哈電風(fēng)能有限公司 黃 正 黃凌翔 童劍雄 郭燕萍

本文概述了永磁同步電機(jī)（Permanent Magnet Synchronous Motor,PMSM）無傳感器控制技術(shù)的工作原理，然后闡述了無傳感器電機(jī)控制技術(shù)目前國內(nèi)外的研究現(xiàn)狀，接著對無傳感器控制策略與控制技術(shù)進(jìn)行了深入分析，并對主要的控制方法進(jìn)行了詳細(xì)闡述，分析了它們各自用于永磁電機(jī)控制的優(yōu)缺點(diǎn)。最后對無傳感器控制技術(shù)目前存在的主要難點(diǎn)進(jìn)行了總結(jié)，并展望了其未來的研究方向和應(yīng)用領(lǐng)域。

PMSM經(jīng)常工作在工況復(fù)雜的環(huán)境中，易受外界干擾的影響，其數(shù)學(xué)模型是一個多變量、強(qiáng)耦合的非線性系統(tǒng)，在一些對系統(tǒng)魯棒性、穩(wěn)定性等要求較高的場合，需要對轉(zhuǎn)子轉(zhuǎn)速和位置實(shí)現(xiàn)閉環(huán)控制。傳統(tǒng)的PMSM為了接收控制模塊的反饋，經(jīng)常采用光電編碼器、旋轉(zhuǎn)變壓器等機(jī)械傳感器來檢測轉(zhuǎn)子的位置和速度，導(dǎo)致電機(jī)安裝與維護(hù)難度提高、電機(jī)成本提高、運(yùn)行可靠性降低、動靜態(tài)性能變差等一系列問題。無傳感器控制系統(tǒng)除了能有效避免使用傳感器所帶來的各種缺陷，還能提高系統(tǒng)的環(huán)境適應(yīng)性和工作可靠性，關(guān)于無傳感器控制技術(shù)的研究和應(yīng)用已經(jīng)成為電機(jī)控制技術(shù)領(lǐng)域的熱點(diǎn)話題且在不斷升溫。

無傳感器控制技術(shù)是從電機(jī)定子處較易測量的電流量入手，利用間接測量、直接計算、狀態(tài)估計、參數(shù)辨識等技術(shù)手段取代安裝機(jī)械傳感器來獲得轉(zhuǎn)子的速度和位置狀態(tài)。以PMSM數(shù)學(xué)模型為基礎(chǔ)，檢測定子端的電流物理量來求得轉(zhuǎn)子的位置和轉(zhuǎn)速，從而實(shí)現(xiàn)電機(jī)的閉環(huán)調(diào)節(jié)。

1 無傳感器控制技術(shù)的國內(nèi)外研究現(xiàn)狀

目前國內(nèi)外學(xué)者已提出多種無傳感器控制方法，這些方法基于不同的控制理論，在實(shí)際應(yīng)用中各有優(yōu)劣尤其是在一些對電機(jī)控制精度有嚴(yán)格要求的場合。

模型參考自適應(yīng)控制包含有理想系統(tǒng)模型并能以模型的工作狀態(tài)為標(biāo)準(zhǔn)自行調(diào)整參數(shù)進(jìn)行控制。趙金越等提出了一種基于模型參考自適應(yīng)控制理論的無傳感器控制方案，滿足了PMSM魯棒性和穩(wěn)定性要求，該方案分別建立了定子電流的可調(diào)模型（包含可以調(diào)節(jié)的物理量）和參考模型，除此之外兩個模型其余物理量完全一致。輸入定子端易測得的電流量經(jīng)過預(yù)先設(shè)計并優(yōu)化好的自適應(yīng)律對可調(diào)模型中的相關(guān)參數(shù)實(shí)時精準(zhǔn)調(diào)整，以此來辨識轉(zhuǎn)子的狀態(tài)參數(shù)。

滑模變結(jié)構(gòu)控制是一種具有不連續(xù)性的特殊的非線性控制，其參數(shù)也不是一成不變的，它可以根據(jù)系統(tǒng)所處的狀態(tài)自動調(diào)整本體參數(shù)使運(yùn)動處于滑模態(tài)。當(dāng)然這種控制方法也普遍存在一個問題：通過優(yōu)化算法可將系統(tǒng)的運(yùn)動調(diào)節(jié)至平衡點(diǎn)，但是系統(tǒng)并不能完全沿著滑模態(tài)滑動，而是反復(fù)穿越滑模態(tài)從而使系統(tǒng)出現(xiàn)顫動也稱抖振。梁秋實(shí)等以滑模變結(jié)構(gòu)控制為理論依據(jù)在PMSM非線性數(shù)學(xué)模型的基礎(chǔ)上設(shè)計了基于滑模觀測器的無傳感器控制系統(tǒng)。用連續(xù)飽和函數(shù)代替開關(guān)函數(shù)消除了外界干擾和不確定性，對控制策略進(jìn)行了優(yōu)化處理，從而改善了滑模觀測器算法控制中存在的抖振、估算誤差和相位延遲等諸多缺點(diǎn)。孟凡佳等在傳統(tǒng)滑模觀測器的基礎(chǔ)上采用滑模增益自適應(yīng)算法來更新切換項的增益并引入Sigmoid函數(shù)，仿真結(jié)果表明該控制策略對于抖振的削弱效果顯著。

卡爾曼濾波是一種利用線性系統(tǒng)狀態(tài)方程通過輸入輸出觀測數(shù)據(jù)對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計的算法。Fei Yu等以卡爾曼濾波理論為基礎(chǔ)提出了一種新型的PMSM控制算法，將卡爾曼濾波器算法推廣至非線性區(qū)同時考慮環(huán)境噪聲信號和測量噪聲信號，形成擴(kuò)展卡爾曼濾波算法。實(shí)驗證明該控制算法具有優(yōu)良的動靜態(tài)性能，而且能很好地抑制高頻噪聲。

人工神經(jīng)元網(wǎng)絡(luò)以信息分布式存貯和并行處理為基礎(chǔ)模擬大腦處理信息的方式，完成信息的采集、分析和處理，能夠?qū)W習(xí)和辨識非線性動態(tài)系統(tǒng)且對系統(tǒng)變化具有自適應(yīng)性。左瑜君等研究基于神經(jīng)元網(wǎng)絡(luò)的自適應(yīng)觀測器來估算轉(zhuǎn)子的速度和位置，其中采用多個神經(jīng)元網(wǎng)絡(luò)分別學(xué)習(xí)電氣和機(jī)械方程，最后根據(jù)電流預(yù)測的誤差來完成在線自適應(yīng)調(diào)節(jié)。張碧陶等基于對角遞歸神經(jīng)元網(wǎng)絡(luò)對PMSM轉(zhuǎn)子的位置和速度進(jìn)行實(shí)時預(yù)估，較前饋神經(jīng)元網(wǎng)絡(luò)的優(yōu)勢是采用的神經(jīng)元個數(shù)少，收斂速度快。

高頻信號注入法主要利用電機(jī)的凸極特性，從定子端注入高頻的電壓信號，然后對定子電流中高頻信號進(jìn)行數(shù)字信號處理得到轉(zhuǎn)子的實(shí)時狀態(tài)。尹忠剛等提出一種高頻信號注入的方法，向定子線圈中注入一段高頻諧波信號，然后檢測輸出的電流電壓信號，通過計算便可以獲取轉(zhuǎn)子的轉(zhuǎn)速和位置信息。Sarikhani A等對傳統(tǒng)的高頻諧波信號注入法進(jìn)行了改進(jìn)和優(yōu)化，改進(jìn)電機(jī)的定子繞組對dq軸不同方向注入高頻電壓信號后，基于凸機(jī)效應(yīng)和磁飽和現(xiàn)象獲取位置狀態(tài)。

2 無傳感器控制策略分析

2.1 基于觀測器模型的控制策略

基于觀測器模型的控制策略建立在電機(jī)的非線性模型基礎(chǔ)上，從而能更好地提高系統(tǒng)的穩(wěn)定性和魯棒性，目前主要有模型參考自適應(yīng)法、滑模觀測器法和擴(kuò)展卡爾曼濾波法等。

2.1.1 模型參考自適應(yīng)法

模型參考自適應(yīng)法是利用實(shí)際控制的PMSM作為參考模型，同時建立含有待估計參數(shù)的可調(diào)模型。兩種模型輸入量和輸出量的物理意義是一致的，構(gòu)建合理的自適應(yīng)變化律對參考模型的參數(shù)進(jìn)行實(shí)時調(diào)整，促使可調(diào)模型逐漸收斂于參考模型。轉(zhuǎn)子狀態(tài)的估計精度主要取決于電機(jī)模型構(gòu)建和參數(shù)選取的準(zhǔn)確性，而實(shí)際參數(shù)的時變性會造成真實(shí)值偏離建模值，這種現(xiàn)象在低速運(yùn)行時尤為嚴(yán)重，模型參考自適應(yīng)法更適用于精度上要求不是很高的場合。

2.1.2 滑模觀測器法

滑模觀測器法是一種對非線性系統(tǒng)的間斷控制策略，使系統(tǒng)結(jié)構(gòu)具備時變的開關(guān)特性，沿預(yù)定軌跡作小幅高頻波動，這種現(xiàn)象稱為滑動模態(tài)（簡稱滑模），它與對象參數(shù)和外界擾動無關(guān)，而且能隨系統(tǒng)狀態(tài)自動調(diào)整參數(shù)。具有適應(yīng)性強(qiáng)、算法簡單、響應(yīng)迅速、魯棒性強(qiáng)、精度高等優(yōu)點(diǎn)，但由于不連續(xù)開關(guān)特性和系統(tǒng)慣性等非線性因素影響會存在抖振現(xiàn)象，為了減弱或消除抖振效應(yīng)，一般采用滑?？刂期吔?、對切換函數(shù)連續(xù)化和高階滑?？刂频确椒ā?/p>

2.1.3 擴(kuò)展卡爾曼濾波法

擴(kuò)展卡爾曼濾波法是將卡爾曼濾波理論應(yīng)用于非線性系統(tǒng)狀態(tài)估計，在非線性系統(tǒng)的濾波估計方面，利用線性化思想將非線性函數(shù)進(jìn)行泰勒展開從而完成一階局部近似處理，最后根據(jù)標(biāo)準(zhǔn)卡爾曼濾波方法估計PMSM轉(zhuǎn)子運(yùn)行狀態(tài)。但是采用該方法一般要將電機(jī)模型線性化近似處理，這樣就會導(dǎo)致轉(zhuǎn)子狀態(tài)統(tǒng)計特性出現(xiàn)明顯的截斷誤差，進(jìn)而使得傳統(tǒng)擴(kuò)展卡爾曼濾波方法的估計精度較差。

2.2 基于人工智能的控制策略

PMSM是一個多變量、強(qiáng)耦合的非線性系統(tǒng)，控制的動態(tài)性能和穩(wěn)態(tài)精度要求很高，而人工智能能夠很好地解決這些問題。人工智能控制系統(tǒng)具有很強(qiáng)的學(xué)習(xí)、適應(yīng)和抗干擾能力，可以逼近任意復(fù)雜非線性函數(shù)且能很好地模擬真實(shí)狀態(tài)。神經(jīng)網(wǎng)絡(luò)法、分級遞階控制、專家控制和遺傳算法控制等是目前在電機(jī)無傳感器控制領(lǐng)域研究較多的基于人工智能的控制策略。

2.2.1 神經(jīng)網(wǎng)絡(luò)法

根據(jù)性能指標(biāo)和電機(jī)實(shí)際參數(shù)繪制出出網(wǎng)絡(luò)結(jié)構(gòu)示意圖，然后編寫算法來實(shí)現(xiàn)對電機(jī)輸入和輸出物理量的自學(xué)習(xí)，通過不斷地遞歸分析求出系統(tǒng)的傳遞函數(shù)。可以用于系統(tǒng)參數(shù)不確定的狀況，通過自學(xué)習(xí)反向求出傳遞函數(shù)，從而來計算出轉(zhuǎn)子轉(zhuǎn)速和位置信息。神經(jīng)網(wǎng)絡(luò)法尤其適用于非線性系統(tǒng)的建模與轉(zhuǎn)速估算，通過不斷地自學(xué)習(xí)來使得模型逼近于實(shí)際的非線性系統(tǒng)，從而獲得更廣泛的適用場景。

2.2.2 遺傳算法

遺傳算法本質(zhì)是模仿自然界“優(yōu)勝劣汰，適者生存”的生物法則對目標(biāo)對象進(jìn)行迭代優(yōu)化的過程。對一定數(shù)量的種群個體基因進(jìn)行編譯，經(jīng)過父代個體間染色體的交叉、變異及遺傳后產(chǎn)生子代，再根據(jù)適應(yīng)度函數(shù)對子代進(jìn)行基于“優(yōu)勝劣汰”法則的篩選，完成一代的遺傳算法流程，當(dāng)達(dá)到全部最優(yōu)或者一定代數(shù)后，完成優(yōu)化。首先對電機(jī)的控制器參數(shù)進(jìn)行二進(jìn)制編碼，然后通過Ziegler-Nichols整定法獲得Kp,Ki和Kd三個初始增益，從而確定控制器參數(shù)的變化范圍。然后通過計算機(jī)產(chǎn)生初始種群并確定約束條件，采用尋優(yōu)算法求得滿足條件的參數(shù)來對控制器進(jìn)行優(yōu)化，達(dá)到控制系統(tǒng)的性能指標(biāo)?？刂葡到y(tǒng)動態(tài)性能的好壞，主要取決于算法中的最優(yōu)參數(shù)的確定，也就是在尋優(yōu)算法中要選擇合適的最小目標(biāo)函數(shù)，目前使用較多的是基于絕對值時間積分性能指標(biāo)理論來對目標(biāo)函數(shù)進(jìn)行合理的優(yōu)化，盡可能地避免超調(diào)量過大。

2.3 基于高頻信號注入的控制策略

高頻信號注入法基于PMSM的高頻數(shù)學(xué)模型和凸極效應(yīng)，通過向定子端繞組輸入高頻信號，根據(jù)檢測出的電流或電壓幅值來確定轉(zhuǎn)子的位置，該方法尤其適用于零速到低速區(qū)。目前學(xué)術(shù)上廣泛研究的高頻信號注入法包括旋轉(zhuǎn)高頻電壓信號注入法、旋轉(zhuǎn)高頻電流信號注入法和脈動高頻電壓信號注入法，這些控制方法各有優(yōu)缺點(diǎn)且適用于不同的場合。高頻諧波注入法對電機(jī)轉(zhuǎn)速和位置的估算精度與基波方程及系統(tǒng)參數(shù)無關(guān)，在保證系統(tǒng)穩(wěn)態(tài)精度的同時，還可以提高系統(tǒng)的動態(tài)特性。但是高頻信號注入法的使用成本一般要比其他控制方法要高，因為在短時間內(nèi)需要快速和準(zhǔn)確的數(shù)字信號處理技術(shù)作為支持，而且還需要對電機(jī)進(jìn)行改造以此來制造凸磁極。

小結(jié)：本文總結(jié)了近幾年來PMSM無傳感器控制技術(shù)目前國內(nèi)外的研究現(xiàn)狀，對主要的控制方法原理進(jìn)行了闡述，分析和比較了各種控制策略的優(yōu)缺點(diǎn)和適用范圍。基于觀測器模型的控制策略由于反饋校正的存在，提高了算法的收斂性和系統(tǒng)的穩(wěn)定性，目前學(xué)術(shù)界對于動態(tài)條件下電機(jī)啟動時基于觀測器模型控制算法的收斂性的研究較為關(guān)注，也是今后該領(lǐng)域的發(fā)展方向。基于人工智能的控制策略算法簡單，控制精度高，能很大程度上擺脫對系統(tǒng)參數(shù)和外界干擾的限制，系統(tǒng)穩(wěn)定性好。但是目前在技術(shù)上存在缺點(diǎn)是估算精度受到所選取的樣本數(shù)據(jù)的結(jié)構(gòu)和容量限制，通過傳統(tǒng)的優(yōu)化算法如模糊控制來處理這些樣本數(shù)據(jù)，但是也會不可避免地帶來其他問題，技術(shù)上仍有很大提高空間?；诟哳l信號注入法的控制策略極大地提高了轉(zhuǎn)子轉(zhuǎn)速和位置的控制精度和穩(wěn)定性，尤其適用于處于低速或者零速范圍的電機(jī)控制。但是這種方法會不可避免地產(chǎn)生噪聲干擾和多余的電磁轉(zhuǎn)矩，而且需要高精度的信號處理器，這些都是未來其發(fā)展所要解決的問題。