CN113131817A - 一种永磁同步电机在线参数辨识***及方法 - Google Patents

Abstract

本发明公开了一种永磁同步电机在线参数辨识***及方法，采用扩展卡尔曼滤波算法和模型参考自适应算法两种算法对电机参数进行辨识，在电机矢量控制下，经过扩展卡尔曼滤波算法辨识所得的实时直轴电流和实时交轴电流反馈回***，通过扩展卡尔曼滤波算法得到实时得到辨识的实时电感、实时永磁体磁链；通过模型参考自适应算法辨识出实时转动惯量，将经过扩展卡尔曼滤波算法所得到的直轴电流和实时交轴电流取代原***的直轴电流和交轴电流，能够使得***快速跟踪电机参数变化，在电机运行稳定的条件下能确保参数辨识更加准确。

Description

一种永磁同步电机在线参数辨识***及方法

技术领域

本发明属于电机参数辨识技术领域，具体涉及一种永磁同步电机在线参数辨识***及方法。

背景技术

近些年来，永磁同步电机(PMSM)以结构简单、重量轻、体积小、损耗小和功率密度高等诸多优点而被广泛用于民用、工业和军事等领域。电机控制***的设计需要精确获取定子绕组电阻，定子绕组交、直轴电感，永磁体磁链等关键参数。

在PMSM高性能控制***中，参数精度是影响整个***控制精度的重要因素，尤其是定子绕组电阻，交直轴电感，永磁体磁链，转动惯量等关键参数。由于PMSM控制驱动***是一个非线性、多变量的时变***，在实际工况运行中，定子绕组电阻、交直轴电感和永磁体磁链参数受环境温度、磁饱和、负载扰动的影响会发生变动，转动惯量随机械载荷的尺寸和形状而变化，这些参数的任何变化都会影响***的运行状态。

发明内容

为了解决现有技术中的问题，本发明提供了一种永磁同步电机在线参数辨识***及方法，能够提高永磁同步电机在线参数辨识的精度，提高运行的稳定性。

为了实现以上目的，本发明提供了一种永磁同步电机在线参数辨识***，包括速度控制模块，速度控制模块的输出连接电流控制模块，电流控制模块的输出连接电压控制模块，电压控制模块的输出连接2/2变换模块，2/2变换模块的输出连接SVPWM矢量控制模块，SVPWM矢量控制模块的输出连接IGBT逆变桥模块，IGBT逆变桥模块连接直流电压模块，IGBT逆变桥模块输出的第一路三相电压U_abc输入PMSM电机模块，PMSM电机模块生成三相电流I_abc、电角速度ω_e、实时转速N_r和电转矩T_e，三相电流I_abc输入3/2变换模块输出直轴电流i_d和交轴电流i_q反馈回电流控制模块，完成电流闭环；实时转速N_r反馈回速度控制模块的输入端，并与给定转速N^* _r作差送入速度控制模块，完成速度闭环；同时直轴电流i_d、交轴电流i_q和电角速度ω_e输入EKF滤波模块，所述IGBT逆变桥模块输出的第二路三相电压U_abc经电压测量模块后输入3/2变换模块生成直轴电压U_d和交轴电压U_q并输入EKF滤波模块，EKF滤波模块根据直轴电流i_d、交轴电流i_q、电角速度ω_e、直轴电压U_d和交轴电压U_q生成实时直轴电流i_d1和实时交轴电流i_q1并反馈回电流控制模块的输入端，同时得到辨识的实时电感L和实时永磁体磁链Ψ，电转矩T_e和电角速度ω_e输入模型参考自适应模块，得到辨识的实时转动惯量J。

进一步地，所述SVPWM矢量控制模块为给定直轴电流i_d ^*＝0的正弦波矢量控制***。

进一步地，所述EKF滤波模块包括线性***状态预测方程和线性***观测方程，线性***状态预测方程为：

X_k＝AX_k-1+Bu_k-1+ω_k-1

其中，X_k为K时刻的状态真值，X_k-1为K-1时刻的状态真值，u_k-1为K-1时刻的控制输入，ω_k-1为K-1时刻的过程激励噪声，A表示状态转移系数矩阵，B表示可选的控制输入增益矩阵；

线性***观测方程：

z_k＝Hx_k+v_k

其中，z_k为K时刻的观测真值，H表示测量系数矩阵，v_k为观测噪声。

进一步地，所述EKF滤波模块辨识定子电感包括：首先向永磁同步电机施加恒定幅值、矢量角度和脉冲电压矢量，此时电机轴不旋转，d轴定子电流建立，则d轴电压方程为：

其中，U_d为实时直轴电压、I_d为实时直轴电流，L_d为直轴电感，i_d为直轴电流，ω为实时转速；

然后对于d轴电压输入时的电流响应为：

其中，U/R为稳态时的电流反应，R为电机定子电阻；

最后利用定子电阻值和观测的电流响应曲线计算得到直轴电感值。

进一步地，所述EKF滤波模块辨识转子磁链公式为：

其中，R为定子电阻，u_d为d轴电压，u_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

进一步地，所述EKF滤波模块计算电角速度包括以下步骤：

1)预估：

2)增益矩阵计算：

K(k+1)＝P(k+1/k)*H^T*[H*P(k+1/k)*H^T+R(k)]^-1；

3)状态更新：

其中，P是状态x的协方差矩阵；K为卡尔曼增益矩阵；H为测量矩阵；Q为***噪声方差阵；R为测量噪声方差阵；初始状态x(t₀)的协方差阵初始值为P₀，T_s＝t_k+1-t_k为***的采样周期；k+1/k代表的是依据t_k时刻的状态对t_k+1时刻状态的预估；k+1表示的是t_k+1时刻的最佳估计；PMSM电机模块输出的U_abc和i_abc经过坐标变换转化为d-q轴的U_d、U_q、i_d和i_q，再经过EKF滤波模块得到电角速度ω_e和电角度θ。

进一步地，所述模型参考自适应模块包括参考模型和可调模型，以不含有位置参数的电机方程作为参考模型，将待估计参数的电机方程作为可调模型，利用两个模型输出量的差值构建自适应律来实时调节可调模型的参数，使得可调模型的输出跟踪参考模型的输出。

进一步地，所述模型参考自适应模块的建立包括：首先分析同步电机在dq轴坐标系下的数学模型，定子电压方程为：

定子磁链方程为：

然后将定子磁链方程带入到定子电压方程中即可得到以定子电流作为状态量的电流模型：

最后令

则参考模型为：

可调模型为：

其中，p为微分算子，R为定子电阻，U_d为d轴电压，U_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

进一步地，所述模型参考自适应模块辨识实时转动惯量J包括：首先根据电机运动方程：

其中，T_e为电转矩，T_L为负载转矩，Δω/Δt为Δt时间内电机转速的变化，保持永磁电机定子端开路；然后用测功机以恒定转矩拖动电机加速运行，分别记录t₁与t₂时刻转速ω₁与ω₂；最后让电机自由停机，并分别记录t₃与t₄时刻的转速ω₃与ω₄，列写方程组：

其中，T_m为测功机施加给永磁电机转子的转矩，可由测功机的功率与转速求得，即T_m＝P/n_pω，其中P为测功机的额定功率，n_p为测功机的实时转速，T₀为电机的空载转矩，解方程组即可得实时转动惯量J。

本发明还提供了一种永磁同步电机在线参数辨识方法，采用上述的一种永磁同步电机在线参数辨识***，包括：实时采集PMSM电机模块的三相电压U_abc、三相电流I_abc、电转矩T_e、实时转速N_r和电角速度ω_e，三相电压U_abc和三相电流I_abc经过坐标变换，将得到的直轴电流i_d、交轴电流i_q、直轴电压U_d、交轴电压U_q和电角度ω_e输入到EKF滤波模块中，从而得到实时直轴电流i_d1和实时交轴电流i_q1并反馈到电流控制模块的输入端，与给定的直轴电流

和交轴电流

作差，将偏差值经过PID后送入SVPWM驱动信号中，从而控制PMSM电机模块工作，同时EKF滤波模块得到辨识的实时电感L、实时永磁体磁链Ψ；将电转矩T_e和电角速度ω_e输入模型参考自适应模块中，得到实时转动惯量J。

与现有技术相比，本发明能够在一个***里用两种算法对电机参数进行辨识，在电机矢量控制下，经过扩展卡尔曼滤波算法辨识所得的实时直轴电流i_d1和实时交轴电流i_q1反馈回***，通过扩展卡尔曼滤波算法得到实时得到辨识的实时电感L、实时永磁体磁链Ψ；通过模型参考自适应算法辨识出实时转动惯量，将经过扩展卡尔曼滤波算法所得到的直轴电流i_d1和实时交轴电流i_q1取代原***的直轴电流i_d和交轴电流i_q，能够使得***快速跟踪电机参数变化，在电机运行稳定的条件下能确保参数辨识更加准确。用两种算法对电机参数进行辨识，两种算法辨识出不同的参数；经过扩展卡尔曼滤波算法得到的实时电流i_d1和i_q1取代原来的i_d、i_q构成闭环反馈，然后经过PMSM电机，将采集到的数据经过扩展卡尔曼算法和模型参考自适应辨识算法中，得到辨识的实时数据。本***所得的值能实时反馈到输入端达到在线调试优化控制器参数，达到比传统的交流调速***更好的控制效果。

附图说明

图1是本发明的矢量控制框图；

图2是本发明的三相PMSM的电压等效电路图；

图3是本发明的模型参考自适应模块的原理框图；

图4是本发明的方法原理图；

图5是本发明的参数辨识流程图；

图6a是现有技术的定子电感辨识结果，图6b是本发明的定子电感辨识结果；

图7a是现有技术的转子磁链辨识结果，图7b是本发明的转子磁链辨识结果；

图8a是现有技术的转子转动惯量辨识结果，图8b是本发明的转子转动惯量辨识结果。

具体实施方式

下面结合说明书附图和具体的实施例对本发明作进一步地解释说明，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明提供了一种永磁同步电机在线参数辨识***，参见图1和图5，包括速度控制模块，速度控制模块的输出连接电流控制模块，电流控制模块的输出连接电压控制模块，电压控制模块的输出连接2/2变换模块，2/2变换模块的输出连接SVPWM矢量控制模块，SVPWM矢量控制模块的输出连接IGBT逆变桥模块，IGBT逆变桥模块连接直流电压模块，IGBT逆变桥模块输出的第一路三相电压U_abc输入PMSM电机模块，PMSM电机模块生成三相电流I_abc、电角速度ω_e、实时转速N_r和电转矩T_e，三相电流I_abc输入3/2变换模块输出直轴电流i_d和交轴电流i_q反馈回电流控制模块，完成电流闭环；实时转速N_r反馈回速度控制模块的输入端，并与给定转速N^* _r作差送入速度控制模块，完成速度闭环；同时直轴电流i_d、交轴电流i_q和电角速度ω_e输入EKF滤波模块，所述IGBT逆变桥模块输出的第二路三相电压U_abc经电压测量模块后输入3/2变换模块生成直轴电压U_d和交轴电压U_q并输入EKF滤波模块，EKF滤波模块根据直轴电流i_d、交轴电流i_q、电角速度ω_e、直轴电压U_d和交轴电压U_q生成实时直轴电流i_d1和实时交轴电流i_q1并反馈回电流控制模块的输入端，同时得到辨识的实时电感L和实时永磁体磁链Ψ，电转矩T_e和电角速度ω_e输入模型参考自适应模块，得到辨识的实时转动惯量J。

本发明的SVPWM矢量控制模块为给定直轴电流i_d ^*＝0的正弦波矢量控制***，其工作流程为：速度控制模块的输入为实时转速N_r与参考转速

的差值，其中实际转速由位置传感器测出；速度控制模块的输出为q轴电流的给定值

将采样得到的定子电流经过Clark变换和Park变换，分别反馈到电流控制模块与速度控制模块。电流控制模块的输入为电流给定值

与反馈实时直轴电流i_d和交轴电流i_q的差值；电流PI环的输出为dq两相坐标系下的电压参考值

送入2/2变换模块，得到电压

然后将

送入SVPWM矢量控制模块模块，产生驱动逆变器的控制信号，将经过IGBT生成的三相电流I_abc供给永磁同步电机和坐标变换模块，将得到的实时电流i_d和i_q反馈回电流环，实时速度

反馈到速度环，实时电角度θ提供给坐标变换模块，最终实现永磁同步电机的矢量控制。

本发明所采用的直轴电流

的正弦波矢量控制***，控制方式最为简单，定子电流中只含有转矩分量，且定子磁动势空间矢量与转子永磁体所产生的磁场空间矢量正交。通过保持直轴电流为零，能够很好的将励磁电流分量和转矩电流分量解祸，独立调节转矩电流分量便可实现输出转矩线性化控制。

本发明提供的永磁同步电机在线参数辨识***包括永磁同步电机参数采集***、永磁同步电机控制***和参数辨识算法，永磁同步电机在线参数辨识装置，包括直流电源、逆变器、永磁同步电机、控制器、电流PI控制器、电压PI控制器及空间电压矢量(SVPWM)调制算法由控制器来实现，具体包括电压采样模块、电流采样模块、速度采样模块、坐标变换模块、驱动电路、SVPWM矢量控制模块、IGBT逆变器、永磁同步电机、电压传感器、电流传感器、速度传感器、EKF控制算法模块和模型参考自适应算法模块，电流传感器将实时检测得到的永磁同步电机定子侧相电流输入到控制器，电压传感器将实时检测得到的永磁同步电机定子侧相电压输入到控制器。

本发明的EKF滤波模块所用到的扩展卡尔曼滤波算法中，是由卡尔曼滤波算法而来的，卡尔曼滤波器由一系列递归数学公式描述，它们提供了一种高效可计算的方法来估计过程的状态，并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大：它可以估计信号的过去和当前状态。尔曼滤波器用反馈控制的方法估计过程状态：滤波器估计过程某一时刻的状态，然后以含噪声的量测变量的方式获得反馈。因此卡尔曼滤波器可分为两个部分：预测部分和观测部分。

线性***状态预测方程：

X_k＝AX_k-1+Bu_k-1+ω_k-1 (1)

其中X_k为K时刻的状态真值，X_k-1为K-1时刻的状态真值，u_k-1为K-1时刻的控制输入，ω_k-1为K-1时刻的过程激励噪声，A表示状态转移系数矩阵，B可选的控制输入增益矩阵。

线性***观测方程：

z_k＝Hx_k+v_k (2)

其中，z_k为K时刻的观测真值，H表示测量系数矩阵，v_k为观测噪声。

卡尔曼滤波算法是将非线性的***线性化，然后应用***预测状态方程和***观测状态方程进行估计。

在永磁同步电机***中，首先根据模拟的目标电机类型、目标电机参数和负载参数u_d、u_q、i_d、i_q等建立数学模型，具体过程包括：

(3)和(4)两式为PMSM电机d-q坐标系下定子电压方程。

(5)和(6)两式为定子磁链方程，将(5)、(6)带入(3)、(4)可得：

其中：u_d，u_q分别是定子电压的d-q轴分量；i_d，i_q分别是定子电流的d-q轴分量；R是定子的电阻；

为定子磁链的d-q轴分量；ω_e是电角速度；L_d，L_q分别是d-q轴电感分量；

代表永磁体磁链。

根据式(7)、8)可以得出如图2所示的电压等效电路。

此时电磁转矩方程为：

式(9)中，T_e是电机电磁转矩；P_n是电机转子极对数。

如图1矢量控制框图所示，双闭环反馈实施例程为将电机驱动单元的SVPWM控制模块的信号输入到IGBT逆变桥中，从而控制母线电压的逆变，IGBT逆变桥输出三相U_abc，第一路U_abc进入PMSM模块，生成三相电流I_abc和电转速ω_e和实时转速N_r；I_abc经过3/2变换模块输出直轴电流i_d和交轴电流i_q，然后反馈回直-交轴电流PI环，完成电流闭环；同时将i_d和i_q与电转速一起送入EKF模块；将PMSM模块生成的实时转速N_r反馈到输入端，与速度给定

作差送入速度PI环，完成速度闭环。第二路U_abc经过电压测量模块后送入3/2变换，生成直轴电压U_d和交轴电压U_q，然后送入EKF模块。

参见图4和图5，永磁同步电机参数辨识方法，具体工作流程为：通过永磁同步电机参数采集***采集出来实时电压U_abc、实时电流I_abc、实时电转矩T_e、实时转速N_r和电角度ω_e。其中U_abc和I_abc再经过坐标变换，将得到的i_d、i_q、U_d、U_q和ω_e代入到扩展卡尔曼滤波算法中，从而得到实时直轴电流I_d1和交轴电流I_q1；将经过扩展卡尔曼算法所得到的I_d1和I_q1反馈到输入端，与

和

作差，将偏差值经过PID后送入SVPWM驱动信号中，从而控制永磁同步电机工作，将得到的实时直轴电流i_d1、实时交轴电流i_q1、实时直轴电压U_d、实时交轴电压U_q和电角度ω_e代入到扩展卡尔曼滤波算法中，得到辨识的实时电感L、实时永磁体磁链Ψ；将经过***生成的电转矩T_e和角速度ω_e送入模型参考自适应算法中，得到实时转动惯量J。

在使用EKF进行参数辨识时候，具体过程包括：

已知永磁同步电机在d-q坐标轴下的电压方程为：

选取状态变量x＝[i_d,i_q,ω,θ]^T，***的输入和输出变量为：

则可建立电机的非线性数学模型如下：

其中，x(t)是***状态变量；u(t)是***输入；δ(t)是***噪声；μ(t)是***的测量误差。δ(t)的协方差是Q(t)，μ(t)的协方差是R(t)。δ(t)和μ(t)均为零均值高斯白噪声，它们的期望值为0。

定义这些噪声的协方差矩阵为r：

其中：

式中，i_d、i_q分别为电机d轴和q轴电流；u_d、u_q分别为电机d轴和q轴电压；ω_r为转子机械角速度，R为电机定子电阻；L_d、L_q为电机定子d轴和q轴电感；λ为永磁体漏磁通。对f[x(t)]和h[x(t)]进行线性化可得：

f[x(t)]的雅可比矩阵为：

h[x(t)]的雅可比矩阵为：

则扩展卡尔曼滤波(EKF)分为以下几步实现：

步骤1)预估：

步骤2)增益矩阵的计算：

K(k+1)＝P(k+1/k)*H^T*[H*P(k+1/k)*H^T+R(k)]^-1 (21)

步骤3)状态更新：

以上算法中，P是状态x的协方差矩阵；K为卡尔曼增益矩阵；H为测量矩阵；Q为***噪声方差阵；R为测量噪声方差阵。初始状态x(t₀)的协方差阵初始值为P₀，T_s＝t_k+1-t_k为***的采样周期；k+1/k代表的是依据t_k时刻的状态对t_k+1时刻状态的预估；k+1表示的是t_k+1时刻的最佳估计。经过***生成的U_abc、i_abc经过坐标变换转化为d-q轴的U_d、U_q、i_d、i_q，和PMSM生成的电转速ω_e一起进入EKF模块得到d-q轴电流I_d1和I_q1。

将所得的d-q轴电流I_d1和I_q1反馈到电流控制PI环，然后送入2/2变换模块中，2/2变换模块的输出与SVPWM控制模块连接，SVPWM控制模块输出与IGBT逆变桥模块相连，IGBT逆变桥的输出与3/2变换模块连接，并且和同步电机(PMSM)模块相连，3/2变换模块的输出经过2/2变换后反馈到电流传感器模块，3/2变换模块的输出经过2/2变换后与EKF模块连接反馈到速度传感器模块，将生成的实时直轴电流i_d1、实时交轴电流i_q1、实时直轴电压U_d、实时交轴电压U_q和电角度ω_e送入EKF模块，得到实时的辨识电感参数L、实时永磁体磁链Ψ；将经过EKF模块和PMSM模块生成的电转矩T_e和角速度ω_e送入模型参考自适应模块，从而得到实时转动惯量J。

EKF滤波模块辨识定子电感包括：首先向永磁同步电机施加恒定幅值、矢量角度和脉冲电压矢量，此时电机轴不旋转，d轴定子电流建立，则d轴电压方程为：

其中，U_d为实时直轴电压、I_d为实时直轴电流，L_d为直轴电感，i_d为直轴电流，ω为实时转速；

然后对于d轴电压输入时的电流响应为：

其中，U/R为稳态时的电流反应，R为电机定子电阻；

最后利用定子电阻值和观测的电流响应曲线计算得到直轴电感值。

EKF滤波模块辨识转子磁链公式为：

其中，R为定子电阻，u_d为d轴电压，u_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

所用到的模型参考自适应(MRAS)算法需要有两个模型，即包含有待识别参数的可调模型和实际的参考模型，将相同的输入应用于两个模型，并比较两者的一些常见输出之间的差异，通过两者输出的误差设计相应的自适应率达到参数辨识的目的。准确的可调模型和恰当的参数可以确保***参数快速收敛到实际值。MRAS的主要思想：构建两个具有相同物理意义的输出量的模型，其中以不含有位置参数的电机方程作为参考模型，而将待估计参数的方程作为可调模型。利用两个模型输出量的差值构建适当的自适应律来实时调节可调模型的参数，使得可调模型的输出跟踪参考模型的输出，其结构框图3所示，图3中u为输入信号，y为参考模型的输出信号，

为可调模型的输出信号，e为输出值的差值。

参考自适应算法的基本思路是建立一个含有待辨识参数的数学模型作为可变模型，以具有同样输入关系的原***作为参考模型，通过获得两者输出的差值，代入理论推导得到的自适应规则，计算待辨识参数并相应调整可调模型，使其输出收敛于参考模型输出，而此时可调模型参数即为辨识结果。

建立模型参考自适应辨识的具体步骤如下：

(1)建立对象数学模型作为可调模型，其中令待辨识参数为可调变量；

(2)建立对象控制***，以对象本身作为参考模型，令可调模型的输入与参考模型相同；

(3)通过理论推导获得满足稳定性定理的自适应调节律，由调节律获得辨识参数；

(4)将辨识参数代入，获得新的可调模型。

模型参考自适应(MRAS)算法，其参考模型和可调模型的建立如下：

首先分析同步电机在dq轴坐标系下的数学模型，电子电压方程如下：

定子磁链方程为：

其中，其中：p为微分算子，R为定子电阻，U_d为d轴电压，U_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

然后将定子磁链方程带入到定子电压方程中即可得到以定子电流作为状态量的电流模型：

最后令

则可以将参考电机模型写为：

将可调模型写为：

其中，其中，R为定子电阻，U_d为d轴电压，U_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

模型参考自适应算法中，转动惯量的测量，首先是根据简化的电机运动方程：

其中，T_e为电转矩，T_L为负载转矩，Δω/Δt为Δt时间内电机转速的变化，保持永磁电机定子端开路；然后用测功机以恒定转矩拖动电机加速运行，分别记录t₁与t₂时刻转速ω₁与ω₂；最后让电机自由停机，并分别记录t₃与t₄时刻的转速ω₃与ω₄。列写方程组：

式中，T_m为测功机施加给永磁电机转子的转矩，可由测功机的功率与转速求得，即T_m＝P/_npω，其中P为测功机的额定功率，n_p为测功机的实时转速，T₀为电机的空载转矩，解方程组即可得转动惯量J。

为了验证本发明的效果，将没有EKF滤波模块和模型参考自适应模块的现有技术的永磁同步电机参数辨识***与本发明进行比对，参见图6a和图6b，现有技术的电感的辨识波形图与本发明***下的电感辨识结果进行对比，通过实验结果可知，现有技术在0.04s达到稳定时刻相比，在本发明所设计方案下，电感波形在0.25s达到稳定，比现有技术更快达到稳定。参见图7a和图7b，现有技术的转子磁链的辨识波形图与本发明***下的转子磁链辨识结果进行对比，由实验结果可知，现有技术在0.1s达到稳定，在本发明所设计方案下，磁链波形在0.08s达到稳定，比现有技术更快达到稳定，并且辨识结果更加准确。参见图8a和图8b，现有技术的转子磁链的辨识波形图与本发明***下的转子磁链辨识结果进行对比，由实验波形可得，现有技术在0.05s达到稳定，本发明所设计***在0.03s达到稳定，辨识结果更快更准确且***稳定性更好。

本发明基于改进模型参考自适应和扩展卡尔曼滤波，在一个***里用两种算法对永磁同步电机进行实时在线参数辨识，包括：1.建立永磁同步电机控制***和数据采集***，永磁同步电机控制***采用直轴电流

的正弦波矢量控制***；2.将采集到的数据实时传入扩展卡尔曼滤波算法中，得到实时的直轴电流i_d1和交轴电流i_q1；3.将经过扩展卡尔曼算法的i_d1和i_q1反馈到输入端，与

和

作差，将偏差值经过PID后送入SVPWM驱动信号中，从而控制永磁同步电机工作，将得到的实时直轴电流i_d1、实时交轴电流i_q1、实时直轴电压U_d、实时交轴电压U_q和电角度ω_e代入到扩展卡尔曼滤波算法中，得到辨识的实时电感L、实时永磁体磁链Ψ；将经过电机生成的电转矩T_e和角速度ω_e送入模型参考自适应算法中的辨识***，从而辨识出实时惯量值。

扩展卡尔曼滤波算法是在标准卡尔曼滤波技术算法的思想基础上逐步发展而成起来的，扩展卡尔曼滤波的估计过程包括两个步骤：第一步称为预测阶段，主要计算状态变量的值和状态误差协方差的预测值；第二步是更新阶段，计算扩展卡尔曼滤波的增益和状态误差的协方差矩阵，更新预测状态变量的值；针对自适应增益造成的跟踪时变参数速度与波动之间的矛盾，在辨识器中增加了选择控制器，通过辨识结果的反馈，在辨识过程中，选择自适应增益较大的辨识器，以增加辨识器辨识的速度；在辨识结果稳定后，选择自适应增益较小的辨识器，以减弱***参数变化时辨识结果的波动；在检测到***参数发生变化后，选择自适应增益较大的辨识器，以便更快地辨识变化后的***参数在***中这两种辨识方法能够提高同步电机在线辨识的精度，提高***运行的稳定性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (10)

1.一种永磁同步电机在线参数辨识***，其特征在于，包括速度控制模块，速度控制模块的输出连接电流控制模块，电流控制模块的输出连接电压控制模块，电压控制模块的输出连接2/2变换模块，2/2变换模块的输出连接SVPWM矢量控制模块，SVPWM矢量控制模块的输出连接IGBT逆变桥模块，IGBT逆变桥模块连接直流电压模块，IGBT逆变桥模块输出的第一路三相电压U_abc输入PMSM电机模块，PMSM电机模块生成三相电流I_abc、电角速度ω_e、实时转速N_r和电转矩T_e，三相电流I_abc输入3/2变换模块输出直轴电流i_d和交轴电流i_q反馈回电流控制模块，完成电流闭环；实时转速N_r反馈回速度控制模块的输入端，并与给定转速N^* _r作差送入速度控制模块，完成速度闭环；同时直轴电流i_d、交轴电流i_q和电角速度ω_e输入EKF滤波模块，所述IGBT逆变桥模块输出的第二路三相电压U_abc经电压测量模块后输入3/2变换模块生成直轴电压U_d和交轴电压U_q并输入EKF滤波模块，EKF滤波模块根据直轴电流i_d、交轴电流i_q、电角速度ω_e、直轴电压U_d和交轴电压U_q生成实时直轴电流i_d1和实时交轴电流i_q1并反馈回电流控制模块的输入端，同时得到辨识的实时电感L和实时永磁体磁链Ψ，电转矩T_e和电角速度ω_e输入模型参考自适应模块，得到辨识的实时转动惯量J。

2.根据权利要求1所述的一种永磁同步电机在线参数辨识***，其特征在于，所述SVPWM矢量控制模块为给定直轴电流i_d ^*＝0的正弦波矢量控制***。

3.根据权利要求1所述的一种永磁同步电机在线参数辨识***，其特征在于，所述EKF滤波模块包括线性***状态预测方程和线性***观测方程，线性***状态预测方程为：

X_k＝AX_k-1+Bu_k-1+ω_k-1

其中，X_k为K时刻的状态真值，X_k-1为K-1时刻的状态真值，u_k-1为K-1时刻的控制输入，ω_k-1为K-1时刻的过程激励噪声，A表示状态转移系数矩阵，B表示可选的控制输入增益矩阵；

线性***观测方程：

z_k＝Hx_k+v_k

其中，z_k为K时刻的观测真值，H表示测量系数矩阵，v_k为观测噪声。

4.根据权利要求3所述的一种永磁同步电机在线参数辨识***，其特征在于，所述EKF滤波模块辨识定子电感包括：首先向永磁同步电机施加恒定幅值、矢量角度和脉冲电压矢量，此时电机轴不旋转，d轴定子电流建立，则d轴电压方程为：

其中，U_d为实时直轴电压、I_d为实时直轴电流，L_d为直轴电感，i_d为直轴电流，ω为实时转速；

然后对于d轴电压输入时的电流响应为：

其中，U/R为稳态时的电流反应，R为电机定子电阻；

最后利用定子电阻值和观测的电流响应曲线计算得到直轴电感值。

5.根据权利要求3所述的一种永磁同步电机在线参数辨识***，其特征在于，所述EKF滤波模块辨识转子磁链公式为：

其中，R为定子电阻，u_d为d轴电压，u_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

6.根据权利要求3所述的一种永磁同步电机在线参数辨识***，其特征在于，所述EKF滤波模块计算电角速度包括以下步骤：

1)预估：

2)增益矩阵计算：

K(k+1)＝P(k+1/k)*H^T*[H*P(k+1/k)*HT+R(k)]^-1；

3)状态更新：

其中，P是状态x的协方差矩阵；K为卡尔曼增益矩阵；H为测量矩阵；Q为***噪声方差阵；R为测量噪声方差阵；初始状态x(t₀)的协方差阵初始值为P₀，T_s＝t_k+1-t_k为***的采样周期；k+1/k代表的是依据t_k时刻的状态对t_k+1时刻状态的预估；k+1表示的是t_k+1时刻的最佳估计；PMSM电机模块输出的U_abc和i_abc经过坐标变换转化为d-q轴的U_d、U_q、i_d和i_q，再经过EKF滤波模块得到电角速度ω_e和电角度θ。

7.根据权利要求1所述的一种永磁同步电机在线参数辨识***，其特征在于，所述模型参考自适应模块包括参考模型和可调模型，以不含有位置参数的电机方程作为参考模型，将待估计参数的电机方程作为可调模型，利用两个模型输出量的差值构建自适应律来实时调节可调模型的参数，使得可调模型的输出跟踪参考模型的输出。

8.根据权利要求7所述的一种永磁同步电机在线参数辨识***，其特征在于，所述模型参考自适应模块的建立包括：首先分析同步电机在dq轴坐标系下的数学模型，定子电压方程为：

定子磁链方程为：

然后将定子磁链方程带入到定子电压方程中即可得到以定子电流作为状态量的电流模型：

最后令

则参考模型为：

可调模型为：

其中，p为微分算子，R为定子电阻，U_d为d轴电压，U_q为q轴电压，i_d为d轴电流，i_q为q轴电流，ψ_d为d轴磁链，ψ_q为q轴磁链，L_d为d轴电感，L_q为q轴电感，ω_e为转速，ψ为转子磁链。

9.根据权利要求8所述的一种永磁同步电机在线参数辨识***，其特征在于，所述模型参考自适应模块辨识实时转动惯量J包括：首先根据电机运动方程：

其中，T_e为电转矩，T_L为负载转矩，Δω/Δt为Δt时间内电机转速的变化，保持永磁电机定子端开路；然后用测功机以恒定转矩拖动电机加速运行，分别记录t₁与t₂时刻转速ω₁与ω₂；最后让电机自由停机，并分别记录t₃与t₄时刻的转速ω₃与ω₄，列写方程组：

其中，T_m为测功机施加给永磁电机转子的转矩，可由测功机的功率与转速求得，即T_m＝P/n_pω，其中P为测功机的额定功率，n_p为测功机的实时转速，T₀为电机的空载转矩，解方程组即可得实时转动惯量J。

10.一种永磁同步电机在线参数辨识方法，其特征在于，采用权利要求1至9中任一项所述的一种永磁同步电机在线参数辨识***，包括：实时采集PMSM电机模块的三相电压U_abc、三相电流I_abc、电转矩T_e、实时转速N_r和电角速度ω_e，三相电压U_abc和三相电流I_abc经过坐标变换，将得到的直轴电流i_d、交轴电流i_q、直轴电压U_d、交轴电压U_q和电角度ω_e输入到EKF滤波模块中，从而得到实时直轴电流i_d1和实时交轴电流i_q1并反馈到电流控制模块的输入端，与给定的直轴电流

和交轴电流

作差，将偏差值经过PID后送入SVPWM驱动信号中，从而控制PMSM电机模块工作，同时EKF滤波模块得到辨识的实时电感L、实时永磁体磁链Ψ；将电转矩T_e和电角速度ω_e输入模型参考自适应模块中，得到实时转动惯量J。

Images