]和h[x(t)]进行线性化可得:
f[x(t)]的雅可比矩阵为:
h[x(t)]的雅可比矩阵为:
则扩展卡尔曼滤波(EKF)分为以下几步实现:
步骤1)预估:
步骤2)增益矩阵的计算:
K(k+1)=P(k+1/k)*HT*[H*P(k+1/k)*HT+R(k)]-1 (21)
步骤3)状态更新:
以上算法中,P是状态x的协方差矩阵;K为卡尔曼增益矩阵;H为测量矩阵;Q为系统噪声方差阵;R为测量噪声方差阵。初始状态x(t0)的协方差阵初始值为P0,Ts=tk+1-tk为系统的采样周期;k+1/k代表的是依据tk时刻的状态对tk+1时刻状态的预估;k+1表示的是tk+1时刻的最佳估计。经过系统生成的Uabc、iabc经过坐标变换转化为d-q轴的Ud、Uq、id、iq,和PMSM生成的电转速ωe一起进入EKF模块得到d-q轴电流Id1和Iq1。
将所得的d-q轴电流Id1和Iq1反馈到电流控制PI环,然后送入2/2变换模块中,2/2变换模块的输出与SVPWM控制模块连接,SVPWM控制模块输出与IGBT逆变桥模块相连,IGBT逆变桥的输出与3/2变换模块连接,并且和同步电机(PMSM)模块相连,3/2变换模块的输出经过2/2变换后反馈到电流传感器模块,3/2变换模块的输出经过2/2变换后与EKF模块连接反馈到速度传感器模块,将生成的实时直轴电流id1、实时交轴电流iq1、实时直轴电压Ud、实时交轴电压Uq和电角度ωe送入EKF模块,得到实时的辨识电感参数L、实时永磁体磁链Ψ;将经过EKF模块和PMSM模块生成的电转矩Te和角速度ωe送入模型参考自适应模块,从而得到实时转动惯量J。
EKF滤波模块辨识定子电感包括:首先向永磁同步电机施加恒定幅值、矢量角度和脉冲电压矢量,此时电机轴不旋转,d轴定子电流建立,则d轴电压方程为:
其中,Ud为实时直轴电压、Id为实时直轴电流,Ld为直轴电感,id为直轴电流,ω为实时转速;
然后对于d轴电压输入时的电流响应为:
其中,U/R为稳态时的电流反应,R为电机定子电阻;
最后利用定子电阻值和观测的电流响应曲线计算得到直轴电感值。
EKF滤波模块辨识转子磁链公式为:
其中,R为定子电阻,ud为d轴电压,uq为q轴电压,id为d轴电流,iq为q轴电流,ψd为d轴磁链,ψq为q轴磁链,Ld为d轴电感,Lq为q轴电感,ωe为转速,ψ为转子磁链。
所用到的模型参考自适应(MRAS)算法需要有两个模型,即包含有待识别参数的可调模型和实际的参考模型,将相同的输入应用于两个模型,并比较两者的一些常见输出之间的差异,通过两者输出的误差设计相应的自适应率达到参数辨识的目的。准确的可调模型和恰当的参数可以确保系统参数快速收敛到实际值。MRAS的主要思想:构建两个具有相同物理意义的输出量的模型,其中以不含有位置参数的电机方程作为参考模型,而将待估计参数的方程作为可调模型。利用两个模型输出量的差值构建适当的自适应律来实时调节可调模型的参数,使得可调模型的输出跟踪参考模型的输出,其结构框图3所示,图3中u为输入信号,y为参考模型的输出信号,为可调模型的输出信号,e为输出值的差值。
参考自适应算法的基本思路是建立一个含有待辨识参数的数学模型作为可变模型,以具有同样输入关系的原系统作为参考模型,通过获得两者输出的差值,代入理论推导得到的自适应规则,计算待辨识参数并相应调整可调模型,使其输出收敛于参考模型输出,而此时可调模型参数即为辨识结果。
建立模型参考自适应辨识的具体步骤如下:
(1)建立对象数学模型作为可调模型,其中令待辨识参数为可调变量;
(2)建立对象控制系统,以对象本身作为参考模型,令可调模型的输入与参考模型相同;
(3)通过理论推导获得满足稳定性定理的自适应调节律,由调节律获得辨识参数;
(4)将辨识参数代入,获得新的可调模型。
模型参考自适应(MRAS)算法,其参考模型和可调模型的建立如下:
首先分析同步电机在dq轴坐标系下的数学模型,电子电压方程如下:
定子磁链方程为:
其中,其中:p为微分算子,R为定子电阻,Ud为d轴电压,Uq为q轴电压,id为d轴电流,iq为q轴电流,ψd为d轴磁链,ψq为q轴磁链,Ld为d轴电感,Lq为q轴电感,ωe为转速,ψ为转子磁链。
然后将定子磁链方程带入到定子电压方程中即可得到以定子电流作为状态量的电流模型:
将可调模型写为:
其中,其中,R为定子电阻,Ud为d轴电压,Uq为q轴电压,id为d轴电流,iq为q轴电流,ψd为d轴磁链,ψq为q轴磁链,Ld为d轴电感,Lq为q轴电感,ωe为转速,ψ为转子磁链。
模型参考自适应算法中,转动惯量的测量,首先是根据简化的电机运动方程:
其中,Te为电转矩,TL为负载转矩,Δω/Δt为Δt时间内电机转速的变化,保持永磁电机定子端开路;然后用测功机以恒定转矩拖动电机加速运行,分别记录t1与t2时刻转速ω1与ω2;最后让电机自由停机,并分别记录t3与t4时刻的转速ω3与ω4。列写方程组:
式中,Tm为测功机施加给永磁电机转子的转矩,可由测功机的功率与转速求得,即Tm=P/npω,其中P为测功机的额定功率,np为测功机的实时转速,T0为电机的空载转矩,解方程组即可得转动惯量J。
为了验证本发明的效果,将没有EKF滤波模块和模型参考自适应模块的现有技术的永磁同步电机参数辨识系统与本发明进行比对,参见图6a和图6b,现有技术的电感的辨识波形图与本发明系统下的电感辨识结果进行对比,通过实验结果可知,现有技术在0.04s达到稳定时刻相比,在本发明所设计方案下,电感波形在0.25s达到稳定,比现有技术更快达到稳定。参见图7a和图7b,现有技术的转子磁链的辨识波形图与本发明系统下的转子磁链辨识结果进行对比,由实验结果可知,现有技术在0.1s达到稳定,在本发明所设计方案下,磁链波形在0.08s达到稳定,比现有技术更快达到稳定,并且辨识结果更加准确。参见图8a和图8b,现有技术的转子磁链的辨识波形图与本发明系统下的转子磁链辨识结果进行对比,由实验波形可得,现有技术在0.05s达到稳定,本发明所设计系统在0.03s达到稳定,辨识结果更快更准确且系统稳定性更好。
本发明基于改进模型参考自适应和扩展卡尔曼滤波,在一个系统里用两种算法对永磁同步电机进行实时在线参数辨识,包括:1.建立永磁同步电机控制系统和数据采集系统,永磁同步电机控制系统采用直轴电流的正弦波矢量控制系统;2.将采集到的数据实时传入扩展卡尔曼滤波算法中,得到实时的直轴电流id1和交轴电流iq1;3.将经过扩展卡尔曼算法的id1和iq1反馈到输入端,与和作差,将偏差值经过PID后送入SVPWM驱动信号中,从而控制永磁同步电机工作,将得到的实时直轴电流id1、实时交轴电流iq1、实时直轴电压Ud、实时交轴电压Uq和电角度ωe代入到扩展卡尔曼滤波算法中,得到辨识的实时电感L、实时永磁体磁链Ψ;将经过电机生成的电转矩Te和角速度ωe送入模型参考自适应算法中的辨识系统,从而辨识出实时惯量值。
扩展卡尔曼滤波算法是在标准卡尔曼滤波技术算法的思想基础上逐步发展而成起来的,扩展卡尔曼滤波的估计过程包括两个步骤:第一步称为预测阶段,主要计算状态变量的值和状态误差协方差的预测值;第二步是更新阶段,计算扩展卡尔曼滤波的增益和状态误差的协方差矩阵,更新预测状态变量的值;针对自适应增益造成的跟踪时变参数速度与波动之间的矛盾,在辨识器中增加了选择控制器,通过辨识结果的反馈,在辨识过程中,选择自适应增益较大的辨识器,以增加辨识器辨识的速度;在辨识结果稳定后,选择自适应增益较小的辨识器,以减弱系统参数变化时辨识结果的波动;在检测到系统参数发生变化后,选择自适应增益较大的辨识器,以便更快地辨识变化后的系统参数在系统中这两种辨识方法能够提高同步电机在线辨识的精度,提高系统运行的稳定性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (10)
1.一种永磁同步电机在线参数辨识系统,其特征在于,包括速度控制模块,速度控制模块的输出连接电流控制模块,电流控制模块的输出连接电压控制模块,电压控制模块的输出连接2/2变换模块,2/2变换模块的输出连接SVPWM矢量控制模块,SVPWM矢量控制模块的输出连接IGBT逆变桥模块,IGBT逆变桥模块连接直流电压模块,IGBT逆变桥模块输出的第一路三相电压Uabc输入PMSM电机模块,PMSM电机模块生成三相电流Iabc、电角速度ωe、实时转速Nr和电转矩Te,三相电流Iabc输入3/2变换模块输出直轴电流id和交轴电流iq反馈回电流控制模块,完成电流闭环;实时转速Nr反馈回速度控制模块的输入端,并与给定转速N* r作差送入速度控制模块,完成速度闭环;同时直轴电流id、交轴电流iq和电角速度ωe输入EKF滤波模块,所述IGBT逆变桥模块输出的第二路三相电压Uabc经电压测量模块后输入3/2变换模块生成直轴电压Ud和交轴电压Uq并输入EKF滤波模块,EKF滤波模块根据直轴电流id、交轴电流iq、电角速度ωe、直轴电压Ud和交轴电压Uq生成实时直轴电流id1和实时交轴电流iq1并反馈回电流控制模块的输入端,同时得到辨识的实时电感L和实时永磁体磁链Ψ,电转矩Te和电角速度ωe输入模型参考自适应模块,得到辨识的实时转动惯量J。
2.根据权利要求1所述的一种永磁同步电机在线参数辨识系统,其特征在于,所述SVPWM矢量控制模块为给定直轴电流id *=0的正弦波矢量控制系统。
3.根据权利要求1所述的一种永磁同步电机在线参数辨识系统,其特征在于,所述EKF滤波模块包括线性系统状态预测方程和线性系统观测方程,线性系统状态预测方程为:
Xk=AXk-1+Buk-1+ωk-1
其中,Xk为K时刻的状态真值,Xk-1为K-1时刻的状态真值,uk-1为K-1时刻的控制输入,ωk-1为K-1时刻的过程激励噪声,A表示状态转移系数矩阵,B表示可选的控制输入增益矩阵;
线性系统观测方程:
zk=Hxk+vk
其中,zk为K时刻的观测真值,H表示测量系数矩阵,vk为观测噪声。
6.根据权利要求3所述的一种永磁同步电机在线参数辨识系统,其特征在于,所述EKF滤波模块计算电角速度包括以下步骤:
1)预估:
2)增益矩阵计算:
K(k+1)=P(k+1/k)*HT*[H*P(k+1/k)*HT+R(k)]-1;
3)状态更新:
其中,P是状态x的协方差矩阵;K为卡尔曼增益矩阵;H为测量矩阵;Q为系统噪声方差阵;R为测量噪声方差阵;初始状态x(t0)的协方差阵初始值为P0,Ts=tk+1-tk为系统的采样周期;k+1/k代表的是依据tk时刻的状态对tk+1时刻状态的预估;k+1表示的是tk+1时刻的最佳估计;PMSM电机模块输出的Uabc和iabc经过坐标变换转化为d-q轴的Ud、Uq、id和iq,再经过EKF滤波模块得到电角速度ωe和电角度θ。
7.根据权利要求1所述的一种永磁同步电机在线参数辨识系统,其特征在于,所述模型参考自适应模块包括参考模型和可调模型,以不含有位置参数的电机方程作为参考模型,将待估计参数的电机方程作为可调模型,利用两个模型输出量的差值构建自适应律来实时调节可调模型的参数,使得可调模型的输出跟踪参考模型的输出。
10.一种永磁同步电机在线参数辨识方法,其特征在于,采用权利要求1至9中任一项所述的一种永磁同步电机在线参数辨识系统,包括:实时采集PMSM电机模块的三相电压Uabc、三相电流Iabc、电转矩Te、实时转速Nr和电角速度ωe,三相电压Uabc和三相电流Iabc经过坐标变换,将得到的直轴电流id、交轴电流iq、直轴电压Ud、交轴电压Uq和电角度ωe输入到EKF滤波模块中,从而得到实时直轴电流id1和实时交轴电流iq1并反馈到电流控制模块的输入端,与给定的直轴电流和交轴电流作差,将偏差值经过PID后送入SVPWM驱动信号中,从而控制PMSM电机模块工作,同时EKF滤波模块得到辨识的实时电感L、实时永磁体磁链Ψ;将电转矩Te和电角速度ωe输入模型参考自适应模块中,得到实时转动惯量J。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380741.7A CN113131817A (zh) | 2021-04-09 | 2021-04-09 | 一种永磁同步电机在线参数辨识系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110380741.7A CN113131817A (zh) | 2021-04-09 | 2021-04-09 | 一种永磁同步电机在线参数辨识系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113131817A true CN113131817A (zh) | 2021-07-16 |
Family
ID=76775540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110380741.7A Pending CN113131817A (zh) | 2021-04-09 | 2021-04-09 | 一种永磁同步电机在线参数辨识系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113131817A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242905A (zh) * | 2018-03-09 | 2018-07-03 | 核工业理化工程研究院 | 应用大转动惯量的永磁同步电机的控制方法及控制系统 |
CN111193448A (zh) * | 2020-01-20 | 2020-05-22 | 江苏新安电器股份有限公司 | 基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法 |
CN114006560A (zh) * | 2021-10-29 | 2022-02-01 | 国家管网集团川气东送天然气管道有限公司 | 一种基于矢量控制的电机转动惯量辩识方法、系统及装置 |
CN114123906A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 永磁同步电机惯量辨识方法、系统及存储介质 |
CN114531083A (zh) * | 2022-03-15 | 2022-05-24 | 北京理工大学 | 永磁同步电机单电流传感器预测控制和参数辨识方法 |
CN116101364A (zh) * | 2022-12-23 | 2023-05-12 | 吉林大学 | 一种转向助力电机控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734595A (zh) * | 2015-03-04 | 2015-06-24 | 东华大学 | 基于模型参考自适应的永磁同步电机转动惯量辨识方法 |
CN104836507A (zh) * | 2014-02-12 | 2015-08-12 | 珠海格力电器股份有限公司 | 永磁同步电机交、直轴电感参数离线辨识方法及系统 |
CN105406786A (zh) * | 2015-11-12 | 2016-03-16 | 东华大学 | 一种永磁同步电机转动惯量辨识方法 |
US20190207543A1 (en) * | 2016-08-31 | 2019-07-04 | SZ DJI Technology Co., Ltd. | Methods and systems for brushless motor control |
-
2021
- 2021-04-09 CN CN202110380741.7A patent/CN113131817A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104836507A (zh) * | 2014-02-12 | 2015-08-12 | 珠海格力电器股份有限公司 | 永磁同步电机交、直轴电感参数离线辨识方法及系统 |
CN104734595A (zh) * | 2015-03-04 | 2015-06-24 | 东华大学 | 基于模型参考自适应的永磁同步电机转动惯量辨识方法 |
CN105406786A (zh) * | 2015-11-12 | 2016-03-16 | 东华大学 | 一种永磁同步电机转动惯量辨识方法 |
US20190207543A1 (en) * | 2016-08-31 | 2019-07-04 | SZ DJI Technology Co., Ltd. | Methods and systems for brushless motor control |
Non-Patent Citations (3)
Title |
---|
吴家彪 等: "伺服系统永磁同步电机参数辨识策略", 《轻工机械》 * |
李旭春 等: "具有参数辨识的永磁同步电机无位置传感器控制", 《电工技术学报》 * |
李高林: "基于扩展卡尔曼滤波的永磁同步电机的无位置传感器控制", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242905A (zh) * | 2018-03-09 | 2018-07-03 | 核工业理化工程研究院 | 应用大转动惯量的永磁同步电机的控制方法及控制系统 |
CN108242905B (zh) * | 2018-03-09 | 2023-11-28 | 核工业理化工程研究院 | 应用大转动惯量的永磁同步电机的控制方法及控制系统 |
CN111193448A (zh) * | 2020-01-20 | 2020-05-22 | 江苏新安电器股份有限公司 | 基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法 |
CN111193448B (zh) * | 2020-01-20 | 2022-11-04 | 江苏新安电器股份有限公司 | 基于扩展卡尔曼滤波器的永磁同步电机负载转矩观测方法 |
CN114006560A (zh) * | 2021-10-29 | 2022-02-01 | 国家管网集团川气东送天然气管道有限公司 | 一种基于矢量控制的电机转动惯量辩识方法、系统及装置 |
CN114123906A (zh) * | 2021-11-25 | 2022-03-01 | 江苏科技大学 | 永磁同步电机惯量辨识方法、系统及存储介质 |
CN114531083A (zh) * | 2022-03-15 | 2022-05-24 | 北京理工大学 | 永磁同步电机单电流传感器预测控制和参数辨识方法 |
CN114531083B (zh) * | 2022-03-15 | 2024-04-12 | 北京理工大学 | 永磁同步电机单电流传感器预测控制和参数辨识方法 |
CN116101364A (zh) * | 2022-12-23 | 2023-05-12 | 吉林大学 | 一种转向助力电机控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113131817A (zh) | 一种永磁同步电机在线参数辨识系统及方法 | |
Dianov et al. | Review and classification of MTPA control algorithms for synchronous motors | |
CN101582677B (zh) | 平滑切换复合转速辨识的电机无速度传感器控制方法 | |
Han et al. | Improved online maximum-torque-per-ampere algorithm for speed controlled interior permanent magnet synchronous machine | |
CN110995102A (zh) | 一种永磁同步电机直接转矩控制方法及系统 | |
CN115173774B (zh) | 一种永磁同步电机无位置传感器控制方法及系统 | |
CN111092579B (zh) | 带有定子温度在线监测的异步电机自适应矢量控制系统 | |
CN111030535B (zh) | 一种异步电机电感参数在线辨识方法 | |
CN110784144B (zh) | 内置式永磁同步电机的改进控制方法 | |
CN104094516B (zh) | 交流电机的控制装置 | |
CN110649851B (zh) | 异步电机多参数解耦在线辨识方法 | |
CN106452256B (zh) | 基于转子磁链观测器的异步电机参数在线矫正方法 | |
Chi | Position-sensorless control of permanent magnet synchronous machines over wide speed range | |
CN110557069A (zh) | 转子运行参数估计方法、电机控制系统和自抗扰控制器 | |
Yin et al. | A speed estimation method for induction motors based on strong tracking extended Kalman filter | |
CN108306566A (zh) | 基于扩张状态观测器的直线感应电机次级磁链估计方法 | |
CN110378057B (zh) | 一种内置式永磁同步电机抗干扰控制器及其设计方法 | |
Tiwari et al. | ANN based RF-MRAS speed estimation of induction motor drive at low speed | |
JPH09182499A (ja) | 同期電動機の制御装置 | |
CN114844414B (zh) | 一种永磁同步电机电感在线辨识方法及系统 | |
Comanescu et al. | Development of a flux, speed and rotor time constant estimation scheme for the sensorless induction motor drive | |
CN106685294B (zh) | 异步电机转子电阻及励磁电感解耦矫正方法 | |
CN111092578B (zh) | 一种异步电机转子磁场准确定向的矢量控制方法 | |
CN111130409B (zh) | 一种无框力矩电机的超低速高精度定位控制方法 | |
Kim et al. | Sensorless vector control scheme for induction motors based on a stator flux estimator with quadrant error compensation rule |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |