永磁同步电动机无传感器控制技术现状与发展探讨

永磁同步电动机无传感器控制技术现状
与发展探讨
摘要：永磁同步电机无位移传感器系统，其利用检测电机的定子侧电压和端
电压算出转子位移，取代了传统的机械位移传感器系统，不但减少了成本，同时
增加了控制精度和可靠性。

本文基于永磁同步电动机发展现状，分析无传感器永
磁同步电机工作存在的问题，总结不同转速下的无位置传感器控制技术。

关键词：永磁同步电机；无传感器；控制技术
无传感器的永磁同步电机，是在电动机转子与机座之间不配备电磁或光电传
感器的情形下，运用电动机绕组中的有关电讯号，采用直接计量、参数识别、状
态评估、间接检测等技术手段，在定子边比较简单检测的物理性质量如定子压力、定子电流等中抽取出与转速、位移速度相关的物理性质量，再运用这些检测到的
物理性质量和电动机的数学模型测算出电动机转子的位移与速度，从而代替了机
械传感器，实现电动机的闭环控制。

1.永磁同步电动机无传感器控制技术存在的问题
高性能的交流调速传动系统通常要求在定子轴上装设机械式传感器，以检测
相应的定子转速与位移。

这种机械式传感器，通常包括了解码器（Encoder)、解
算器（Resolver）和测速发动机（Tacho-meter)。

机械式传感器可以满足发电机
所需要的转动信息，但同时也对传动系统设计造成了一些困难。

机械式传感器加大了在发电机定子上的转动惯量，从而增大了发电机的空间
大小和重量，而使用机械式传感器为测量转子的速度和位移，需要另外增设了发
电机和控制器相互之间的连线和端口电路，使系统更易受影响，从而大大地降低
了准确性。

受设备式传感器使用环境（如温度、湿度和振动）的影响，驱动控制系统并无法普遍应用于所有场所。

机械式传感器以及配套电路大大提高了传动系统的生产成本，而一些高精度传感器的售价甚至能够和马达本身售价比较高。

为解决大量采用机械式传感器给传动系统所造成的问题，不少专家都进行了无机械式传感器交流传动控制系统的研发。

无机械式信号交流变速控制系统是指根据使用电器绕组的所有电讯号，并采用适当方式估计出转动的速率和方位，以替代机械式信号，进行交流传动控制系统的循环调节。

2.不同转速下的无传感器控制技术
2.1中高速则无传感器
采用反电势的位置预测法。

利用传感器输出的电流方程求出感应电动势以实现对转子位移的预测，由于这个方法只取决于发电机的基波方程，所以实现起来非常简单。

因为反电动势矩形波和速度成正比，当零速时，反电动势为零；而在速度较低时，因为讯杂比极小，再加上一些影响因子，就无法准确的预测转子的速度和位移，使得即使在静止和低速运行中，采用反电势的计算方法也难以顺利运行。

基于磁链的位置计算方法。

这一类算法主要是利用电机端的压力差和磁场来实现对定子磁链的测量，从而可以预测电机位置和转速。

由于此类算法直观性较好、比较容易进行、没有烦琐的运算，而且通常使用数字累积积分，因此，直流偏置和积分偏移的现象也难以避免。

观测速度的准确性还受到发电机参数和测量误差的很大影响，在实际实现时，还需要增加参数识别和偏差校准环节来增强系统抵抗参数变异和抗扰动时的鲁棒性，才能使控制系统达到较好的测控效果。

为
发展基于状态观测仪的统计方法。

位置测量者法采用了完备的电机数学建模（电气和机械方程），包含了已测的压力、电流变量以及未知的转动频率等位置变量。

该位置估计方法具有动力学稳定性好、机械稳定性高等、数据鲁棒性强及适应范围广等优点，但不足之处是计算烦琐，且计算难度较大。

根据智能传感器的位置估计法阁。

目前常见的新一代人工智能方式，包括了人工神经网络和模糊逻辑等两种。

在神经网络传感器中，通常使用神经网络作为电流模型的转子磁链检测者，根据误差反向传递方法的自适应律进行速度预测。

网络的连接权值也是网络的重要参数，虽然能够通过使用一个多层的前馈神经网络进行对马达转动速度的预测，但是在实际使用过程中需要通过对样本数据进行实验法判断该神经网络的隐藏层、网络结点的数量、结点的权值和信息初始值。

另外，由于基于神经网络的速度预测器的稳定性受样本数量的影响较大，因此通过导入模糊逻辑到神经网络中，即可克服神经网络的这些困难。

这种系统基本上是一个带有模糊特征的神经网络，但这种网络的计算器组成非常复杂，因此其体系结构的设置和参数的调整就显得十分麻烦。

2.2低速无定位传感器
高频信号注入法，是目前研究面积最大的一个广泛应用于在低速时间的无传感器预测方案。

高频信号注入法有三种特性：所运用的计算机必须能显示出凸极效应，必须提供高频率的激励信号，以及要求高带宽的噪声过滤器，而每种特性都可使用各种方式来达到，所以高频注入法的实施也就有了各种方法。

高频信号输入法，对发电机参数改变完全不敏感。

此外，由于将高频信号直接投入到定子坐标系的坐标轴上，因此不要求实现由转动坐标系向静态坐标系的转换，而且具备了良好的空气动力学特性。

不足之处是要求系统内部显示出明显凸极性，对凸极同步电机、内埋式或是内插式永磁同步电机都能够进行使用，但对表贴式永磁同步电机，凸极性并不突出，应该利用结构上的变化或是利用磁饱和获得更明显的凸极化性，才能够使用高频信号输入法。

将基于电压模型的模型参考自适应法，采用定子电压信号为反馈信息，再利用方程导数求得自适应率值。

因为该技术在预测电机转速和位移的同时，也能够实时辨识定子电流，因此不受定子电流的干扰。

但是该预测技术的输入信息为定子电流误差，预测准确度直接取决于定子电流的测量准确度，因此对电流测量技术要求更高。

采用了电流模拟的系统辨识方法，此方法可以将磁饱和作用特征带入电流模拟，从而直接通过电压或电流信号就可以预测出电极位置，而不必要求其他的电
气数据，同时此模型不仅可以建立在静态坐标系上，还可以建立在转动坐标系上。

但这种估算方法对与系统辨识有关的一些函数可以凭经验选择，如果无法准确选择，估算方法根本就无法收敛。

2.3初始位置的预测与自动起动问题
无传感器高新技术的使用，为永磁同步电机增加了自动起动问题。

机械式定
位传感器技能可探知在电动机停止时将转动的磁极定位，使电动机与逆变器联合
并工作于自控的同步运行状况，从而电机起动同不失步。

但目前，无定位传感器
技能还无法在电动机停止时直接从电机的电气特征中得知转动的初始定位，因为
只有在电器起动并达到规定的速度后，电动机才正常工作于无定位传感器工作状
况下，因此起动问题仍是同步电机中实现无定位传感器工作的重要难点。

结束语
在永磁同步电机无传感器驱动时，定子初始位移测量和中低速运动控制都主
要依赖转子的凸极跟踪，其凸极特征可能为结构性凸极或饱和型凸极，但由于高
频传感器注入法所产生的影响，对数字处理技术要求更高。

在中高速运动领域，
主要通过电机的基波模拟和各类观测仪实现转子速度预测，同时要注意计算中电
机参数敏感性和参数偏移情况。

复合控制算法研究着重关注与计算机转换之间的
转换途径。

参考文献
[1]宋搏洋. 基于MRAS算法的永磁同步电动机无传感器自适应预测控制[J]. 电气开关,2022,60(02):43-48+51.
[2]齐歌,赵学铭,马丁. 改进滑模观测器的永磁同步电动机无传感器控制[J]. 组合机床与自动化加工技术,2022,(03):92-96.
[3]李坤. 全速域永磁同步电动机无位置传感器控制系统[D].哈尔滨理工大学,2022.
[4]王钧仪. 基于自适应滑模观测器的永磁直线同步电动机无传感器控制[D].沈阳工业大学,2021.
[5]王卫. 永磁同步电动机全速范围无传感器控制的研究[D].湖南工业大
学,2020.。