基于强跟踪滤波算法的异步电机参数自适应无速度传感器控制

合集下载

基于强跟踪滤波算法的异步电机参数自适应无速度传感器控制

要：在异步电机四阶模型的基础上增加机械和转矩方程，引入负载转矩和转子电阻为状态变量，并
得到七阶非线性模型。利用强跟踪滤波（Ｔ算法实现电机状态和转子电阻的同时估计，ＳＦ）通过仿真比较了ＳＦ和扩展ＫｌａＴａｍｎ滤波（Ｋ）ＥＦ算法的估计性能。结果表明，ＴＳＦ算法能有效估计电机状态及辨识转子电阻，并且具有比ＥＦ算法更理想的估计性能，Ｋ同时能满足极低速和零速下的估计要求，而在电机的整个工作范从
控制与应用技术ＥｃＭＡ
咤札与粒芾Ｊ用２１，（）应０１８５３
基于强跟踪滤波算法的异步电机参数自适应无速度传感器控制术
陆可
（南交通大学电气工程学院，西四川成都
摘
６０３）１０１
ｗｉｏｏｅｉｔｎｅａｐｔｔｏｎｔｔｒｔｒｒｓｓａｃｄａａｉｎｉｈｅｗｈｏｅｏｅａｉｎｒｎｅｈｌｐｒｔｏａｇ．
Ｋｅｒｓｓｎｈｏｏｓｍｏｏ；ｓｅｄｓｎｏｌｓｏｔｏ；ｅｔｎｅｌａｌｒｔｏｇｔａｋｆｔｒｙｗｏｄ：ａｙｃｒｎｕｔｒｐｅｅｓｒｅｓｃｎｒｌｘｅｄｄＫａｍｎｆｔ；ｓｒｎｒｃｌｅｉｅｉ
ｔａｓｎｅｏｒｅｉａｃｅｅｓｍｔｄｓｌｎｏｓｓｇｓｏｇｔｃｌｒＳＦ．ｏｐｔｍｌｔｎｏｓｔｄｔｔｓｔｎｅｗｒｅｔａｅｉｔｅｕｌｕｉｒｎａｋｆｔ（Ｔ）Ｃｍｕｅｓｕａｏｓｒｔｅａｈｒｏｒｓｉｍｕａｙｎｔｒｉｅｒｉｉ

一种用于无速度传感器异步电机控制的自适应滑模观测器

ｓｅｄｏｓｒｅａｅｈｕｐｔｆｍｈｅｏｄｃｒｅｔｂｅｅｎｈｏｏｕｂｅｅｓｉｎｕｓａｄｇｎｒｐｅｂｅｒｔｋｓｔｅｏｔｕｓｒｖｏｔｅｓｃｎｕｎｓｒｒａｄｔｅｒｔｒｆｘｏｓｒｒａｔｉｐｔｎｅｅ－ｏｖｌｖｓａｅｈｓｉｔｄｒｔｒｓｅｄａｈｕｐｔｈｓｉｔｄｓｅｄｉｔｅｅａｋｔｈｅｏｄｃｒｅｔｂｅｅｎｔｓｔｅｅｔｍａｅｏｏｐｅｓｔｅｏｔｕ．Ｔｅｅｔｍａｅｐｅｓｈｎｆｄｂｃｏｔｅｓｃｎｕｒｎｓｒｒａｄｏｖ
Ａｂｓｒｃ：Ａｎａａｔｖｌｄｉｇｍｏｅｏｂｅｖｒｆｒｉｄｕｔｏｔｒｓｎｏｌｓｓｅｏｔｏｓｓｕｄｅｗｈｉｈｗａｔａｔｄｐｉｅｓｉｎ — ｄｓｒｅｏｎｃｉｎｍｏｏｅｓｒｅｓｐｅｄｃｎｒｌｗａｔｉｄ，ｃｓｃｍｐｅｆｔｓｉｎ — ｏｅｕｒｎｂｓｒｅｓ，ａｌｄｎ — ｄｅｒｔｒｆｕｘｏｅｅｄｓｅｏｓｒｅ．Ｔｈｅｒｔｒｏｏｓｄｏｗｏｌｄｉｇｍｄｃｒｅｔｏｅｒｖｓｉｉｇｍｏｏｏｌｂｓｒｒａｎｐｅｄｂｅｒｖｖｏｏ
摘要：研究了一种用于异步电机控制的白适应滑模观测器。该观测器由两个滑模电流观测器、子磁转链观测器和速度估计部分组成。转子磁链观测器以两个电流观测器和速度观测器的输出作为输入，估计转速反馈到第二个电流观测器和转子磁链观测器。采用Ｌａｕｏｙｐｎｖ理论和Ｐｐｖ超稳定性理论对该方法的稳定性ｏｏ进行验证。该观测器具有设计新颖、对参数变化具有很强的鲁棒性等特点。通过Ｓｍｌｋ仿真验证了该观测ｉｕｉｎ

一种用于异步电机无速度传感器控制的自适应滑模观测器

一种用于异步电机无速度传感器控制的自适应滑模观测器高艳霞;陈静;范应鹏;宋文祥【摘要】For the problem of poor robustness to parameter change of induction motor speed sensorless control,an adaptive sliding mode observer based sensorless vector control method is presented for induction motor in this paper.The rotor flux observer was constructed on the basis of the state equation in static coordinate system.The sliding mode surface of the observer was derived by the error of the estimated stator current and the actual stator current.With the sliding motion,the estimated values were reaching the actual values finally,thus realizing the estimation of the motor rotor flux.The motor speed was obtained by adaptive theory.The Lyapunov stability theory guarantees the stability of the presented pared with other methods,adaptive sliding mode observer in this paper is superior in implementation easily and better robustness to the motor parameters deviations.The method has been simulated and implemented using the TMS320F2812 fixed-point DSP controller.Simulation and experiment results verify its feasibility and effectiveness,and under the condition of the load disturbance and the given speed change the sliding mode observer has certain robustness.%针对异步电机无速度传感器中存在的对参数变化鲁棒性差的问题,研究了一种基于自适应滑模观测器的异步电机无速度传感器的矢量控制方案.自适应滑模观测器根据电机静止坐标系下的数学模型构造了转子磁链观测器,定子电流观测值与实际值的误差构成观测器的滑模面,在滑模运动下该观测器的观测值最终趋近于实际值,从而实现转子磁链的估计.电机转速由自适应方法估算得到,滑模观测器的稳定性可由李雅普诺夫稳定性证明.与其他方案相比,该方法的优点在于实现简单,对参数变化具有鲁棒性.仿真和实验对控制方案的正确性和可行性给出了验证,该观测器可以实现对转子磁链和转速的观测,且在负载扰动和给定转速变化的情况下该滑模观测器具有鲁棒性.【期刊名称】《电机与控制学报》【年(卷),期】2017(021)004【总页数】9页(P8-16)【关键词】异步电机;自适应滑模观测器;无速度传感器;矢量控制;鲁棒性【作者】高艳霞;陈静;范应鹏;宋文祥【作者单位】上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072【正文语种】中文【中图分类】TM343异步电机的低成本、高可靠性，使其有广泛的应用。

基于扩展卡尔曼滤波的异步电机无速度传感器矢量控制

矢量控制需以转子磁链矢量定向，控制计算时需要知道转子磁链的幅值和相位．现代矢量控制技术多采用间接观测磁链的方法，即检测出电压、电流或转速信号，利用转子磁链模型，计算出转子磁链的幅值和相位．转速闭环控制需采用速度传感器，这增加了调速系统的成本及复杂性，在某些恶劣环境下速度传感器无法安装，因此，近１０年来，国内外很多学者进行了无速度传感器矢量控制的研究，如采用模型参考自适应、自校正方法等［１－６］．但是这种方法进行转速估计和磁链观测的准确性很大程度上依赖于对参考模型输出量的准确测量，同时参数自适应率算法过于复杂，存在大量微分、积分运算，如通过微处理器对其离散化实现比较困难，而本文介绍的转速、磁链估计的递推算法则很容易通过软件编程实现．异步电机的状态方程是一组非线性方程，根据系统辨识理论［７－８］，对非线性系统状态估计最好的方法是扩展卡尔曼滤波．本文应用扩展卡尔曼滤波，对转子磁链和转速估计进行了理论分析和实验研究．这种算法通过建立一个新的状态方程，将定子电流、转子磁链和转速作为状态变量，定子电压和电流作为输入、输出变量，根据扩展卡尔曼滤波的算法步骤对５个变量进行实时状态估计．１矢量控制的基本原理异步电机矢量控制技术由德国人在２０世纪７０年代初提出，它实质上是一种电机转矩和磁链的解耦控制方法，利用矢量控制技术，异步电机就如同直流电机一样，可以分别控制其转矩和磁链来控制其转速．在矢量控制系统中，坐标变换和反变换是非常重要的概念，其中定子电流在两相静止坐标系的交流分量ｉ"ｓａ、ｉ%ｓβ到同步旋转坐标系的直流分量ｉ"ｓｍ、ｉ%ｓｔ的Ｐａｒｋ变换以及ｉ%ｓｍ、ｉ%ｓｔ变换到ｉ%ｓａ、ｉ%ｓβ的Ｐａｒｋ反变换是最重要的，因此求出电机转子磁链的幅值和相位是矢量控制技术的关键，由电机的基本方程可得以下的状态方程和机械运动方程：基于扩展卡尔曼滤波的异步电机无速度传感器矢量控制张伟，陈丹江（浙江万里学院，宁波３１５１００）摘要：异步电机无速度传感器矢量控制系统需解决两个问题：转速的估计和转子磁链的观测．电机状态方程由于存在状态变量的乘积项，是一组非线性状态方程，为了对电机状态方程进行状态估计，得到电机的转子磁链和转速信号，文章采用扩展卡尔曼滤波进行状态估计．基于数字电机控制专用ＤＳＰ开发系统，通过软件实现扩展卡尔曼滤波对磁链和转速的估计，获得了令人满意的实验结果．证明扩展卡尔曼滤波算法对磁链和转速的实时估计是非常准确的，由此构成的无速度传感器系统具有良好的静、动态性能．关键词：异步电机；无速度传感器矢量控制；转速估计；转子磁链观测；扩展卡尔曼滤波；数字信号处理器（ＤＳＰ）中图分类号：ＴＰ２７３；ＴＭ３４３文献标识码：Ａ文章编号：１６７１－２２５０（２００７）０５－００２９－０６收稿日期：２００６－１２－２８作者简介：张伟，浙江万里学院电子信息学院讲师，工学博士；陈丹江，浙江万里学院电子信息学院助教，工学硕士．浙江万里学院学报第２０卷第５期Ｖｏ１．２０Ｎｏ．５２００７年９月ＪｏｕｒｎａｌｏｆＺｈｅｊｉａｎｇＷａｎｌｉＵｎｉｖｅｒｓｉｔｙＳｅｐｔｅｍｂｅｒ２００７３０浙江万里学院学报２００７年９月（１）其中：Ｒｓ、Ｒｒ——定、转子电阻；Ｌｓ、Ｌｒ——定、转子自感；Ｌｍ——定转子互感；——转子时间常数，；σ———电机极对数；—定子电压α、β轴分量；ωｒ———漏感系数，；ｕｓａ、ｕｓβ———转子电角速度；Ｐｎ——Ｊ———电机转动惯量；Ｍｌ———电机负载转矩．很明显（１）式是一组非线性方程，根据系统辨识理论，对非线性状态方程进行状态估计的最有效算法是扩展卡尔曼滤波算法．２基于扩展卡尔曼滤波的转子磁链和转速估计扩展卡尔曼滤波器是一种应用广泛的针对非线性系统进行状态估计的有效算法，对于无速度传感器矢量控制系统，由于转速为未知量，此时我们把转速ωｒ认为是一个状态变量，根据电机的机械运动方程和原来的状态方程构成新的电机状态方程，如式（２）所示，此时系统方程有５个状态变量：［ｉｓａ，ｉｓβ，ψｒａ，ψｒβ，ωｒ］Ｔ，而系统的输入和输出不变．假定速度控制环的频率相对于电机机械时间常数来说要大得多，则在一个采样周期内转速可以认为保持恒定，即机械运动方程可表示为：将电机新的５维状态方程列写如下：（２）其中：；方程（２）显然是一组非线性状态方程，扩展卡尔曼滤波算法是一种递推式状态估计算法，为此先对连续时间方程（２）进行离散化，按照离散化公式：得到电机状态方程的离散化形式：（３）上述离散化状态方程是确定性的方程，在计算状态变量是需要用到定子电流［ｉｓａ，ｉｓβ］Ｔ和定子电压［ｕｓａ，ｕｓβ］Ｔ的实际测量信号，以及定转子的准确参数，而测量信号不可避免存在测量误差，定转子参数也会随着系统运张伟，陈丹江：基于扩展卡尔曼滤波的异步电机无速度传感器矢量控制３１第５期行发生变化．同时对连续时间系统方程离散化也存在固有的舍入误差和量化误差，这些都将影响扩展卡尔曼滤波状态估计的准确性，导致控制效果变差．因此我们把这些不确定因素归结为状态噪声矢量ｗ（ｋ）和测量噪声矢量ｖ（ｋ），其中状态噪声矢量ｗ（ｋ）代表了由于电机参数变化和离散化导致的误差，测量噪声矢量ｖ（ｋ）则代表对电机输入输出信号测量引起的误差，相应的系统状态方程和输出方程为：假定状态噪声矢量ｗ（ｋ）和测量噪声矢量ｖ（ｋ）都是静态和高斯分布的，在扩展卡尔曼滤波算法中，我们关心的不是直接使用噪声矢量ｗ（ｋ）和ｖ（ｋ），而是需要利用噪声矢量的协方差矩阵，状态噪声和测量噪声的协方差定义如下：；其中：Ｅ#$表示数学期望值在前面对连续时间方程离散化过程中，我们假定，以此来简化机械运动方程，这有可能忽略与负载类型相关的问题，是对电机模型方程一个粗略的假定，使得准确性下降．在引入了状态噪声矢量ｗ（ｋ）后，这些影响就可以当作电机模型的噪声处理，使模型方程更准确．以上对电机模型进行了离散化，并考虑了状态噪声和测量噪声，得到电机离散化状态方程，在此基础上就可以利用此非线性方程对电机的５个状态进行估计，扩展卡尔曼滤波估计是针对非线性系统方程的一种随机的观测器，其目的是在出现模型和测量噪声时，仍能对系统状态进行准确估计，扩展卡尔曼滤波的结构如图１所示，下面对其过程进行分析．１．首先假定已知ｋ时刻的系统状态估计，根据对ｋ＋１时刻的状态进行预测，由于噪声矢量事前不能确定，因此只能根据确定性方程得到ｋ＋１时刻的状态预测值ｘ（ｋ＋１），预测方程为：２．计算预测误差的协方差矩阵Ｐ（ｋ＋１｜ｋ）浙江万里学院学报２００７年９月进行矩阵运算，首先要对矩阵的元素进行寻址，Ｆ２４０７Ａ是逐行存储矩阵的，因此可以很方便的利用辅助寄存器对矩阵元素进行间接寻址．计算Ｚ的每一个元素需要进行５次乘、加运算，这５次运算是一个循环过程，每次只需改变操作数的地址．ＤＳＰ有一组专门执行循环的汇编语句：．ｌｏｏｐ和．ｅｎｄｌｏｏｐ因此，利用３次嵌套的循环语句可以实现矩阵相乘运算．采用汇编伪指令语句将不占用指令执行时间，以上对矩阵相乘的程序经过汇编后，将生成３５０条指令语句，每条乘、加指令都是单周期指令，这样计算一次矩阵相乘的时间为：３５０×２５（ｎｓ）＝８．７５ｕｓ．而卡尔曼滤波算法程序汇编生成１８３０条指令语句，其指令执行时间为：１８３０×２５（ｎｓ）＝４５．７５ｕｓ．执行一次中断子程序大约有２５６０条指令，相应的指令执行时间约为６４ｕｓ．考虑程序的执行时间是非常重要的，因为中断子程序执行时间将直接影响功率器件开关频率的选择．４．计算ｋ＋１时刻的状态估计值５．确定ｋ＋１时刻的预测误差的协方差矩阵３实验系统设计基于数字电机控制专用ＤＳＰ，对无速度传感器矢量控制系统进行实验研究，通过软件实现扩展卡尔曼滤波对磁链和转速的估计，以及空间矢量调制算法，利用扩展卡尔曼滤波对异步电机的状态进行估计，可以同时得到转子磁链和转速的估计值．扩展卡尔曼滤波算法计算工作量大，对处理器指令执行的快速性要求较高．而数字信号处理器（ＤＳＰ）具有高速的指令执行速度，强大的外设处理能力和丰富的软件资源，已成为高性能电机控制系统必需的硬件支持．我们基于德州仪器公司的数字电机控制专用ＤＳＰ（ＴＭＳ３２０ＬＦ２４０７Ａ）［９－１０］，对无速度传感器矢量控制系统进行实验研究，系统结构框图如图２所示：矢量控制系统设计包括硬件电路部分和控制算法部分，系统的硬件电路相对比较简单．系统的控制算法部分（结构框图的虚线部分）是整个矢量控制系统的核心，它利用扩展卡尔曼滤波算法实现异步电机的转子磁链和转速估计，还进行需要的各种坐标变换以及电压空间矢量ＰＷＭ波形输出的控制算法，控制算法部分是由Ｆ２４０７Ａ通过软件实现．Ｆ２４０７Ａ外设中含有一个事件管理器模块，它为电机控制用途提供了强有力的硬件和软件支持．事件管理器包括２个定时器、３个比较单元、脉宽调制ＰＷＭ波形生成电路、以及外设中断逻辑等，利用这些功能可以得到６路可调脉宽并带死区封锁的互补ＰＷＭ波形输出，而外设中断逻辑正好实现控制算法的中断子程序．扩展卡尔曼滤波的算法步骤如上节所述，在此不再重复．在扩展卡尔曼滤波算法中，存在大量的矩阵运算，如矩阵相加、相乘、求逆运算等，有必要分析一下矩阵运算过程及指令执行时间．我们以典型的矩阵相乘为例进行分析，假定Ｘ、Ｙ是两个５×５的矩阵，Ｚ＝Ｘ、Ｙ，即：图２矢量控制系统结构框图３２第５期表１给定转速、观测转速和实测转速对照表转速给定观测转速（ｒｐｍ）实测转速（ｒｐｍ）１２．５Ｈｚ３４９．３～３５０３４７～３５０２０Ｈｚ５９９．２～６００５９２～５９４２５Ｈｚ７４９．６～７５０７４４～７４７４０Ｈｚ１１９９．６～１２００１１６８～１１７０５０Ｈｚ１４９９．６～１５００１４７９～１４８０４实验结果根据前面介绍的系统硬件电路和软件控制算法，对无速度传感器控制系统进行了实验研究．实验测试了异步电机空载起动过程及稳态运行情况，以此检验系统的动态和静态性能，对实验过程中的数据结果做了波形和读数记录．实验电机的参数如下：Ｐｎ＝１８０Ｗ，Ｕｎ＝２２０Ｖ，Ｉｎ＝０．６５Ａ，ｎ＝１４４０ｒｐｍ，ｎｐ＝２，Ｒｓ＝３９．５５Ω，Ｒｒ＝６３．９９Ω，Ｌｓ＝Ｌｒ＝９１７．４１ｍｈ，Ｌｍ＝７９８．９２ｍｈ其中，电机的定转子参数是通过空载和堵转实验测得．实验过程测试了电机从静止到５种不同的转速给定的起动及稳定运行过程，如果以５０Ｈｚ对应于电机的理想空载转速，这５种转速给定分别是１２．５Ｈｚ、２０Ｈｚ、２５Ｈｚ、４０Ｈｚ和５０Ｈｚ．当电机从静止加速到稳定运行以后，对于５种不同的转速给定情况，用闪光测速仪记录下稳定运行时电机的转速读数，如表１所示：对转速给定在５０Ｈｚ情况，利用示波器（ＴｅｋＴＤＳ２１０）记录了磁链观测值、和转速估计值的波形，如图３所示．其中图３（ａ）上、下分别是转子磁链在两相静止坐标中的观测值ψｒａ，ψｒβ的波形；图３（ｂ）上面是电机转速估计值的波形，下面是通过转速校验电路实测的转速波形．磁链波形是在电机稳定运行情况下记录的转子磁链的估计值，磁链波形几乎完全是正弦波形，转子磁链的幅值很明显是恒定的．上下两个波形之间都相差１／４周期，分析每种转速给定的磁链波形的周期，也都是对应的给定转速频率的倒数．转子磁链波形证明利用扩展卡尔曼滤波对转子磁链的估计是准确的，实验结果和理论分析完全一致．通过每种给定转速情况下起动过程的转速估计和实测转速波形的对比发现，转速估计值和实测值非常接近，前面的稳态转速记录说明实验系统具有良好的静态性能，转速波形则说明利用扩展卡尔曼滤波对转速的估计是非常准确的，系统具有良好的动态性能．５结论本文利用扩展卡尔曼滤波对异步电机的状态变量进行估计，分析了转子磁链和转速估计的详细步骤．基于数字电机控制专用ＤＳＰ开发系统，设计了矢量控制系统硬件电路，通过软件实现扩展卡尔曼滤波对磁链和转速估计的控制算法，获得了令人满意的实验结果．通过对记录波形的分析，转子磁链波形变化规律和理论分析是一致的，转速的观测和实际所测量得到的转速在电机起动过程以及稳态运行时也基本一致，证明扩展卡尔曼滤波算法对磁链和转速的实时估计是准确的，由此构成的无速度传感器系统具有较好的静、动态性能．张伟，陈丹江：基于扩展卡尔曼滤波的异步电机无速度传感器矢量控制３３浙江万里学院学报２００７年９月ＳｐｅｅｄＳｅｎｓｏｒｌｅｓｓＦｉｅｌｄＯｒｉｅｎｔｅｄＣｏｎｔｒｏｌｏｆＩｎｄｕｃｔｉｏｎＭｏｔｏｒｓＢａｓｅｄｏｎＥｘｔｅｎｄｅｄＫａｌｍａｎＦｉｌｔｅｒＺＨＡＮＧＷｅｉ，ＣＨＥＮＤａｎ－ｊｉａｎｇ（ＺｈｅｊｉａｎｇＷａｎｌｉＵｎｉｖｅｒｓｉｔｙ，Ｎｉｎｇｂｏ３１５１００）Ａｂｓｔｒａｃｔ：ＴｗｏｐｒｏｂｌｅｍｓｍｕｓｔｂｅｓｏｌｖｅｄｉｎｔｈｅｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓＦｉｅｌｄＯｒｉｅｎｔｅｄＣｏｎｔｒｏｌｏｆｉｎｄｕｃｔｉｏｎｍｏｔｏｒｄｒｉｖｅ：ｔｈｅｓｐｅｅｄｅｓｔｉｍａｔｉｏｎａｎｄｒｏｔｏｒｆｌｕｘｏｂｓｅｒｖａｔｉｏｎ．Ｂｅｃａｕｓｅｏｆｔｈｅｍｕｌｔｉｐｌｉｃａｔｉｏｎｔｅｒｍｓｏｆｓｔａｔｅｖａｒｉａｂｌｅｓ，ｔｈｅｉｎｄｕｃｔｉｏｎｍｏｔｏｒｍｏｄｅｌｉｓｔｈｅｎｏｎ－ｌｉｎｅａｒｓｔａｔｅｅｑｕａｔｉｏｎｓ．Ｔｏｅｓｔｉｍａｔｅｔｈｅｓｔａｔｅｖａｒｉａｂｌｅｓｏｆｍｏｔｏｒｍｏｄｅｌａｎｄｔｏｏｂｔａｉｎｔｈｅｒｏｔｏｒｆｌｕｘａｎｄｖｅｌｏｃｉｔｙｓｉｇｎａｌｓ，ｔｈｅｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｔｏｅｓｔｉｍａｔｅｔｈｅｍｕｓｉｎｇｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒ．ＥｘｐｅｒｉｍｅｎｔｉｓｂａｓｅｄｏｎｔｈｅＤＳＰｄｅｓｉｇｎｓｙｓｔｅｍｆｏｒｄｉｇｉｔａｌｍｏｔｏｒｃｏｎｔｒｏｌ．ＳｏｆｔｗａｒｅｐｒｏｇｒａｍｓａｒｅｕｓｅｄｔｏｃａｒｒｙｏｕｔｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒａｌｇｏｒｉｔｈｍｔｏｅｓｔｉｍａｔｅｔｈｅｒｏｔｏｒｓｐｅｅｄａｎｄｆｌｕｘｅｓ．ＴｈｅｓａｔｉｓｆｙｉｎｇｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｐｒｏｖｅｔｈａｔｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒａｌｇｏｒｉｔｈｍｃａｎｅｓｔｉｍａｔｅｒｅａｌｔｉｍｅｒｏｔｏｒｓｐｅｅｄａｎｄｆｌｕｘｖｅｒｙａｃｃｕｒａｔｅｌｙ，ａｎｄｂａｓｅｄｏｎｗｈｉｃｈｔｈｅｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓｄｒｉｖｅｓｙｓｔｅｍｈａｓｇｏｏｄｓｔａｔｉｃａｎｄｄｙｎａｍｉｃｐｅｒｆｏｒｍａｎｃｅ．Ｋｅｙｗｏｒｄｓ：ｉｎｄｕｃｔｉｏｎｍｏｔｏ；ｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓＦｉｅｌｄＯｒｉｅｎｔｅｄＣｏｎｔｒｏｌ；ｓｐｅｅｄｅｓｔｉｍａｔｉｏｎ；ｒｏｔｏｒｆｌｕｘｏｂｓｅｒｖａｔｉｏｎ；ｅｘｔｅｎｄｅｄＫａｌｍａｎｆｉｌｔｅｒ；ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ（ＤＳＰ）参考文献：［１］ＬｉＺｈｅｎａｎｄＬｏｎｇｙａＸｕ．ＳｅｎｓｏｒｌｅｓｓＦｉｅｌｄＯｒｉｅｎｔａｔｉｏｎＣｏｎｔｒｏｌｏｆＩｎｄｕｃｔｉｏｎＭａｃｈｉｎｅｓＢａｓｅｄｏｎａＭｕｔｕａｌＭＲＡＳＳｃｈｅｍｅ，［Ｊ］．ＩＥＥＥＴｒａｎｓ．ｏｎＩｎｄ．Ｅｌｅｃｔｒｏｎ，１９９８，ｖｏｌ．４５，ＮＯ．５：８２４－８３０．［２］ＰａｔｒｉｃｋＬ．Ｊａｎｓｅｎ，ＲｏｂｅｒｔＤ．Ｌｏｒｅｎｚ，ａｎｄＤｏｎａｌｄＷ．Ｎｏｖｏｔｙ，Ｏｂｅｒｓｅｖｅｒ－ＢａｓｅｄＤｉｒｅｃｔＦｉｅｌｄＯｒｉｅｎｔａｔｉｏｎ：ＡｎａｌｙｓｉｓａｎｄＣｏｍｐａｒｉｓｏｎｏｆＡｌｔｅｒｎａｔｉｖｅＭｅｔｈｏｄｓ，［Ｊ］．ＩＥＥＥＴｒａｎｓ．Ｉｎｄ．Ａｐｐｌｉｃａｔ．，１９９４，ｖｏｌ．３０，ＮＯ．４：９４５－９５３．［３］ＣｏｌｉｎＤｃｈａｕｄｅｒ，ＡｄａｐｔｉｖｅＳｐｅｅｄＩｄｅｎｔｉｆｉｃａｔｉｏｎｆｏｒＶｅｃｔｏｒＣｏｎｔｒｏｌｏｆＩｎｄｕｃｔｉｏｎＭｏｔｏｒｗｉｔｈｏｕｔＲｏｔａｔｉｏｎａｌＴｒａｎｓｄｕｃｅｒｓ，［Ｍ］．Ｃｏｎｆ，Ｒｅｃ．ＩＥＥＥＩＡＳＡｎｎｕａｌＭｅｅｔｉｎｇ，１９８９：４９３－４９９．［４］ＨｉｓａｏＫｕｂｏｔａ，ａｎｄＫｏｕｋｉＭａｔｓｕｓｅ，ＳｐｅｅｄＳｅｎｓｏｒｌｅｓｓＦｉｅｌｄ－ＯｒｉｅｎｔｅｄＣｏｎｔｒｏｌｏｆＩｎｄｕｃｔｉｏｎＭｏｔｏｒｗｉｔｈＲｏｔｏｒＲｅｓｉｓｔａｎｃｅＡｄａｐｔａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓ．Ｉｎｄ．Ａｐｐｌ．，１９９４，ｖｏｌ．３０，ＮＯ．５：１２１９－１２２４．［５］冯哓刚，陈伯时，夏承光．感应电动机转子磁链的间接观测方法［Ｊ］．电工技术学报，１９９７，（１）：１５－１８．［６］姬志艳，李永东，司保军，郑逢时．无速度传感器异步电动机直接转矩控制系统的研究［Ｊ］．电工技术学报，１９９７，（４）：１５－１９．［７］吴广玉，范钦义，姜复兴，汪德辉．系统辨识与自适应控制（上册）［Ｍ］．哈尔滨：哈尔滨工业大学出版社，１９８７．［８］蒋静坪．计算机实时控制系统［Ｍ］．杭州：浙江大学出版社，１９９２．［９］ＴｅｘａｓＩｎｓｔｒｕｍｅｎｔｓＩｎｃｏｒｐｏｒａｔｅｄ，ＴＭＳ３２０ＬＦ／ＬＣ２４０ｘＡＤＳＰＣｏｎｔｒｏｌｌｅｒｓＲｅｆｅｒｅｎｃｅＧｕｉｄｅ：ＳｙｓｔｅｍａｎｄＰｅｒｉｐｈｅｒａｌｓ，２００１．［１０］ＴｅｘａｓＩｎｓｔｒｕｍｅｎｔｓＩｎｃｏｒｐｏｒａｔｅｄ，ＴＭＳ３２０Ｆ／Ｃ２４ｘＤＳＰＣｏｎｔｒｏｌｌｅｒｓＲｅｆｅｒｅｎｃｅＧｕｉｄｅ：ＣＰＵ，ａｎｄＩｎｓｔｒｕｃｔｉｏｎＳｅｔ，１９９９．３４。

异步电机的无速度传感器控制系统

Ｋｅｒｓ：ｉｄｔｏｔｒ；ｓｅｄｓｎｓｒｌｓｙｗｏｄｎｕｃｉｎｍｏｏｐｅｅｏｅｓ；ｓａｅｖｃｏｕｓｄｈｍｏｌｔｏｐｃｅｔｒｐｌｅｗｉｔｄｕａｉｎ；ＤＳＰ
０引言
传统的异步电动机控制系统中的测量装置较多
ｖｃｏｏｔｌｔｅｒｅｔｒｃｎｒｈｏｙ，ｔｉｐｐｒｐｏｏｅｏｌｍｅｔｒｄｌｏｏｔｇｎｕｒｎｕｏｈｓａｅｒｐｓｄａｃｍｐｅｎａｍｏｅｆｖｌｅａｄｃｒｅｔｆｘ，ｉｈｙａｌｎｔｅｗｈｌｐｅａｇａｅｅｔｒｕｎｐｅｓｉｔｎｏｅｓｅｄｒｎｅｃｎｇｔｂｔｘａｄｓｅｄｅｔａｅｆｌｍａｉ．Ｔ３Ｏ２ａｅｓｇｉｄｃｉｎｍｏｏｏＭＳ２Ｆ８２ｂｓｄｕｉｕｔｔｒｌｎｎｏｓｅｄｓｎｏｓｅｔｒｃｎｒｌｓｓｅ，ｂｓｄｇｖｎｔｅｈｒｗｒｎｏｔｒｅｉｎＴｅｅｐｒｍｅｔｐｅｅｓｒｅｓｖｃｏｏｔｙｔｍｌｏａｅｉｅｈａｄａｅａｄｓｆｗａｅｄｓｇ．ｈｘｅｉｎｓｓｏｈｔｈｙｔｍｙａｃｃａａｔｒｓｉｈｓｇｏｔｂｌｙｏｄａｐｉａｉｎｐｏｐｃｓｈｗｔａｅｓｓｔｅｄｎｍｉｈｒｃｅｉｃａｏｄｓｉｔ，ｇｏｐｌｔｒｓｅｔ．ｔａｉｃｏ

基于模型参考自适应的异步电动机无速度传感器DTC

Ａｂｔａｔｎｏｄｒｔｍｐｏｅｔｅａｃｒｃｂｅｖｔｎｏｔｔｒｆｘ，ｔｅｃｏｅ — ｏｐｆｘｏｓｒｅａｓｄｉｈｓｒｃ：ＩｒｅｏｉｒｖｈｃｕａｙｏｓｒａｉｆｓａｏｌｏｕｈｌｓｄｌｏｕｂｅｖｒｗｓｕｅｎｔｅｌＤＴｓｔｅｌｃｈｒｄｔｎｌｐｒｎｅｒｔｒｉｈｓｐｐｒＯｎｔｅｂｓｓｏｅｃｏｅ－ｏｐｆｘｏｓｒｅ，ｔｅｓｅｄａ印一Ｃｏｒｐａｅｔｅｔａｉｏａｕｅｉｔｇａｏｔｉａｅ．ｈａｉｆｈｌｓｄｌｏｕｂｅｖｒｈｐｅｄｉｎｔｌｔｅｏｓｒｅａｏｓｕｔｄｂｓｄｏｉｂｅｖｒｗｓｃｎｔｃｅａｅｎＭＲＡＳｉｌｔｎａｄｅｐｒｎａｅｕｔｈｗｔａｈｌｓｄｌｏｌｘｏｓｒｅｖｒ．Ｓｍｕａｉｎｘｅｍｅｔｌｓｌｓｏｈｔｅｃｏｅ－ｏｐｆｂｅｖｒｏｉｒｓｔｕｓａｏｕａｍｐｏｅｔｅａｃｒｃｆｂｅｖｔｎ，ｎｈｔｈｐｅｄｐｉｅｏｓｒｅａｃｅｓｐｅｂｅｅｒｃ — ｔｔｒｆｘｃｎｉｒｖｃｕａｙｏｓｒａｉａｄｔａｅｓｅｄａａｔｂｅｒｃｎｉｒａｅｓｅｄｏｓｒｄｐｅｉｌｈｏｏｔｖｖｎｖｓｏ．ｈｙｔｍ，ｈｒｆｒｍａｎａｎｏｄｐｒｒｎｅａｅａｉｅｙｌｗｓｅｄｉｎＴｅｓｓｅｔｅｅｏｅ，ｉｔｉｓａｇｏｅｏｍａｃｔａｒｌｔｌｏｐｅ．Ｔｅｐｏａｃｎｂｕｃｓｆｌ — ｆｖｈｒｇｍａｅｓｃｅｓｕｌａｒｙｃｉｖｄｏｈｐｅｆｄｎｉｃｔｎ，ｎｓｎｅｓｅｄｉｅｔｉａｉｎａｇｒｈｃｎｍａｅｄｒｃｏｑｅｃｎｒｌｙｔｍｂｈｅｅｎｔｅｓｅｄｏｅｔａｉａｄｕｉｇｔｐｅｎｉｃｔｌｏｔｍａｋｉｅｔｒｕｏｔｓｉｉｆｏｈｄｆｏｉｔｏｓｅｏ— ｔｉｏｄｌｗ－ｐｅｅｆｒｎｅａｎａｇｏｏｓｅｄｐｒｍａｃ．ｏＫｅｒｓＭＲＡＳ；ｉｅｔｔｒｕｏｔｌｆｘｏｓｒｅ；ｐｅｄｐｉｅｏｓｒｅｙｗｏｄ：ｄｒｃｏｑｅｃｎｒ；ｕｂｅｖｒｓｅｄａａｔｂｅｖｒｏｌｖ

自适应卡尔曼滤波方法在光电跟踪系统中的应用

2021年第40卷第6期传感器与微系统(Transducer and Microsystem Technologies)157DOI：10.13873/J.1000-9787(2021)06-0157-04自适应卡尔曼滤波方法在光电跟踪系统中的应用**收稿日期=2019-11-12*基金项目：国家自然科学基金资助项目(61463025)吴旭，孙春霞，沈玉玲(兰州交通大学电子与信息工程学院，甘肃兰州730070)摘要：在光电跟踪系统中，图像采集装置相对控制系统传感器滞后，会使脱靶量出现误差，将导致控制系统的跟踪精度降低。

为了提高跟踪精度，提出了一种用于补偿跟踪脱靶量数据的自适应卡尔曼滤波方法。

首先，通过CSM模型计算当前时间的状态预测矩阵和预测误差方差矩阵;再根据强跟踪滤波器，利用残差序列计算调节因子;然后，利用调节因子校正预测误差方差矩阵和机动频率;最后，使用校正后的参数更新预测的输出信息。

仿真与实验结果表明:在高机动情况下,采用自适应卡尔曼滤波算法，跟踪误差的均方根误差RMS约为传统算法的0.21倍，最大跟踪误差和均方根误差都有显著减小。

关键词：光电跟踪系统；自适应卡尔曼滤波器；脱靶量；强跟踪滤波；调节因子;残差序列中图分类号：TH703；TP212文献标识码：A 文章编号：1000-9787(2021)06-0157-04 Application of adaptive Kalman filtering method inphotoelectric tracking system*WU Xu,SUN Chunxia,SHEN Yuling(School of Electronic and Information Engineering,Lanzhou Jiaotong University,Lanzhou730070,China)Abstract:In photoelectric tracking system, image acquisition device lags behind the control system sensor,which causes an error in miss distance,which will result in a lower tracking precision of the control system.In order to improve the tracking precision,an adaptive Kalman filtering algorithm for compensating tracking miss distance data is proposed.Firstly,the state prediction matrix and the prediction error variance matrix of current time are calculated by the CSM model.According to the strong tracking filter idea,calculate the adjustment factor through r esidual sequence.Then, the adjustment factor is used to coiTect the prediction error variance matrix and the maneuver frequency.Finally,the output information of prediction is updated by using lhe corrected parameters・The results of simulation and experiment show that under the high maneuvering condition,using the adaptive Kalman filtering algorithm,lhe root mean square error RMS of lhe tracking error is about0.21times that of lhe traditional algorithm,andthe maximum tracking error and root mean square error are significantly reduced. Keywords:optoelectronic tracking system；adaptive Kalman filtering；miss distance data；strong tracking filtering；adjustment factor；residual serial0引言在光电跟踪控制系统的视场中，目标的位置与视场的中心之间的特定偏差被称为脱靶量。

基于PI自适应法的无速度传感器异步电动机矢量控制系统

2
电工技术学报
2002 年 2 月
常重要。根据异步电机方程 , 可以推出电压型转子磁链模型和电流型转子磁链模型表达式电压模型 Ψr =
～
z— — — 补偿信号
从式 ( 5) 中可以发现 z 分别取 0 或 y 时 , 其改进积分环节可分别视为低通环节和纯积分环节。因此适当的调整补偿量 , 可以使此改进型积分环节起到介于纯积分环节和低通滤波器之间的作用。本系统 β 坐标系下 , 其结构中采用上述磁通观测器 , 在α 2 图如下 :
第 17 卷第 1 期
电工技术学报
2002 年 2 月
基于 PI 自适应法的无速度传感器异步电动机矢量控制系统
Speed Sensor2less Vector Control System of Induction Motor Based on PI Adaptive Mechanism
王文森李永东王光辉陈杰李明才 ( 清华大学电机工程系 100084)
ωc — 式中 — — 高通滤波器
x— — — 系统的输入 y— — — 系统的输出
1/ s — — — 纯积分环节
也就是说用滞后环节 TL / ( 1 + TL s ) 代替上式中的积分项 , 由此带来的幅相误差可以用转子磁通参考值 Ψr3 来加以补偿 , 从而得到改进电压型转子磁链观测模 Ψr TL e r Ψr = + 1 + TL s 1 + TL s
Keywords : Flux observer Speed estimator Dynamic Steady Robustness
1 引言
无速度传感器技术的运用 , 一方面可以完成高性能控制中对速度闭环的需要 , 另一方面又减少了由安装速度传感器而引起的系统硬件复杂性上升和可靠性下降。在所有异步电动机无速度传感器的控制策略中 , 磁通的观测及其准确控制尤为重要。但是由于目前所有磁通或速度观测器都或多或少地依赖于电机参数辨识的准确性 , 因此提高电机控制策略的鲁棒性是研究异步电动机控制系统的关键。在异步电动机的参数中 , 转子电阻由于温升和饱和的效应 , 相对于定子电阻和感抗而言变化较快 , 有时

基于扩展卡尔曼滤波法的船舶永磁同步电机无传感器控制

基于扩展卡尔曼滤波法的船舶永磁同步电机无传感器控制作者：王婷马继先瞿云飞刘英杰来源：《软件》2020年第07期0 引言永磁同步電机（permanent magnet synchronous motor，PMSM）凭借着功率密度高、转矩惯量比大、动态响应速度快的优势，在航天航海以及军事领域得到了广泛应用逐步体现了巨大的发展潜力。

潜艇侧推系统由于位置传感器的存在，可靠性降低，密封难度加大，海水工作环境对于传感器的要求也比较苛刻，而永磁同步电机无速度传感器控制不仅省略了机械的位置传感器，提高系统可靠性，同时降低了对运行环境的要求，简化了连接线路，有效的避免了这一系列问题[1]。

目前，无传感器控制技术大体可分为以下两类：一种是估算精度较高的，利用电机凸极特性来估算转子位置信息与速度的方法。

另一种是利用反电动势或者定子磁链信息估算转子位置信息与转速，它的优势主要体现在中高速段，在零低速段将会检测失效。

文献[2]采用卡尔曼滤波算法，等效模型的准确性以及抗干扰性带来了相对小的系统误差和测量噪音，系统稳定性显著提升。

文献[3]采用滑模变结构控制，电机参数的改变对这个非线性控制策略而言影响甚微，因此系统鲁棒性很好。

文献[4]采用模型参考自适应控制（Model reference adaptivecon-trol，MRAS），该控制策略主要由三部分组成，分别是可调模型、参考模型和自适应律。

MRAS的主旨是用已知参数的表达式作为参考模型，可调模型用含有未知参数的表达式来表示，保证这两个模型的输出量的物理意义完全相同，这两个模型的参数可以通过自适应律进行调节。

实时性是扩展卡尔曼滤波器的一种特征，所以它可实时跟踪系统的状态并进行有效的输出，同时，它可以减少干扰、抑制噪声，其效果显著，即使当噪声估算不准确时，其依旧能够让观测器收敛。

综合分析上述研究成果，本文以扩展卡尔曼滤波算法为基础，建立基于EKF 算法的估算转子位置和转速的模型，通过详细地分析仿真内容，得出该方法能够满足控制的要求，系统的鲁棒性较好。

异步电机无速度传感器解耦矢量控制

电气传动 2020 年第 50 卷第 9 期
任林，等：异步电机无速度传感器解耦矢量控制
ω1 为角频率。对式（1）的电压方程进行变换得：
ì 0 = usm - Rsism + δLsω1ist
ï í
di
st
ï î
dt
=
1 δLs
( ust
-
R s i st
-
ω1 Lsism )
（2）
由式（2）可知，在采用 PI 调节器控制时，其输出电
Key words: speed sensorless；feed-forward decoupling；model reference adaptive system；fuzzy control
模型参考自适应是一种较为简单的速度辨识方法，但是其电压模型中存在积分饱和问题和直流偏置问题，使得磁链轨迹偏移中心原点导致转速估算不准确。目前改进异步电机转速辨识方法主要有：低通滤波器、无功功率法、低限幅与饱和反馈环节补偿法等。采用低通滤波器替代纯积分环节是一种解决直流偏置问题较为常用的方法[1]。传统的异步电机矢量控制一般采用 PI 调节器分别对定子电流励磁分量和转矩分量进行闭环反馈控制得到定子电压,但忽略了 m，t 轴定子电压的耦合问题[2]。本文采用异步电机改进速度辨识精度的前馈解耦控制方案，解决了转速辨识精度问题和转速与磁链的动态解耦问题。
u* st
=
u st
-
的交叉耦合项。为解决上述问题，引入前馈解耦补偿改善 PI 调节器对动态性能的影响，同时在速度闭环引
入模糊调节器代替 PI 调节器，并采用低通滤波器替代纯积分环节以改善模型参考自适应方案中纯积分环节

异步电机无速度传感器矢量控制系统研究

异步电机无速度传感器矢量控制系统研究作者：陈世军,高军礼,邓则名,黎国才来源：《现代电子技术》2010年第10期摘要:根据模型参考自适应方法对异步电机转子转速进行辨识,结合应用SVPWM技术,构建了无速度传感器矢量控制系统。

利用Matlab/Simulink对该系统进行了计算机仿真,仿真结果表明其对异步电机转子速度的估算具有较高的准确性,所设计的控制系统具有良好的动态性能。

关键词:SVPWM; 无速度传感器; 矢量控制; 模型参考自适应; 计算机仿真中图分类号:TP391.9 文献标识码:A文章编号:1004-373X(2010)10-0159-03Research of Vector Control System without Speed Sensor for Induction MotorCHEN Shi-jun, GAO Jun-li, DENG Ze-ming, LI Guo-cai(College of Automation, Guangdong University of Technology, Guangzhou510006, China)Abstract:In combination with the application of SVPWM technology, a vector control system without speed sensor is constructed to identify the rotor speed of induction motors based on the model reference adaptive method. This system was simulated by means of Matlab/Simulink. The simulation results show that the estimation of rotor speed of induction motor has higher accuracy, and the control system has better dynamic performance.Keywords:SVPWM;speed sensorless;vector control;MRAS; computer simulation对于高性能的磁场定向控制系统,速度闭环是必不可少的,转速闭环需要实时的电机转速,目前速度反馈量的检测多是采用光电脉冲编码器、旋转变压器或测速发电机。

基于滑模控制的异步电机无速度传感器DTC研究

基于滑模控制的异步电机无速度传感器DTC研究朱威威;薛重德;申友涛;徐俊【摘要】A sliding mode observer for speed sensorless DTC of induction motor is presented. The observer is built on the state equation with using the most of its characteristics, and there are no rotor time constants and speed information involved in estimating rotor flux, thus the observer＇s robustness to parameter error is better. Combined the observer and SVPWM, the performance of the system has been promoted. Simulation results demonstrate the effectiveness and robustness of the proposed algorithm.%建立了一种滑模速度观测器,用于电机转速的精确观测。

该观测器充分利用电机状态方程具有的结构特点,设计出简单有效的速度估算方法,在转子磁链的估算中无须用到转子时间常数和转速等信息,提高了观测器对于参数误差的鲁棒性。

将所建立的观测器和空间电压矢量脉宽调制技术（SVPWM）结合对电机进行控制,进一步提高了系统的调速性能。

仿真结果验证了基于滑模控制理论的异步电机无速度传感器直接转矩控制系统的可行性以及对参数误差的鲁棒性。

【期刊名称】《电子设计工程》【年(卷),期】2012(020)010【总页数】5页(P76-79,83)【关键词】直接转矩控制;滑模控制器;空间电压矢量;速度观测器;异步电机【作者】朱威威;薛重德;申友涛;徐俊【作者单位】南京航空航天大学,江苏南京210016;南京航空航天大学,江苏南京210016;南京航空航天大学,江苏南京210016;南京航空航天大学,江苏南京210016【正文语种】中文【中图分类】TM921.51直接转矩控制（DTC）是继矢量控制之后发展起来的一种高性能的交流调速控制理论，该理论自1985年提出以来，就以新颖的控制思想、简洁明了的系统结构、优良的动、静态性能而得到了广泛的关注。

异步电动机的命令滤波自适应速度调节控制

异步电动机的数学模型
在同步旋转坐标系（ — ｑ）下，异步电动机的数学模型可描述为口叩
收稿日期：２０１５—１１—１１；修回日期：２Ｏ１５—１２—２３基金项目：国家自然科学基金资助项目（６１５７３２０４，６１５７３２０３，６１５０１２７６）；山东省优秀青年基金重点资助项目（ＺＲ２０１５ＪＬ０２２）作者简介：王晓玲（１９９３一），女，硕士研究生，主要研究方向为电机控制。通讯作者：于金鹏（１９７８一），男，山东乳山人，博士，特聘教授，主要研究方向为电机控制和非线性控制。Ｅｍａｉｌ：ｙｊｐｌｌＯ９＠１２６．ｃｏｒｎ
第３１卷第１期２０１６年３月
青岛大学学报（工程技术版）ＪＯＵＲＮＡＬＯＦＱＩＮＧＤＡＯＵＮＩＶＥＲＳＩＴＹ（Ｅ＆Ｔ）
文章编号：１００６—９７９８（２０１６）０１—００５４—０６；ＤＯＩ：１０．１３３０６／ｊ．１００６—９７９８．２０１６．０１．０１０
异步电动机具有结构简单，鲁棒性好，损耗低，稳定性高和坚固耐用等优点，从而被广泛应用于工业生产。然而，由于异步电动机的驱动系统是一个多变量和存在复杂耦合的非线性被控对象，所以对它的控制变得尤为复杂。近年来，学者们提出了很多种控制异步电动机的方法，比如滑模控制口］，哈密顿控制口ｊ，动态面控制［３］，反步法控制＿４和其它的一些控制方法［ｃ］。其中，反步法易于与自适应控制技术相结合，能够有效的消除参数时变和外界扰动对系统性能的影响，因而引起了广泛的重视，但反步法要求系统中的某些函数必须是线性的，并且会引起对虚拟输入重复求导所产生的计算爆炸的问题。理论上，对虚拟函数的求导计算是简单的，但在实际应用中，当的阶数大于３时，就会变得非常冗长和复杂，原因是控制输入 “会包含ａ的导数，而ａ的导数又包含ａ的二次导数等。为解决以上问题，许多研究者在设计自适应速度控制器时，使每一步输出在经过命令滤波器之后来逼近虚拟控制的导数，从而可以避免复杂的高阶求导问题＿７］。基于此，本文在传统自适应反步控制方法的基础上，提出了神经网络自适应命令滤波方法，通过运用命令滤波技术，解决传统反步法中对虚拟控制函数进行连续求导而无法避免的计算爆炸的问题，同时对于系统中的非线性未知函数，利用神经网络逼近Ｌｇ］，并结合反步法来构造自适应速度控制器，实现对异步电动机的速度调节控制。与传统的反步法相比，本文所提出的控制器具有结构简单、易于工程实现等优点，而且仿真结果验证了该方法可以实现对异步电动机的有效控制。

无速度传感器的异步电动机模糊自适应PI直接转矩控制

无速度传感器的异步电动机模糊自适应PI直接转矩控制温瀚斌;崔彦良
【期刊名称】《制造技术与机床》
【年(卷),期】2024()4
【摘要】文章针对传统无速度传感器直接转矩控制转速不稳定、超调量大等问题做出两点改进。

首先,引入自耦PI对传统MRAS无速度传感器直接转矩控制进行改进,该方法改善无传感器直接转矩控制调速性能、降低超调量、减小稳态误差;其次,针对直接转矩控制具有转矩脉动大、调速性能差等缺点,提出变论域静态模糊自适应PI控制策略,减小转矩脉动并改善调速性能,大大提升了抗负载能力;最后,在Matlab/Simulink仿真环境下进行了仿真并进行分析,证明了上述方法的有效性和可行性。

结果表明,相对于传统的无速度传感器直接转矩控制系统,仿真结果显示减小了转速超调量,缩短了转速上升中到达高速工况的响应时间,提升了抗负载能力。

【总页数】7页(P19-25)
【作者】温瀚斌;崔彦良
【作者单位】兰州交通大学机电工程学院
【正文语种】中文
【中图分类】TM343.2
【相关文献】
1.基于MRAS的无速度传感器异步电动机直接转矩控制
2.异步电动机无速度传感器模糊直接转矩控制系统的研究
3.基于MRAS和FNN的异步电动机无速度传感
器直接转矩控制4.基于MRAS模型的无速度传感器异步电动机直接转矩控制系统5.模糊自适应速度调节器在无速度传感器直接转矩控制中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。

异步电机转子磁场定向无速度传感器矢量控制方法

ISSN 100020054CN 1122223 N 清华大学学报(自然科学版)J T singhua U niv (Sci &Tech ),1999年第39卷第3期1999,V o l .39,N o .323 3484～87异步电机转子磁场定向无速度传感器矢量控制方法3周　友,　黄立培,　陈　杰,　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:1998207206 第一作者:男,1973年生,硕士研究生　3基金项目:国家攀登计划B (85235)文　摘　为解决低速下无速度传感器矢量控制速度辨识效果差的缺点,基于一种电压直接控制的矢量控制结构,设计了一种无速度传感器的控制方案。

该结构采用转子磁场定向,实现磁链与转矩的解耦控制,利用模型参考自适应方法的原理,对转矩的误差项采用此例积分自适应机制,获取速度信号,实现速度闭环控制。

实验结果表明,该方法实用简单,在低速下可获得良好的性能。

关键词　异步电机控制;通用变频器;无速度传感器;矢量控制分类号　TM 30112 在高性能异步电机控制系统中,速度闭环是必不可少的。

然而由于速度传感器在安装、维护、低速性能较差等方面影响了异步电机调速系统的简便性、廉价性及系统的可靠性,人们提出了设计无速度传感器的速度闭环控制系统。

其核心问题是对转子的速度进行估计,控制系统性能好坏将取决于合理的控制方案与速度辨识环节的恰当结合。

基本的出发点是利用直接计算、参数辨识、状态估计、间接测量等手段,从定子边较易测量的量如定子电压、定子电流中提取出与速度有关的量,从而得出转子速度,并将它应用到速度反馈控制系统。

国外70年代末就已经开展了这个方向的研究。

目前较典型的估计算法有[1]:利用电机方程式直接计算法;模型参考自适应法;扩展卡尔曼滤波法;定子侧电量FFT 分析法;非线性方法。

但这些方法大多从理想条件下的电机数学模型出发,在不同程度上依赖于电机的参数和运行状态。

异步电机无速度传感器对比实验研究

与直接转矩控制相结合（简称 SVM-DTC）的方
［5］将反电动势和 MRAS 方法相结合设计速度
法是较为常用的。同时，在控制中要采用高精
观测器。目前，很多先进的智能控制算法也应
度的速度传感器来实时采集电机的转速，但速
用在设计速度传感器中，例如模糊控制、滑模控
度传感器的使用会增加电机的转动惯量，降低
制、神经网络控制等算法［6- 8］。为此，本文先详
自适应算法，
得到观测变量的精准数值。
基于 MRAS 异步电机速度观测器的研究是
比较简单的。其中，参考模型是电压模型，可调
模型是电流模型，这 2 个模型都是基于转子磁链
设计的。模型结构如图 1 所示。
测值；⊗ 为矢量积；k p ，k i 为 PI 控制器的参数。
2 滑模控制算法设计速度观测器
滑模控制，简称 SMC，是一种非线性变结构
reduce the cost of the system，
speed observer with sliding mode control algorithm was designed based on the SVM-DTC
（SVPWM modulation strategy combined with direct torque control）system of asynchronous motor. At the same time，

13
电气传动 2019 年第 49 卷第 6 期
1
王伟：
异步电机无速度传感器对比实验研究
模型参考自适应系统设计速度观
测器
模型参考自适应系统，简称 MRAS，其基本
原理是对可建立数学模型的系统，对其中不可测

基于固定增益滤波的永磁同步电机无速度传感器矢量控制

基于固定增益滤波的永磁同步电机无速度传感器矢量控制陈思治;陈清;张章
【期刊名称】《湘南学院学报》
【年(卷),期】2024(45)2
【摘要】传统的永磁同步电机矢量控制策略需要利用位置和速度传感器对环路进行反馈以获得精准控制,状态量的准确性很大程度上依赖于传感器的精度。

在传统矢量控制的基础上,一种计算量小的位置和速度观测器的设计过程为:首先,建立了永磁同步电机(PMSM)在三种常见坐标系下的数学模型,搭建了PMSM电流和转速双闭环控制系统;其次,在保留卡尔曼滤波基本递归迭代过程的前提下,设计一种具有最优固定反馈增益矩阵的新型固定增益滤波器,可实现对位置和速度的快速准确观测,同时,在稳态卡尔曼滤波的状态下,进一步调节反馈增益参数,使其细化到小范围内,确保系统稳定性;最后,通过仿真验证该观测器能应用于闭环反馈,可以使得控制系统的响应速度更平滑,稳定性更高。

【总页数】7页(P34-40)
【作者】陈思治;陈清;张章
【作者单位】深圳大学机电与控制工程学院;国家电网有限公司四川省电力公司自贡供电公司
【正文语种】中文
【中图分类】TM341
【相关文献】
1.基于空间矢量无速度传感器永磁同步电机的直接转矩控制
2.基于滑模观测器的无轴承永磁同步电机无速度传感器矢量控制∗
3.基于空间矢量调制的永磁同步电机无速度传感器直接转矩控制
4.基于变结构模型参考自适应观测器的永磁同步电机无速度传感器矢量控制
5.基于无速度传感器永磁同步电机矢量控制系统
因版权原因，仅展示原文概要，查看原文内容请购买。

基于强跟踪滤波器的永磁同步电动机状态观测

基于强跟踪滤波器的永磁同步电动机状态观测逄海萍;孙宁宁;章平【期刊名称】《青岛科技大学学报（自然科学版）》【年(卷),期】2013(034)001【摘要】The problem of state observation for permanent magnet synchronous motors (PMSMs) subject to suddenly changed external effects is studied in this paper. Firstly, based on the PMSM mathematical model in the ideal situation, the motor states include speed, position, flux linkage and torque are estimated by adopting the strong tracking filter (STF) algorithm. Then, the estimation performance of STF algorithm and the extended Kalman filter (EKF) algorithm are compared by simulation. The results show that compared to EKF, STF can achieve faster and more accurate tracking performance for the state rapid changes that caused by sudden external disturbances or starting with sudden given control effect. At the last, the two kinds of algorithm are both used to estimate the states considering the motor's core loss,and the results are consistent with the conclusions above,which further show the feasibility and superiority of applying the STF algorithm to estimating states in practice.%针对永磁同步电动机(permanent magnet synchronous motor,PMSM)研究其在外界作用发生突变情况下的状态观测问题.首先基于理想状态下PMSM的数学模型,采用强跟踪滤波器(the strong tracking filter,STF)算法估计电动机的转速、转角、磁链和转矩,并通过仿真比较STF算法与扩展卡尔曼滤波器(extended Kalman filter,EKF)算法的估计性能,结果表明STF与EKF相比对突加给定起动以及突加扰动等因素引起的状态快速变化能够实现更快速、更准确的跟踪.最后在考虑电动机的铁耗情况下分别通过这两种方法进行状态观测,所得结果与上述结论相符,进一步表明将STF应用于实际电动机进行状态观测的可行性和优越性.【总页数】6页(P80-85)【作者】逄海萍;孙宁宁;章平【作者单位】青岛科技大学自动化与电子工程学院,山东青岛266042;青岛科技大学自动化与电子工程学院,山东青岛266042;青岛科技大学自动化与电子工程学院,山东青岛266042【正文语种】中文【中图分类】TP273【相关文献】1.基于永磁同步电动机中混沌运动状态观测器的同步控制 [J], 杨晓辉;刘小平;柳和生;徐少平2.基于非线性状态观测器的永磁同步电动机无位置传感器矢量控制 [J], 祝晓辉;李颖晖;陈亚滨3.基于滑模状态观测器和SVPWM的无传感器永磁同步电动机控制研究 [J], 杨亮亮;周云飞;程鑫4.基于状态观测器的永磁同步电动机超低速控制 [J], 谢红普;李宏;郑勇5.永磁同步电动机全阶状态观测器的设计及分析 [J], 赵武玲;魏振;姚广因版权原因，仅展示原文概要，查看原文内容请购买。