MRAS异步电机无速度传感器矢量控制低速性能的改善

基于MRAS的异步电机无速度传感器矢量控制的研究及实现的开题报告

基于MRAS的异步电机无速度传感器矢量控制的研
究及实现的开题报告
一、研究背景及研究意义
目前，在现代工业生产中，电机具有广泛的应用，其控制方法与技术也得到不断的改进和发展。

而矢量控制是一种较为先进的控制技术，可以实现较好的控制精度，被广泛地应用在交流电机控制中。

然而，传统的矢量控制技术需要使用速度传感器进行闭环控制，但是速度传感器成本较高且易受环境干扰，因此研究无速度传感器矢量控制技术具有重要的研究意义和实际应用价值。

基于模型参考自适应系统（Model Reference Adaptive System，MRAS）的无速度传感器矢量控制技术因其简单、实用、可靠而受到广泛关注。

该技术利用自适应模型来推测电机的速度，从而实现无传感器矢量控制，同时，自适应模型参数的在线调节方法也能够适应不同的工作条件，提高了系统的稳定性和控制精度。

二、研究内容及技术路线
（1）研究现有无速度传感器矢量控制技术，分析其优缺点和应用场合，重点研究基于MRAS的无速度传感器矢量控制技术；
（2）建立异步电机数学模型，包括电动机的动态方程、控制方程和MRAS模型等；
（3）设计实验平台，进行实验验证，使用MATLAB/Simulink对系统进行仿真研究，通过对实验数据的分析，验证基于MRAS的无速度传感器矢量控制技术的可行性和有效性。

三、研究成果及应用前景
通过本研究，可以掌握基于MRAS的无速度传感器矢量控制技术的原理和实现方法，设计出具有较高控制精度和抗干扰能力的电机控制系
统，为工业生产提供更为高效和可靠的电机控制解决方案。

此外，本文研究成果还可应用于电机控制、自适应控制和非线性控制等领域，具有广泛的应用前景。

《异步电机无速度传感器矢量控制系统的设计与实现》

《异步电机无速度传感器矢量控制系统的设计与实现》一、引言异步电机在工业应用中占有重要地位，其运行性能的优劣直接影响到生产效率和产品质量。

随着现代控制理论的发展，无速度传感器矢量控制系统因其高精度、高效率的特性被广泛应用于异步电机控制。

本文将探讨异步电机无速度传感器矢量控制系统的设计与实现，旨在为相关领域的研究与应用提供参考。

二、系统设计1. 系统架构设计异步电机无速度传感器矢量控制系统主要由控制器、驱动器、逆变器、异步电机等部分组成。

其中，控制器是整个系统的核心，负责实现矢量控制算法和无速度传感器技术。

驱动器接收控制器的指令，将电压和电流信号输出给逆变器。

逆变器根据驱动器的指令，将直流电源转换为交流电源，驱动异步电机运行。

2. 矢量控制算法设计矢量控制算法是实现异步电机高效运行的关键。

本系统采用无速度传感器矢量控制算法，通过检测电机的电压和电流信号，估算电机的转速和转子位置，实现电机的精确控制。

该算法包括磁场定向控制(MTPA)和直接自控制(DTC)两种方法，具有较高的动态性能和稳态性能。

3. 无速度传感器技术设计无速度传感器技术是实现异步电机无机械传感器运行的关键技术。

本系统采用基于电流模型和电压模型的无速度传感器技术，通过检测电机的电流和电压信号，估算电机的转速和转子位置。

该方法具有较高的估算精度和可靠性，降低了系统的成本和复杂度。

三、系统实现1. 硬件实现硬件实现主要包括控制器、驱动器、逆变器等部分的选型和设计。

控制器采用高性能数字信号处理器(DSP)，具有高速运算和强大的控制能力。

驱动器采用高精度、低噪声的功率模块，保证电机的稳定运行。

逆变器采用智能功率模块(IPM)，具有较高的效率和可靠性。

2. 软件实现软件实现主要包括矢量控制算法和无速度传感器技术的编程实现。

本系统采用C语言编写程序，实现矢量控制算法和无速度传感器技术的实时运算和控制。

同时，为了方便调试和维护，系统还提供了友好的人机交互界面。

异步电机无速度传感器矢量控制策略综述

技术优势
矢量控制策略具有动态响应快、转矩脉动小、运行效率高等技术优势，在异步电机控制领域得到了广泛应用。
02
异步电机无速度传感器技术
无速度传感器技术原理
估计转速和位置
通过检测电机的电压、电流等电气信号，利用特定的算法估计电机的转速和转子位置。
消除机械传感器
无需使用机械式的速度传感器，降低了系统的复杂性和成本，同时提高了系统的可靠性和维护性。
节能环保
无速度传感器技术能够实现电机的精确控制，减少不必要的能耗，有利于节能环保。
矢量控制策略简介
基本原理
矢量控制策略是一种通过坐标变换将三相交流电机等效为直流电机进行控制的方法，可以实现电
机的高性能控制。
控制方法
矢量控制策略包括磁场定向控制（ FOC）和直接转矩控制（DTC）等方法，可以根据不同的应用需求选择合适的控制方法。
无速度传感器技术分类
01
基于电机模型的方法
利用电机的数学模型，通过检测电机的电压、电流等电气信号估计转速
和转子位置。如基于扩展卡尔曼滤波器（EKF）的方法。
02
基于信号处理的方法
通过分析电机运行过程中的信号特征来估计转速和转子位置。如基于振
动信号分析、电流频谱分析等方法。
03
混合方法
结合电机模型和信号处理的方法，以充分利用两者的优点，提高估计精
展望
• 在未来，该控制策略有望成为电机控制领域的主流技术之一，为工业自动化、智能家居等领域带来更多的创新和变革。
THANK YOU
异步电机无速度传感器矢量控制策略的优势与局限
优势
局限
• 无需使用速度传感器，降低了系统成本和复杂度。
• 通过对电机参数的精确测量和计算，可以实现高精度的矢量控制，提高了电机的运行效率和性能。

基于MRAS的感应电机无速度传感器矢量控制

链不能够直接测得 ,根据式 ( 1) 有 φ p ^ r = A 21 i s + A 22φ ^ r.
( 11)
( 5)
因为 i s 可直接测量得到 ,故由式 ( 5) 求出 φr , 并且一般可以认为 φr = φ ^ r ,则式 ( 4) 可变为 p ( i s - ^ i s) = ( A 11 + G) ( i s - ^ i s) +
3 电机参数变化对转速辨识的影响
及其补偿
3. 1 电机参数变化对转速估算的影响
由式 ( 7 ) 可知 , 在误差状态方程中 , A 11 中含有 R s , 显然作为一阶方程 , 由于积分的累积作用导致 R s 的变化对误差输出 e 影响很大 , 进而影响到速度估算的效果 , 而 R r 包含于 σ中 , 其位于转速估算的常数项中 , 对误差输出影响较小 . 因此 , 用 MRAS 法估算转速的同时需要对定子电阻同时进行辨识或者对定子电阻变化进行补偿 .
3. 2 对定子电阻变化的补偿
图1 并联型 MRAS 结构图
电压型转子磁链表达式为 u α L s pi α s = R s iα s +σ s + ( L m/ L r ) ・
A m P + PA m = - Q , Pex m - F
T - 1 T
φ ^r
=
A 11 A 21
A ^ 12 A ^ 22
^ is
φ ^r
+
B
0
u s.
( 3)
( 10)
由 MRAS 原理 ,必须选取两个模型的某个参数输出作为误差反馈 ,在这里 ,考虑到电机模型中的 i s 较易测量 ,所以选择定子电流作为模型参考自适应系统的误差反馈量 ,将 i s 与 ^ i s 两者之差作为广义误差信号 e ,则 e = i s - ^ i s , 将式 ( 1 ) 和 ( 3 ) 的电流项相减并引入反馈增益矩阵 G : p ( i s - ^ i s) = A 11 ( i s - ^ i s) + A 12φr A ^ 12φ ^ r + G ( is - ^ i s) ,

异步电机无速度传感器矢量控制策略综述

基于滑模控制的自适应控制策略
总结词
滑模控制是一种非线性控制策略，其核心思想是在控制过程中使系统的状态轨迹在预设的滑模面上滑动，以达到预设的目标。
详细描述
在无速度传感器矢量控制中，滑模控制通常用于估计转速和转子位置。通过设计适当的滑模面和控制律，可以使系统的状态轨迹在滑模面上滑动，并根据滑模面的输出估计转速和转子位置。
基于人工智能的无速度传感器控制技术
1 2
神经网络（NN）
利用多层神经网络对电机转速进行估计，具有较好的自适应性和鲁棒性。
支持向量机（SVM）
通过构建支持向量机分类器或回归器，实现对电机转速的估计和控制。
3
强化学习（RL）
通过设计合适的奖励函数和策略，实现对电机转速的优化控制。
基于信号处理的无速度传感器控制技术
无速度传感器技术的优势
无速度传感器技术能够简化系统结构，降低成本，提高可靠性，因此研究无速度传感器矢量控制策略具有重要的实际意义。
研究现状与发展
研究现状
目前，异步电机无速度传感器矢量控制策略的研究已经取得了一定的成果，各种控制方法不断涌现，如基于模型的控制、滑模控制、神经网络控制等。
发展方向
未来的研究将更加注重控制算法的优化和实际应用效果的验证，同时结合现代信号处理技术和人工智能技术，进一步发展新型的无速度传感器矢量控制策略。
CHAPTER 03
无速度传感器矢量控制技术
基于模型的无速度传感器控制技术
模型预测控制（MPC）
利用电机动态模型进行预测和反馈控制，以达到良好的动态性能。
滑模观测器（SMO）
通过设计滑模面和滑模控制器，实现对电机转速的精确估计。
扩展卡尔曼滤波（EKF）

一种改进的MRAS观测器及异步电机转速估计方法的研究

０引言
磁场定向控制已成为控制交流异步电机调速系统的一种成熟方法，在现代工业驱动中磁场定向控制被广泛应用，展现了高性能。在异步电机驱动装置中，提高驱动系统的稳定性日益成为一
磁链的相位和幅值，而无速度传感器矢量控制系统需要估计Байду номын сангаас子转速，在实际中测量电压和电流是比较容易的，因此可知无速度传感器矢量控制
能运行。
关键词：无速度传感器；矢量控制；磁链观测器；模型参考自适应；转速估算
中图分类号：ＴＭ３４３文献标识码：Ａ文章编号：１００９—９４９２（２０１３）０５—００１５一ｏ４
ＡｎＩｍｐｒｏｖｅｄＭＲＡＳＯｂｓｅｒｖｅｒａｎｄＡｓｙｎｃｈｒ０ｎ０ｕｓＭｏｔｏｒＳｐｅｅｄＥｓｔｉｍａｔｉｏｎＭｅｔｈｏｄＲｅｓｅａｒｃｈ
ｌｆｕｘｅｓｔｉｍａｔｉｏｎｐｒｅｃｉｓｉｏｎ，ｆａｓｔｃｏｎｖｅｒｇｅｎｃｅｒａｔｅ，ｌｏｗｓｐｅｅｄｓｔａｂｌｅｐｅｆｏｒｍａｒｎｃｅ．Ｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｔｈｅｌｕｆｘｏｂｓｅｒｖｅｒａｓ
摘要：为了提高异步电机无速度传感器矢量控制系统的低速性能以及降低对电机参数变化的敏感性，提出了一种改进的转子磁

基于MRAS的异步电机无速度传感器矢量控制

基于MRAS的异步电机无速度传感器矢量控制异步电机矢量控制无速度传感器模型参考自适应1引言随着电力电子技术及自动控制技术的发展，交流电动机的调速系统正走向高性能化。

在高性能的交流调速系统中，为了提高系统的控制性能，转速的闭环控制环节一般是必不可少的。

通常，速度反馈量的检测多是采用光电脉冲编码器或测速发电机。

但高精度的速度传感器价格比较昂贵，明显增加了整个控制系统的成本。

同时速度传感器的安装存在同心度问题，由于安装中存在的问题使速度传感器成为系统的故障源，系统的机械可靠性大为降低，由此可以说在某种程度上破坏了交流异步电动机的简单、牢固等特性，限制了交流调速系统的应用范围。

因此研究无速度传感器交流调速系统，受到了国内外学术界和工程界高度重视，成为近年来的研究热点[1]。

无速度传感器矢量控制技术的核心问题是对磁链和转速进行准确辨识。

常见的磁链辨识方法有：电流模型法和电压模型法。

因电流模型需要转子转速的信息，而电压模型中不需要转子转速信息，所以无速度传感器矢量控制系统中通常采用电压模型进行磁链辨识[2]。

电压模型中含有纯积分环节，使得磁链的观测会因积分初值和漂移产生误差。

为了解决这一问题，可以采用一阶惯性环节来代替纯积分环节，由此引起的误差，可以通过参考磁链矢量经低通滤波器后的信号进行补偿[3-4]。

在磁链辨识基础上，需要对电机转速进行辨识。

近年来，随着高性能数字信号处理器的飞速发展，各种转速估计方法层出不穷。

如：直接计算法、模型参考自适应(MRAS—Model Reference Adaptive System)、基于自适应全阶状态观测器的方法、扩展卡尔曼滤波器法(EKF—Extended Kalman Filter)、神经网络法、齿槽谐波检测法、高频信号注入法等。

因MRAS原理简单、容易实现，在无速度交流调速系统中得到了广泛应用。

MRAS参数辨识思想：将不含待辨识参数的模型作为参考模型，将含有待辨识参数的模型作为可调模型，且两个模型具有相同物理意义的输出量，利用其输出量误差，并通过合适的自适应率来调节可调模型参数，已达到控制对象的输出跟踪参考模型的目的。

基于MRAS的无速度传感器的异步电机矢量控制

基于MRAS的无速度传感器的异步电机矢量控制左瑞【摘要】研究基于模型参考自适应系统(MRAS)的无速度传感器的异步电机矢量控制系统.首先介绍了矢量控制技术,接着介绍了基于MRAS的转速自适应估计理论,运用该理论构成了无速度传感器异步电机矢量控制系统;又利用Matlab对无速度传感器的异步电机矢量控制系统系统进行了建模仿真;仿真结果表明采用的控制策略控制效果良好,能在较大负载扰动下实现无传感器方式的异步电机的稳定运行.【期刊名称】《机电产品开发与创新》【年(卷),期】2015(028)006【总页数】3页(P128-129,96)【关键词】异步电机;矢量控制;模型参考自适应系统;无速度传感器【作者】左瑞【作者单位】宿豫中等专业学校,江苏宿迁223800【正文语种】中文【中图分类】TH13采用带速度闭环控制的矢量控制技术，可使异步电机获得较高的调速性能。

但在一些高温、低温、易燃、易爆的环境，速度传感器的适应能力较差，直接影响调速系统的可靠性，另外安装速度传感器会增加系统的成本。

因此研究无速度传感器的矢量控制技术，对提高交流调速系统的可靠性、对环境的适应性，进一步扩大交流调速系统的应用范围具有极其重要的意义。

带转矩内环的转速、磁链闭环矢量控制系统如图1所示。

主电路采用电流滞环PWM逆变器；控制电路中，转速环后增加转矩控制内环，转速调节器ASR的输出作为转矩控制器ATR的给定，转矩反馈信号经矢量控制方程求得；电路中的磁链控制器ApsiR用于对电动机磁链的控制，并设置了电流变换和磁链观测环节；ATR和ApsiR的输出分别是定子电流转矩分量和励磁分量的给定值，两者经过2r/3s变换得到三相定子电流的给定值，并通过电流滞环PWM控制器控制电动机定子的三相电流，最终实现矢量控制。

若将图1的速度检测环节去掉，根据相关模型对转速进行准确估算，并把估算值反馈给速度控制器，就能获得无速度传感器的异步电机矢量控制系统。

如何对转子速度进行准确的估计是无速度传感器矢量控制技术的核心问题，因为转速辨识的精确程度直接关系到系统性能的好坏。

基于MRAS磁链观测、转速估计的无速度传感器异步电机矢量控制系统

基于MRAS磁链观测、转速估计的无速度传感器异步电机矢
量控制系统
汪柏洋
【期刊名称】《科技广场》
【年(卷),期】2010(000)003
【摘要】针对传统矢量控制系统磁链观测不准,且需要速度传感器的问题,提出了一种基于MRAS磁链观测、转速估计的无速度传感器异步电机矢量控制系统.介绍了磁链观测、转速估计的MRAS结构,并运用Popov超稳定理论推导出了其对应自
适应律,建立了实验系统.实验结果表明,该矢量控制系统在启动、调速、稳态运行时具有良好的静、动态性能,是一种高性能的交流调速系统.
【总页数】4页(P191-194)
【作者】汪柏洋
【作者单位】长春理工大学电子信息工程学院,吉林,长春,130022
【正文语种】中文
【中图分类】TM343
【相关文献】
1.异步电机MRAS无速度传感器矢量控制系统设计 [J], 王平;厉虹
2.基于转矩绕组无功功率MRAS的无轴承异步电机无速度传感器矢量控制系统 [J], 杨泽斌;汪明涛;孙晓东
3.基于全阶磁链观测器的异步电机无速度传感器矢量控制系统 [J], 李立明;刘忠举
4.基于MRAS的无速度传感器异步电机矢量控制的仿真 [J], 罗桂山
5.基于交互式MRAS策略的无轴承异步电机无速度传感器矢量控制系统 [J], 高剑;黄守道;马晓枫;蔡国洋;曹彦飞
因版权原因，仅展示原文概要，查看原文内容请购买。

基于典型MRAS无速度传感器矢量控制系统的改进研究

性能。
关键词：矢量控制；无速度传感器；ＭＲＳＡ；仿真
中图分类号：Ｔ０Ｈ１
文献标识码：Ａ
文章编号：１７－１ｘ２１）５０３－６２６２（０１０－０５０９
０引言
无速度传感器控制的关键在于精确的转速估计与解耦控制，但这两者之间又存在相互耦合的关系。转速估计不仅与定子电压和电流有关，，２同时还与电机参数密切相关。在数字化电机控制系统中，３转速估计的精度与采样频率以及反馈信号的分辨率有关Ｊ而转速估计的精确程度不仅影响到速度控制，的准确度，也会影响到速度环路补偿器的设计。为了实现高性能的交流调速，速度传感器矢量控制需要无复杂的控制技术，要进行矢量的坐标变换，通矢量的在线计算和自适应参数变化而修正磁通模如磁型¨ ，以及内部的加速度、度、环控制的在线实时调节。由于ＭＲＳ模型参考自适应系统ｍｄｅ速外Ａ（ｏｅｒ－ｆ
ｒ
式中：
ｕ “ ｕｕ — —定子、子的电压Ｂ转
ｉｉｉｉ —— 定子、、Ｂ转子的电流Ｌ— —定子与转子同轴等效绕组间的感
Ｌ— —定子等效两相绕组问的自感Ｌ—— 定子等效两相绕组间的自感 ∞ —— 转子角速度
收稿日期：０１３０２１－－０７回修日期：０１３２２１－－１０作者简介：罗龙（９８一）男，１７，讲师，主要研究方向：汽车电器。

基于MRAS磁链观测_转速估计的无速度传感器异步电机矢量控制系统

控制
中图分类号：ＴＭ３４３
文献标识码：Ｂ
文章编号：１６７１－４７９２－（２０１０）３－０１９１－０４
系
Abstract：Ａｉｍｔｏｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌｖｅｃｔｏｒｃｏｎｔｒｏｌｓｙｓｔｅｍ＇ｓｆｌｕｘｏｂｓｅｒｖａｔｉｏｎｗａｓｎｏｔａｃｃｕ－统
速度传感器异步电机矢量控制系统。介绍了磁链观测、转速估计的ＭＲＡＳ结构，并运用Ｐｏｐｏｖ超稳定理论推导出了其对应自适
步电
应律，建立了实验系统。实验结果表明，该矢量控制系统在启动、调速、稳态运行时具有良好的静、动态性能，是一种高性能的交机矢
流调速系统。
量
关键词：矢量控制；ＭＲＡＳ；磁链观测；转速估计；异步电机
ＶｅｃｔｏｒＣｏｎｔｒｌＳｙｓｔｅｍｆｏｒＩｎｄｕｃｔｉｏｎＭｏｔｏｒｕｓｉｎｇａ－ａｘｉｓＦｌｕｘｗｉｔｈＳｔａｔｏｒＲｅｓｉｓｔａｎｃｅＩｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｏｎＩｎｄｕｓｔｒｉａｌＥｌｅｃｔｒｏｎｉｃｓ，Ｆｅｂ．２００１，４８（１）：１８５－１９４．
链
观
ＶｅｃｔｏｒＣｏｎｔｒｏｌＳｙｓｔｅｍｆｏｒＳｐｅｅｄ－ＳｅｎｓｏｒｌｅｓｓＡｓｙｎｃｈｒｏｎｏｕｓＭｏｔｏｒＢａｓｅｄｏｎＭＲＡＳＦｌｕｘｏｂｓｅｒｖａｔｉｏｎａｎｄＳｐｅｅｄＥｓｔｉｍａｔｉｏｎ
测
、
转
汪柏洋
速估
ＷａｎｇＢａｉｙａｎｇ
计
的
（长春理工大学电子信息工程学院，吉林长春１３００２２）
（ａ）辨识转速
（ｂ）负载转矩

基于MRAS的异步电机无速度传感器的矢量控制

李肥翔，薛重德，朱威威
（南京航空航天大学江苏南京２１００１６）
摘要：由于电机定转子参数的变化，利用一般的转子磁链对转速进行估算，将导致不能得到准确的结果。这里采用积
分型转子磁链的参考和可调模型构建出一个基于ＭＲＡＳ的异步电机无速度传感器的矢量控制模型。该模型提高了矢
ＬＩＦｅｉ－ｘｉａｎｇ，ＸＵＥＺｈｏｎｇ — ｄｅ，ＺＨＵＷｅｉ－ｗｅｉ
（ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎｎｔａｉｃｓａｎｄＡｓｔｒｏｒｕｍｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ）
第２１卷第２２期
Ｖ０１．２１Ｎｏ．２２
电子设计工程
ＥｌｅｃｔｒｏｎｉｃＤｅｓｉｇｎＥｎｇｉｎｅｅபைடு நூலகம்ｒｉｎｇ
２０１３年１１月
ＮＯＶ．２０１３
基于ＭＲＡＳ的异步电机无速度传感器的矢量控制
ｓｉｍｕｌａｔｉｏｎｏｆｓｐｅｅｄｓｅｎｓｏｄｅｓｓｖｅｃｔｏｒｃｏｎｔｒｏｌｏｆＩＭｂｙＭＡＴＬＡＢ／ＳＩＭＵＬＩＮＫｖｅｉｆｒｙｔｈｅｆｅａｓｉｂｉｌｉｔｙａｎｄｔｈｅｒｏｂｕｓｔｎｅｓｓｔｏｐａｒａｍｅｔｅｒｅｒｒｏｒｏｆｔｈｅＭＲＡＳｍｅｔｈｏｄ．

基于MRAS的异步电动机无速度传感器矢量控制系统

（ａｊｇＵｉｒｔｏｅｏａｔｓＡｔｎｕｃ，ａｊｇ２０１，ｈｎ）Ｎｎｉｎｖｓｙｆｒｎｕｉ＆ｓｏａｔｓＮｎｉ１０６ＣｉｎｅｉＡｃｒｉｎａ
ＡｂｔａｔＩｒｅｏｉｒｖｈｅｉｂｌｙａｄａａｔｂｌｙｏｈｏｔｌｓｓｅｏｎｕｔｎｍｏｏ，ｔｅｐｐｒｐｅｅｔａｎｖｌｓｒｃ：ｎｏｄｒｔｍｐｏｅｔｅｒｌｉｔｎｄｐａｉｔｆｔｅｃｎｒｙｔｍｆｉｄｃｉｔｒｈａｅｒｓｎｓｏｅａｉｉｏｏｓｈｍｅｆｒａｓｅｄｓｎｏｌｓｅｔｒｃｎｒｌｙｔｍｆｉｄｃｉｎｍｏｏａｅｎＭＲ．ｉｈｈｏｙｏＡＳ，ａｍｏｅｆｓｅｄｃｅｐｅｅｓｒｓｖｃｏｏｔｓｅｏｕｔｔｒｂｓｄｏＡＳＷｔｔｅｔｅｒｆＭＲｏｅｏｓｎｏｈｄｌｐｅｏ
维普资讯
２０第８期０７年第１３期）总９
农业装备与车辆工程
ＡＲＣＬＵＡＱＩＭＥＴ＆ＶＨＣＥＥＧＮＥＩＧＧＩＵＴＲＬＥＵＰＮＥＩＬＮＩＥＲＮ
ＮＯ８０．２０７
０引言
为了达到高精度的转速闭环控制及磁场定向的需要，在电机轴上安装速度传感器。但是有许多必须场合不允许外装任何速度和位置检测元件，此外安装速度传感器一定程度上降低了系统的可靠性随

MRAS的无速度传感器矢量控制系统

ａｙｃｒｎｕｓｎｈｏｏｓｍｏｏｏｏｏａｉｎｓｅｄｄａｎｓｓｍｏｅａｅｎＭＲＡＳｍｅｈｄｈｎｃｎｔｕｔａｙｃｒｎｕｔｒｔｒｒｔｒｒｔｔｏｐｅｉｇｏｉｄｌｂｓｄｏｔｏ．ｔｅｏｓｒｃｓｎｈｏｏｓｍｏｏ
ｉｌｍｅｔｔｅｃｏｅ．ｏｐｃｎｒｌｏｐｅｎｅｄｏｉｎｅｏｔｏｆｉｄｃｉｎｍｏｏｎｖｃｏｏｔｏｙｔｍ．Ｕｓｍｐｅｎｈｌｓｄ１ｏｏｔｏｆｓｅｄａｄｆｌｒｅｔｄｃｎｒｌｏｎｕｔｏｔｒｉｅｔｒｃｎｒｌｓｓｅｉｅｖｌａｅａｄｃｒｅｔｆｏａｙｃｒｎｕｔｒｔｒｉａｓｉａｅｍｏｏｏａｉｎｓｅｄＩｓｎｈｏｏｓｍｏｏｐｅ．ｅｓｏｔｇｎｕｒｎｒｍｓｎｈｏｏｓｍｏｏｅｍｎｌｅｔｍｔｔｒｒｔｔｏｐｅ．ｎａｙｃｒｎｕｔｒｓｅｄ１ｓ
Ａｂｔａｔｐｅ－ｓｅｓｒｖｃｏｏｔｌｓｓｍａｅｎｍｏｅｅｅｅｃｄｐｉｅｓｓｍＭＲ）ｉｓｄｅｏｓｒｃ：ＳｅｄｌｓｓｎｏｅｔｒｃｎｒｙｔｂｓｄｏｄｌｆｒｎｅａａｔｙｔｒＡＳＳｔｉｄｔｅｏｅｒｖｅｕ
ｈｇｙａｃａｄｓａｉｅｆｒｎｅａｄｓａｉｔ．ｉｈｄｎｍｉｎｔｔｃｐｒｏｍａｃｎｔｂｌｙｉＫｅｏｄ：ｓｅｄ１ｓｅｓｒｖｃｏｏｔｏ；ＲＡＳ：ｉｖｗｒｓｐｅ．ｅｓｓｎｏ；ｅｔｒｃｎｒｌＭｓｍｕｌｔｏａｉｎ

《异步电机无速度传感器矢量控制系统的设计与实现》

《异步电机无速度传感器矢量控制系统的设计与实现》一、引言随着现代工业的快速发展，电机控制技术已成为工业自动化领域的重要研究方向。

异步电机作为工业生产中的主要动力设备，其控制系统的设计直接关系到生产效率和产品质量。

传统的异步电机控制系统通常需要安装速度传感器以实现精确控制，但这种方式不仅增加了系统的成本和复杂性，还可能受到环境因素的干扰。

因此，无速度传感器矢量控制系统成为了当前研究的热点。

本文将详细介绍异步电机无速度传感器矢量控制系统的设计与实现。

二、系统设计1. 系统架构设计本系统采用数字化控制方式，主要由异步电机、逆变器、控制器和上位机组成。

其中，控制器是系统的核心部分，负责实现无速度传感器矢量控制算法。

2. 矢量控制算法设计无速度传感器矢量控制算法是实现系统控制的关键。

本系统采用基于磁场定向的矢量控制算法，通过实时计算电机的电流和电压信息，实现电机的精确控制。

3. 硬件电路设计硬件电路包括电源电路、逆变器电路、传感器电路等。

其中，逆变器电路是实现电机驱动的关键部分，需要根据电机的额定电压和电流进行合理设计。

同时，为了保证系统的稳定性和可靠性，还需要考虑硬件电路的抗干扰能力。

三、系统实现1. 控制器程序设计控制器程序是实现系统控制的核心部分。

本系统采用数字化控制方式，通过编写程序实现无速度传感器矢量控制算法。

程序设计主要包括主程序、中断服务程序、ADC采样程序等部分。

2. 系统调试与优化在系统实现过程中，需要进行大量的调试和优化工作。

首先需要对硬件电路进行测试，确保电路的稳定性和可靠性。

其次，需要编写和调试控制器程序，确保程序能够正确实现无速度传感器矢量控制算法。

最后，还需要对系统进行整体调试和优化，确保系统的性能达到预期要求。

四、实验结果与分析1. 实验结果通过实验测试，本系统能够实现异步电机的无速度传感器矢量控制。

在实验过程中，我们采用了不同的负载条件进行测试，发现系统在不同负载条件下均能实现电机的精确控制。

无速度传感器异步电动机极低转速下的矢量控制

ISSN 100020054CN 1122223 N 清华大学学报(自然科学版)J T singhua U niv (Sci &Tech ),2003年第43卷第9期2003,V o l .43,N o .95 37116921172,1180无速度传感器异步电动机极低转速下的矢量控制冬　雷,　李永东(清华大学电机工程与应用电子技术系,北京100084)收稿日期:2002208218基金项目:国家自然科学基金资助项目(59877010)作者简介:冬雷(19672),男(汉),河北,博士后。

通讯联系人:李永东,教授,E 2m ail :liyd @m ail.tsinghua .edu .cn 摘　要:在较低转速下,对异步电机转子磁通位置的观测比较困难,因此在定子边注入与电机控制量无关的高频信号,是提取转子磁通位置信息的有效方法之一。

为此,该文分析了异步电机高频脉振信号注入下的电机模型,得到了异步电机同步参考坐标系下的阻抗不对称的特点,提出了磁通跟踪的方法,通过检测高频脉振信号注入时的响应电流,来观测转子的磁通位置,并以此为基础实现了无速度传感器异步电机极低转速下的矢量控制。

实验结果表明,该方法在异步电机极低转速(包括零速)下能准确地观测出转子磁通位置,对电机的参数和负载变化具有鲁棒性,并且能够在零速时输出额定转矩。

关键词:异步电机;矢量控制;无速度传感器控制;磁通跟踪中图分类号:TM 921.51文献标识码:A文章编号:100020054(2003)0921169204Vector con trol of a speed sen sor -lessi nduction m otor a t very low speedDONG Le i ,L I Yongdong(D epart men t of Electr ical Engi neer i ng ,Tsi nghua Un iversity ,Be ij i ng 100084,Chi na )Abstract :T he ro to r flux angle of an inducti on m achine at very low speedcanno teasilyesti m ated;therefo re,anindependenth igh 2frequency signal w as injected in to the term inal of an inducti on mo to r to esti m ate the flux angle .T h is paper p resents an analysis of an inducti on mo to r model w ith a h igh 2frequency fluctuating signal injecti on .W hen the high 2frequency fluctuating signal is injected into the term inal of the inducti on mo to r,the difference betw een the i m pedance of the d 2and q 2axis of the synchronous ro tating reference fram e can be m easured .T he ro to r flux angle is then tracked by tuning the space vecto r of the high 2frequency signal fo r vecto r contro l of inducti on mo to rs at very low speed .Experi m ental results verify that the algo rithm is robust against param eter variati ons and load changes and that the rated to rque can be put out at very low speed including zero.Key words :inducti on mo to r;vecto r contro l;speed senso r 2lesscontro l;flux track ing 目前,在较高的电机转速范围内,异步电动机无速度传感器矢量控制系统的研究取得了令人瞩目的成果[1～5],然而,在极低转速下,由于受到电机基本模型的限制,对电机转子磁通位置的观测仍然不能满足人们的要求[6]。

异步电动机无速度传感器矢量控制系统的速度估算及参数调整问题和解决方案

异步电动机无速度传感器矢量控制系统的速度估算及参数调整
问题和解决方案
H. Tajima
【期刊名称】《变流技术与电力牵引》
【年(卷),期】2004(000)003
【摘要】研究了通用异步电动机传统的以模型为基础的无速度传感器磁场定向控制方法.为了使控制能力扩展到电机零速运行,提出了电机速度和定子电阻在线估算器的改进方法.该方法仅需要测量电机定子电气端,非常适合于多用途的逆变器场合.引入了转子电阻在线调整以对温度漂移进行全面补偿.通过仿真和实验验证了所提出的驱动系统性能.
【总页数】5页(P8-12)
【作者】H. Tajima
【作者单位】无
【正文语种】中文
【中图分类】TM346+.2
【相关文献】
1.无速度传感器三电平逆变器异步电动机直接转矩控制系统(Ⅱ)--基于全阶定子磁链观测器的参数和速度辨识 [J], 李永东;曾毅;谭卓辉;侯轩
2.无速度传感器矢量控制系统速度估算新方法 [J], 孙晓鹏;万淑芸
3.基于MRAS的异步电动机无速度传感器矢量控制系统 [J], 张月芹;薛重德;张志
林
4.异步电动机无速度传感器矢量控制系统中的EKF速度辨识法 [J], 王林翮;江巧逢;陈志芳
5.矿用异步电动机无速度传感器矢量控制系统设计 [J], 周德华
因版权原因，仅展示原文概要，查看原文内容请购买。

改进型MRAS无速度传感器的无轴承异步电机矢量控制

改进型MRAS无速度传感器的无轴承异步电机矢量控制SUN Yu-xin;TANG Jing-wei;SHI Kai;ZHU Huang-qiu【摘要】无轴承异步电机(BIM)的转子磁链电压模型中含有纯积分环节,其积分初值和累计误差会影响磁链观测精度,进而使转速估计产生严重失真.为了实现BIM无速度传感器运行,本文借鉴模型参考自适应法(MRAS)基本结构,将改进二阶广义积分器与锁频环结合以代替原有纯积分器,提出了一种新的基于MRAS的BIM无速度传感器控制方法,构建了BIM转子磁链定向无速度传感器矢量控制系统.并且,基于MATLAB/Simulink的仿真验证和基于dSPACE的实验结果表明:与传统电压模型观测方法相比,所提出的转子磁链电压模型有效避免了纯积分环节带来的直流偏移和积分初值影响,有着更好的观测效果.同时,基于无轴承异步电机转子磁链定向无速度传感器矢量控制系统,电机能稳定悬浮运行,估算转速和实测转速具有很好的一致性.【期刊名称】《控制理论与应用》【年(卷),期】2019(036)006【总页数】12页(P939-950)【关键词】无轴承异步电动机;改进模型;MRAS;ISOGI–FLL;转子磁链定向;无速度传感器【作者】SUN Yu-xin;TANG Jing-wei;SHI Kai;ZHU Huang-qiu【作者单位】【正文语种】中文1 引言随着科技的飞跃进步,人们对高速电机的需求日益剧增.《中国制造2025》中明确指出要大力发展高档数稳定悬浮,实现了电机无机械摩擦旋转,具有结构更紧凑、易于弱磁、可靠性高等优点,在高速精密数控机床、先进制造、高速离心泵、航空航天等领域有着广阔的应用前景[1-4].传统机械式传感器不能满足无轴承异步电机(bearingless induction motor,BIM)在高速和超高速时的性能要求,会存在安装、维护和系统可靠性等问题.因此,研究无轴承异步电机的无速度传感器的运行控制具有重要的现实意义[5-6].目前已有文献提出BIM转速估算方法：高频注入法[7],低频信号注入法[8],卡尔曼滤波法[9-11]、滑模观测法[12]、模型参考自适应法(model reference adaptivesystem,MRAS)[13]等.高频注入法和低频注入法可提高低速性能,但对软硬件检测精度极高,实用性不强;卡尔曼滤波法能抑制噪音干扰,但计算量大,计算时间长并且少有文献对其稳定性作出分析;MRAS法是一种方法简单,计算量小,实时性和稳定性好的转速估算方法,但转矩绕组转子磁链电压模型中存在纯积分环节,会影响转速估算精度.并且,本文尝试借鉴广义二阶积分器(secondorder generalized integrator,SOGI),用以替代转子磁链电压模型中含有纯积分环节[14-15].由于SOGI主要用于电网电压正负序分离[16]、谐波检测[17]、快速预同步[18],将其应用于磁链观测、实现频率自适应尚需严格理论分析与优化设计.文献[19]提出二阶广义频率自适应积分器(second-order generalized integrator with frequency locked loop,SOGI-FLL)方法,并着重分析其动态特性.但将其应用于MRAS结构中进行定子磁链观测尚需具体分析改进,还需考虑结构中采样电路的零漂与补偿问题. 针对MRAS转速估算方法中存在的缺陷,本文提出一种改进的电压模型转子磁链估算方法,并以改进的电压模型转子磁链为基础,构建了无轴承异步电机转子磁链定向无速度传感器矢量控制系统.最后,MATLAB/Simulink仿真和基于dSPACE实验结果验证了本文所提转速估算方法的有效性.该研究为BIM机械设备的研发和实用化发展打下基础.2 无轴承异步电机基本机理无轴承异步电机基本机理如图1所示.图1 径向悬浮力产生原理Fig.1 Generation principle of radial suspension force在图1中,通过在普通异步电机的定子槽中添加一套悬浮绕组,电机原有旋转磁场平衡被打破了,使得电机气隙中一个区域里的磁场增强,其对称区域的磁场减弱,进而产生的麦克斯韦力并指向磁场增强的方向.向转矩控制绕组通入电流I1产生磁链ψ1和向悬浮控制绕组中通入电流I2产生磁链ψ2.在忽略负载情况下,由于在气隙上侧和ψ2同向,合成磁密会增加;在气隙下侧ψ1和ψ2反向,则合成磁密会减少,从而磁拉力的分布发生改变,产生沿y正方向的径向悬浮力Fy.如果在悬浮控制绕组中通入反向电流,则可产生沿y负方向的径向悬浮力.同理,沿x轴方向的径向悬浮力Fx可以通过在悬浮控制绕组中通入与I2垂直的电流获得.2.1 无轴承异步电机转子磁场定向控制模型无轴承异步电机的控制包括旋转驱动控制和径向位移控制两部分,其中旋转驱动控制部分采用基于转矩绕组转子磁链定向控制策略;径向位移控制是由位移传感器检测出径向位移算出参考悬浮力,再生成悬浮绕组控制的电流信号来控制实现.通常认为径向力绕组只产生旋转磁场,不产生转矩.在同步旋转d,q坐标系下的基本数学模型包括以下几个方程.式中：Us1d,Us1q,Urld,Urlq为转矩系统定转子电压d,q轴分量,Rrl,Rsl为转子电阻和定子电阻,Is1d,Is1q,Irld,Irlq为转矩系统定转子电流d,q轴分量,ψs1d,ψs1q为转矩系统定子磁链d,q轴分量,ψrld,ψrlq为转矩系统转子磁链d,q轴分量,ψ1为定子电压的角频率,ψr为转子的旋转角速度,p为微分算子.式中：ψm1d,ψm1q为转矩系统气隙磁链d,q轴分量,Lm1为定子绕组与转子绕组之间的互电感,Lrl,Lsl为转子绕组与定子绕组的漏电感.转矩方程：式中：p1为电机磁极对数.采用id=0的转子磁场定向控制策略、转子磁链、转子角频率和电磁转矩可表示为2.2 无轴承异步电机径向悬浮力数学模型在d,q轴旋转磁场坐标系下用磁链表示悬浮力公式为式中：Fx,Fy为x,y方向的径向悬浮力,为电机结构常数,Is2d,Is2q为d,q轴向的磁悬浮力控制电流分量.由式(5)可求出悬浮绕组的给定电流3 传统基于MRAS无轴承异步电机转速估算3.1 MRAS原理MRAS是一种算法简单、易于实现的转速估计算法.MRAS系统包括可调模型、参考模型和自适应机构3部分组成,并且可调模型的输出和参考模型的输出有着相同的物理意义.可调模型类似于一个由控制器和受控对象组成的反馈控制回路,参考模型相当于一个给定的动态性能指标.当目标信号同时作用在可调模型和参考模型上时,可调模型输出和参考模型输出之间的信号误差信息被送入自适应机构,自适应算法不断对可调模型进行参数更新,使可调模型的输出趋近于参考模型的输出.MRAS 基本原理结构图如图2所示.图2 MRAS结构Fig.2 Structure of MRAS3.2 传统基于MRAS无轴承异步电机转速估算通过无轴承异步电机的数学模型可得到转矩绕组转子磁链电压模型和电流模型.式中：σ=1-为转矩绕组定子电阻、转矩绕组自感和转矩绕组与转子之间的互感,Rrl,Lr,ωr为转子电阻、转子自感和转子机械角速度,Tr=LrRrl为转子绕组的时间常数,Usα,Usβ,Isα,Isβ为转矩绕组的定子电压和定子电流的瞬时值,ψrα,ψrβ和ˆψrα,ˆψrβ为电压法方程和电流法方程的转子磁链瞬时标量值,p为对时间的微分. 由式(7)-(8)可知,表示转子磁链的电压模型方程中不含转速信息ωr;而另一方面,表示转子磁链的电流模型中方程含有转速信息ωr.基于MRAS理论的转速估算算法,以电压法方程为参考模型,电流法方程为可调模型,转子速度的自适应估算律为式中Kp和Ki为PI调节器的参数.4 改进电压型转子磁链估计模型由上述可知,基于无轴承异步电机转矩绕组转子磁链电流模型和电压模型,结合MRAS自适应方法,可实现转速、磁链的自适应观测.但是,由于转子磁链电压模型含有纯积分环节,其积分初值和累计误差会影响磁链观测精度,从而会对转速估计精度产生不利的影响.为此,需要对转子磁链电压模型进行一些改进.改进方法是用改进的二阶广义频率自适应积分器(improved second-order generalized integrator with frequency locked loop,ISOGI-FLL)代替纯积分器.4.1 改进SOGI在电网中,二阶广义积分器(SOGI)常被应用在电压正负序分离场合中对交流信号进行处理[14-16].SOGI结构图如图3所示,其中：d为输入信号的估计值,q为d的正交值,ω0输入信号频率.图3 SOGI结构Fig.3 Structure of SOGI其相应的闭环传递函数为由文献[14-19]可知SOGI构造具有以下特点：1)输出信号d与输入信号f同相位;2)输出信号q相位滞后输入信号f=90°;3)SOGI环节能表现出良好的带通效果以及带通滤波效果;4)闭环系统中增益系数k=1.414时,系统具有较好的动态性能.根据以上特性,本文对SOGI结构进行改进,得到改进的二阶广义积分器(improved second-order generalized integrator,ISOGI).并采用输出反馈方法实现定子磁链观测,实现形式如下：上式中ψ(s)为定子磁链观测值,us(s),(s)为定子反电势和定子反电势估计,ω0为转子角频率.ISOGI实现定子磁链观测结构如图4所示.图4 ISOGI结构Fig.4 Structure of ISOGI由图4可得到ISOGI的闭环传递函数为其幅频特性和相频特性如下：当k分别取0.5,1.414和8时,ISOGI伯德图如图5所示.图5 ISOGI伯德图Fig.5 Bode diagram of ISOGI结合式(13)以及图5可知,当k取不同的值时,幅值增益|G|始终为1/ω0,当k取较大值时表现为低通滤波特性,k取较小值时表现为带通滤波特性,并且相角关系∠G=-π/2,输出信号比输入信号滞后90°,因此ISOGI可以实现纯积分器的作用.4.2 ISOGI-FLL频率自适应转子角频率辨识由图5和式(13)可知,ISOGI环节的性能取决于增益系数k以及转子角频率ω0获取的准确性.当k=1.414时,ISOGI环节具有良好的动态特性.为了准确获取转子角频率,实现频率自适应功能.增加了一个锁频环结构(frequency locked loop,FLL),实现基于ISOGIFLL的定子磁链观测.ISOGI-FLL结构如图6所示,ISOGI环节中估计误差εv和正交输出qv′的乘积作为FLL模块的输入.当输入的正弦信号v的频率小于FLL输出频率时,qv′与εv同相位,且ωf≥0;当正弦信号v的频率大于FLL输出频率时,qv′与εv相位相反,ωf＜0；当输入的正弦信号v的频率等于FLL输出频率时,ωf=0.FLL环节中含有负增益的积分控制器-γ会根据ωf的变化逐步调整输出频率ω0,最终ω0=ω,实现频率自适应功能,准确辨识出转子角频率.图6 ISOGI-FLL结构Fig.6 Structure of ISOGI-FLL下面对其稳定性和频率响应特性进行分析.设x和y分别为状态变量和输出变量,则图6中ISOGI-FLL的状态方程可以描述为式(26)中增益Γ=γ/k为检测响应速度,可知增益Γ不与定子反电动势的幅值和频率有关.FLL模块可以简化为一阶线性系统如图7所示.图7 幅值频率自适应FLL的简化结构Fig.7 Simpli fied structure of normalized FLL4.3 改进电压模型转子磁链观测在电机实际运行中,电压和电流都是通过采样电路获取,采样电路不具备理想情况下的对称性和线性关系,采样结果会有零漂影响.结合式(7),在实现转子磁链观测时,在电流项引入一个一阶低通滤波器抑制采样电流零漂影响,并对滤波器带来的幅值相位误差进行补偿.一阶低通滤波器的补偿方法可以表示为式中ωe为同步角频率.改进后电压模型转子磁链结构如图8所示.图8 改进的转子磁链电压模型Fig.8 Improved rotor magnetic flux-lingkage-model以改进后的转子磁链电压模型为参考模型,以转子磁链电流模型为可调模型,可构建改进MRAS转速估算系统,如图9所示.图9 改进的MRAS转速估计Fig.9 Improved MRAS speed estimation将转速估算模型参考自适应系统应用于无轴承异步电机转矩绕组转子磁链定向控制系统中,构成无轴承异步电机无速度传感器矢量控制系统,如图10所示.5 仿真和实验以一台无轴承异步电动机试验样机为研究对象,在MATLAB/Simulink中建立无轴承异步电机无速度传感器矢量控制系统仿真模型如图10所示,采用id=0的磁场定向控制策略,以本文所提出方法估计出转速作为反馈转速,θ1为负载角,θ2为定子A 相绕组中心线相对于d轴的初始位置角.VR-1,2/3分别为d-q/α-β和α-β/abc转换,I1A,I1B,I1C为三相坐标系下定子电流,Usα,Usβ,Isα,Isβ为α-β坐标系下定子电压与定子电流,I2A,I2B,I2C为三相坐标系下悬浮力绕组电流,x,y为转子在x,y方向径向位移,CRPWM为电流调节型逆变器.仿真中,采用变步长,仿真模式为Discrete,仿真求解方式为ode23tb采样时间间隔为5×10-5s,样机悬浮绕组与转矩绕组是同长度分布在定子槽内,悬浮绕组靠近内圈,其它关键参数如表1所示.表1 系统参数Table 1 System parameters系统参数数值转子电感Lr=0.071mH转矩绕组和转子之间的互感 Lm=0.069H转矩绕组自感Ls=0.071mH转子电阻Rrl=0.816 Ω转子时间常数 Tr=0.087s转子质量m=2.85kg转动惯量J=0.19kg·m2转矩绕组的极对数 p2=2悬浮绕组的极对数p1=1定子电阻Rsl=0.435Ω转子磁链给定值ψir=1Wb图10 无轴承异步电机无速度传感器运行控制系统框图Fig.10 The block of speed sensorless vector control system for bearingless induction motor同时,为了验证所提方法的有效性以及改进效果,将本文所提出改进后的MRAS方法和传统改进前的MRAS方法进行比较.传统改进前MRAS方法的电压模型转子磁链由采用纯积分器的定子磁链观测器以及直接采样电流得到,改进后MRAS方法的电压模型转子磁链观测由采用ISOGI-FLL的定子磁链观测器以及采样电流经过低通滤波、幅值相位补偿得到.图11给出了改进前和改进后的采样电流和转子磁链仿真结果图.图11仿真结果Fig.11 Simulation results图11 (a)为电机端采样电流改进前和改进后的仿真图.由图可知,改进后的采样电流与改进前相比,幅值相位保持不变,但消除了谐波影响.图11(b)和图11(c)为改进前和改进后转子磁链α轴和β轴分量仿真图.由图可知,与改进前的观测效果相比,改进后的观测效果明显提高.改进后转子磁链观测值与真实值幅值和相位误差很小.图11(d)和图11(e)为改进前和改进后转子磁链轨迹仿真图.由图可知,改进后的转子磁链运行轨迹更加光滑平稳.图12给出了给定转速1500 r/min电机空载时的仿真结果图.图12(a)-12(b)为转子在径向位置的偏移曲线,电机起动后,转子快速到达中心位置,转子能稳定悬浮.图12(c)为空载转矩输出特性,启动转矩较大,响应快,转矩特性优良.图12(d)-12(e)为电机改进MRAS算法实测转速和估算转速以及转速误差仿真图,由图可知,估算转速能很好地跟踪电机实际转速,稳态时,转速误差抖动幅值在20 r/min以内.图12(f)-12(g)为电机传统MRAS算法实测转速和估算转速以及转速误差曲线,由图可知,采用传统MRAS算法时,在达到稳态前,转速误差较大,最大达到-200 r/min,达到稳态后,估算转速和电机实际转速稳态误差较小.图13给出了给定转速6000 r/min电机空载启动,在0.6 s突加3 Nm负载时仿真结果图.图13(a)-13(b)为转子在径向位置的偏移曲线.在0.6 s突加负载后,转子径向位移基本不变,转子能稳定悬浮,实现了电磁转矩和径向力位置之间动态解耦.图13(c)为空载启动,0.6 s突加负载后转矩输出特性,启动转矩较大,响应快,转矩特性优良.图13(d)-13(e)为电机改进MRAS算法实测转速和估算转速以及转速误差仿真图,由图可知,估算转速能很好地跟踪电机实际转速,当突加负载时,转速误差抖动幅值在50 r/min以内.图13(f)-13(g)为电机传统MRAS算法实测转速和估算转速以及转速误差曲线,由图可知,当突加负载时,转速估算误差较大,最大达到200 r/min.图12 仿真结果Fig.12 Simulation results为了进一步验证本文方案的有效性,将图(10)中仿真模型的主电路部分去掉,把保留的控制系统接口部分替换成实时仿真所需的RTI模块,并对RTI模块参数进行相应的设置.同时,结合dSPACE软、硬件系统和主电路以及相应的外围接口电路以构成基于dSPACE半实物仿真的无轴承异步电机的控制试验平台,如图14所示.图15为实验硬件平台组成框图,由dSPACE1005的运算控制单元、电压电流采样电路、调理电路、CPLD可编程逻辑模块、IPM驱动模块、整流滤波模块、上位机、示波器等模块组成.其中定子电压、定子电流和转速分别由电流、电压霍尔传感器和光电编码器测得,这些信号经信号调理板输入dSPACE 1005,再由dSPACE1005完成转速估算的算法部分.图13 仿真结果Fig.13 Simulation results图14 无轴承异步电机的dSPACE控制试验平台Fig.14 dSPACE control test platform for BIM图15 基于dSPACE的BIM系统硬件平台结构Fig.15 Hardware platform structure of BIM system based on dSPACE图16 为无轴承异步电机空载启动后,转速由0 r/min到1500 r/min转子稳定悬浮时径向位移波形,由图可知转子的径向位移同时误差小±15µm电机能稳定悬浮.图16径向位移波形Fig.16 The radial displacement waveform图17 和图18分别为改进前传统转子磁链观测α,β轴分量和改进后采用本文所提方案转子磁链观测α,β轴分量转子磁链波形图.由图可知,改进后的转子磁链观测效果更好,更光滑.图17 改进前转子磁链波形Fig.17 Improved front rotor flux linkage waveform 图18改进后转子磁链波形Fig.18 Improved rotor flux linkage waveform图19 为电机空载起动后,由0 r/min到1500 r/min用增量式光电编码盘实测出转速波形图,波形光滑.图20为电机起动后,由0 r/min到1500 r/min用文中所提出的转速估算方法所估算出的转速,超调量小,但波形毛刺较多.图19 实测转速Fig.19 Measured speed图20 估算转速Fig.20 Estimated speed图21 为由0 r/min到1500 r/min时,实测转速和估计转速的拟合波形,由图可知,采用本文所提出的转速估算方法,能有效跟踪和准确估算出无轴承电机的实际转速.图22为电机空载运行转矩绕组三相电流以及电机空载转矩.图21 实测转速和估计转速的拟合波形Fig.21 The fitted waveform of measured speed and estimated speed图22 转矩绕组三相电流和空载转矩Fig.22 Three-phase current of the torque winding and torque6 结论1)对BIM基本机理和控制策略进行了分析,建立基于转子磁链定向BIM无速度传感器矢量控制模型.以基于ISOGI-FLL改进型转矩绕组转子磁链电压模型为参考模型,电流模型为可调模型来估算BIM转速.仿真和实验结果证明：估算转速能很好跟踪实际转速,转速误差小,动态性能良好.2)以ISOGI-FLL代替纯积分器,有效地解决了纯积分带来的直流偏移和积分初值问题.3)在进行定子磁链观测时,以ISOGI-FLL代替纯积分器,并且考虑采样电路的不对称性,对采样电流进行滤波处理,幅值和相位补偿.仿真和实验结果证明,本文所提方案能有效提高转子磁链观测效果.参考文献:【相关文献】[1]CHIBA A.Bearingless induction motors.Magnetic Bearings and Bearingless Drives,DOI：10.1016/B978-075065727-3/50016-X,2005：251-273.[2]ZHU Huangqiu,CHEN Jinhai,ZUO Wenquan.Principle and control system design for bearingless permanent magnet slice motor pump.Journal of Drainage and Irrigation Machinery Engineering,2012,30(5)：517-521.(朱熀秋,陈金海,左文全.无轴承永磁薄片电动机泵原理及控制系统设计.排灌机械工程学报,2012,30(5)：517-521.)[3]SUN Yuxin,QIAN Zhongbo.Independent RBFNN inverse decoupling control of the levitation subsystem of bearingless induction motor for NC machine.Journal of Vibration and Shock,2016,35(21)：196-202.(孙宇新,钱忠波.数控机床高速无轴承异步电动机悬浮子系统RBFNN逆独立解耦控制.振动与冲击,2016,35(21)：196-202.)[4]SUN Yuxin,YANG Yuwei.Adaptive inverse control for levitation system of bearingless induction motors based on nonlinear filters.Control Theory&Applications,2016,33(3)：304-310.(孙宇新,杨玉伟.无轴承异步电机悬浮系统的非线性滤波器自适应逆控制.控制理论与应用,2016,33(3)：304-310.)[5]BU Wenshao,ZU Conglin,LU Chunxiao.Decoupling control strategy of bearingless induction motor under the conditions of considering current dynamic characteristics.Control Theory&Applications,2014,31(11)：1561-1567.(卜文绍,祖从林,路春晓.考虑电流动态的无轴承异步电机解耦控制策略.控制理论与应用,2014,31(11)：1561-1567.)[6]YANG Zebin,SUN Xiaodong,ZHU Huangqiu,et al.Key technologies and development trend of bearingless induction.China Mechanical Engineering Motors,2013,24(12)：1695-1703.(杨泽斌,孙晓东,朱熀秋,等.无轴承异步电机关键技术与发展趋势.中国机械工程,2013,24(12)：1695-1703.)[7]CHIBAH A,MENAA M,YAZID K.Rotor speed estimation of doubly fed induction motor using high frequency carrier signal injection.Power Electronics and Motion Control Conference and Exposition.IEEE,2014：751-756.[8]YANG Zebin,LI Fangli,CHEN Zheng,et al.Revolving speed selfdetecting control based on low frequency signal injection for bearingless induction motor.Transactions of the Chinese Society of Agricultural Engineering,2017,33(2)：41-47.(杨泽斌,李方利,陈正,等.基于低频信号注入法的无轴承异步电机转速自检测控制.农业工程学报,2017,33(2)：41-47.)[9]YANG Zebin,FAN Rong,SUN Xiaodong,et al.Speed-sensorless control system of bearingless induction motor based on the extended Kalman filte.Chinese Journal of Scienti fic Instrument,2015,36(5)：1023-1030.(杨泽斌,樊荣,孙晓东,等.基于EKF的无轴承异步电机无速度传感器控制.仪器仪表学报,2015,36(5)：1023-1030.)[10]XU Bo,ZHU Huangqiu,JI Wei,et al.Modi fied square root unscented Kalman filter andits application to speed sensorless control of bearingless permanent magnet synchronous motor.Control Theory&Applications,2012,29(1)：53-58.(许波,朱熀秋,姬伟,等.改进型平方根无迹卡尔曼滤波及其在无轴承永磁同步电机无速度传感器运行中的应用.控制理论与应用,2012,29(1)：53-58.)[11]YIN Zhonggang,ZHANG Ruifeng,ZHONG Yanru,et al.Speed estimation for permanentmagnet synchronous motor based on robust extended Kalman filter.ControlTheory&Applications,2012,29(7)：921-927.(尹忠刚,张瑞峰,钟彦儒,等.基于抗差扩展卡尔曼滤波器的永磁同步电机转速估计策略.控制理论与应用,2012,29(7)：921-927.)[12]TENG Qingfang,BAI Jianyong,ZHU Jianguo,et al.Sensorless modelpredictive torque control using sliding-mode model reference adaptive system observer for permanent magnet synchronous motor drive systems.Control Theory&Applications,2015,32(2)：150-161.(滕青芳,柏建勇,朱建国,等.基于滑模模型参考自适应观测器的无速度传感器三相永磁同步电机模型预测转矩控制.控制理论与应用,2015,32(2)：150-161.)[13]GAO Jian,HUANG Shoudao,MA Xiaofeng,et al.Speed sensorless vector control system of bearingless induction motors based on mutual MRAS scheme.Transactions of China Electrical Society,2008,23(11)：41-46.(高剑,黄守道,马晓枫,等.基于交互式MRAS策略的无轴承异步电机无速度传感器矢量控制系统.电工技术学报,2008,23(11)：41-46.)[14]PARK J S,NGUYEN T H,LEE D C.Advanced SOGI-FLL scheme based on fuzzy logic for single phase grid connected converters.Journal of Power Electronics,2014,14(14)：598-607.[15]PATIL K R,PATEL H H.Modi fied dual second-order generalized integrator FLL for frequency estimation under various grid abnormalities.Transactions onEnvironment&Electrical Engineering,2016,1(4)：10-18.[16]XUE Shangqing,CAI Jinding.Detection of fundamental positive and negative sequence components based on second-order generalized integrator.Electric Power Automation Equipment,2011,31(11)：69-73.(薛尚青,蔡金锭.基于二阶广义积分器的基波正负序分量检测方法.电力自动化设备,2011,31(11)：69-73.)[17]SHAO Zhenhua,CHEN Chong,LIN Ruiquan.Harmonic current detection with adaptive frequency tracking based on multiple secondorder generalized integrators.Electric Power Automation Equipment,2012,32(6)：51-55.(邵振华,陈冲,林瑞全,基于复合二阶广义积分的频率自适应谐波电流检测.电力自动化设备,2012,32(6)：51-55.)[18]DENG Zhe,ZHOU Fengwu,LIN Huipin,et al.A Novel Fast grid synchronization method under grid failure based on dual-input SOGI-FLL.Transactions of China Electrical Society,2013,28(12)：32-43.(邓哲,周峰武,林辉品,等.电网故障时基于双输入SOGI-FLL的新型电网快速同步方法.电工技术学报,2013,28(12)：32-43.)[19]XIN Zhen,ZHAO Rende,CHEN Chen,et al.New induction motor synchronous angular frequency estimation method based on dual second order generalized integrator-frequency locked loop.Proceedings of the CSEE,2014,34(27)：4676-4682.(辛振,赵仁德,陈晨,等.基于双二阶广义积分器-锁频环的异步电机同步角频率估计方法.中国电机工程学报,2014,34(27)：4676-4682.)。