CN112740538A - 用于确定电机的磁通量的方法 - Google Patents

Abstract

本发明涉及一种基于电机的各相中的电流和电压的测量(MES)、基于磁通的动态模型(MOD)以及基于自适应卡尔曼滤波(KAL)来确定电机的磁通

的方法。

Description

用于确定电机的磁通量的方法

技术领域

本发明涉及电机控制领域，尤其是凸极同步电机的控制。这些电机在机动车领域有着显著的应用。

传统上，电机包括转子(移动部分)和定子(静止部分)。转子通常容纳在定子里。一般而言，定子具有环形形状，并且它被容纳在它所紧固到的管状支架内。

定子包括诸磁通发生器，通常是电绕组。这些绕组由多个(通常是三个)电相来馈电，以产生旋转磁场。此外，取决于电机的类型，尤其是凸极同步电机，转子可包括永磁体。

在此类电机的操作期间，电流流过绕组以生成使转子旋转所需的磁场。

背景技术

对于此类电机而言存在若干类型的控制。尤其众所周知的是，直接转矩控制方法是最有效的控制策略之一，可以实现稳态以及暂态中的转矩控制，尤其是对于凸极同步电机而言。此外，这一控制方法比场定向控制方法更易于实现。此外，该方法需要相关于电机的较少信息，并且电流控制环路不是必要的，这显著地允许解决与这一电流控制环路相关的延迟问题。

然而，这一控制方法的缺点是它基于电机的磁通信号，而在电机正在操作时不能直接测量这一个量。磁通随后需要被估算，例如借助使用其他可测量量的观测器。文献：Mohamad Koteich.“Flux estimation algorithms for electric drives:a comparativestudy(电驱动器的磁通估算算法：比较研究)”，载于：Renewable Energies forDeveloping Countries(发展中国家的可再生能源)(REDEC)，2016年，第三届国际会议，IEEE，2016年，第1-6页(见第5页)，回顾了一些确定磁通的方法。

现有技术的大多数方法需要知悉电阻、转子的磁通以及电感。然而，尽管电阻可以认为是已知的，但转子的磁通的准确值仍然未知，尤其是因为它取决于转子的温度，转子的磁通的准确值不能被直接测量。此外，在存在磁饱和的情况下，电感是电流的非线性函数。因此，电机的磁通的估算是不平凡的问题，它涉及估算的复杂性和/或不精确性。

专利申请FR-3035755描述了一种基于由观测器获得的磁通的估算和离散扩展卡尔曼算法来控制电机的方法。这一方法中使用的建模过程对参数变化不是非常稳健，尤其是因为磁通是间接地估算的，因为它需要计算电流。此外，这一专利申请中描述的模型没有考虑电感的非线性(磁饱和)。此外，离散扩展卡尔曼算法不允许***随时间变化。实际上，扩展卡尔曼滤波只考虑与方程中的速度存在有关的非线性。

为了克服这些缺点，本发明涉及一种基于电机的各相中的电流和电压的测量、基于磁通的动态模型以及基于自适应卡尔曼滤波来确定电机的磁通的方法。磁通的动态模型提供了精确(考虑到***随时间的变化)且稳健的磁通模型。因而，磁通是直接确定的。自适应卡尔曼滤波允许根据电机的转速来适配噪声协方差矩阵。因而，该滤波在电机的宽工作范围上是有效的。此外，自适应卡尔曼滤波对转子和电感的磁通变化而言是稳健的。

本发明还涉及一种使用确定磁通的方法来控制电机的方法和***。

发明内容

本发明涉及一种确定电机的磁通的方法，所述电机包括转子、定子，所述定子包括连接到多个电相的绕组。对于该方法执行以下步骤：

a)测量所述电机的所述相的电流和电压，

b)确定所述转子的电转速，尤其是因变于所述转子的机械转速，

c)构建所述电机的所述磁通的动态模型，所述磁通的所述动态模型将所述磁通与电机诸相的电流和电压以及所述转子的所述电转速相联系，以及

d)通过对所述动态磁通模型应用自适应卡尔曼滤波来确定所述磁通

所述动态磁通模型被应用于所述电流和电压测量以及所确定的电转速。

根据一实施例，所述转子的所述电转速ω_e用ω_e＝pω类型的公式来确定，其中p是电机的极对数目，ω是所述转子的机械转速。

有利地，所述机械转速是借助锁相环PLL方法来确定的。

根据一实现，所述动态磁通模型(MOD)被写为：

其中

是电机的磁通，i是电流，Φ是转子磁通，L是所述电机的电感，L_qs、b_qs是将饱和效应纳入考虑的系数，d和q是Park坐标系中的轴，以及i_qm是交轴电流(quadraturecurrent)值，其中磁通是交轴电流值的线性函数。

根据一方面，通过执行以下步骤来应用所述自适应卡尔曼滤波：

i)通过整合所述模型中的不确定性和测量噪声来修改所述动态磁通模型，

ii)离散化所述经修改的动态磁通模型，以及

iii)将自适应卡尔曼滤波算法应用于所述经修改且经离散化的模型。

根据一特征，通过执行以下步骤来应用所述自适应卡尔曼滤波算法：

(1)初始化k＝0，状态向量

和协方差矩阵的状态P(0|0)＝P₀，

(2)应用时间更新和测量更新方程以获得

和P(k|k)：

借助以下公式来确定在时刻k处估算的所述磁通

其中k是离散化时间，A_d、B_d是状态实现矩阵，P是状态向量的协方差矩阵，R是校准矩阵，K是卡尔曼滤波增益，且

是调整参数。

有利地，所述电机是凸极同步电机。

此外，本发明涉及一种用于控制电机的方法，包括以下步骤：

a)借助根据上述特征之一确定所述磁通的方法来确定所述电机的磁通

以及

b)借助所确定的磁通来控制(CON)所述电机。

有利地，所述电机根据一种方法被控制(CON)，该方法提供根据所述磁通实现的对电机的转矩的直接控制。

此外，本发明涉及一种用于控制电机的***，包括用于实现根据上述特征之一的控制方法的控制装置。

附图说明

参照附图，通过阅读以下通过非限制性示例给出的实施例的描述，根据本发明的方法的其他特征和优点将显而易见，其中：

-图1解说了根据本发明的一实施例的方法的各步骤，

-图2和3示出了在Park坐标系中作为电流的函数的电机磁通的各个值。

具体实施方式

本发明涉及一种实时确定电机的磁通的方法。电机包括转子和定子，定子配备有连接到若干电相(例如三个电相)的绕组以用于生成能够使转子旋转的磁场。

图1藉由非限制性示例示意性地描述了根据本发明的实施例的方法的各步骤。该确定磁通的方法包括以下步骤：

1)测量电流和电压(MES)

2)确定电转速(VIT)

3)构建动态磁通模型(MOD)

4)应用自适应卡尔曼滤波(KAL)

步骤1)至3)是独立的，并且它们可以按这一次序、不同次序或同时执行。

步骤4)允许确定电机的磁通

此外，本发明涉及一种控制电机的方法。这种控制方法包括上述步骤1)至4)和电机控制步骤(CTRL)5)。

这一控制步骤5)是可任选步骤。实际上，磁通可按不同方式被使用，尤其是用于电机故障诊断。

下文在本说明书的其余部分中详细描述步骤1到5)。

符号：

在本说明书中使用以下符号：

v：电机的相端子处的电压，

i：在电机的诸相中循环的电流，

i_qm：交轴电流值，磁通是该交轴电流值的线性函数，

ω：转子的机械转速，对应于电机的转子相对于定子的旋转速度，

ω_e：转子的电转速，

Φ：转子磁体的磁通密度，针对根据本发明的方法所考虑的，在标称情形中是针对20℃的温度，

R(t)：电机绕组的电阻，它是可通过实验获得的已知参数。

L_d：所述电机的直轴电感，它是电机的已知参数(制造商数据或通过实验获得的数据)，

L_q：所述电机的交轴电感，它是电机的已知参数(制造商数据或通过实验获得的数据)，

L_qs：将饱和现象纳入考虑的电感(制造商数据或通过实验获得的数据)，

p：电机的极对数目，

电机的磁通，

A：状态表示的矩阵

B：单位矩阵

f：状态表示的函数，

b_qs：将饱和现象纳入考虑的标量系数，这一值可通过实验获得，

u：状态表示数据的向量，

状态表示的状态向量，对应于不可测量的状态，

ε：未建模的动力学，

η：测量噪声，

Ts：采样周期，

k：经离散化时间，

A_d：经离散化状态表示的矩阵，

B_d：经离散化状态表示的矩阵，

J：通过卡尔曼滤波来最小化的成本函数，

P：状态向量的协方差矩阵，

P₀,Q,R：校准矩阵，

Q_ε：调整参数，

K：卡尔曼滤波增益。

估计值由帽(扬抑符)来表示。均值由变量上方的上划线来表示。时间导数由点来表示。带有下标_d(直轴)或_q(交轴)的符号意味着这些量是在Park坐标系中表示的。此外，初始状态值以0给出(t或k＝0)。

1)测量电流和电压

在此步骤中，测量电机各相中的电流和电压。

这些测量可以通过电压和电流传感器来执行。

2)确定转子的电转速

这一步骤包括确定转子的电转速。

根据本发明的一实施例，转子的电转速可以借助以下公式根据转子的机械转速来确定：ω_e＝pω。

根据这一实施例的一实现，可以使用本领域技术人员已知的任何方法来估算转子的机械转速。例如，可以根据锁相环(PLL)类型的方法来估算机械转速。在一变型中，估算机械转速的方法可如专利申请FR-2984637中所描述的。

或者，可以借助布置在电机上的速度传感器来测量转子的机械转速。

在一变型中，可以直接确定电转速。

3)构建动态磁通模型

在这一步骤中，动态磁通模型被构建。动态磁通模型将磁通与电机的各电相中的电流、电压以及转子的电转速联系起来。该模型被称为动态模型，因为它是转速的函数。动态磁通模型是电机的状态表示。需要提醒的是，在***理论(和自动化)中，状态表示允许使用状态变量以矩阵形式对动态***进行建模。这一表示可以是或不是线性的，可以是连续或离散的。如果初始时间的状态和影响该***的输入变量的行为是已知的，则该表示允许确定该***在任何未来时刻的内部状态和输出。

在Park坐标系(d,q)中，动态磁通模型可由以下差分方程来表示：

当以向量形式来写这些差分方程时，得到：

或者，以等效方式：

其中

是不可测量的状态，而

是模型输入。

根据这一方程，很明显，电机的磁通的状态方程可以用随时间的线性模型来描述。然而，磁通的状态方程是电流i_d和i_q以及转子的磁通Φ的高度非线性函数。随后我们可写成：

图2和图3示出了对于给定应用作为电流i_d和i_q的函数的函数f_d和f_q的示例，可以注意到，尽管函数f_d是相关于i_d的相对线性的函数，但函数f_q不是如此。因而，估算电机磁通的问题变得更加复杂，因为函数f_d和f_q也是转子的机械角的函数而更加如此。

这一复杂问题的解决方案可以包括绘制磁通量

和

这一解决方案需要很大的存储容量和大量的实验测量。此外，转子的磁通随温度而变化。上述模型因此实现起来很复杂。

根据本发明的一实施例，在保持精确的同时构造实现起来简单的动态磁通模型是可能的，并且该经简化模型可以由以下方程来定义：

这一模型具有精确而没有消耗存储器和计算时间的优点，这便于在自适应卡尔曼滤波中实现并可能在电机控制方法中实现。

根据这一实施例的一实现，可以在考虑20℃温度的标称情况下考虑转子的磁通Φ。

对于这一实施例，状态方程可以写成如下：

其中：

4)应用自适应卡尔曼滤波

电机的磁通在此步骤中被确定。因此，自适应卡尔曼滤波被应用于在步骤3)中构建的动态模型、在步骤1)中获得的电压和电流测量以及在步骤2)中获得的转子电转速。应用卡尔曼滤波允许获得状态观测器。自适应卡尔曼滤波提供根据电机的转速来适配噪声协方差矩阵。因而，该滤波在电机的宽工作范围上是有效的。此外，自适应卡尔曼滤波对转子和电感的磁通变化而言是稳健的。

需要提醒的是，在***理论和自动化中，状态观测器或状态估计器是被表示为状态表示的模型的扩展。当***的状态不可测量时，构造允许从模型中重构状态的观测器。

根据本发明的一实施例，可以通过执行以下步骤来应用自适应卡尔曼滤波：

-通过整合未建模的动力学和测量噪声来修改动态磁通模型，

-离散化经修改的动态磁通模型，以及

-将自适应卡尔曼滤波算法应用于经修改且经离散化的动态模型。

根据这一实施例的示例，可以执行下文描述的各步骤。

磁通的动态模型被修改以便考虑该模型的不确定性ε(t)和测量噪声η(t)。经修改的模型可被写成：

获得更真实的磁通模型因而是可能的。

这一模型随后被离散化以供应用卡尔曼滤波。因此考虑采样周期T_S。随后可写出以下方程：

其中：

给定矩阵A是速度的函数，它本身是时间的函数，不可能解析地确定矩阵A_d和B_d。

根据这一实施例的一方面，可以借助泰勒级数来获得矩阵A_d和B_d。优选地，出于效率目的，可以借助三阶泰勒级数来确定矩阵A_d和B_d。在这一情形中，矩阵A_d和B_d可被写成：

最后，应用自适应卡尔曼滤波算法。

随后提出：

ζ(k)＝B_d∈(k)。

确定未知状态变量x的一种方式是在自适应卡尔曼滤波中将信息ζ(k)和η(k)纳入考虑。在实践中，这一自适应卡尔曼滤波提供下述最小化问题的解决方案：

其中：

ζ(k-1)＝x(k)-A_d(k-1)x(k-1)-B_du(k-1)

成本函数J提供用于选择矩阵P₀、R和Q的指南，带有以下条件：

1.如果在时间k＝0的初始状态x(k)是已知的，即

则矩阵P0的值相对小。否则，矩阵P₀的值相对大。

2.如果存在很多测量噪声，则矩阵R的值相对小。否则，矩阵R的值相对大。

此外，Q可被选择成：

其中Q_ε是调整参数。这一解决方案暗示矩阵Q是转子的转速的函数。

为了借助自适应卡尔曼滤波来求解该最小化问题，可采用以下假设。这些假设主要关注矩阵P₀、R和Q的数学解释。

-初始状态x(0)是不与噪声ζ(k)和η(k)相关的随机向量，

-初始状态x(0)具有已知均值

和由下式定义的协方差：

其中E表示期望值，

-ζ(k)和η(k)不相关，并且它们是具有零均值的白噪声，分别具有协方差矩阵Q和R，换言之：

E[ζ(k)η(j)^T]＝0，对于全部k，j

可以注意到，这一假设还暗示Q和R是对称的半正定矩阵。

还采用以下符号：

-

是根据直至时间k-1的诸测量的x(k)的估计，即x(k-1)，x(k-2)，……，以及u(k-1)，u(k-2)……

-

是根据直至时间k的诸测量的x(k)的估计，即x(k)，x(k-1)，……，以及u(k)，u(k-1)……

-P(k|k-1)是给定x(k-1)，x(k-2)，……，以及u(k-1)，u(k-2)……的x(k)的协方差矩阵，

-P(k|k)是根据直至时间k的诸测量的x(k)的协方差矩阵，即x(k)，x(k-1)，……，以及u(k)，u(k-1)……

自适应卡尔曼滤波算法随后可被如下概括，具有时间更新方程：

和测量更新方程：

因而，电机的磁通可被确定。

根据本发明的一实现，自适应卡尔曼滤波办法可被概括如下：

1.在先前时间估算的输入数据(以下列出)以及参数Q_ε和R(协方差矩阵)被使用，并且确定

P(k-1|k-1)

2.通过执行以下步骤来确定输出：

(1)(1)初始化k＝0，状态向量

和协方差矩阵的状态P(0|0)＝P₀，

(2)(2)应用时间更新和测量更新方程以获得

和P(k|k)：

(3)使用以下公式确定在时间k估算的磁通

在这些方程中，下标1表示向量x的第一项，而下标2表示向量x的第二项。

5)电机控制

这一步骤是可任选的。

本发明还涉及一种用于同步电机的实时控制的方法，其中以下步骤被执行：

-借助上述方法(步骤1)至4))确定电机的磁通，以及

-根据所确定的磁通来控制所述同步电机的转矩。这一步骤可以使用将磁通纳入考虑来控制电机的任何常规手段来执行。例如，电机的控制可以基于有效直接转矩控制方法，尤其适用于凸极同步电机。

此外，本发明涉及一种用于适于应用上述方法的用于控制同步电机的***。此类电机控制***可以包括电机控制装置，包括确定电机的磁通的装置和控制电机的转矩的装置。确定磁通的装置根据电流和电压测量(即电机的三相中的每一者的电流和电压)来确定电机的磁通。转矩控制装置根据磁通在电机的端子上施加电压，以确保电机的转矩设定点。有利地，该控制***可以是包括计算机装置的控制器。该控制方法和***可被用于车辆车载的电机，尤其是电动或混合动力车辆。然而，所描述的控制***不限于此应用，并且它适用于所有电机应用。

根据一方面，电机是凸极同步电机。实际上，该方法尤其适合这一类型的电机，一方面是因为电机的动态模型非常能很好代表这一类型的电机，另一方面是因为磁通的确定使得能够控制此类电机，尤其是通过直接控制扭矩。

明显地，本发明不仅限于以上藉由示例描述的凹陷的各实施例，并且它涵盖多个变型。

Claims (10)

1.一种确定电机的磁通的方法，所述电机包括转子、定子，所述定子包括连接到多个电相的绕组，其特征在于，以下步骤被执行：

a)测量(MES)所述电机的所述相的电流和电压，

b)确定所述转子的电转速(VIT)，尤其是因变于所述转子的机械转速，

c)构建所述电机的所述磁通的动态模型(MOD)，所述磁通的所述动态模型将所述磁通与所述电机的诸相的电流和电压以及所述转子的所述电转速相联系，以及

d)通过对所述动态磁通模型(MOD)应用自适应卡尔曼滤波(KAL)来确定所述磁通

所述动态磁通模型(MOD)被应用于所述电流和电压测量(MES)以及所确定的电转速(VIT)。

2.如权利要求1所述的磁通确定方法，其特征在于，所述转子的所述电转速ω_e是用ω_e＝pω类型的公式来确定的，其中p是所述电机的极对数目，且ω是所述转子的机械转速。

3.如权利要求2所述的磁通确定方法，其特征在于，所述机械转速是借助锁相环PLL方法来确定的。

4.如前述权利要求中的任一项所述的磁通确定方法，其特征在于，所述动态磁通模型(MOD)被写成：

其中

是所述电机的磁通，i是电流，Φ是转子磁通，L是所述电机的电感，L_qs、b_qs是将饱和效应纳入考虑的系数，d和q是Park坐标系中的轴，以及i_qm是交轴电流，其中磁通是所述交轴电流的线性函数。

5.如前述权利要求中的任一项所述的磁通确定方法，其特征在于，通过执行以下步骤来应用所述自适应卡尔曼滤波：

i)通过整合所述模型中的不确定性和测量噪声来修改所述动态磁通模型，

ii)离散化所述经修改的动态磁通模型，以及

iii)将自适应卡尔曼滤波算法应用于所述经修改且经离散化的模型。

6.如权利要求5所述的磁通确定方法，其特征在于，通过执行以下步骤来应用所述自适应卡尔曼滤波算法：

(1)初始化k＝0，状态向量

和协方差矩阵的状态P(0|0)＝P₀，

(2)应用时间更新和测量更新方程以获得

和P(k|k)：

借助以下公式来确定在时刻k处估算的所述磁通

其中k是离散化时间，A_d、B_d是状态实现矩阵，P是状态向量的协方差矩阵，R是校准矩阵，K是卡尔曼滤波增益，且Q_∈是调整参数。

7.如前述权利要求中的任一项所述的磁通确定方法，其特征在于，所述电机是凸极同步电机。

8.一种用于控制电机的方法，其特征在于以下步骤被执行：

a)借助如前述权利要求中的任一项所述的确定所述磁通的方法来确定所述电机的磁通

以及

b)借助所确定的磁通来控制(CON)所述电机。

9.如权利要求8所述的控制方法，其特征在于，所述电机是根据一种提供根据所述磁通实现的对所述电机的转矩的直接控制的方法被控制(CON)的。

10.一种用于控制电机的***，包括用于实现如权利要求8或9中的任一项所述的控制方法的控制装置。

Images