一种永磁同步电机在线参数辨识系统及方法

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系统及方法。

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。电机控制系统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高性能控制系统中，参数精度是影响整个系统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控制驱动系统是一个非线性、多变量的时变系统，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系统的运行状态。

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系统及方法，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系统，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

进一步地，所述SVPWM矢量控制模块为给定直轴电流i

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

X

其中，X

线性系统观测方程：

z

其中，z

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

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

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

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为系统噪声方差阵；R为测量噪声方差阵；初始状态x(t

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

可调模型为：

其中，p为微分算子，R为定子电阻，U

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

其中，T

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系统，包括：实时采集PMSM电机模块的三相电压U

与现有技术相比，本发明能够在一个系统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

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系统，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

本发明的SVPWM矢量控制模块为给定直轴电流i

本发明所采用的直轴电流

本发明提供的永磁同步电机在线参数辨识系统包括永磁同步电机参数采集系统、永磁同步电机控制系统和参数辨识算法，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。

线性系统状态预测方程：

X

其中X

线性系统观测方程：

z

其中，z

卡尔曼滤波算法是将非线性的系统线性化，然后应用系统预测状态方程和系统观测状态方程进行估计。

在永磁同步电机系统中，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

(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

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

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

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系统采集出来实时电压U

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

则可建立电机的非线性数学模型如下：

其中，x(t)是系统状态变量；u(t)是系统输入；δ(t)是系统噪声；μ(t)是系统的测量误差。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

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

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为系统噪声方差阵；R为测量噪声方差阵。初始状态x(t

将所得的d-q轴电流I

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

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

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系统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，

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系统作为参考模型，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)建立对象控制系统，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

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

将可调模型写为：

其中，其中，R为定子电阻，U

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

式中，T

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系统与本发明进行比对，参见图6a和图6b，现有技术的电感的辨识波形图与本发明系统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系统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系统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，本发明所设计系统在0.03s达到稳定，辨识结果更快更准确且系统稳定性更好。

本发明基于改进模型参考自适应和扩展卡尔曼滤波，在一个系统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系统和数据采集系统，永磁同步电机控制系统采用直轴电流

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，以减弱系统参数变化时辨识结果的波动；在检测到系统参数发生变化后，选择自适应增益较大的辨识器，以便更快地辨识变化后的系统参数在系统中这两种辨识方法能够提高同步电机在线辨识的精度，提高系统运行的稳定性。

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。