CN114586274A - 用于估算电机参数的设备和方法 - Google Patents

用于估算电机参数的设备和方法 Download PDF

Info

Publication number
CN114586274A
CN114586274A CN202080072645.XA CN202080072645A CN114586274A CN 114586274 A CN114586274 A CN 114586274A CN 202080072645 A CN202080072645 A CN 202080072645A CN 114586274 A CN114586274 A CN 114586274A
Authority
CN
China
Prior art keywords
parameter
motor
estimated
motor parameter
estimating
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
Application number
CN202080072645.XA
Other languages
English (en)
Inventor
A·特罗
K-S·贝克尔
Z·邦廷克
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.)
Knorr Bremse Systeme fuer Nutzfahrzeuge GmbH
Original Assignee
Knorr Bremse Systeme fuer Nutzfahrzeuge GmbH
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 Knorr Bremse Systeme fuer Nutzfahrzeuge GmbH filed Critical Knorr Bremse Systeme fuer Nutzfahrzeuge GmbH
Publication of CN114586274A publication Critical patent/CN114586274A/zh
Pending legal-status Critical Current

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
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/02—Providing protection against overload without automatic interruption of supply
    • H02P29/032—Preventing damage to the motor, e.g. setting individual current limits for different drive conditions
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • 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
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • 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
    • H02P21/14—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
    • 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
    • H02P21/16—Estimation of constants, e.g. the rotor time constant
    • 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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0022—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
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/12—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
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/60—Controlling or determining the temperature of the motor or of the drive
    • H02P29/64—Controlling or determining the temperature of the winding
    • 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
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/60—Controlling or determining the temperature of the motor or of the drive

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

一种用于估算电机参数的设备(1)和方法(1')，其包括接收电动机的运行参数(ud,q、id,q、ωe)，基于运行参数(ud,q、id,q、ωe)和初始确定的第二电机参数(RS,0)估算出估算的第一电机参数(ΨPM，1)，和基于运行参数(ud,q、id,q、ωe)和初始确定的第一电机参数(ΨPM，0)估算出估算的第二电机参数(RS,1)。所述设备(1)和方法(1')还包括基于估算的第一电机参数(ΨPM，1)和运行参数(ud,q、id,q、ωe)估算出修正的估算的第二电机参数(RS,2)，和基于估算的第二电机参数(RS,1)和运行参数(ud,q、id,q、ωe)估算出修正的估算的第一电机参数(ΨPM，2)。

Description

用于估算电机参数的设备和方法
技术领域
本申请涉及一种用于估算电机参数、特别是用于在线估算电动机的电机参数的设备和方法。
背景技术
电机参数的在线估算实现了对电动机的状态监测，例如相故障的估算或线圈温度的估算。
特别地，对于线圈温度估算，需要准确估算相电阻RS。然而，相电阻RS的估算取决于永磁体磁链ΨPM的值。此外，在负载或速度变化期间，非模型电压损耗的存在会导致估算的相电阻RS出现偏差。
“模型参考自适应控制(Model Reference Adaptive Controller；MRAC)”和“Adaline神经网络(Adaline Neural Network：ANN)”是众所周知的参数估算算法。特别地，MRCA算法可用于估算相电阻RS，ANN算法可用于估算永磁体磁链ΨPM，因此结合这两种算法的算法似乎适用于所要求的估算。
然而，由于秩不足，在参考控制下不可能同时估算永磁体磁链ΨPM和相电阻RS，因此将直流电流设置为零(Id＝0A)。因此，在MRCA模型中，将永磁体磁链ΨPM设置为常数值以估算相电阻RS，在ANN模型中，将相电阻RS设置为常数值以估算永磁体磁链ΨPM。然而，这些模型没有考虑负载和速度变化期间的非模型电压损失，因此会导致估算参数与其实际值的偏差。然而，这些偏差会导致线圈温度估算出现误差。
发明内容
因此，本申请的目的是弥补上述缺点并提供一种能够在发生的运行条件下准确估算电机参数的设备和方法。
所述目的通过根据权利要求1的设备、根据权利要求7的方法和根据权利要求13的计算机程序产品来实现。有利的进一步发展包括在从属权利要求中。
根据本申请的一个方面，一种用于估算电机参数的设备，其包括：输入接口，其被配置为接收电机的运行参数；第一装置，其被配置为执行第一参数估算算法，第一参数估算算法基于运行参数和初始确定的第二电机参数估算出估算的第一电机参数；和第二装置，其被配置为执行第二参数估算算法，第二参数估算算法基于运行参数和初始确定的第一电机参数估算出估算的第二电机参数。所述设备还包括：第三装置，其被配置为执行第三参数估算算法，第三参数估算算法基于估算的第一电机参数和运行参数估算出修正的估算的第二电机参数；和第四装置，其被配置为执行第四参数估算算法，第四参数估算算法基于估算的第二电机参数和运行参数估算出修正的估算的第一电机参数。
通过这种设备，可以考虑非模型运行参数的影响，以便提供对电机参数的更准确估算。
在设备的一个有利实施方式中，运行参数包括检测的电压、检测的电流和检测的电角速度中的至少一种，第一电机参数包括永磁体磁链，第二电机参数包括相电阻。
通过选择这些运行参数和要估算的电机参数，可以准确地执行估算线圈温度所需的电机参数的估算。
在设备的另一有利实施方式中，第一装置和第四装置包括执行参数估算算法的人工神经网络模型，第二装置和第三装置包括执行第二和第三参数估算算法的模型参考自适应控制模型。
通过提供用于估算电机参数的相应参数估算算法，提供了合适的参数估算算法并且可以对电机参数进行准确和有效的估算。
在设备的另一个有利实施方式中，初始确定的第一电机参数和初始确定的第二电机参数是常数值。
通过所述确定，为估算提供合适的起始值。
在设备的又一有利实施方式中，第三或第四装置被配置为能估算第三电机参数。
通过以更准确的方式估算进一步的参数，可以改进对线圈温度的估算或者可以估算另外的参数。
在设备的又一个有利实施方式中，第三电机参数包括电感。
通过估算电感，可以确定线圈的故障。
根据本申请的另一方面，一种方法包括以下步骤：基于运行参数和初始确定的第二电机参数估算出估算的第一电机参数；基于运行参数和初始确定的第一电机参数估算出估算的第二电机参数；基于估算的第一电机参数和运行参数估算出修正的估算的第二电机参数；和基于估算的第二电机参数和运行参数估算出修正的估算的第一电机参数。
通过这种方法，可以考虑非模型运行参数的影响，以便提供对电机参数的更准确估算。
在所述方法的一个有利实施方式中，运行参数包括检测的电压、检测的电流和检测的电角速度，第一电机参数包括相电阻，第二电机参数包括永磁体磁链。
通过在所述方法中选择这些运行参数和电机参数，可以准确地执行估算线圈温度所需的电机参数的估算。
在所述方法的另一个有利实施方式中，对估算的第一电机参数和修正的估算的第一电机参数的估算借助于人工神经网络模型执行，对估算的第二电机参数和修正的估算的第二电机参数的估算借助于模型参考自适应控制模型执行。
通过使用用于估算电机参数的相应参数估算算法，使用了合适的参数估算算法并且可以对电机参数进行准确和有效的估算。
在所述方法的另一有利实施方式中，将初始确定的第一电机参数和初始确定的第二电机参数设置为常数值。
通过所述确定，为估算使用合适的起始值。
在又一有利实施方式中，所述方法还包括以下步骤：估算第三电机参数。
通过估算进一步的电机参数，可以改进对线圈温度的估算或者可以估算另外的电机参数。
根据另一有利实施方式，第三电机参数包括电感。
根据另一方面，一种计算机程序产品，其包括指令，当程序由计算机执行时，所述指令使计算机执行所述方法的步骤。
通过估算电感，可以确定线圈的故障。
附图说明
下面参考附图借助于实施例来说明本申请。
特别地，
图1示出了根据本申请的设备和算法的框图；和
图2示出了展示根据本申请的设备或方法的功效的图表。
具体实施方式
图1示出了根据本申请的设备和算法的框图。
在作为设备提供的实施例中，附图标记1描绘了用于估算电动机(未示出)的电机参数的设备。
第一电机参数包括永磁体磁链ΨPM。第二电机参数包括相电阻RS。替代性地，可以估算其它电机参数。
设备1包括第一估算器2和第二估算器3。此外，设备1包括输入接口4。
输入接口4接收电动机的运行参数。输入接口4接收检测的电压ud，q、检测的电流id，q和检测的电角速度ωe。在替代实施例中，并非所有这些运行参数都被输入或附加运行参数被输入。
第一估算器2包括第一装置5和第二装置6，第一装置5包括相应地执行参数估算算法的人工神经网络(ANN)模型，第二装置6包括相应地执行参数估算算法的模型参考自适应控制(MRAC)模型。替代地，可以提供其它数量的装置、仅一个或两个以上，或者另一种模型、例如扩展卡尔曼滤波器(EKF)。
第一装置5被配置为根据人工神经网络(ANN)模型执行第一参数估算算法，从而基于运行参数ud，q、id，q、ωe和初始确定的第二电机参数RS，0估算出估算的第一电机参数ΨPM，1。
第二装置6被配置为根据模型参考自适应控制(MRAC)模型执行第二参数估算算法，从而基于运行参数ud，q、id，q、ωe和初始确定的第一电机参数ΨPM，0估算出估算的第二电机参数RS，1。
第二估算器3包括第三装置7和第四装置8，第三装置7包括相应地执行参数估算算法的模型参考自适应控制(MRAC)模型，第四装置8包括相应地执行参数估算算法的人工神经网络(ANN)模型。替代地，可以提供其它数量的装置、仅一个或两个以上，或者另一种模型、例如并发学习自适应控制。
第三装置7被配置为根据模型参考自适应控制(MRAC)模型执行第三参数估算算法，从而基于估算的第一电机参数ΨPM，1和运行参数ud，q、id，q、ωe估算出修正的估算的第二电机参数RS，2。
第三装置7进一步估算第三电机参数Ls。第三电机参数包括电感。替代地，估算另一个第三电机参数或不估算第三电机参数。
第四装置8被配置为根据人工神经网络(ANN)模型执行第四参数估算算法，从而基于估算的第二电机参数RS，1和运行参数ud，q、id，q、ωe估算出修正的估算的第一电机参数ΨPM，2。
初始确定的第一电机参数ΨPM，0和初始确定的第二电机参数RS，0为常数值。替代地，初始确定的电机参数是变量值。
估算器2、3和装置5、6、7、8被示为单独的模块，然而，替代地，它们可以全部或部分地集成在一个或多个模块中。
在作为方法提供的实施例中，附图标记1′描绘了用于估算电动机的电机参数的方法。
在使用中，用于估算电机参数的方法1′输入运行参数ud，q、id，q、ωe。进一步地，设置初始确定的第二电机参数RS，0和初始确定的第一电机参数ΨPM，0。
基于运行参数ud，q、id，q、ωe和初始确定的第二电机参数RS，0，估算的第一电机参数ΨPM，1由第一参数估算算法5′估算。此外，基于运行参数ud，q、id，q、ωe和初始确定的第一电机参数ΨPM，0，估算的第二电机参数RS，1由第二参数估算算法6′估算。
此外，基于运行参数ud，q、id，q、ωe和估算的第一电机参数ΨPM，1，修正的估算的第二电机参数RS，2由第三参数估算算法7′估算。此外，基于运行参数ud，q、id，q、ωe和估算的第二电机参数RS，1，修正的估算的第一电机参数ΨPM，2由第四参数估算算法8′估算。
第一参数估算算法5′和第二参数估算算法6′是第一估算器2′的元件，第一估算器2′表示装置以及软件模块。第三参数估算算法7′和第四参数估算算法8′是第二估算器3′的元件，第二估算器3′也表示装置以及软件模块。
如上所述，第一电机参数包括永磁体磁链ΨPM，第二电机参数包括相电阻Rs。替代地，可以估算其它电机参数。
对估算的第一电机参数ΨPM，1和修正的估算的第一电机参数ΨPM，2的估算借助于人工神经网络(ANN)模型执行，对估算的第二电机参数RS，1和修正的估算的第二电机参数RS，2的估算借助于模型参考自适应控制(MRAC)模型执行。如上所述，估算可以仅由一种模型或由另一种模型执行，例如并发学习自适应控制。
将初始确定的第一电机参数ΨPM，0和初始确定的第二电机参数RS，0设置为常数值。替代地，它们可以是变量值。
第三参数估算算法7′进一步估算作为电感LS的第三电机参数。替代地，估算另一个电机参数或不估算进一步的电机参数。
图2示出了展示根据本申请的设备或方法的功效的图表。
上图表描绘了第二电机参数RS，中图表描绘了电感LS，下图表描绘了第一电机参数ΨPM。在左侧，示出了第一估算器(2、2′)的估算结果。在右侧，示出了第二估算器(3、3′)的估算结果。
实线表示估算值，虚线表示测量值。
在12秒时，电机速度增加，在7秒和18秒时，施加的负载扭矩增加。
在描绘第一估算器(2、2′)的结果的图表中，可以看到由于电机速度和施加负载的增加而导致的估算的参数的偏差。此外，如右侧图表中第二估算器(3、3′)的结果所看到的，根据本申请的装置和算法显著改善了结果，因为除了变化时的短暂峰值，修正的估算的参数ΨPM，2和RS，2在动态负载变化期间保持不变。
已经结合本文中的各种实施例描述了本申请。然而，通过研究附图、公开内容和所附权利要求，本领域技术人员在实践要求保护的发明时可以理解和实现对所公开实施例的其它变化。这样的修改可以涉及本领域已知的其它特征，并且可以替代或附加于本文已经描述的特征来使用。在权利要求中，“包括”一词不排除其它元件或步骤，不定冠词“一个”或“一种”不排除复数。
附图标记列表
1 用于估算电机参数的设备
1′ 用于估算电机参数的方法
2 第一估算器
2′ 第一估算器
3 第二估算器
3′ 第二估算器
4 输入接口
5 第一装置
5′ 第一参数估算算法
6 第二装置
6′ 第二参数估算算法
7 第三装置
7′ 第三参数估算算法
8 第四装置
8′ 第四参数估算算法
ΨPM 第一电机参数(永磁体磁链)
ΨPM，0 初始确定的第一电机参数
ΨPM，1 估算的第一电机参数
ΨPM，2 修正的估算的第一电机参数
RS 第二电机参数(相电阻)
RS，0 初始确定的第二电机参数
RS，1 估算的第二电机参数
RS，2 修正的估算的第二电机参数
LS 第三电机参数(电感)
ud，q 检测的电压
id，q 检测的电流
ωe 检测的电角速度
ANN 人工神经网络
MRAC 模型参考自适应控制

Claims (13)

1.一种用于估算电机参数的设备(1)，所述设备(1)包括：
输入接口(4)，其被配置为能接收电动机的运行参数(ud，q、id，q、ωe)，
第一装置(5)，其被配置为能执行第一参数估算算法(5′)，从而基于运行参数(ud，q、id，q、ωe)和初始确定的第二电机参数(RS，0)估算出估算的第一电机参数(ΨPM，1)，和
第二装置(6)，其被配置为能执行第二参数估算算法(6′)，从而基于运行参数(ud，q、id，q、ωe)和初始确定的第一电机参数(ΨPM，0)估算出估算的第二电机参数(RS，1)，
其中，所述设备(1)还包括：
第三装置(7)，其被配置为能执行第三参数估算算法(7′)，从而基于估算的第一电机参数(ΨPM，1)和运行参数(ud，q、id，q、ωe)估算出修正的估算的第二电机参数(RS，2)，和
第四装置(8)，其被配置为能执行第四参数估算算法(8′)，从而基于估算的第二电机参数(RS，1)和运行参数(ud，q、id，q、ωe)估算出修正的估算的第一电机参数(ΨPM，2)。
2.根据权利要求1所述的设备(1)，其中
运行参数(ud，q、id，q、ωe)包括检测的电压(ud，q)、检测的电流(id，q)和检测的电角速度(ωe)中的至少一种，第一电机参数(ΨPM)包括永磁体磁链，第二电机参数(RS)包括相电阻。
3.根据权利要求2所述的设备(1)，其中
第一装置(5)和第四装置(8)包括执行第一参数估算算法(5′)和第四参数估算算法(8′)的人工神经网络(ANN)模型，
第二装置(6)和第三装置(7))包括执行第二参数估算算法(6′)和第三参数估算算法(7′)的模型参考自适应控制(MRAC)模型。
4.根据权利要求1-3中任一项所述的设备(1)，其中
初始确定的第一电机参数(ΨPM，0)和初始确定的第二电机参数(RS，0)是常数值。
5.根据前述权利要求中任一项所述的设备(1)，其中
第三装置(7)被配置为能估算第三电机参数(LS)。
6.根据权利要求5所述的设备(1)，其中
第三电机参数(LS)包括电感。
7.一种用于估算电机参数的方法(1′)，所述方法(1′)包括以下步骤：
基于运行参数(ud，q、id，q、ωe)和初始确定的第二电机参数(RS，0)估算出估算的第一电机参数(ΨPM，1)；
基于运行参数(ud，q、id，q、ωe)和初始确定的第一电机参数(ΨPM，0)估算出估算的第二电机参数(RS，1)；
基于估算的第一电机参数(ΨPM，1)和运行参数(ud，q、id，q、ωe)估算出修正的估算的第二电机参数(RS，2)；和
基于估算的第二电机参数(RS，1)和运行参数(ud，q、id，q、ωe)估算出修正的估算的第一电机参数(ψPM，2)。
8.根据权利要求7所述的方法(1′)，其中
运行参数(ud，q、id，q、ωe)包括检测的电压(ud，q)、检测的电流(id，q)和检测的电角速度(ωe)，
第一电机参数(ΨPM)包括相电阻，
第二电机参数(RS)包括永磁体磁链。
9.根据权利要求8所述的方法(1′)，其中
对估算的第一电机参数(ΨPM，1)和修正的估算的第一电机参数(ΨPM，2)的估算借助于人工神经网络(ANN)模型执行，
对估算的第二电机参数(RS，1)和修正的估算的第二电机参数(RS，2)的估算借助于模型参考自适应控制(MRAC)模型执行。
10.根据权利要求7-9中任一项所述的方法(1′)，其中
将初始确定的第一电机参数(ΨPM，0)和初始确定的第二电机参数(RS，0)设置为常数值。
11.根据权利要求7-11中任一项所述的方法(1′)，其中，所述方法(1′)还包括以下步骤：
估算第三电机参数(LS)。
12.根据权利要求11所述的方法，其中
第三电机参数(LS)包括电感。
13.一种计算机程序产品，其包括指令，当程序由计算机执行时，所述指令使计算机执行根据权利要求7-12中任一项所述的方法的步骤。
CN202080072645.XA 2019-10-15 2020-10-06 用于估算电机参数的设备和方法 Pending CN114586274A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19203430.4 2019-10-15
EP19203430.4A EP3809586A1 (en) 2019-10-15 2019-10-15 Equipment and method for estimating a motor parameter
PCT/EP2020/077928 WO2021073936A1 (en) 2019-10-15 2020-10-06 Equipment and method for estimating a motor parameter

Publications (1)

Publication Number Publication Date
CN114586274A true CN114586274A (zh) 2022-06-03

Family

ID=68281103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080072645.XA Pending CN114586274A (zh) 2019-10-15 2020-10-06 用于估算电机参数的设备和方法

Country Status (5)

Country Link
US (1) US12074543B2 (zh)
EP (1) EP3809586A1 (zh)
JP (1) JP7397182B2 (zh)
CN (1) CN114586274A (zh)
WO (1) WO2021073936A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116885993B (zh) * 2023-09-05 2024-01-02 广东技术师范大学 融合云端和边缘端的伺服电机参数辨识方法、系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5055246B2 (ja) 2008-10-31 2012-10-24 日立オートモティブシステムズ株式会社 回転電機の制御装置
JP5838032B2 (ja) 2011-02-15 2015-12-24 サンデンホールディングス株式会社 モータ制御装置
WO2015123591A1 (en) * 2014-02-13 2015-08-20 Intelligent Solutions, Inc. System and method providing real-time assistance to drilling operation
US9543879B2 (en) * 2014-03-24 2017-01-10 Chevron U.S.A. Inc. System and method for controlling muliphase electric motors
JP6780333B2 (ja) 2016-07-12 2020-11-04 コニカミノルタ株式会社 永久磁石同期電動機の制御装置、画像形成装置、および制御方法
CN107590323B (zh) * 2017-08-29 2020-12-08 渤海大学 基于混合励磁六相爪极发电机的电磁、温升、机械、电子耦合系统的建模方法
CN108964556A (zh) 2018-08-10 2018-12-07 长沙威克电力技术科技有限公司 用于驱动永磁式同步电机的无速度传感器控制装置

Also Published As

Publication number Publication date
US20220329191A1 (en) 2022-10-13
US12074543B2 (en) 2024-08-27
EP3809586A1 (en) 2021-04-21
WO2021073936A1 (en) 2021-04-22
JP2022552361A (ja) 2022-12-15
JP7397182B2 (ja) 2023-12-12

Similar Documents

Publication Publication Date Title
JP5334579B2 (ja) 電気的／電子的な負荷をシミュレートする方法と装置
JP6867267B2 (ja) モータ制御装置およびモータシステム
CN105075104B (zh) 用于确定感应电机的励磁曲线和转子电阻的系统以及制造其的方法
JP6548673B2 (ja) 負荷エミュレータを用いて３相ブラシレス直流モータを模擬するための方法
CN109194219A (zh) 基于无模型非奇异终端滑模控制永磁同步电机方法及系统
CN110557075A (zh) 电机转矩的确定方法及装置、电机控制系统
Huynh et al. On-line parameter estimation of an induction machine using a recursive least-squares algorithm with multiple time-varying forgetting factors
CN114586274A (zh) 用于估算电机参数的设备和方法
CN109842338B (zh) 永磁同步电机预测模型参数在线修正方法
Rayyam et al. Stator and rotor faults detection in Induction Motor (IM) using the Extended Kaman Filter (EKF)
JP5392530B2 (ja) モータ制御装置
BAI et al. Speed Sensorless Control Scheme of Induction Motor against Rotor Resistance Variation
KR101779613B1 (ko) 매입형 영구 자석 동기 전동기의 센서리스 제어를 위한 온라인 상수 보정 방법
Siddavatam et al. Identification of induction machine parameters including core loss resistance using recursive least mean square algorithm
JP6966978B2 (ja) 工作機械用モータ駆動装置
Hadef et al. Moments and Pasek’s methods for parameter identification of a DC motor
JP2021197752A (ja) トルク推定装置およびトルク推定方法
US20220360203A1 (en) Drive system and method for controlling a synchronous motor having several phases
JP4281054B2 (ja) 誘導電動機の速度センサレスベクトル制御方法及び装置
Gouichiche et al. Expiremental validation of a fault tolerant control of induction motor using a voting algorithm
Picardi et al. Sliding-mode observer with resistances or speed adaptation for field-oriented induction motor drives
CN106712621B (zh) 一种辨识感应电机定子电阻的装置及方法
Elghany et al. Robust parameter estimation of vector controlled induction motors based on a modified particle swarm optimization technique
JP2020010433A (ja) モータ制御装置
JP7443933B2 (ja) モータ制御装置

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