異步電機無速度傳感器矢量控制策略綜述

1、1異步電動機無速度傳感器矢量控制策略綜述異步電動機無速度傳感器矢量控制策略綜述?曹少中(北京印刷學院信息與機電工程學院，北京102600)摘要：摘要：無速度傳感器控制是當前國內外交流電機傳動的熱點，本文以近兩年發(fā)表在國際重要學術期刊和會議上的相關學術論文為主要調研對象，對于異步電動機無速度傳感器矢量控制策略進行了綜述介紹了近年來國際上無速度傳感器控制的傳統(tǒng)策略和新進展：直接計算法、模型參考自適應法、轉速觀測器法、磁鏈觀測器法、信號注入法

2、、人工智能方法等。闡述了這些常見轉速估計方法的理論要點，并對以上方法進行了分析比較，指出了各種方法的優(yōu)缺點和適用范圍。最后，對今后的研究方向提出了自己的建議。關鍵詞：關鍵詞：異步電動機；無速度傳感器；控制策略ReviewtheStrategyfSpeedSenslessVectControlofAsynchronousMotsCAOShaozhong(1.SchoolofInfmationspeedsenslesscontrolstra

3、tegy1引言引言異步電動機因其結構簡單、堅固耐用、運行可靠、成本低、易維護、可適合于大容量調速和工作于惡劣環(huán)境等優(yōu)點，在工業(yè)領域得到了廣泛的應用。長期以來，人們一直期望將異步電動機應用到高性能調速系統(tǒng)中去。但是，由于異步電動機是一個多變量、非線性、強耦合的復雜系統(tǒng)，目前仍然沒有很好的方法解決它的高精度控制問題使得異步電動機的調速性能無法和永磁同步電機相媲美。因此異步電動機控制系統(tǒng)性能的改進一直是交流調速領域研究的熱點。隨著異步電動機矢

4、量控制技術的進步，異步電動機的控制精度和性能顯著提高。在高性能的異步電動機矢量控制系統(tǒng)中，轉速的閉環(huán)控制是必不可少的。通常，采用光電編碼器等速度傳感器測量電機轉速，但在實際的系統(tǒng)中，傳感器的存在不僅增加了系統(tǒng)成本，易受工作環(huán)境影響，同時也降低了系統(tǒng)的可靠性，因此，無速度傳感器交流調速系統(tǒng)成為?基金項目：北京市自然科學基金資助項目（4092013），北京市屬高等學校人才強教計劃資助項目（TXM2007_014223_044661），北京市

5、教委科技面上項目(KM200810015003)，北京印刷學院引進人才項目(09170107019)，北京印刷學院科技重點項目。3MRAS可以采用不同的狀態(tài)變量作為速度整定信號但是在實際使用過程中必須盡量提高參考模型的精度這就要求參考模型盡量不依賴于電機參數(shù)(特別是隨運行工況變化較大的參數(shù))以及不含純積分環(huán)節(jié)。因為純積分環(huán)節(jié)存在積分初始值、磁飽和(saturationproblem)、相誤差(thephaseerr)和直流飄移(DCdr

6、ift)的累加問題。在實際中通常用低通濾波器代替純積分并可采用基于電流的定子電阻擾動補償方法使磁鏈估計不受定子電阻的影響[8]；或者在參考模型和可調模型的高通濾波環(huán)節(jié)中插入一個線性傳遞函數(shù)來抵消純積分的影響[9]。電壓模型電流模型辨識算法sUsir?r????e?圖1模型參考自適應系統(tǒng)基本原理日本學者T.Ohtani在轉子磁鏈參考系中提出了一種理論意義上的轉速辨識方法—PI自適應法，這種方法是MRAS法的一種變形。他提出了用定子電流轉矩

7、分量參考值與估計值之差得到轉速的信息的方法，利用PI調節(jié)器對上述差值進行處理，合理設計PI調節(jié)器的參數(shù)，可以對轉子轉速進行辨識。此方法的算法比上述方法大為簡化。但由于沒有確定的參考模型，即無法保證轉矩電流指令值(或轉矩指令值)的準確性，因此實用性有待技術的突破。文獻[10]在MARS中采用帶PI自適應反饋項校正的改進型積分環(huán)節(jié)，使低速區(qū)動態(tài)和穩(wěn)態(tài)運行性能得到改善。MARS的性能很大程度上依賴于圖1中辨識算法環(huán)節(jié)自適應律的確定。當前，主要

8、有以局部參數(shù)最優(yōu)化理論、李雅普諾夫穩(wěn)定性理論、波波夫穩(wěn)定性理論為基礎的3種設計自適應律的方法[11]。第一種方法不能保證系統(tǒng)的穩(wěn)定性，所以常采用后兩種方法。這些方法的自適應模型都是確定的數(shù)學模型便于數(shù)字實現(xiàn)。然而使用數(shù)學模型不同程度地影響了轉速估計的精度和魯棒性。采用基于人工智能(神經網絡[12]、模糊控制[13]等)的非線性自適應模型可以解決模型參考自適應方法目前存在的問題。2.3轉速觀測器法轉速觀測器法觀測器的實質是狀態(tài)重構，其原理

9、是重新構造一個系統(tǒng)，利用原系統(tǒng)中可以直接量測的變量作為它的輸入信號，并使其輸出信號在一定條件下等價于原系統(tǒng)的狀態(tài)。當前研究較多的轉速觀測器主要有：卡爾曼濾波器、龍貝格觀測器、自適應觀測器以及滑模觀測器等?？柭鼮V波器(KalmanFilter)是R.E.Kalman在20世紀60年代提出的一種線性最小方差意義上的最優(yōu)預測估計的遞推計算方法，該算法可實現(xiàn)采集數(shù)據與計算的同步，且計算可由硬件在線完成。它的特點是可以有效削弱隨機干擾和測量噪聲

10、的影響。擴展卡爾曼濾波算法是線性系統(tǒng)狀態(tài)估計的卡爾曼濾波器在非線性系統(tǒng)中的推廣應用。擴展卡爾曼濾波算法提供了一種迭代形式的非線性估計方法避免了對測量量的微分計算通過對Q陣和R陣的選擇可以調節(jié)狀態(tài)收斂的速度?；诟袘姍C逆伽馬模型的擴展卡爾曼濾波器，把電機參數(shù)的變化當做狀態(tài)噪聲，應用在矢量控制上大大提高了控制精度和穩(wěn)態(tài)運行速度范圍[14]。然而擴展卡爾曼濾波算法計算量很大，且是建立在對誤差和測量噪聲的統(tǒng)計特性已知的基礎上的需要在實踐中摸索