文档介绍：哈尔滨工业大学,电气工程系
Department of Electrical Engineering
Harbin Institute of Technology
电力电子与电力传动专题课
报告
报告题目:永磁同步电机无传感器控制技术
哈尔滨工业大学
电气工程系
姓名:沈召源
学号: 14S006040
2016年 1月
目录
研究背景 1
国内外研究现状 1
系统模型 2
控制方法设计 4
系统仿真 7
结论 8
参考文献 8
研究背景
永磁同步电机具有体积小、惯量小、重量轻等优点,在各领域的应用越来越广泛。目前在永磁同步电机的各种控制算法中,使用最多的是矢量控制和直接转矩控制,而这两种控制方式都需要转子位置,但转子位置传感器的采用限制了系统使用范围。永磁同步电机控制系统大多采用测速发电机或光电码盘等传感器检测速度和位置的反馈量,这不但提高了驱动装置的造价,而且增加了电机与控制系统之间的连接线路和接口电路,使系统易于受环境干扰、可靠性降低。由于永磁同步电机无传感器控制系统具有控制精度高、安装、维护方便、可靠性强等一系列优点,成为近年来研究的一个热点。
国内外研究现状
无传感器永磁同步电机是在电机转子和机座不安装电磁或光电传感器的情况下,利用电机绕组中的有关电信号,通过直接计算、参数辨识、状态估计、间接测量等手段,从定子边较易测量的量如定子电压、定子电流中提取出与速度、位置有关的量,利用这些检测到的量和电机的数学模型推测出电机转子的位置和转速,取代机械传感器,实现电机闭环控制。
最早出现的无机械传感器控制方法可统称为波形检测法。由于同步电机是一个多变量、强耦合的非线性系统,所要解决的问题是采用何种方法获取转速和转角。目前适合永磁同步电机的最主要的无速度传感器的控制策略主要有以下几种
(1)利用定子端电压和电流直接计算出θ和ω。该方法的基本思想是基于场旋转理论,即在电机稳态运行时,定子磁链和转子磁链同步旋转,且两磁链之间的夹角相差一个功角δ,该方法适用于凸极式和表面式永磁同步电机。该方法计算方法简单,动态响应快,但对电机参数的准确性要求比较高,应用这种方法时需要结合电机参数的在线辨识。
(2)模型参考自适应(MRAS)方法。该方法的主要思想是先假设转子所在位置,利用电机模型计算出该假设位置电机的电压和电流值,并通过与实测的电压、电流比较得出两者的差值,该差值正比于假设位置与实际位置之间的角度差。当该值减小为零时,则可认为此时假设位置为真实位置。采用这种方法,位置精度与模型的选取有关。该方法应用于PMSM时有一些新的需要解决的问题。
(3)观测器基础上的估计方法。观测器的实质是状态重构,其原理是重新构造一个系统,利用原系统中可直接测量的变量,如输出矢量和输入矢量作为它的输入信号,并使输出信号在一定条件下等价于原系统的状态。目前主要存在的观测器:全阶状态观测器、降阶状态观测器、推广卡尔曼滤波和滑模观测器。其中滑模观测器有很好的鲁棒性,但其在本质上是不连续的开关控制,因此会引起系统发生抖动,这对于矢量控制在低速下运行是有害的,将会引起较大的转矩脉动。扩展卡尔曼滤波器提供了一种迭代形式的非线性估计方法,避免了对测量的微分计算。该方法的特点是转速估算值与实际值非常接近
,由估算值构成的闭环系统在宽调速范围内具有良好的特性,但算法比较复杂。
(4)高频注入方法基于电机的凸极效应(固有的或人为的)和高频数学模型,不依赖于电机的基波方程和参数,因此可以实现对PMSM转子初始位置的有效估算。该方法不依赖于任何电机的参数和运行工况,因而可能工作在极低速,并且系统的计算工作量不大,是比较理想的方法之一。其最大的缺点就是要改造电机来形成明显的凸极效应。
(5)基于人工智能估计方法由于转速可以看成是定子电压和电流的函数,加之具有逼近任意非线性函数的能力、自学****和自适应的能力以及抗干扰性较强的人工神经网络纷纷应用于电机控制方案,基于人工智能估计方法的应用日趋成熟,将为交流传动领域带来革命性的变化。由于目前神经元网络的方法还处于理论研究阶段,离实用化还有一段距离
系统模型
为简化分析,做如下假设:
(1)忽略定、转子铁心磁阻,不计涡流以及磁滞损耗;
(2)永磁材料的电导率为零,永磁体内部的磁导率与空气相同;
(3)转子上没有阻尼绕组;
(4)永磁体产生的励磁磁场和三相绕组产生的电枢反应磁场在气隙中均为正弦分布;
在ABC坐标系中,同步电机转子在电、磁结构上不对称,电机方程是一组与转子瞬间位置有关的非线性时变方程,同步电机的动态特性分析十分困难。在α-β-0坐标系中,尽管经过线性变换使电机方程得到一定简化,但电机磁链