1、重慶理工大學文獻綜述二級學院 電子信息與自動化學院班 級08級自動化四班學生姓名 李春鵬 學號10807010405異步電動機無速度傳感器矢量控制方法綜述摘要：因為異步電動機的物理模型是一個高階、非線性、強耦合、的多變量系 統(tǒng)1，需要用一組非線性方程組來描述，所以控制起來極為不便。異步電機的 物理模型之所以復雜，關鍵在于各個磁通間的耦合。直流電機的數(shù)學模型就簡 單多了。從物理模型上看，直流電機分為空間相互垂直的勵磁繞組和電樞繞組， 且兩者各自獨立，互不影響。正是由于這種垂直關系使得繞組間的耦合十分微 小、，我們可以認為磁通在系統(tǒng)的動態(tài)過程中完全恒定。這是直流電機的數(shù)學模 型及其控制比較簡單的根

2、本原因。如果能將交流電機的物理模型等效變換成類 似直流電機的模式，仿照直流電機進行控制，那么控制起來就方便多了，這就 是矢量控制的基本思想。至于無速度傳感器，是由于許多場合下不允許安裝任 何速度傳感器，此外安裝速度傳感器在一定程度上降低了系統(tǒng)的可靠性。于是， 無速度傳感器控制系統(tǒng)成為了人們的研究熱點。無速度傳感器矢量控制技術的 關鍵，在于理論上控制系統(tǒng)的正確辨識和參數(shù)的準確估計；應用上所研究的算 法在硬件系統(tǒng)上的可行性、實時性、和可靠性。目前，國內(nèi)外的研究者們已提 出了許多不同的異步電動機無速度傳感器轉速估計策略。關鍵詞：異步電動機 無速度傳感器矢量控制引言在高性能的異步電機矢量控制系統(tǒng)中，轉

3、速的閉環(huán)控制環(huán)節(jié)一般是必不可 少的。通常，采用光電碼盤等速度傳感器來進行轉速檢測，并反饋轉速信號。 但是，由于速度傳感器的安裝給系統(tǒng)帶來一些缺陷：系統(tǒng)的成本大大增加；精 度越高的碼盤價格也越貴；碼盤在電機軸上的安裝存在同心度的問題，安裝不 當將影響測速的精度；電機軸上的體積增大，而且給電機的維護帶來一定困難， 同時破壞了異步電機的簡單堅固的特點；在惡劣的環(huán)境下，碼盤工作的精度易 受環(huán)境的影響。因此，越來越多的學者將眼光投向無速度傳感器控制系統(tǒng)的研 究。國外在20世紀70年代就開始了這方面的研究，但首次將無速度傳感器應 用于矢量控制是在1983年由R. Joetten完成，這使得交流傳動技術的發(fā)

4、展又 上了一個新臺階，但對無速度傳感器矢量控制系統(tǒng)的研究仍在繼續(xù)。1無速度傳感器矢量控制方法在近20年來，各國學者致力于無速度傳感器控制系統(tǒng)的研究，無速度傳感 器控制技術的發(fā)展始于常規(guī)帶速度傳感器的傳動控制系統(tǒng)，解決問題的出發(fā)點 是利用檢測的定子電壓、電流等容易檢測到的物理量進行速度估計以取代速度 傳感器。重要的方面是如何準確地獲取轉速的信息，且保持較高的控制精度， 滿足實時控制的要求。無速度傳感器的控制系統(tǒng)無需檢測硬件，免去了速度傳 感器帶來的種種麻煩，提高了系統(tǒng)的可靠性，降低了系統(tǒng)的成本；另一方面， 使得系統(tǒng)的體積小、重量輕，而且減少了電機與控制器的連線，使得采用無速 度傳感器的異步電機的

5、調速系統(tǒng)在工程中的應用更加廣泛。國內(nèi)外學者提出了 許多方法。如直接計算法、模型參考自適應法、轉速觀測器法、磁鏈觀測器法、 高頻信號注入法等。1.1直接計算法這種方法的出發(fā)點是根據(jù)電機的基本電路和電磁關系式，推導出關于轉速 或轉子位置角的估計表達式，包括基于狀態(tài)方程的直接綜合法、基于檢測電機 端電壓和電流直接計算法、轉差頻率法3、反電動勢法、時頻分析方法以及 基于轉矩電流微分的動態(tài)計算法4 等。利用電壓和電流中轉速信息直接計算法的主要優(yōu)點是：算法簡單，容易實 現(xiàn)，動態(tài)響應沒有延時。主要缺點是:轉速的計算需要已知磁鏈，磁鏈觀測與控 制的準確性直接影響轉速辨識精度；轉速估計值對電機參數(shù)依賴很大，當電

6、機參 數(shù)變化時，系統(tǒng)的穩(wěn)態(tài)和動態(tài)性能都要受到很大的影響；特別是在低速時，由于 磁鏈由反電動勢積分求得，積分器的零漂問題使計算出的磁鏈值含有積分誤差， 轉速的計算精度將降低5 。反電動勢法通過檢測電機反電動勢(Back-EMF)來獲得位置信號，一般將非 導通繞組的端電壓或相電壓中反映出來的感應電動勢作為反電動勢。這種方法 容易實現(xiàn)，但往往帶有很多噪聲信號，并且在電動機低速或轉子止轉時不適用。 時頻分析方法通過快速傅里葉變換分析空間矢量角波動信號，而這個信號對應 于轉子轉速。這種方法的優(yōu)點是適用于沒有固定基波頻率的電機的動態(tài)過程， 缺點是計算量大且計算復雜6 。為了降低頻率失真及快速傅里葉變換的誤

7、差， 引入了多項式近似方法得到頻率校正的公式，同時使諧振分析更加準確7 。由于轉速直接計算方法不存在任何誤差校正環(huán)節(jié)，因此抗干擾能力和魯棒 性較差,甚至出現(xiàn)不穩(wěn)定的情況；另外，定子電阻、轉子時間常數(shù)都隨溫度變化 而變化，電感要受電流集膚效應以及磁飽和的影響。一般的，在實際實現(xiàn)時，加 上參數(shù)辨識和誤差校正環(huán)節(jié)來提高系統(tǒng)抗參數(shù)變化和抗干擾的魯棒性，才能使 系統(tǒng)獲得良好的控制效果。1.2模型參考自適應法（MARS）模型參考自適應法是利用兩套不同的輸入變量、兩個不同結構的電機模型 來估計電機的同一變量。其中，不涉及被估計量的電機模型被稱為參考模型，涉 及到被估計量的電機模型被稱為自適應模型8。如圖1所

8、示，利用這兩個模型 輸出量的誤差通過辨識算法產(chǎn)生一個轉速的估計值；再利用轉速估計值來修正 自適應模型，當自適應模型的輸出和參考模型的輸出完全相等時，理論上辨識算 法模塊的輸出就等于電機實際轉速。否則辨識算法模塊將不斷調節(jié)，直到滿足誤 差要求。參考模型和自適應模型的輸出可以選擇轉子磁鏈空間矢量、反電動勢、 無功功率等。MRAS速度觀測器的運算公式：E廣Ka_cu K廠% _cu甲用o = K .E + K I E .dt（2）式中，w 5，w書cur分別為電流模型得到的磁鏈觀測值，V ，w。分別為電壓模型得到的磁鏈觀測值。KIr p圖1模型參考自適應系統(tǒng)基本原理模型參考自適應同的狀態(tài)變量作為速度

9、整定信號，但是在實際使用過程中， 必須盡量提高參考模型的精度,這就要求參考模型盡量不依賴于電機參數(shù)（特別 是隨運行工況變化較大的參數(shù)）以及不含純積分環(huán)節(jié)。因為純積分環(huán)節(jié)存在積分 初始值、磁飽和（saturation problem）、相誤差（the phase error）和直流飄移 (DC drift)的累加問題。在實際中，通常用低通濾波器代替純積分，并可采用基 于電流的定子電阻擾動補償方法使磁鏈估計不受定子電阻的影響n；或者在參 考模型和可調模型的高通濾波環(huán)節(jié)中插入一個線性傳遞函數(shù)來抵消純積分的影 響10 。MARS的性能很大程度上依賴于圖1中辨識算法環(huán)節(jié)自適應律的確定。當前， 主要有以局

10、部參數(shù)最優(yōu)化理論、李雅普諾夫穩(wěn)定性理論、波波夫穩(wěn)定性理論為 基礎的3種設計自適應律的方法hi。第一種方法不能保證系統(tǒng)的穩(wěn)定性，所以 常采用后兩種方法。這些方法的自適應模型都是確定的數(shù)學模型，便于數(shù)字實 現(xiàn)。然而使用數(shù)學模型不同程度地影響了轉速估計的精度和魯棒性。采用基于 人工智能(神經(jīng)網(wǎng)絡12 、模糊控制13 等)的非線性自適應模型可以解決模型參 考自適應方法目前存在的問題。1.3轉速觀測器法觀測器的實質是狀態(tài)重構，其原理是重新構造一個系統(tǒng)，利用原系統(tǒng)中可 以直接量測的變量作為它的輸入信號，并使其輸出信號在一定條件下等價于原 系統(tǒng)的狀態(tài)。當前研究較多的轉速觀測器主要有：卡爾曼濾波器、龍貝格觀測

11、 器、自適應觀測器以及滑模觀測器等?？柭鼮V波器(Kalman Filter)是R. E. Kalman在20世紀60年代提出的 一種線性最小方差意義上的最優(yōu)預測估計的遞推計算方法，該算法可實現(xiàn)采集 數(shù)據(jù)與計算的同步，且計算可由硬件在線完成。它的特點是可以有效削弱隨機 干擾和測量噪聲的影響。擴展卡爾曼濾波算法是線性系統(tǒng)狀態(tài)估計的卡爾曼濾 波器在非線性系統(tǒng)中的推廣應用。擴展卡爾曼濾波算法提供了一種迭代形式的 非線性估計方法，避免了對測量量的微分計算，通過對Q陣和R陣的選擇可以調 節(jié)狀態(tài)收斂的速度?；诟袘姍C逆伽馬模型的擴展卡爾曼濾波器，把電機參 數(shù)的變化當做狀態(tài)噪聲，應用在矢量控制上大大提高了

12、控制精度和穩(wěn)態(tài)運行速 度范圍14 然而，擴展卡爾曼濾波算法計算量很大，且是建立在對誤差和測量 噪聲的統(tǒng)計特性已知的基礎上的，需要在實踐中摸索出合適的特性參數(shù)。此外， 該方法對參數(shù)變化的魯棒性并無改進，目前,實用性還不強，并且實現(xiàn)起來比較 困難。與擴展卡爾曼濾波器相比，降價卡爾曼濾波器的復雜度降低、硬件計算所 需時間減少。用降價卡爾曼濾波器來觀測負載轉矩，能有效的降低由于負載轉 矩突然改變而引起的轉矩律動15 時延(Delayed-state)卡爾曼濾波器在定子 參考坐標系中，用定子磁鏈的數(shù)學模型和定子電壓方程作為觀測器模型，能準 確的估計定子瞬態(tài)磁鏈。Salvatore.N在時延卡爾曼濾波器中

13、分別引入遺傳算 法和進化算法來優(yōu)化自己的研究成果，取得了很好的效果16 ?；君堌惛裼^測器(Luenberger Observer)適用于線性時不變確定性系統(tǒng)， 擴展的Luenberger觀測器(ELO)可以適用于非線性時變確定性系統(tǒng)。文獻小中 的擴展龍貝格觀測器不僅觀測漏磁鏈和轉速，還利用電機的機械模型觀測負載 轉矩，得到了更為平滑和準確的速度估計。在ELO中將轉速看成是狀態(tài)變量,ELO 在觀測磁鏈的同時觀測了轉速。ELO與EKF相比具有算法簡單、便于調節(jié)的優(yōu) 點。1.4磁鏈觀測器法磁鏈觀測器主要分為I電流型磁鏈觀測器、電壓型磁鏈觀測器以及改進 的電流或電壓型磁鏈觀測器El。由旋轉坐標系下電

14、機數(shù)學模型可以得到電流型 轉子磁鏈模型：S 形r + 婦(3)rT p + 1r由定子端電流的檢測，經(jīng)過坐標變換，得到定子電流d軸分量)，同時 在電機參數(shù)一定、轉子繞組間互感Lm和電機轉子時間常數(shù)tr已知的條件下， 可以由上式將轉子磁鏈計算出來，其框圖如圖2所示。圖2異步電動機開環(huán)磁鏈觀測電流模型圖3電壓型轉子磁鏈觀測器電流模型可以不用定子側參數(shù)，但過于依賴電機轉子參數(shù)，如轉子時間常 數(shù)、和轉子轉速3,，這些量的存在都會使得電流模型磁鏈觀測器在低速時的 性能欠佳。根據(jù)異步電動機方程，可推出電壓型轉子磁鏈模型表達式：V =匕j (V - i R ) dt _ e L i , Ls s ss sm

15、電壓模型可以根據(jù)加在電機上定子的電壓與電機定子電流經(jīng)過積分計算估 計出轉子磁鏈。這個模型的框圖如圖3所示。為了去除反電動勢的直流偏置， 文獻20 采用了高階低通濾波器來取代純積分器。定子磁鏈對應于定子電阻上的壓降，故也可觀測定子磁鏈獲得轉速信息。 文獻21輔以正交最小二乘法改進的小波神經(jīng)網(wǎng)絡來辨識定子電阻，以改進低速 動態(tài)性能。為了解決磁鏈觀測器在電機高速運行時，信號處理中的歐拉離散化 出現(xiàn)不穩(wěn)定的問題，文獻22將轉子磁鏈和定子磁鏈在各自的參考坐標系中做為 狀態(tài)變量，來計算出需要測量的轉子速度。1.5高頻信號注入法美國威斯康辛大學的Lorenz等學者為了解決電動機低速時轉子位置和速 度估算不準

16、確的問題，提出了高頻信號注入法。高頻注入是基于轉子凸極跟蹤 的原理，基本思想是注入一個額外的電壓或電流激勵信號，通過檢測相應的響應 信號以確定轉子的凸極位置,從而實現(xiàn)對轉子位置和轉速的估計,這種方法包括 旋轉高頻電壓信號注入法和脈振高頻電壓信號注入法。這種凸極跟蹤的方法不 依賴于任何電機參數(shù)和運行環(huán)境，因此可以工作在極低速甚至零速運行狀態(tài)， 而且系統(tǒng)的計算量不大，是目前無速度傳感器控制中較理想的方法。2結束語異步電機無速度傳感器矢量控制除以上所提及的方法外，還有如人工智能 等方法。雖然辨識速度的方法很多，但仍有許多問題有待解決，如系統(tǒng)的精度、 復雜性和系統(tǒng)的可靠性間的矛盾、低速性能的提高等。今

17、后無速度傳感器控制 的研究發(fā)展的方向應為：提高轉速估計精度的同時改進系統(tǒng)的控制性能，增強 系統(tǒng)的抗干擾，抗參數(shù)變化能力的魯棒性，降低系統(tǒng)的復雜性，使得系統(tǒng)結構 簡單可靠。隨著現(xiàn)代控制理論、微處理器、DSP器件以及電力電子開關器件的 迅速發(fā)展，實現(xiàn)高性能的無速度傳感器異步電機的調速系統(tǒng)的前景相當樂觀。參考文獻馮垛生，曾岳南.無速度傳感器矢量控制原理與實踐.2006Bolognani,S;Peretti,L.;Zigliotto,M.Parameter ensitivity Analysis of an Improved Open-Loop Speed Estimate for Induction

18、 Motor DrivesIEEE. Trans. Pow. Electron. 2008, 23(4): 2127-2135趙光宙，黃雷.交流傳動的無速度傳感器技術綜述J.電氣傳動，2008,27(4) : 20-26Liu Xu; Ruan Yi; et al. On speed sensorless vector control system for induction motor based on estimating speed by torque current differential. CCC 2008. 27th Chinese , pp.169-173, 2008Pelle

19、grino, G.; Guglielmi, et al.Self-Commissioning Algorithm for Inverter Non-Linearity Compensation in Sensorless induction motor Drives. IEEE .pp.1-7, 2008Chun Wang; Zhongfu Zhou;et al.Current space vector amplitude fluctuation based sensorless speed measurement of induction machines using Short Time

20、Fourier Transformation. IECON 2008. 34th Annual Conference of IEEE , pp.1869-1874, 2008Qianxiang Li; Jingtao Hu, A high accuracy FFT algorithm for induction motor sensorless speed estimation, ICEMS 2008. International Conference on :851-854 , 2008李永東.交流電機數(shù)字控制系統(tǒng)M.北京:機械工業(yè)出版社,2002.Yanhui He; Yue Wang;

21、et al.Speed sensorless stator-flux-oriented control of induction motor drive with stator resistance compensation, IPEMC 09. IEEE 6th International , pp.613-619, 2009Haddoun, A.; Benbouzid, M.E.H.; et al.Comparative analysis of estimation techniques of SFOC induction motor for electric vehicles. ICEM

22、 2008. 18th International Conference on ,pp.1-6,2008王成元，夏加寬，孫宜標.現(xiàn)代電機控制技術M.北京:機械工業(yè)出版社， 2009 年Sayouti, Y.; Abbou, A.; Akherraz, M.; Mahmoudi, H., MRAS-ANN based sensorless speed control for direct torque controlled induction motor drive, Power Engineering, Energy andElectrical Drives, 2009. POWERENG 0

23、9. International Conference on , pp.623-628, 2009Dybkowski, M.; Orlowska-Kowalska, T., Low-speed performance of the stator current-based MRAS estimator with FL controller in the sensorless induction motor drive. OPTIM 2008. 11th International Conference on , pp.75-80, 2008Zhefeng Li; Gang Zhang; et

24、al.Extended Kalman Filter based on inverse r model of induction motor,. VPPC 08. IEEE , pp.1-5,2008Wang Chenchen; Li Yongdong, A novel speed sensorless field-oriented control scheme of induction motor Using Extended kalman filter with load torque observer. APEC 2008. Twenty-Third Annual IEEE , pp.1796-1802, 2008Salvatore, N.; Cascella, G.L.; et al.Differential evolution optimization of DSKF algorithm for sensorless SFO control of induction motor drives,. IECON :1149-1154, 2008Zhang Yongchang; Zhao Zhengming, Speed sensorless control for three-lev