具有参数辨识的船舶永磁同步推进电机无位置传感器控制

来源:用户上传      作者:

　　摘 要：针对船舶永磁同步推进电机的无位置传感器控制需对电机参数进行修正以实现精确控制的问题，将模型参考自适应法用于永磁同步电机参数的在线辨识，运用龙格-库塔方法建立满秩的可调模型，基于Popov的超稳定性定理推导了自适应控制律，通过逐步识别完成了电阻以及电感参数的辨识，识别出的参数通过低通滤波器进行高频谐波过滤获取精准电机参数，将滤波后的电机实际参数用于算法反馈实现电机模型动态更新。软件仿真和实物平台均验证了MRAS参数在线辨识算法可以准确、有效地辨识出电机实际定子电阻和电感，具有参数辨识的船舶永磁推进电机无位置传感器矢量控制方案可行有效。
　　关键词：船舶永磁同步电机;模型参考自适应;参数辨识;无位置传感器
　　DOI：10.15938/j.emc.2020.03.007
　　中图分类号：TM 341文献标志码：A文章编号：1007-449X（2020）03-0053-09
　　Abstract：To achieve accurate control，it needs to modify motor parameters of the sensorless control of the permanent magnet synchronous propulsion motor of ship. In this paper， the model reference adaptive method （MRAS） is used for the online identification of the parameters of the permanent magnet synchronous motor. The RungeKutta method was used to establish a fullrank adjustable model， and the adaptive law was derived according to Popov′s superstability theorem. The identification of resistance and inductance parameters was completed by step identification， the identified parameters were obtained by highfrequency harmonic filtering through a lowpass filter to obtain precise motor parameters， and the actual parameters of the filtered motor were used for algorithm feedback to dynamically update the motor model. Both the software simulation and the physical platform verified that the MRAS parameter online identification algorithm can accurately and effectively identify the actual stator resistance and inductance of the motor. The sensorless control scheme for marine permanent magnet propulsion motors with parameter identification is feasible and effective.
　　Keywords：marine permanent magnet synchronous motor; MRAS; parameter identification; sensorless
　　0 引 言
　　船舶電力推进以其较强的节能减排、较高的操作性能等优点，代表着未来船舶动力技术的发展方向，其中的永磁同步电动机是电力推进系统最为核心的部件。海事职能部门对船舶永磁同步推进电动机（permanent magnet synchronous motor，PMSM）电驱动系统制定了极其严格的规范与技术标准，其中位置传感器的可靠性是重要指标之一，而无位置传感器控制是提高这一指标切实可行的技术方案[1-3]。在无位置传感器控制中，为了实现其高动态响应和高精确度的控制目标，如何在线获取精确的电机参数成为关键，然而由于PMSM具有磁饱和和磁路交叉耦合的特点，不同工况下电机参数会产生较大变化从而影响控制精确度，因此需要在工程实际中对参数进行实时辨识[4-5]。
　　最小二乘算法、模型逼近法、自抗扰算法以及智能遗传算法等都是电机工程中较为广泛的参数辨识方法。文献[6]中，作者提出了使用最小二乘算法实现对永磁电机参数的辨识，但在参数辨识过程中需要施加直流电压激励信号以及功率压降导致的电压差需要补偿。文献[7]使用卡尔曼滤波算法动态获取电动机参数，并基于参数辨识设计了一种自适应控制器，控制器的成功应用表明参数估计的精确度对于控制系统性能的重要性。文献[8]使用扩展的卡尔曼滤波算法在线识别d、q轴的电感，然而扩展的卡尔曼滤波是一种时域递归算法，只能识别时域中的电机参数。针对上述问题，文献[9]将卡尔曼滤波法与小波变化相结合，提出了一种能够在时域和频域中进行多尺度辨识电机参数的复合算法。
　　基于电机精准模型的永磁电机无位置传感器控制对电机参数的鲁棒性较差，芝加哥大学NahidMobarakeh B团队采用MRAS算法在线识别电机参数[10]，却忽略了永磁体磁链变化对辨识精确度的影响。文献[11]提出了利用人工智能进化算法实现在线参数辨识，算法参数识别精确度较好，然而，该算法对控制器的计算能力提出了巨大的挑战，甚至影响整个系统的稳定性。文献[12]给出了基于粒子群算法的多参数在线辨识方案，工程应用表明，该参数辨识方案可以解决多参数在线辨识模型的不足问题，然而算法容易陷入局部最优困境。文献[13]采用自抗扰技术实现了永磁电机参数的解耦，完成了电机参数的在线辨识，然而该方法算法过于复杂并不适用于船舶电力推进系统。 　　本文在总结上述电机参数辨识算法优缺点基础上，以船舶电力推进系统常见的表贴式永磁同步电机（surface mount permanent magnet motor，SPMSM）为参数辨识对象，基于MRAS对电机定子电阻以及d、q轴电感进行在线辨识，首先是分析了电动机运行过程中的参数变化对无位置传感器算法精准度的影响，其次是选择RungeKutta方法用于建立电机多参数识别全秩可调模型，并运用Popov超稳定理论设计自适应控制律，通过分步辨识法实现对定子电阻以及交、直轴电感的在线辨识，将辨识结果用于对电机模型的更新，补偿由于参数变化对转速及转子位置估计的影响。
　　5 结 论
　　本文在建立永磁同步推进电机数学模型的基础上介绍了无位置传感器控制的基本原理，闡述了电机参数变化对电机模型以及由模型变化对无位置传感器控制的巨大影响。其次是引入了MARS理论，建立了自适应参数在线辨识模型，基于Popov超稳定理论设计了矢量控制系统的自适应控制率，对基于MARS参数在线辨识方案进行了仿真验证，证实了算法的有效性。最后将参数辨识方案用于无位置传感器的双闭环矢量控制平台进行实物验证，将无位置传感器估算的转子位置与转速与编码器实测的转子位置与转速进行实际对比，动、静态实验都验证了算法的有效性和稳定性，可满足复杂环境下船舶电力推进系统无位置传感器控制需求。
　　实验中也发现，参数在线辨识结果出现了一定的偏差和波动，经过分析主要是由于电流采样存在增益误差和偏置误差导致。误差的来源主要为电流互感器的非线性以及采样调理电路的热漂移造成。另外，程序中参与计算的电压值是通过占空比计算而来，这就引入了由于逆变器带来的误差。将设计相关算法对增益及偏置误差进行补偿，进一步提高参数在线辨识准确度。
　　参 考 文 献：
　　[1] 李辉，刘行中，谢翔杰.风电变桨电机参数对控制系统影响分析及改进辨识方法[J].电机与控制学报，2019，23（7）：9.
　　LI Hui， LIU Xinzhong， XIE Xiangjie. Influence ofparameters on control system and improved identification method of pitch motor in wind turbine generator system [J]. Electric Machines and Control，2019，23（7）：9.
　　[2] 吴莹，黄显林，高晓智.一种文化鱼群算法及其在电机参数辨识中的应用[J].电机与控制学报，2012，16（5）：102.
　　WU Ying，HUANG Xianglin， GAO Xiaozhi. A cultural artificial fishswarm optimization algorithm andapplication in the parameters identification of rotor system [J]. Electric Machines and Control， 2012， 16（5）：102.
　　[3] 刘彦呈， 刘厶源，郭昊昊. UUV推进电机在线参数辨识自适应控制方法研究[J].电机与控制学报，2016， 20（4）：34.
　　LIU Yancheng， LIU Siyuan， GUO Haohao. Research on online parameter identification adaptive control method for UUV propulsion motor[J]. Electiric Machines and Control， 2016， 20（4）：34.
　　[4] 王子辉，叶云岳. 反电势算法的永磁同步电机无位置传感器自启动过程[J].电机与控制学报， 2011，15（10）：36.
　　WANG Zihui， YE Yunyue. Sensorless selfstarting process of permanent magnet synchronous motor based on back EMF [J].Electric Machines and Control， 2011，15（10）：36.
　　[5] 王莉娜， 杨宗军.SIMULINK中PMSM模型的改进及在参数辨识中的应用[J]. 电机与控制学报， 2012， 16（7）：77.
　　WANG Lina， YANG Zongjun.Improvement of PMSM model in SIMULINK and its application in parameter identification [J]. Electric Machines and Control， 2012， 16（7）：77.
　　[6] 王高林，杨荣峰.内置式永磁同步电机转子初始位置估计方法[J].电机与控制学报， 2010，10（6）：56.
　　WANG Gaolin， YANG Rongfeng. Initial rotor position estimation method for interior permanent magnet synchronous motor [J]. Electric Machines and Control， 2010，10（6）：56.
　　[7] 胡庆波， 孙春媛. 永磁同步电机全速范围无速度传感器控制[J]. 电机与控制学报， 2016， 20（9）：73.
　　HU Qingbo， SUN Chunyuan. Speed sensorless control of permanent magnet synchronous motor in full speed range[J].Electric Machines and Control， 2016， 20（9）：73. 　　[8] PIIPPO A， HINKKANEN M，LUOMI J.Analysis of an adaptive observer for sensorless control of interior permanent magnet synchronous motors[J]. IEEE Transactions on Industrial Electronics， 2008， 55（2）：570.
　　[9] 林国汉， 章兢， 刘朝华.改进综合学习粒子群算法的 PMSM参数辨识[J]. 电机与控制学报， 2015， 19（1）：51.
　　LIN Guohan， ZHANG Jing， LIU Chaohua. Parameter identification of PMSM using improved comprehensive learning particle swarm optimization [J]. Electric Machines and Control， 2015， 19（1）：51.
　　[10] 陳振锋， 钟彦儒， 李洁. 嵌入式永磁同步电机自适应在线参数辨识[J].电机与控制学报， 2010， 14（4）：9.
　　CHEN Zhenfeng， ZHONG Yanru， LI Jie. Adaptive online parameter identification of embedded PMSM[J]. Electric Machines and Control， 2010， 14（4）：9.
　　[11] 荀倩， 王培良， 李祖新. 基于递推最小二乘法的永磁伺服系统参数辨识[J]. 电工技术学报， 2016，31（17）：151.
　　XUN Qian， WANG Peiliang， LI Zuxin.Parameter identification of permanent magnet servo system based on recursive least square method [J]. Transactions of China Electrotechnical Society，2016，31（17）：151.
　　[12] 何志明， 廖勇， 向大为. 定子磁链观测器低通滤波器的改进[J]. 中国电机工程学报， 2008， 28（18）：61.
　　HE Zhiming， LIAO Yong， XIANG Dawei. Improvement of low pass filter for stator flux observer [J]. Proceedings of the CSEE， 2008， 28（18）：61.
　　[13] 卢亨宇， 刘彦呈，郭昊昊.基于零漂修正和偏置补偿的定子磁链观测算法[J].微特电机， 2017， 45（12）：49.
　　LU Hengyu， LIU Yancheng，GUO Haohao. Stator flux estimation algorithm based on drift correction and offset compensation[J]. Micro special motor， 2017， 45（12）：49.
　　[14] ZHEN Yujun， LING Haifeng， QIU Guan. Adaptive parameters for a modified comprehensive learning particle swarm optimizer [J].Mathematical Problems in Engineering，2012： 2012.
　　[15] INOUE Y，YAMADA K，MORIMOTO S，et al. Effectiveness of voltage error compensation and parameter identification for modelbased sensorless control of IPMSM[J]. IEEE Transactions on Industry Applications， 2009， 45（1）：213.
　　[16] MOHAMED A R I. Design and implementation of a robust currentcontrol scheme for a PMSM vector drive with a simple adaptive disturbance observer[J]. IEEE Transactions on Industrial Electronics， 2007， 54（4）：1981.
　　[17] 李彪， 李黎川. 新型磁链观测算法及其在永磁同步电机无位置传感器控制中的应用[J].西安交通大学学报，2015， 49（11）：102.
　　LI Biao， LI Lichuan. New flux observer algorithm and its application in sensorless control of permanent magnet synchronous motor [J]. Journal of Xi'an Jiaotong University， 2015， 49（11）：102.
　　[18] LIU Zhaohua，ZHANG Jing，ZHOU Shaowu，et al.Coevolutionary particle swarm optimization using AIS and its application in multiparameter estimation of PMSM [J]. IEEE Transactions on Cybernetics， 2013，43（6）：21.
　　（编辑：贾志超）
转载注明来源:https://www.xzbu.com/1/view-15174314.htm