对永磁同步机两种不同控制策略的仿真分析外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

对永磁同步机两种不同控制策略的仿真分析

摘要-在低功率应用中通常使用永磁同步电机（PMSM）。因为它们具有优越的性价比，所以对于永磁同步电机变速性能方面的关注日益见长。工业应用中往往需要用高性能的动态行为去控制扭矩，转速以及四象限位置和低速运转。但是站在控制策略的可靠性这一立场上，对于它们的使用是敏感的。基于场定向的矢量控制（FOC）是被研究最多的方式之一，并且由许多研究者们讨论，现在已经成为一个行业标准。基于FOC的传统控制方法使用

位置传感器导致用低功耗电力驱动变得十分昂贵。本文的目的在于显示基于MRAS方法的无传感器控制策略可以以低成本的方式成功应用于PMSM驱动。

结果可以从对永磁同步电机矢量控制的两个算法的比较中获得：传统的FOC使用位置传感器和基于无传感器的参考自适应系统（MRAS）方法。将基于所获得的结果对优势和所提出的控制结构的缺点进行讨论。

关键词-矢量控制，场定向控制，参考模型自适应系统，PMSM

1. 引言

利用PMSM的变速驱动器需要通过使用轴位置传感器来实现对永磁电机方向控制领域的成功展现，从而决定最佳电机速度和位置。目的不是为了去使用这种机械传感器直接测量位置，但采用一些间接技术来估计转子位置。对于交流电机的无传感器控制存在许多问题，尤其是是在低速的范围，因为在这个领域，信号和偏移有着缓慢的变化，以及传感器的不准确性也更加明显。无传感器矢量控制的主要优点在于：节约成本，缩小尺寸和重量，更加可靠和抗噪声，并且，数字信号控制器的计算能力允许应用程序运用复杂数学模型和实时处理。

矢量控制可以实现不同配置，并且是目前应用于不同的工业技术中最成熟的技术之一。

矢量控制在传统和新技术中对于交流驱动器的影响，将激励着朝这个方向努力。本文将重点介绍永磁同步电机的矢量控制原理与磁场定向控制，这可以通过两种不同的方式实现：通过FOC的位置传感器和通过MRAS方法的没有位置传感器。 在MATLAB / Simulink中获得的结果将涉及四个象限的矢量控制的性能和PMSM电气驱动的低速运行。

II。 领域控制

矢量控制的交流电机，基于场定向控制（FOC）原理，其中运动控制回路（位置，速度或扭矩环）和磁化控制回路（磁通回路）通过使用通量相量去耦（矢量）作为参考系统并分割电流矢量成为活性组分和反应性组分。 这种控制策略是最需要计算机时间和精力的（也在系统的成本中显示），但是确保了变速控制中最佳动态性能和能量效率。[1]。

磁场定向控制（FOC）的原理是基于与单独激励的直流电动机的类比。在该电机中，磁通和转矩可以独立控制。控制算法可以使用简单的调节器，例如PI调节器来实现。

在PMSM中，在坐标系与转子磁通矢量连接的情况下，通量和转矩的独立控制是可能的。矢量控制，称为去耦或磁场定向控制，旨在通过其独立控制通量和转矩的能力来获得高的动态性能控制。磁通仅由磁场电流控制，并且被称为磁通产生电流。保持励磁电流在任何时刻（因此通量恒定）恒定，转矩独立地由电枢电流独立地控制，即称为转矩产生电流。作为直流变量控制磁场和电枢电流幅度，磁通和电磁转矩被精确控制，如在单独激励的直流电动机驱动器中，其具有良好的通量和转矩的动态控制。为了解决这个问题，我们必须找到一个等效的通量产生电流以及产生电流的转矩。对于交流变频器，关键在于两种形式：（1）空间相量形式的机器建模，其将三相电机减少为具有在定子和转子上的一个绕组的电机，使得它成为等效直流电机，（2）利用逆变器的变流能力，产生能控制幅度，频率和相位的相电流[2]。 在本文中，我们将应用这两种形式。 从第一形式取得的结果被认为是理论上的结果，而第二形式的结果将被应用于基于MRAS方法的无传感器方案中。基于FOC的传感器矢量控制PMSM的完整方案如图1所示：

当电枢电流垂直于磁通链或负载角为90°时，交流电机产生最大扭矩。如果我们始终满足这个条件，也就是说，如果我们使场的方向正确，就会导致转矩波动的大大减小，从而得到更好的动态响应，但是需要控制转子位置。

III。 （D，Q）参考系中的PMSM的建模

清楚和全面地描述同步电机的动态行为是其在速度或转矩控制的驱动系统中的应用的基本要求。该组电动机微分方程（方程1,2,3）是已知的。

定子电压方程可以表示如下：

由于PMSM的结构对称性，所有相电阻，相位和互感和磁通链可以被认为是相等的或作为具有120°位移的转子电位置的函数。

机械量和电量之间的关系由运动方程描述如下：

Jm是总惯性矩

Bm是摩擦系数

Ml是机械负载

是转子角速度

矢量变换可将三相电机变量表达式变换到另一参考系。参考系的选择可以大大简化PM同步电动机的数学模型的复杂性。动态方程是非线性的，因为一些项是两个电流变量或电流变量和转子速度的乘积。对于具有线性控制系统技术的控制器设计，非线性动力方程不能直接使用。它们必须使用扰动技术围绕操作点线性化。用于扰动以获得线性化模型的理想模型是具有稳态操作状态变量作为DC值的理想模型。这只有在PMSM的转子参考系模型的情况下才是可能的。此外，我们可以从中得到重要的我们已经设置的矢量控制算法信息，在本文中，通过Park-Clarke（PC）变换，使用到的PMSM在时域中的数学模型到转子参考系或（d，q）平面的矢量变换，

参数等于电气转子位置r，表示为（4）。其中：ud，uq是转子参考系中的定子电压（d，q），id，iq是转子参考系中的定子电流（d，q），Rs是定子电阻，Ld，Lq是转子参考系中的定子电感 （d，q），Psi;PM是转子磁通，omega;r是转子速度[rad / s]。 具有对称绕组的PMSM的电磁转矩为：

虽然在静止参考系（alpha;，beta;）中的正交轴PMSM模型已经很简单，但与全三相模型相比，它仍然包含位置变化的电感矩阵。 电流和电压都是AC值，这使得控制结构变得困难。 因此，选择旋转参考系（d，q）中的矢量变换。

基于方程（4）和（5），建立了PMSM模型，在MATLAB / Simulink环境中的dq参考框架如图2：

该算法在两个控制回路中执行。 快速内部控制环路以100mu;s的周期范围执行。 缓慢的外部控制回路以ms范围的周期执行。 基本反馈信号是三相定子电流和转子速度。 内部控制回路由三相定子电流（abc-plane）控制，“滞后”控制器控制，外部控制回路由转子速度控制，用具有“饱和”动作的非线性PI控制器控制。 应用诸如“滞后”和“饱和”的非线性动作来补偿PMSM模型的强非线性。

速度和扭矩负载的控制定律建立起来实现第一种情况：扭矩，速度，在四象限操作中的位置控制在0.4s内，第二种情况是控制扭矩，速度，低速操作的位置。参考电流i * q从对速度的绝对误差的PI “sat”作用获得，而参考电流i * d保持为0.参考电流i * d和i * q与从电机部分获得的相关轴位置信息，在Clarke-Park部分输出，产生参考三相电流i * abc。这些最后，与电流传感器的实际电流测量值相加，在（abc）帧中产生定子电流的绝对误差，并且从“滞后”控制器获得定子电流的适当值。由于PMSM模型是在（d，q）帧中进行的，我们进行了另一个矢量变换Park-Clarke，这些信号是电机的输入。所有的矢量变换都是为了获得转子位置的信息，我们从电机输出端的机械块获取的信息，其中计算了转子速度和位置。使用以下参数对表面贴装PMSM进行仿真：

表1

永磁同步电机参数

IV. 基于MRAS方法的PMSM的无传感矢量控制

定性位置传感器是用于工业应用中的PMSM的驱动系统的必要部件，但是高成本和严格的要求限制了它们的广泛应用。因此希望开发PMSM的无位置传感器控制技术。避免使用机械位置传感器，这样可以提高驱动系统的可靠性。

回顾在这一领域工作的许多研究人员得出的结果，很清楚，由于参数波动，有些技术应用很敏感，所以很难保证驱动系统的抗扰性和稳定性。在低频状态下，用来检测电机速度和初始位置的高频注入等技术与任何参数无关，所以它更强大。但是这种方式只能用于具有显著优越性的电机，如内部永磁电机。神经网络和非线性自适应观测器已经使用扩展卡尔曼滤波器（EKF），这些方案具有高精度的优点，但是在算法上是复杂的，这使得定制规则和设计参数更加困难，甚至要求在硬件上拥有更高的性能。

在本文中，模型参考自适应系统（MRAS）方法已被应用于系统，以避免使用速度传感器。 它使用两种不同结构的机器模型来估计不同组输入变量的相同状态变量（转子速度）。 选择不包括要估计的量的估计器作为参考模型，并且将另一估计器视为可调整模型。 由两个模型获得的估计量之间的误差与两个估计的通量矢量之间的角位移成比例。 PI自适应机制用于给出估计速度。 当误差信号被PI最小化时，调谐信号接近电动机的实际速度omega;。

基于MRAS原理，不同的研究者提出了不同的解决方案。 例如，Andreescu。 G.D [3]使用电压和电流模型计算定子通量，两个结果之间的误差用于估计转子速度。虽然应用简单，但估计结果很大程度上取决于电机参数精度。

为了克服这个问题，Piippo A在[6]和[7]中使用了一种组合的方法。这个想法来自注入方法。在所提出的方法中，包含估计的角度误差的校准信号ε，被用于使用电压模型来计算定子磁通。作者已经证明，所提出的两种方法的组合导致观察者在较宽的速度范围内具有良好的稳态精度和优异的动态性质。

其他研究者基于计算瞬时无功功率（Qref）的模型参考自适应系统和可调节模型计算稳态无功功率。

本文提出了一种基于从定子电流测量中获得的信息的MRAS方法。 使用PMSM电机本身作为参考模型建立了自适应机制，如图1所示。

Lipeng Wang等人[5]使用滑模可变结构策略代替传统的常数增益PI控制器作为解决速度估计问题的自适应机制。作者针对基于Lyapunov理论的滑动模式方案应用了新的速度估计适应定律，以确保稳定性和快速误差力度。速度估计由等式（6）给出：

其中：kp和ki分别是比例和积分常数。 李鹏平的论文的模拟结果实现了在第一象限的操作。 本文试图证明，使用MRAS速度估计器，PMSM的无传感器控制即使是在四象限操作和低速操作中，也是可以的，而不需要重调PI控制器增益。

速度估计的跟踪性能和对噪声的灵敏度取决于比例和积分系数增益。 选择高积分增益ki以用于快速跟踪速度。 然而，Suwankawin 认为需要低比例kp增益来衰减表示为噪声的高频信号。该方法易于工业应用。 基于PMSM的矢量控制理论和速度估计的方程（6），在MATLAB / Simulink软件中建立了一个基于模型参考自适应系统的方案。 系统的稳定性由Popov超稳定性理论保证。 它对于参数不准确性有些大。

V.基于MRAS的速度估计方案

图3显示了基于定子电流的模型参考自适应系统的速度估计方案。 它使用两个模型的输出：具有来自转子速度的独立输入的参考模型和具有来自转子速度的相关输入的自适应模型，以产生误差信号。

适应机制使用PI控制器来保证系统的收敛。 对于相同的电动机和相同的情况（四象限和低速操作）构建了用于FMS方法的PMSM的扭矩，速度和位置矢量控制的无传感器方案。 在这种情况下，采用模型参考自适应系统方案来估计电机的速度和位置，用作反馈传感器，如速度和位置轴传感器。 速度和位置估计器的输入信号是定子

（d，q）参考系中的电流和电压，而输出是转子速度和估计的位置。 基于模型参考自适应系统方法的PMSM矢量控制的总体方案如图4所示：

在具有FOC的传统矢量控制中，通过直接d轴的参考电流为零，即i * d = 0，并且通过空间矢量PWM

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140052]，资料为PDF文档或Word文档，PDF文档可免费转换为Word