CN108718167B - 用于永磁同步电机的转矩估计方法、介质、设备及*** - Google Patents
用于永磁同步电机的转矩估计方法、介质、设备及*** Download PDFInfo
- Publication number
- CN108718167B CN108718167B CN201810616532.6A CN201810616532A CN108718167B CN 108718167 B CN108718167 B CN 108718167B CN 201810616532 A CN201810616532 A CN 201810616532A CN 108718167 B CN108718167 B CN 108718167B
- Authority
- CN
- China
- Prior art keywords
- torque
- predicted
- predicted torque
- absolute value
- motor
- 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.)
- Active
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
- 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
- H02P21/20—Estimation of torque
-
- 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
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
- H02P25/024—Synchronous motors controlled by supply frequency
-
- 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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
-
- 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
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
用于永磁同步电机的转矩估计方法、介质、设备及***,其中方法包括:获取电机的电机转速;根据所述多个转矩预测模型分别计算得到多个预测转矩;根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。从而,解决了现有技术存在的由转速高低变化影响导致中转矩估计精度较差以及转矩传感器使用成本高的技术问题。
Description
技术领域
本发明涉及一种不均衡数据分类方法,特别是涉及一种用于永磁同步电机的转矩估计方法、介质、设备及***。
背景技术
从功能层面考虑,在汽车控制中,转矩输出异常会导致汽车失控产生极大的安全隐患。转子位置传感器、电流传感器、电压采样电路、驱动器等故障都会导致电机控制器输出异常,进而转矩输出也会异常,所以针对电机控制,需要转矩监控单元,及时发现异常并进行保护措施。从经济角度考虑,用转矩传感器对电机实际输出的电机转矩进行实时监控花费大,所以考虑从易于获得的电压电流等物理量来精确地估计转矩。目前对电机转矩进行估计的方法主要有:(1)根据电机输出功率、转速和输出扭矩的关系计算出,这种估计电机电磁转矩的方式叫功率法;(2)通过电机电磁转矩和电机定子磁链的关系计算得到,可根据对定子磁链估计的方式不同,分为电流磁链法和电压磁链法。下表是三种基本转矩估计的算法的优缺点和适用范围:
表1基本转矩估计算法优缺点对比
用于永磁同步电机的所有已经公开的转矩估计器都设想获知电机的电感和磁通量,但由于电感、磁通量随温度和定子电流等因素影响变化而变化,所以估计结果较差。在专利《用于IPM电动机的转矩估计器》(专利号CN101295954A)中,发明人通过电流磁链算法对电机转矩进行估计,并假设在获取q轴通量后利用永磁同步电机无功功率推出d轴通量,但是由q轴通量估算出d轴通量,其中涉及到转速和d轴电流作为被除数,所以在低速和d轴电流在0周围的工况不适合,大大限制了其应用范围。
综上所述,现有技术的缺乏通过易采集的物理量在电机全转速范围内准确快速地估计出电机实时输出的电机转矩的方法和设备,能够互补三种算法的优势,进行分段策略,通过对电机速度的划分,分为低速、中速和高速,在不同区间三种方法配上不同的权重,存在的由转速高低变化影响导致中转矩估计精度较差以及转矩传感器使用成本高的技术问题。
发明内容
鉴于以上现有技术存在由转速高低变化影响导致转矩估计精度较差以及转矩传感器使用成本高的技术问题,本发明的目的在于提供用于永磁同步电机的转矩估计方法、介质、设备及***。
根据本公开的一个方面,提供一种用于永磁同步电机的转矩估计方法,包括:获取电机的电机转速;根据多个转矩预测模型分别计算得到多个预测转矩;根据电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及基于多个加权值以及多个预测转矩,确定电机的转矩估计值。
根据本公开的另一个方面,提供一种存储介质,存储介质包括存储的程序,其中,在程序运行时由处理器执行以上所述的方法。
根据本公开的另一个方面,提供一种用于永磁同步电机的转矩估计设备,包括:处理器;以及存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的命令:获取电机的电机转速;根据所述多个转矩预测模型分别计算得到多个预测转矩;根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。
根据本公开的另一个方面,提供一种用于永磁同步电机的转矩估计***,包括:电机转速获取模块、模型转矩计算模块、加权值确定模块及转矩估计模块。其中,电机转速获取模块用于获取电机的电机转速;模型转矩计算模块用于根据所述多个转矩预测模型分别计算得到多个预测转矩;加权值确定模块用于根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及转矩估计模块用于基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。
如上所述,本发明通过易采集的物理量在电机全转速范围内建立的融合算法模型,能够互补三种算法的优势,进行分段策略,通过对电机速度的划分,分为低速、中速和高速,在不同区间三种方法配上不同的权重,解决了现有技术存在的由转速高低变化影响导致中转矩估计精度较差以及转矩传感器使用成本高的技术问题。
附图说明
图1显示为本发明的一种永磁同步电机转矩融合估计方法步骤示意图。
图2显示为图1中步骤S2在一实施例中的具体流程图。
图3显示为图1中步骤S3在一实施例中的具体流程图。
图4显示为图3中步骤S39在一实施例中的具体流程图。
图5显示根据本公开实施例的第三个方面的用于电机的转矩轨迹设备的示意图。
图6显示根据本公开实施例的第四个方面的用于电机的转矩估计***的模块示意图。
图7显示为本公开实施例所述的第一个方面的用于估计电机转矩方法的逻辑示意图。
元件标号说明
1 一种永磁同步电机转矩融合估计的***
11 电机转速获取模块
12 模型转矩计算模块
13 模型权值确认模块
14 转矩融合计算模块
5 用于电机的转矩估计设备
51 处理器
52 存储器
步骤标号说明
S1~S4 方法步骤
S21~S24 方法步骤
S31~S39 方法步骤
S291~S295 方法步骤
S41~S43 方法步骤
S702~S706 方法步骤
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1至图7,须知,本说明书所附图式所绘示的结构,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时,本说明书中所引用的如”上”、”下”、”左”、”右”、”中间”及”一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
根据本实施例的第一个方面,请参阅图1,显示为本发明的一种永磁同步电机转矩融合估计方法步骤示意图,如图1所示,一种永磁同步电机转矩融合估计方法方法,包括:
S1、获取电机的电机转速;
S2、根据多个转矩预测模型分别计算得到多个预测转矩;
S3、根据电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及
S4、基于多个加权值以及多个预测转矩,确定电机的转矩估计值。
需要说明的是,获取电机的电机转速可以通过传感器采集,并且还可以获取电机的绕组三相电流、绕组三相电压和转子位置作为电机当前运行状态的参数。上述电机当前运行状态的参数作为多个转矩预测模型的输入。从而,根据电机运行状态数据(电机转速、绕组三相电流、绕组三相电压、转子位置)可通过三种转矩估算方法分别估计出此刻电机的转矩,再通过融合算法对不同算法估计出的电机转矩进行处理,在不同工况下选择不同权重,进而可以克服不同算法的缺点估计出电机实际转矩。
此外,图7是根据本公开实施例所述的第一个方面的用于估计电机转矩方法的逻辑示意图。参照图7,估计电机转矩方法的逻辑构架包括如下步骤:
S702:获取电机的绕组三相电流、电压、电机转子位置和电机转速,用于提供给三个转矩预测模型计算转矩估计值,其中,功率法所需参数为电机转速、绕组三相电流和电压,电压磁链法所需参数为绕组三相电流、电压和电机转速,电流磁链法所需参数为绕组三相电流和转子位置;
S704:利用步骤S702获取的电机参数,三种转矩预测模型分别计算得到各自的转矩估计值;以及
S706:基于步骤S704得到的三种转矩估计值,通过上面所述的融合算法估计得到电机转矩值。
从而,本实施例所述的估计电机转矩的方法利用电机的电机转速,通过对不同转速区间的多个转矩预测模型分配不同的权重,实现了通过易获取的物理量快速准确地对全转速范围内电机实时输出的电机转矩的估算。
可选地,多个转矩预测模型包括:功率法预测模型、电压磁链法预测模型及电流磁链法预测模型。在此基础上,请参阅图2,显示为图1中步骤S2在一实施例中的具体流程图,如图2所示,步骤S2、根据多个转矩预测模型分别计算得到多个预测转矩的操作,包括:
S21、取提供至电机的三相电压和三相电流、电机转速和转子位置;
其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,η是电机的效率,ωr是电机机械角速度,功率法是电机估计转矩常用的一种方法,用电机输出功率除以转速就是电机此刻的转矩。电机输出功率是利用电机输入功率乘以电机损耗,电机输入功率通过ABC三相电压和三相电流相乘、相加或者把三相电压和电流通过Clarke变换到两相静止坐标系相乘相加;
其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,Rs为定子电阻,ψα、ψβ分别为两相静止坐标系下定子磁链,ψs为定子磁链,is为定子电流矢量,pn为电机极对数。
电压磁链法是利用电磁转矩与两相静止坐标系下定子电流和磁链间关系,定子电流通过传感器测量得到,磁链通过对电机反电动势进行积分得到;由于纯积分器的存在引入了直流偏置,导致估计出的磁链有偏置,对此可以通过引入改进的低通滤波器,分别将其频域响应和幅值特性进行详细分析,改进后的电压磁链转矩观测器,不会造成相位误差和幅值衰减,能够更快地跟踪电机转矩的变化。
其中,id、iq分别是两相旋转坐标系电流,Ld、Lq分别为两相旋转坐标系下定子电感,pn为电机极对数,ψs为定子磁链,is为定子电流矢量,ψf为转子永磁体磁链,电流磁链法就是利用电机电磁转矩与d-q轴系下定子电流、电机交直流电感和转子磁链之间关系,在电机未发生磁链饱和的情况下,估计的电机转矩快速准确。
当然,尽管本实施例中采用了功率法预测模型、电压磁链法预测模型及电流磁链法预测模型作为多个转矩预测模型的具体示例,但是本领域技术人员应当清楚,转矩预测模型的使用不限于此。本公开实施例的主旨是根据电机的电机转速确定多个转矩预测模型的加权值,然后基于加权值以及多个转矩预测模型计算的多个预测转矩,估计电机的转矩。而至于选择什么样的转矩预测模型,可以根据具体情况加以确定。
可选地,根据电机转速,确定与多个转矩预测模型对应的多个加权值的操作,包括:当电机转速ωn小于第一预定转速ω1时,第三预测转矩的权重w3置为1。
可选地,根据电机转速,确定与多个转矩预测模型对应的多个加权值的操作,还包括:当电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定多个加权值,其中第二预定转速大于第一预定转速:
并且可选地,根据电机转速,确定与多个转矩预测模型对应的多个加权值的操作,还包括:在电机转速大于第二预定转速时,根据第一预测转矩第二预测转矩以及第三预测转矩之间的信任度,确定第一预测转矩第二预测转矩以及第三预测转矩对应的权重w1、w2、w3,其中
综合上面所述,请参阅图3,显示为图1中步骤S3在一实施例中的具体流程图,如图3所示,S3、根据电机转速和多个预测转矩,确定与功率法预测模型、电压磁链法预测模型及电流磁链法预测模型对应的多个加权值,具体包括:
S31、设定第一预订转速和第二预定转速,并根据第一预订转速ω1和第二预定转速ω2判断电机转速ωn的大小;例如
当电机转速低于第一预定转速时,转到步骤S32。当电机转速大于等于第一预定转速并且小于第二预定转速,跳转到步骤S33。当电机转速大于等于第二预定转速时,跳转到步骤S39。
S32、当电机转速小于第一预定转速时,第三预测转矩的权重w3置为1。
从而,在电机转速的低速范围内,电压磁链法和功率法都有着相应的缺陷,因此设置电流磁链法估计值的权重为1,这样能避开电压磁链法和功率法的不足;
S33、当电机转速大于第一预定转速且小于第二预定转速时,获取差值阈值,差值阈值包括:第一阈值thd1、第二阈值thd2和第三阈值M;
S35、判断第一绝对值以及第二绝对值的大小,在电机转速的低速到中速的过渡段,把电压磁链法和功率法计算的转矩值分别与电流磁链法计算得到的转矩值做差,并对上述差值取绝对值。当上述差值的绝对值小于阈值的时候,就与电流磁链法估计的转矩值进行融合,在大于阈值的时候,估计的转矩值取电流磁链法算得的转矩;
S37、当第一绝对值大于第一阈值thd1且第二绝对值小于第二阈值thd2时,第三预测转矩的权重设为0.5,在的情况下,权重w3置为0.5,权重w2置为0.5,其中thd1为第一阈值以及thd2为第二阈值;
S38、当第一绝对值小于第一阈值thd1且第二绝对值大于第二阈值thd2时,第三预测转矩的权重设为0.5,在且的情况下,权重w3置为0.5,权重w1置为0.5,其中thd1为第一阈值以及thd2为第二阈值;
S39、在第一绝对值小于第一阈值thd1且第二绝对值小于第二阈值thd2时或在电机转速大于第二预定转速时,根据第一预测转矩第二预测转矩以及第二预测转矩之间的信任度,确定第一预测转矩第二预测转矩第三预测转矩的权重w1、W2、w3,在且的情况下或者在电机转速ωn大于第二预定转速ω2时,根据第一预测转矩第二预测转矩以及第三预测转矩之间的信任度,确定的权重w1、w2、w3,其中thd1为第一阈值以及thd2为第二阈值;
需要说明的是,具体全转速范围下三种基本转矩估计值的权重分配如下表2:
表2权重分配表
此外,需要说明的是,尽管图3示出了将速度分为低速、中速以及高速三个区间的情况,但是在具体的操作过程中,可以灵活掌握。譬如说,可以只设定转速为低速时的权重,或者是转速为高速时的权重。其他的区间可以根据具体情况确定权重。
可选地,参阅图4,图4显示为图3中步骤S39在一实施例中的具体流程图,如图4所示,步骤S39、在电机转速大于等于第一预定转速并且小于第二预定转速时,第一绝对值小于第一阈值thd1且第二绝对值小于第二阈值thd2或在电机转速大于第二预定转速时,根据功率法电机转矩电压磁链转矩以及电流磁链转矩之间的信任度,确定功率法电机转矩电压磁链转矩电流磁链转矩的权重w1、w2、w3,具体包括:
S391、提取功率法电机转矩电压磁链转矩及电流磁链转矩三种转矩估计方法对应三个转矩估计值,针对多种转矩估计数据不确定问题,提出了一种基于信任度的多数据融合方法。该种方法首先定义了一个模糊型指数信任度函数,对不同的两种方法估计出的电机转矩数据间的信任程度进行量化处理,最后通过信任度矩阵度量各方法估计出的数据的综合信任程度,来达到合理地分配估计数据在融合过程中所占权重,从而得到数据融合估计转矩的最终表达式,从而实现了估计值的融合;
其中,M为第三阈值,bij为和之间的信任度,信任度函数是指:集合A是识别框架Θ的任一子集,A中全部子集对应的基本置信度之和称为信任度函数,信任度函数表示对假设的信任程度的下限估计,通过可信度函数给出多个模型相应的可信度权重值,两两数据间信任度通过一个模糊型指数信任度函数bij对第i个和第j个数据进行量化,考虑到在实际应用中,超出一定范围可以认定两数据间不相关。
S393、建立信任度矩阵其中bij为和之间的信任度,对于B中第i行元素来说,如果的值较大,则表明第i个估计的数据被其他数据信任,第i个数据为真实数据的可能性较大;如果的值较小,第i个估计的数据为真实数据的可能性较小;
S394、求取信任度矩阵B的最大特征值λ,并根据公式λA=BA,确定向量A=[a1,a2,a3]T,其中a1,a2,a3为非负数,wi应综合一个关于的信任度***中,各子***bi1,bi2,bi3的全部信息,所以需要求出一组非负数a1,a2,a3,使得:
wi=a1bi1+a2bi2+a3bi3 i=1,2,3
将上式改写为矩阵的形式为:
W=BA
式中,W=[w1,w2,w3]T,A=[a1,a2,a3]T。
因为bij≥0,矩阵B是一个对称非负矩阵,所以该矩阵存在最大模特征值λ(λ>0),有:λA=BA求出λ以及λ对应的特征向量A,并满足A中的分量ai>0(i=1,2,3)的条件。
确定权重w1、w2、w3,其中a1,a2,an为非负数。
根据本实施例的第二个方面,提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时由处理器执行上面所述的任意一项的方法。
参考图5所示,根据本实施例的第三个方面,提供了一种用于永磁同步电机的转矩估计设备50。包括:处理器51;以及存储器52,与处理器连接,用于为处理器提供处理以下处理步骤的命令:获取电机的电机转速;根据电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及基于多个加权值以及分别通过多个转矩预测模型计算的多个预测转矩,确定电机的转矩估计值。其中,存储器可能包含随机存取存储器(RandomAccessMemory,简称RAM),也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(DigitalSignalProcessing,简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,多个转矩预测模型包括:功率法预测模型、电压磁链法预测模型及电流磁链法预测模型,并且根据多个转矩预测模型分别计算得到多个预测转矩的操作,包括:获取提供至电机的三相电压和三相电流、电机转速和转子位置;以功率法预测模型根据以下公式估算出第一预测转矩其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,η是电机的效率,ωr是电机机械角速度;以电压磁链法预测模型根据以下公式估算出第二预测转矩其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,Rs为定子电阻,ψα、ψβ分别为两相静止坐标系下定子磁链,ψs为定子磁链,is为定子电流矢量,pn为电机极对数;以及以电流磁链法预测模型根据以下公式估计出第三预测转矩 其中,id、iq分别是两相旋转坐标系电流,Ld、Lq分别为两相旋转坐标系下定子电感,pn为电机极对数,ψs为定子磁链,is为定子电流矢量,ψf为转子永磁体磁链。
可选地,确定与多个转矩预测模型对应的多个加权值的操作,包括:当电机转速小于第一预定转速时,第三预测转矩的权重w3置为1。
可选地,根据电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值的操作,还包括:当电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定多个加权值,其中第二预定转速大于第一预定转速:计算第三预测转矩与第一预测转矩之间的差值的绝对值作为第一绝对值以及计算第三预测转矩与第二预测转矩之间的差值的绝对值作为第二绝对值;当第一绝对值大于第一阈值thd1且第二绝对值大于第二阈值thd2时,将第三预测转矩的权重w3设为1;当第一绝对值大于第一阈值thd1且第二绝对值小于第二阈值thd2时,将第三预测转矩的权重w3设为0.5,并且将第二预测转矩的权重w2设为0.5;当第一绝对值小于第一阈值thd1且第二绝对值大于第二阈值thd2时,第三预测转矩的权重w3设为0.5,并且将第一预测转矩的权重w1设为0.5;在第一绝对值小于第一阈值thd1且第二绝对值小于第二阈值thd2时,根据第一预测转矩第二预测转矩以及第二预测转矩之间的信任度,确定第一预测转矩第二预测转矩第三预测转矩的权重w1、w2、w3。其中,第一预测转矩第二预测转矩以及第三预测转矩之间的信任度bij根据以下公式计算:其中,M为第三阈值,bii为和之间的信任度。
可选地,根据电机转速,确定与多个转矩预测模型对应的多个加权值的操作,还包括:在电机转速大于第二预定转速时,根据第一预测转矩第二预测转矩以及第三预测转矩之间的信任度,确定第一预测转矩第二预测转矩以及第三预测转矩对应的权重w1、w2、w3。其中,第一预测转矩第二预测转矩以及第三预测转矩之间的信任度bij根据以下公式计算:其中,M为第三阈值,bij为和之间的信任度。
可选地,根据第一预测转矩第二预测转矩以及第二预测转矩之间的信任度,确定第一预测转矩第二预测转矩第三预测转矩的权重w1、w2、w3的操作,包括:建立信任度矩阵其中bij为和之间的信任度;求取信任度矩阵B的最大特征值λ,并根据公式λA=BA,确定向量A=[a1,a2,a3]T,其中a1,a2,a3为非负数;以及根据公式:确定权重w1、w2、w3。
参考图6所示,根据本实施例的第四个方面,提供了一种用于电机的转矩估计***70。电机转速获取模块61、模型转矩计算模块62、加权值确定模块63及转矩估计模块64。其中,电机转速获取模块61用于获取电机的电机转速;模型转矩计算模块62,用于根据多个转矩预测模型分别计算得到多个预测转矩;加权值确定模块63用于根据电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值;以及转矩估计模块64,用于基于多个加权值以及多个预测转矩,确定电机的转矩估计值。
可选地,多个转矩预测模型包括:功率法预测模型、电压磁链法预测模型及电流磁链法预测模型。并且模型转矩计算模块62,包括:参数获取子模块,用于获取提供至电机的三相电压和三相电流、电机转速和转子位置;第一预测转矩子模块,用于以功率法预测模型根据以下公式估算出第一预测转矩其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,η是电机的效率,ωr是电机机械角速度;第二预测转矩子模块,用于以电压磁链法预测模型根据以下公式估算出第二预测转矩 其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,Rs为定子电阻,ψα、ψβ分别为两相静止坐标系下定子磁链,ψs为定子磁链,is为定子电流矢量,pn为电机极对数;以及第三预测转矩子模块,用于以电流磁链法预测模型根据以下公式估计出第三预测转矩 其中,id、iq分别是两相旋转坐标系电流,Ld、Lq分别为两相旋转坐标系下定子电感,pn为电机极对数,ψs为定子磁链,is为定子电流矢量,ψf为转子永磁体磁链。
可选地,加权值确定模块63包括第一子模块,用于当电机转速小于第一预定转速时,将第三预测转矩的权重w3置为1。
可选地,加权值确定模块63包括第二子模块,用于当电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定多个加权值,其中第二预定转速大于第一预定转速:计算第三预测转矩与第一预测转矩之间的差值的绝对值作为第一绝对值以及计算第三预测转矩与第二预测转矩之间的差值的绝对值作为第二绝对值;当第一绝对值大于第一阈值thd1且第二绝对值大于第二阈值thd2时,将第三预测转矩的权重w3设为1;当第一绝对值大于第一阈值thd1且第二绝对值小于第二阈值thd2时,将第三预测转矩的权重w3设为0.5,并且将第二预测转矩的权重w2设为0.5;当第一绝对值小于第一阈值thd1且第二绝对值大于第二阈值thd2时,第三预测转矩的权重w3设为0.5,并且将第一预测转矩的权重w1设为0.5;在第一绝对值小于第一阈值thd1且第二绝对值小于第二阈值thd2时,根据第一预测转矩第二预测转矩以及第二预测转矩之间的信任度,确定第一预测转矩第二预测转矩第三预测转矩的权重w1、w2、w3。其中,第一预测转矩第二预测转矩以及第三预测转矩之间的信任度bij根据以下公式计算:其中,M为第三阈值,bij为和之间的信任度。
可选地,加权值确定模块63还包括第三子模块,用于在电机转速大于第二预定转速时,根据第一预测转矩第二预测转矩以及第三预测转矩之间的信任度,确定第一预测转矩第二预测转矩以及第三预测转矩对应的权重w1、w2、w3。其中,第一预测转矩第二预测转矩以及第三预测转矩之间的信任度bij根据以下公式计算:其中,M为第三阈值,bij为和之间的信任度。
可选地,根据第一预测转矩第二预测转矩以及第二预测转矩之间的信任度,确定第一预测转矩第二预测转矩第三预测转矩的权重w1、w2、w3的操作,包括:建立信任度矩阵其中bij为和之间的信任度;求取信任度矩阵B的最大特征值λ,并根据公式λA=BA,确定向量A=[a1,a2,a3]T,其中a1,a2,α3为非负数;以及根据公式:确定权重w1、w2、w3。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现永磁同步电机转矩融合估计方法,本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明提供的一种永磁同步电机转矩融合估计方法、介质、设备及***,具有以下有益效果:能够互补三种算法的优势,进行分段策略,通过对电机速度的划分,分为低速、中速和高速,在不同区间三种方法配上不同的权重,解决了现有技术存在的由转速高低变化影响导致中转矩估计精度较差以及转矩传感器使用成本高的技术问题,具有很高的商业价值和实用性。
Claims (9)
1.一种用于电机的转矩估计方法,其特征在于,包括:
获取电机的电机转速;
根据多个转矩预测模型分别计算得到多个预测转矩,包括:
根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值,当所述电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定所述多个加权值,其中所述第二预定转速大于所述第一预定转速:
在所述第一绝对值小于第一阈值thd1且所述第二绝对值小于第二阈值thd2时,根据所述第一预测转矩所述第二预测转矩以及所述第二预测转矩之间的信任度,确定所述第一预测转矩所述第二预测转矩所述第三预测转矩的权重w1、w2、w3,其中
基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取提供至所述电机的三相电压和三相电流、电机转速和转子位置;
其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,η是电机的效率,ωr是电机机械角速度;
其中,iα、iβ、uα、uβ分别是两相静止坐标系电流和电压,Rs为定子电阻,ψα、ψβ分别为两相静止坐标系下定子磁链,ψs为定子磁链,is为定子电流矢量,pn为电机极对数;以及
其中,id、iq分别是两相旋转坐标系电流,Ld、Lq分别为两相旋转坐标系下定子电感,pn为电机极对数,ψs为定子磁链,is为定子电流矢量,ψf为转子永磁体磁链。
3.根据权利要求1所述的方法,其特征在于,所述根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值的操作,包括:当所述电机转速小于第一预定转速时,第三预测转矩的权重w3置为1。
7.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时由处理器执行权利要求1至6中任意一项所述的方法。
8.一种用于电机的转矩估计设备,其特征在于,包括:
处理器;
存储器,与所述处理器连接,用于为所述处理器提供处理以下步骤的命令:
获取电机的电机转速;
根据多个转矩预测模型分别计算得到多个预测转矩,包括:
根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值,当所述电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定所述多个加权值,其中所述第二预定转速大于所述第一预定转速:
在所述第一绝对值小于第一阈值thd1且所述第二绝对值小于第二阈值thd2时,根据所述第一预测转矩所述第二预测转矩以及所述第二预测转矩之间的信任度,确定所述第一预测转矩所述第二预测转矩所述第三预测转矩的权重w1、w2、w3,其中
基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。
9.一种用于电机的转矩估计***,其特征在于,包括:
电机转速获取模块,用于获取电机的电机转速;
模型转矩计算模块,用于根据多个转矩预测模型分别计算得到多个预测转矩,包括:
加权值确定模块,用于根据所述电机转速和多个预测转矩,确定与多个转矩预测模型对应的多个加权值,当所述电机转速大于第一预定转速且小于第二预定转速时,通过以下方式确定所述多个加权值,其中所述第二预定转速大于所述第一预定转速:
在所述第一绝对值小于第一阈值thd1且所述第二绝对值小于第二阈值thd2时,根据所述第一预测转矩所述第二预测转矩以及所述第二预测转矩之间的信任度,确定所述第一预测转矩所述第二预测转矩所述第三预测转矩的权重w1、w2、w3,其中
转矩估计模块,用于基于所述多个加权值以及所述多个预测转矩,确定所述电机的转矩估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810616532.6A CN108718167B (zh) | 2018-06-14 | 2018-06-14 | 用于永磁同步电机的转矩估计方法、介质、设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810616532.6A CN108718167B (zh) | 2018-06-14 | 2018-06-14 | 用于永磁同步电机的转矩估计方法、介质、设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108718167A CN108718167A (zh) | 2018-10-30 |
CN108718167B true CN108718167B (zh) | 2020-07-14 |
Family
ID=63912983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810616532.6A Active CN108718167B (zh) | 2018-06-14 | 2018-06-14 | 用于永磁同步电机的转矩估计方法、介质、设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108718167B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021054033A1 (zh) | 2019-09-20 | 2021-03-25 | ||
CN112287785A (zh) * | 2020-10-20 | 2021-01-29 | 常州匠心独具智能家居股份有限公司 | 电机转速软测量方法和*** |
CN112476423B (zh) * | 2020-11-12 | 2022-03-08 | 腾讯科技(深圳)有限公司 | 机器人的关节电机控制方法、装置、设备及存储介质 |
CN112787561A (zh) * | 2021-01-22 | 2021-05-11 | 广东省大湾区集成电路与***应用研究院 | 车用电机的扭矩监控方法、装置以及汽车 |
CN116418260A (zh) * | 2021-12-31 | 2023-07-11 | 深圳先进技术研究院 | 永磁同步电机的转矩估测方法、装置、设备及存储介质 |
CN114878906B (zh) * | 2022-05-06 | 2024-07-23 | 同济大学 | 一种大动态测量范围电流传感方法及电路 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3612953B2 (ja) * | 1997-08-20 | 2005-01-26 | 富士電機機器制御株式会社 | 誘導電動機の制御装置 |
US8080950B2 (en) * | 2009-03-16 | 2011-12-20 | Unico, Inc. | Induction motor torque control in a pumping system |
JP5170569B2 (ja) * | 2009-03-31 | 2013-03-27 | アイシン・エィ・ダブリュ株式会社 | ハイブリッド駆動装置 |
CN103269199B (zh) * | 2013-05-22 | 2015-02-18 | 电子科技大学 | 一种电动汽车感应电机转矩电流给定装置 |
CN103634786B (zh) * | 2013-11-14 | 2017-04-05 | 北京奇虎科技有限公司 | 一种无线网络的安全检测和修复的方法与*** |
-
2018
- 2018-06-14 CN CN201810616532.6A patent/CN108718167B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108718167A (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108718167B (zh) | 用于永磁同步电机的转矩估计方法、介质、设备及*** | |
EP3014760B1 (en) | System and method of rotor time constant online identification in an ac induction machine | |
CN109787525B (zh) | 永磁同步电机磁链估测方法、装置和计算机设备 | |
CN109586645B (zh) | 一种永磁同步电机惯量识别方法及设备 | |
Ortombina et al. | Magnetic model identification of synchronous motors considering speed and load transients | |
Huynh et al. | On-line parameter estimation of an induction machine using a recursive least-squares algorithm with multiple time-varying forgetting factors | |
CN112087172B (zh) | 一种永磁同步电机改进无差拍预测电流控制方法 | |
Jannati et al. | Speed sensorless fault-tolerant drive system of 3-phase induction motor using switching extended kalman filter | |
US20220129603A1 (en) | Motor winding insulation diagnosis and prognosis using resistance simulation method | |
Jannati et al. | Indirect rotor field-oriented control of fault-tolerant drive system for three-phase induction motor with rotor resistance estimation using EKF | |
CN103986400A (zh) | 基于二维模糊控制的模型参考自适应***参数自整定方法 | |
JP2018191506A (ja) | 電気モータの回転子の電気抵抗を識別するための方法 | |
CN108521246A (zh) | 永磁同步电机单电流传感器电流预测控制的方法及装置 | |
CN112087173A (zh) | 一种基于观测器的异步电机故障检测方法 | |
WO2023124921A1 (zh) | 永磁同步电机的转矩估测方法、装置、设备及存储介质 | |
Brandstetter et al. | Application of BEMF-MRAS with Kalman filter in sensorless control of induction motor drive | |
Ciabattoni et al. | Adaptive extended Kalman filter for robust sensorless control of PMSM drives | |
Teler et al. | Analysis of the stator current prediction capabilities in induction motor drive using the LSTM network | |
CN111682821A (zh) | 内嵌式永磁同步电机矢量控制方法及*** | |
Gashtil et al. | On-line Estimation of Magnetizing Inductance and Rotor Resistance in Extended Kalman-Filter for Induction Machines | |
Mohana Lakshmi et al. | A robust EKF based speed estimator and Fuzzy optimization technique for sensorless induction motor drives | |
Singh et al. | Design of Kalman Filter for induction motor drive | |
Ma et al. | Machine Learning to optimize Permanent Magnet Synchronous Machines | |
El Idrissi et al. | Non-linear Adaptive Observer for Salient-Pole PMSM for Hybrid Electric Vehicle Applications | |
Lin et al. | Sensorless IPMSM drive system using saliency back-EMF-based observer with MTPA control |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |