CN112671290B - 基于单电阻采样的异步电机无速度传感器矢量控制方法 - Google Patents

Abstract

本发明公开了一种基于单电阻采样的异步电机无速度传感器矢量控制方法。该方法为：首先基于异步电机矢量控制数学模型，建立状态观测系数矩阵方程，基于状态观测系数矩阵方程和预设初始量，进行状态观测器的初始化；然后基于逆变器的电压空间矢量脉宽调制方式，依据不同开关组合情况和电压矢量位置以及初始扇区或上周期EKF估计扇区进行相电流重构；再基于量测误差与预测协方差矩阵更新预测协方差矩阵，获得电机转速辨识信息和当前电机磁链；最后基于对当前电机磁链位置判断扇区所在位置，对下一次相电流重构提供辅助判断。本发明种准确性强、可靠性高，提高了电机在高电磁噪声环境下相电流重构的鲁棒性。

Description

基于单电阻采样的异步电机无速度传感器矢量控制方法

技术领域

本发明涉及电机控制技术领域，特别是一种基于单电阻采样的异步电机无速度传感器矢量控制方法。

背景技术

在现代高性能交流电机调速控制***中，矢量控制技术以其性能优良、方法简单可靠等优点，广泛应用于各种交流电机的高性能控制领域。高性能的交流电机矢量控制***中需要在转子轴上安装相应的速度传感器，实时采集电动机的转速和位置信息，导致***成本增加、可靠性降低、环境适应性变差等问题。

由于电机工作现场一般工况复杂，电磁噪声较大，所以研究适应各种环境的转速估计精度高、鲁棒性好的无速度传感器传感器矢量控制***对于提高交流调速***性能具有一定的价值与意义。在众多无速度传感器中，基于扩展卡尔曼滤波的无速度传感器滤波精度高且抗干扰性强，具有很高的研究价值与研究意义。

基于单电阻采样的相电流重构方法就是在直流母线侧串接一个采样电阻，与SVPWMS相结合，根据不同开关状态下直流母线电流与三相电流瞬时值之间的关系可直接重构出三相电流。该方法用单个采样电阻代替电流传感器进行电流采样，大大地减小了***的成本与规模，但由于其传感器数量少，在高电磁噪声等影响下，相电流存在重构失败导致变频器无法运行的风险。

扩展卡尔曼滤波(Externed Kalman Filter，EKF)算法是卡尔曼滤波在非线性情形下的一种扩展形式，利用Taylor展开将非线性***线性化，然后采用卡尔曼滤波框架对信号进行滤波。但在非线性函数Taylor展开式的高阶项无法忽略时，线性化会使***产生较大的误差，甚至于滤波器难以稳定；滤波器对原始测量数据均有一定精度要求，当原始数据出错时滤波器跟踪效果变差甚至失效。

发明内容

本发明的目的在于提供一种准确性强、可靠性高、电机运行的鲁棒性高、能够在高电磁噪声环境下运行的异步电机无速度传感器矢量控制方法。

实现本发明目的的技术解决方案为：一种基于单电阻采样的异步电机无速度传感器矢量控制方法，包括以下步骤：

步骤1、基于逆变器的电压空间矢量脉宽调制方式，依据不同开关组合情况和电压矢量位置，以及初始扇区或上一周期的EKF估计扇区进行相电流重构；

步骤2、基于异步电机矢量控制数学模型，建立状态观测系数矩阵方程；

步骤3、基于状态观测系数矩阵方程和预设初始量，进行状态观测器的初始化；

步骤4、基于量测误差与预测协方差矩阵更新预测协方差矩阵，获得电机转速辨识信息和当前电机磁链；

步骤5、基于对当前电机磁链位置判断扇区所在位置，对下一次相电流重构提供辅助判断。

本发明与现有技术相比，其显著优点在于：(1)引入扩展卡尔曼无速度传感器对磁链估计进行辅助扇区判断，解决了单电阻采样无速度传感器矢量控制***在高电磁噪声环境下，相电流重构失败导致变频器无法正常运行的问题，提高了相电流重构的准确性与可靠性；(2)通过预先进行扇区判断，缩短了对三相电流均进行更新的时间，提高了运行效率；(3)通过对扩展卡尔曼滤波器对磁链的估测，避免了非观测区相电流重构混乱的影响；(4)提高了在高电磁噪声环境下相电流重构的可靠性，提高了异步电机运行的鲁棒性。

附图说明

图1是本发明基于单电阻采样的异步电机无速度传感器矢量控制方法的流程图。

图2是本发明中基于单电阻采样的异步电机无速度传感器矢量控制***的结构图。

图3是本发明中相电流重构的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

结合图1、图2，本发明一种基于单电阻采样的异步电机无速度传感器矢量控制方法，包括以下步骤：

步骤1、基于逆变器的电压空间矢量脉宽调制方式，依据不同开关组合情况和电压矢量位置，以及初始扇区或上一周期的EKF估计扇区进行相电流重构，结合图3，具体如下：

步骤1.1、根据当前电压采样结果判断当前电压矢量，结合初始基本电压矢量或上次基本电压矢量，判断当前扇区；

步骤1.2、判断当前扇区与上次扇区是否一致，若一致则输出当前扇区，若不一致则将当前扇区与EKF估计扇区对比，当前扇区与EKF估计扇区一致则输出EKF估计扇区，否则输出上次扇区；若是初始启动，则直接输出当前扇区；

步骤1.3、根据电压采样值，判断基本电压矢量和开关状态，对对应相进行相电流更新，所在扇区的另外一个基本电压矢量对应相的相电流继承上次结果，剩下一相的相电流根据三相电流和为零求得。

步骤2、基于异步电机矢量控制数学模型，建立状态观测系数矩阵方程，具体如下：

基于异步电机矢量控制数学模型，建立状态转移矩阵可，具体为：

式中，i_sα、i_sβ为α-β坐标系中定子电流，ψ_sα、ψ_sβ为α-β坐标系中定子磁链，u_sα、u_sβ为α-β坐标系中定子电压，ω_r为角速度，R_s为定子电阻，R_r为转子电阻，L_s为定子等效两相绕组自感，L_r为转子等效两相绕组自感，L_m为定子与转子同轴等效绕组间互感，p为电机的极对数，J为转动惯量，T_L为负载转矩，σ为磁链耦合项，σ＝1-L_m ²/L_rL_s；T_r为转子时间常数，T_r＝L_r/R_r。

步骤3、基于状态观测系数矩阵方程和预设初始量，进行状态观测器的初始化，具体如下：

转速和磁链估计的状态量选取为：

x＝[i_sα i_sβ ψ_sα ψ_sβ Φ_r]^T

观测量为：

Y＝[i_sα i_sβ]^T

控制量为：

U＝[u_sα u_sβ]^T

观测矩阵为：

状态方程选取为：

x_k+1＝f(x_k,u_k)+w_k

式中，x_k为k时刻***的n维状态矢量，x_k+1为k+1时刻***的n维状态矢量，u_k为k时刻控制输入矢量，f为状态转移矩阵，w_k为过程噪声矢量；

观测方程选取为：

y_k＝Hx_k+v_k

式中，y_k为k时刻量测矢量，H为观测矩阵，v_k为测量噪声矩阵。

初始化步骤主要包含基于电机特性参数初始值，设置状态量观测量初始值操作。

步骤4、基于量测误差与预测协方差矩阵更新预测协方差矩阵，获得电机转速辨识信息和当前电机磁链，具体如下：

状态更新主要包括：

P_k+1|k＝Φ_k+1|kP_k|kΦ_kT_+1|k+Q_k

其中，

为k时刻***的状态变量，对k时刻***估计的最终结果，Φ_k+1|k表示由k时刻到k+1时刻的状态转移矩阵，

为k+1时刻***对状态变量初步估计结果，P_k+1|k为k+1时刻预估协方差更新，Q_k为k时刻***过程噪声协方差矩阵；

测量更新主要包括：

P_k+1|k+1＝(I-K_k+1H_k+1)P_k+1|k

式中，K_k+1为卡尔曼增益矩阵，

为k+1时刻观测量数据，P_k|k为估计误差协方差矩阵，R_k+1为测量噪声矩阵。

步骤5、基于对当前电机磁链位置判断扇区所在位置，对下一次相电流重构提供辅助判断，防止因为高电磁噪声影响相电流重构。

本发明引入扩展卡尔曼无速度传感器对磁链估计进行辅助扇区判断，解决了单电阻采样无速度传感器矢量控制***在高电磁噪声环境下，相电流重构失败导致变频器无法正常运行的问题，提高了相电流重构的准确性与可靠性；通过预先进行扇区判断，缩短了对三相电流均进行更新的时间，提高了运行效率；通过对扩展卡尔曼滤波器对磁链的估测，避免了非观测区相电流重构混乱的影响；提高了在高电磁噪声环境下相电流重构的可靠性，提高了异步电机运行的鲁棒性。

Claims (3)

1.一种基于单电阻采样的异步电机无速度传感器矢量控制方法，其特征在于，包括以下步骤：

步骤1、基于逆变器的电压空间矢量脉宽调制方式，依据不同开关组合情况和电压矢量位置，以及初始扇区或上一周期的EKF估计扇区进行相电流重构；

步骤2、基于异步电机矢量控制数学模型，建立状态观测系数矩阵方程；

步骤3、基于状态观测系数矩阵方程和预设初始量，进行状态观测器的初始化；

步骤4、基于量测误差与预测协方差矩阵更新预测协方差矩阵，获得电机转速辨识信息和当前电机磁链；

步骤5、基于当前电机磁链位置判断扇区所在位置，得到EKF估计扇区，对下一次相电流重构提供辅助判断；

步骤1所述的基于逆变器的电压空间矢量脉宽调制方式，依据不同开关组合情况和电压矢量位置，以及初始扇区或上一周期的EKF估计扇区进行相电流重构，具体如下：

步骤1.1、根据当前逆变器的电压采样结果判断当前电压矢量，结合初始基本电压矢量或上次基本电压矢量，判断当前扇区；

步骤1.2、判断当前扇区与上次扇区是否一致，若一致则输出当前扇区，若不一致则将当前扇区与EKF估计扇区对比，当前扇区与EKF估计扇区一致则输出EKF估计扇区，否则输出上次扇区；若是初始启动，则直接输出当前扇区；

步骤1.3、根据电压采样结果，判断第一基本电压矢量和开关状态，对对应第一相进行相电流更新，所在扇区的第二基本电压矢量对应第二相的相电流继承上次结果，第三相的相电流根据三相电流和为零求得；

步骤2所述的基于异步电机矢量控制数学模型，建立状态观测系数矩阵方程，具体如下：

式中，i_sα、i_sβ为α-β坐标系中定子电流，ψ_sα、ψ_sβ为α-β坐标系中定子磁链，u_sα、u_sβ为α-β坐标系中定子电压，ω_r为角速度，R_s为定子电阻，R_r为转子电阻，L_s为定子等效两相绕组自感，L_r为转子等效两相绕组自感，L_m为定子与转子同轴等效绕组间互感，p为电机的极对数，J为转动惯量，T_L为负载转矩，σ为磁链耦合项，σ＝1-L_m ²/L_rL_s；T_r为转子时间常数，T_r＝L_r/R_r。

2.根据权利要求1所述的基于单电阻采样的异步电机无速度传感器矢量控制方法，其特征在于，步骤3所述的基于状态观测系数矩阵方程和预设初始量，进行状态观测器的初始化，具体如下：

转速和磁链估计的状态量选取为：

x＝[i_sα i_sβ ψ_sα ψ_sβ ω_r]^T

观测量为：

Y＝[i_sα i_sβ]^T

控制量为：

U＝[u_sα u_sβ]^T

观测矩阵为：

状态方程选取为：

x_k+1＝f(x_k,u_k)+w_k

式中，x_k为k时刻***的n维状态矢量，x_k+1为k+1时刻***的n维状态矢量，u_k为k时刻控制输入矢量，f为状态观测系数矩阵方程，w_k为过程噪声矢量；

观测方程选取为：

y_k＝Hx_k+v_k

式中，y_k为k时刻的量测矢量，H为观测矩阵，v_k为测量噪声矩阵；

初始化步骤包含基于电机特性参数初始值，设置状态量、观测量初始值操作。

3.根据权利要求2所述的基于单电阻采样的异步电机无速度传感器矢量控制方法，其特征在于，步骤4所述的基于量测误差与预测协方差矩阵更新预测协方差矩阵，获得电机转速辨识信息和当前电机磁链，具体如下：

状态更新包括：

其中，

为k时刻***的状态变量估计的最终结果，Φ_k+1|k表示由k时刻到k+1时刻的状态观测系数矩阵方程，

为k+1时刻***对状态变量初步估计结果，P_k+1|k为k+1时刻预估协方差更新，Q_k为k时刻***过程噪声协方差矩阵；

测量更新包括：

P_k+1|k+1＝(I-K_k+1H_k+1)P_k+1|k

其中K_k+1为卡尔曼增益矩阵，

为k+1时刻观测量数据，P_k|k为估计误差协方差矩阵，R_k+1为测量噪声矩阵。

Images