CN113315439A - 一种船舶推进电机的改进控制方法 - Google Patents

Abstract

一种船舶推进电机的改进控制方法，包括如下步骤：建立永磁同步电机PMSM数学模型，得到表贴式三相PMSM在静止坐标系下的数学模型；以表贴式三相PMSM在静止坐标系下的数学模型为基础，结合潜艇侧推***使用的电机模型与运行环境，设计扩展卡尔曼滤波算法，并对电机位置信息进行估算。本方法通过搭建仿真模型和仿真分析，结合潜艇的实际应用设定参数进行验证，可以得出本方法能有效的提高电机控制***的可靠性与稳定性，可以改进潜艇侧推电机的运行性能并提高电机工作的可靠性；电机转速和转子位置估算误差小，波动调节速度较快，超调小，***稳定性高。

Description

一种船舶推进电机的改进控制方法

技术领域

本发明属于电机控制技术领域，具体涉及一种船舶推进电机的改进控制方法，以改进潜艇侧推电机的运行性能并提高电机工作的可靠性。

背景技术

传统的潜艇侧推电机***由于位置传感器的存在，可靠性降低，密封难度加大，海水工作环境对于传感器的要求也比较苛刻，环境的要求高，***的可靠性比较低。

目前，不管是利用电机凸极特性来估算转子位置信息与速度的方法。还是另一种是利用反电动势或者定子磁链信息估算转子位置信息与转速，一般的控制方法的优势主要体现在中高速段，在零低速段将会检测失效。目前的大多数算法准确度不够高，对外界的噪音干扰相对比较敏感，对***的变化对应的矫正不够积极，***的稳定性以及电机的性能有待提高。

发明内容

本发明针对潜艇侧推***位置传感器存在的问题，提出一种船舶推进电机的改进控制方法，采用无位置传感器的永磁同步电机。提升可靠性，也避免了传感器在海水环境下工作的苛刻条件要求，同时采用优化EKF算法改进潜艇侧推电机的运行性能并提高电机控制***可靠性与稳定性。

一种船舶推进电机的改进控制方法，包括如下步骤：

步骤1，建立永磁同步电机PMSM数学模型，得到表贴式三相PMSM在静止坐标系下的数学模型；

步骤2，以表贴式三相PMSM在静止坐标系下的数学模型为基础，结合潜艇侧推***使用的电机模型与运行环境，设计扩展卡尔曼滤波算法，并对电机位置信息进行估算。

进一步地，步骤1中，表贴式PMSM在静止坐标系下的电压方程为：

式中u_a、u_β分别是静止坐标系a-β下的定子电压；i_a、i_β分别是静止坐标系a-β下的定子电流；R是定子电阻；L_s表示电感；ψ_f代表永磁体磁链；θ_e表示转自的偏转角，ω_e表示电角速度。

将式(1)变换为电流方程，可得：

考虑到下式所示的关系式：

获得如下的状态方程：

y＝Cx (5)

其中：

进一步地，步骤1中，由于式(4)和式(5)是非线性的，其离散化的数学模型表示成：

x(k+1)＝f[x(k)]+B(k)u(k)+V(k) (9)

y(k)＝C(k)x(k)+W(k) (10)

式中V(k)为***噪声，W(k)为测量噪声；上式为状态方程，下式为输出方程。

若V(k)和W(k)都属于零均值白噪声便有：

E{V(k)}＝0,E{W(k)}＝0 (11)

式中E{}表示数字期望。

进一步地，步骤1中，获取噪声矢量V和W各自的协方差矩阵Q与R，其中Q和R被定义为：

假定V(k)和W(k)无关，x(0)为随机矢量，与V(k)和W(k)无关。

进一步地，步骤2中，首先对扩展卡尔曼滤波器EKF的状态估计大致分为预测阶段和校正阶段两个阶段，详细步骤如下：

步骤2-1，估算状态矢量：由前一次的状态估计值

以及输入值u(k)来估算下一时刻(k+1)的状态矢量，应为：

式中，T_s为采样周期，^表示状态估计值，～表示预测值。

计算相应输出

即

步骤2-2，计算误差协方差矩阵，即有

式中，T_s为采样周期，^表示状态估计值，～表示预测值。

其中：

结果为：

步骤2-3，计算EKF的增益矩阵K(k+1)，即有

步骤2-4，对预测的状态矢量

进行反馈校正，获得优化后的状态估计

即：

这一步就是矫正后的状态的估计。

步骤2-5，要预先计算出估计误差协方差矩阵以便后一次的估计，即有

结合对应的仿真模型，选择合适的协方差和初值，确定静止坐标系下的定子电压和定子电流，最后估算出定子电流、转速以及转子位置信息。

本发明达到的有益效果为：通过搭建仿真模型和仿真分析，结合潜艇的实际应用设定参数进行验证，可以得出本方法能有效的提高电机控制***的可靠性与稳定性，可以改进潜艇侧推电机的运行性能并提高电机工作的可靠性；电机转速和转子位置估算误差小，波动调节速度较快，超调小，***稳定性高。

附图说明

图1为本发明实施例中的基于EKF的PMSM***的仿真模型结构图。

图2为本发明实施例中的电机定子三相电流、实际转速、转矩变化曲线。

图3为本发明实施例中的实际值与转速估算值变化曲线。

图4为本发明实施例中的转速估算误差变化曲线图。

图5为本发明实施例中的转子位置实际值与估算值的变化曲线。

图6为本发明实施例中的转子位置估算误差变化曲线。

具体实施方式

下面结合说明书附图对本发明的技术方案做进一步的详细说明。

针对潜艇侧推***位置传感器存在的问题，本发明采用无位置传感器的永磁同步电机。这样不仅可靠性有所提升，也避免了传感器在海水环境下工作的苛刻条件要求。

如今永磁同步电机无位置传感器控制的各种算法中，EKF算法在高性能伺服***中应用最广泛，能在宽速度范围内高效工作，甚至在较低的速度下同样能精确完成转速估计。实时性是扩展卡尔曼滤波器的一种特征，所以它可实时跟踪***的状态并进行有效的输出，同时，它可以减少干扰、抑制噪声，其效果显著，即使当噪声估算不准确时，其依旧能够让观测器收敛。本发明采用优化EKF算法改进潜艇侧推电机的运行性能并提高电机控制***可靠性与稳定性。

本方法具体内容为：

1.建立PMSM数学模型

表贴式PMSM在静止坐标系下的电压方程为：

将(1)式变换为电流方程，可得：

考虑到下式所示的关系式：

可以获得如下的状态方程：

y＝Cx (5)

其中：

由于式(4)和式(5)是非线性的，所以必须采用EKF算法，其离散化的数学模型可表示成：

x(k+1)＝f[x(k)]+B(k)u(k)+V(k) (9)

y(k)＝C(k)x(k)+W(k) (10)

式中V(k)为***噪声，W(k)为测量噪声；上式为状态方程，下式为输出方程。

若V(k)和W(k)都属于零均值白噪声便有

E{V(k)}＝0,E{W(k)}＝0 (11)

式中E{}表示数字期望。

在EKF算法中，噪声矢量V和W并不会被直接使用，而是需要利用各自的协方差矩阵Q与R，其中Q和R被定义为：

假定V(k)和W(k)无关，x(0)为随机矢量，与V(k)和W(k)无关。

2.扩展卡尔曼滤波器设计

首先对扩展卡尔曼滤波器的状态估计，EKF的状态估计大致分为预测阶段和校正阶段两个阶段，详细步骤如下：

①估算状态矢量：由前一次的状态估计值

以及输入值u(k)来估算下一时刻(k+1)的状态矢量，应为：

式中：T_s--采样周期；“^”--状态估计值；“～”--预测值。

②计算相应输出

即：

③计算误差协方差矩阵，即有：

其中：

结果为：

④计算EKF的增益矩阵K(k+1)，即有

⑤对预测的状态矢量

进行反馈校正，可获得优化后的状态估计

即：

此步骤即为滤波，是校正的状态估计。

⑥要预先计算出估计误差协方差矩阵以便后一次的估计，即有：

基于EKF的PMSM***的仿真模型的结构框图如图1所示。

通过MATLAB软件中s函数构建出基于EKF的估算模块，输入设置为PMSM的参考电压和实际电流值，输出设置为估算的转子位置信息和转速信息，得到相应的仿真。

图2是电机的定子三相电流、实际转速、转矩变化曲线；图3是电机转速的估算值与实际值的变化曲线。从图中可以看出，估算曲线与实际曲线偏差较小，且最终保持在一个稳定的数值，由此可得EKF控制算法能够将误差范围控制的很小。波动调节速度较快，超调小，***稳定性高；图4为转速估算误差变化曲线，估计误差在0值附近达到稳定，除电机启动瞬间存在波动外，波动极小；图5为转子位置实际值与估算值的变化曲线，估算曲线与实际曲线偏差较小，拟合情况良好，波形往返有规律性；图6是转子位置估算误差变化曲线，估计误差在0值附近达到稳定，除电机启动瞬间存在波动外，波动较小，满足***的稳定性要求。

本发明采用扩展卡尔曼滤波器法，可以实现在电机中高速运行时对转子的位置及转速准确跟踪。基于扩展卡尔曼滤波的转子位置状态估计能使转子位置估计值很好地收敛到实际值。同时将其应用到船舶永磁同步电机控制中，可以很好的改进潜艇侧推电机的运行性能并提高电机工作的可靠性。

以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。

Claims (5)

1.一种船舶推进电机的改进控制方法，其特征在于：所述方法包括如下步骤：

步骤1，建立永磁同步电机PMSM数学模型，得到表贴式三相PMSM在静止坐标系下的数学模型；

步骤2，以表贴式三相PMSM在静止坐标系下的数学模型为基础，结合潜艇侧推***使用的电机模型与运行环境，设计扩展卡尔曼滤波算法，并对电机位置信息进行估算。

2.根据权利要求1所述的一种船舶推进电机的改进控制方法，其特征在于：步骤1中，表贴式PMSM在静止坐标系下的电压方程为：

式中：u_a、u_β分别是静止坐标系a-β下的定子电压；i_a、i_β分别是静止坐标系a-β下的定子电流；R是定子电阻；L_s表示电感；ψ_f代表永磁体磁链；θ_e表示转自的偏转角，ω_e表示电角速度；

将式(1)变换为电流方程，可得：

考虑到下式所示的关系式：

获得如下的状态方程：

y＝Cx (5)

其中：

3.根据权利要求2所述的一种船舶推进电机的改进控制方法，其特征在于：步骤1中，由于式(4)和式(5)是非线性的，其离散化的数学模型表示成：

x(k+1)＝f[x(k)]+B(k)u(k)+V(k) (9)

y(k)＝C(k)x(k)+W(k) (10)

式中，V(k)为***噪声，W(k)为测量噪声；B(k)和C(k)代表式(4)和式(5)给出的B矩阵和C矩阵的离散形式；上式为状态方程，下式为输出方程。

若V(k)和W(k)都属于零均值白噪声便有：

E{V(k)}＝0,E{W(k)}＝0 (11)

式中，E{}表示数字期望。

4.根据权利要求3所述的一种船舶推进电机的改进控制方法，其特征在于：步骤1中，获取噪声矢量V和W各自的协方差矩阵Q与R，其中Q和R被定义为：

假定V(k)和W(k)无关，x(0)为随机矢量，与V(k)和W(k)无关。

5.根据权利要求1所述的一种船舶推进电机的改进控制方法，其特征在于：步骤2中，首先对扩展卡尔曼滤波器EKF的状态估计大致分为预测阶段和校正阶段两个阶段，详细步骤如下：

步骤2-1，估算状态矢量：由前一次的状态估计值

以及输入值u(k)来估算下一时刻(k+1)的状态矢量，应为：

式中，T_s为采样周期，^表示状态估计值，～表示预测值；

计算相应输出

即：

步骤2-2，计算误差协方差矩阵，即有：

式中，T_s为采样周期，^表示状态估计值，～表示预测值；

其中：

结果为：

步骤2-3，计算EKF的增益矩阵K(k+1)，即有：

步骤2-4，对预测的状态矢量

进行反馈校正，获得优化后的状态估计

即：

此步骤即是矫正后的状态的估计；

步骤2-5，要预先计算出估计误差协方差矩阵以便后一次的估计，即有：

结合对应的仿真模型，选择合适的协方差和初值，确定静止坐标系下的定子电压和定子电流，最后估算出定子电流、转速以及转子位置信息。

Images