用滑模观测器改进感应电动机的无传感器矢量控制
W. C. A. Pereira, C. M. R. Oliveira, M. P. Santana, T. E. P. de Almeida, A. G. de Castro, G. T. Paula, M. L. Aguiar
摘要——这项工作涉及三相感应电动机的无传感器速度控制，以改善其低速运行。 最初，由于其在低速估计通量时的高精度，研究和评估了基于滑模观测器（SMO）的具有调制的直接磁场定向控制雇用空间矢量脉冲。 基于SMO的所提出的电流模型在低速和参数或负载变化下提供良好的速度估计。 进行低速不同操作条件下的模拟和实验测试，以测试无传感器控制。 结果显示了良好的性能，并与最近的论文中显示的结果一致。
Keywords— Direct field oriented control, sensorless speed control, sliding mode, low speed.
I.简介
近年来，由于速度传感器的成本和在工业应用中的安装困难，无传感器速度控制已引起众多研究者的关注。此外，无传感器方法可降低噪音水平，维护必要性和系统成本[1]。
估算转子流量和速度的主要策略是基于感应电动机（MI）的模型，使用称为电压和电流模型的方程。 因此，在文献中更突出的无传感器技术是：开环估计器[2], [3]; 全阶[4],[5]和低阶观察器[6], [7]; 自适应参考模型[8],[9]; 卡尔曼滤波器[10]和智能系统[11]。目前，这些策略在中速和高速下提供了良好的性能，但不幸的是，低频区域的准确性很差。在这些情况下估计器和观察器的低精度是由电流和电压测量误差，非线性和参数变化引起的，这些误差最终会恶化估计的质量。
实际上，MI电感在机器操作期间几乎没有变化，并且可以通过磁化曲线估计互感。另一方面，定子和MI转子电阻受到绕组温度增加的影响。 在低速时，定子电阻值的不正确信息可能导致估计器（电压模型）的不稳定性。 已经不正确的转子电阻值会在滑差计算中产生误差，从而损害动态和稳态性能[12]。
一些研究提出了MI电阻的在线估计与速度估计同时进行。但是，为了在线正确估算定子电阻，必须考虑工作点，逆变器线性度的建模和测量误差[13]。另一方面，在[14]中，示出了理论上转子电阻不能与稳态转子速度同时估计，而是仅在磁通量的大小周期性变化时。
鉴于这些缺点，通过同时估计转子速度和MI参数来增加估计器和观察器的鲁棒性可能变得非常复杂。另一方面，通过适当选择观测器的反馈增益，可以对参数的变化实现更大的鲁棒性[15], [16]。在[17]的工作中，评估了三种基于极点分配的方法来确定观测器增益，并且再生模式的稳定性是所研究的主要标准。在[18]中，Lyapunov准则用于保证扩展的Luenberg观测器的稳定性。
在其他可能的解决方案，以提高传感器策略的性能并确定观测器的收益状态，被称为滑模技术（SM）变得因为对外部干扰，不正确的参数和噪声的快速动态和鲁棒性强的吸引力的选择[19]。在[20]的作者提出仅基于电压模型在全阶观测使用SM两者的估计。在两种情况下，估计技术被证明不敏感，以抵消所测量的值和转子电阻的变化，但是，操作所需的定子电阻在低速的在线估计。在[21]的设计基于该反电动势，这使MI操作amplafaixa速度和低灵敏度到转子电阻估计的SM观察者离散时间。其他作者，如[22]，使用SM高阶观测器，以消除一些弊端SM一级，仍然保持它的主要特点。然而，当MI在低速运转的定子电阻值的误差仍然是一个主要问题。
作为替代方案，该工作提出了一种基于全阶SM观测器的速度估计方法，而无需使用MI参数的在线估计。 首先，使用一阶SM构造定子电流观测器，其中可以在不使用电压模型的情况下以简单的方式获得转子磁通估计。 然后，基于转子磁通和使用SM技术的当前模型估计的电动势之间的关系来估计转子速度。随后，研究低速操作，其中提出了旨在改善性能的补偿，增加了观察者对测量偏移和参数变化的鲁棒性。 通过数值模拟和实验测试验证了所提出方案的性能。
II. 感应电动机模型
MI的数学模型可以在静止参考系的基础上表达，定子电流和转子磁通作为状态变量[18]：
是转子的角机械速度，是电磁转矩，是负载转矩，是惯性，是粘性摩擦系数。，是定子电压 ，是定子电流，，是转子磁通，和分别是定子和转子电阻，，是定子和转子电感 分别。 最后是互感，极对的数量。
III.小规模观测
A．定子电流SM观测器和转子流量
传统的SM技术具有切换（不连续）特征，其为受控系统提供更大的有效性和鲁棒性，增加了处理外部干扰的能力，模型中的不准确性以及其他困难。 因此，可以考虑单个输入和输出的系统来定义SM，选择使得滑动表面[23]。SM的通用形式构造如下：
为了构造所提出的SM观测器，必须将（1）至（4）组合以消除取决于定子电流的动态方程的项：
其中，。 从（8）和（9）可以构造一个固有的无传感器电流观测器，其中和是测量值，和已知值并表示估计值[24]：
其中和是表示转子磁通衍生物的观察项，即：
因此，通过在（12）和（13）中应用（7）获得定子电流的观测器SM，导致：
其中，是严格的正常数，和是定义为定子电流和误差的滑动面。
当估计电流和测量电流之间的误差到达滑移面时，在（10）和（11）中观察到的定子电流收敛到测量值（和）。
转子磁通量可以通过（12）和（13）中所示的关系直接从当前观察器SM获得：
该表达式将导致转子流量的非常准确的估计，然而，在实际应用中，由于已知问题（例如残余偏移，初始积分条件等），估计可能变得不稳定。 因此，转子磁通估计值被重写为：
其中和是获得的修正项：
是正常数，和是通过转子磁链参考系中的当前模型获得的转子磁通：
其中是转子磁通矢量和静止轴之间的角度，是转子流中参考的直轴定子电流。
用于估算转子流量的方法具有优于[24]中提出的性能，因为它不需要使用过滤器，从而改善了其在低速下的性能。
B. 转子速度
估计为10和11的定子电流分量和18和19处的转子磁通量可用于获得估计的速度。为此，我们首先介绍从（3）和（4）构造的辅助变量和的导数：
其中，和。
因此，考虑到（18）和（19）作为参考由于所获得的精度和鲁棒性，可以以类似于定子的当前观测器的方式获得转子磁通的SM观察器：
其中和是严格的正常数。
因此，转子的机械角速度可以使用（18），（19），（26）和（27）计算：
从（28）估计的速度是直接获得的，不使用滑差频率，这改善了其瞬态和稳定行为。
最后，SM观测器的结构使用七个微分方程构建：(10), (11), (18),(19), (22), (24)和(25)，其中术语为SM (14), (15), (26)和(27)以及校正项(20)和(21)。拟议的SM观测器并未在其方程中直接使用估计的速度和应力模型（对定子电阻敏感）。 这些特性改善了瞬态响应，并且在低速时，估计更不容易出错。
C．观测器获益
正如[25]中所讨论的，如果SM观测器的增益足够大，可以证明它是全局稳定的，以便最小化参数误差，传感器测量和其他不定形的不确定性。 非常大的增益值使观察器对MI参数变化具有鲁棒性，但最终会增加抖动效应。 使该问题最小化的简单方法是用线性函数代替具有不连续特征的函数。 因此，在这项工作中我们使用饱和度函数，描述如下：
其中是适合所需饱和度的正常数。
根据表I中给出的MI参数，根据[26]选择当前观测器得到（），并根据[21]选择速度观测器增益（），所以和（）。 增益确定转子流的频率值，其中（22）在估计的流量中变得更有影响，因此通过模拟确定。
D. MI矢量控制
用于MI的矢量控制的方案如图1所示，使用定向直接场控制[27]。
参考点和的变换所必需的三角函数值可以如下计算：
为了在非常低的频率下观测器的正确操作，还必须使用由逆变器引入的非线性的补偿器。由于文献中实施简单，结果良好，因此采用[2]中提出的方法。
IV.结果
使用Matlab / Simulink软件进行DFOC无传感器控制方案仿真的调查。 控制和估计算法通过S模式功能在离散域中实现。考虑理想的逆变器，MI表显示在表I中。
实验测试台如图2所示，其中使用的MI具有与模拟电机相同的参数（表I），其中它由具有IGBT型开关的三相SEMIKRON逆变器驱动。控制和估算算法通过DSP TMS320F28377d以离散形式实现。电流通过霍尔传感器测量，并以20kHz的频率离散化。使用SVPWM调制将逆变器的开关频率设置为5kHz。SM观测器的收益是第III-C节中提出的收益。
A.负载抗拒
图3和图4示出了SM观察器在模拟和实验测试中对于具有负载扭矩N.m的速度反转曲线（150rad / s）的性能。 在图3中，即使电阻值（e）存在误差，也可以在负载抑制和过零点方面验证系统的良好性能。 在图4中，使用和，我们注意到当旋转方向发生变化时，实验测试中的实际速度和估计速度之间存在小的误差，但是系统的性能不会受到影响。
A.低速性能
模拟和实验测试显示了在参数变化条件下，在15rad / s（1.5Hz或标称速度的2.7％）下具有速度反转曲线的SM观测器的无传感器控制和估计的能力。 图5和图6示出了对于相同速度曲线的标称参数的改变的操作。 对于这两种情况，无传感器方法能够保持系统的稳定性，然而，在实验测试中通过观测器可以看到速度噪声的增加。
V.观测器绩效分析
在这项工作中提出的SM观测器是基于[24]中提出的估计器，并且在流量估计中没有出现任何漂移和偏移的影响作为其前身，并且在低速时表现出更好的性能。低速性能也是由于观测器固有地无传感器（估计的速度不是反馈给观测器）的事实，与其他SM观测器相比是一个优势[26]，[28]和[23]。 这应该归因于速度估计中的误差，其被反馈到流量和/或电流估计中。 至于稳定性，SM技术具有不依赖于机器参数的优点，因此观测器对参数变化不太敏感，不同于例如Luenberger观测器。
VI.结论
这项工作涉及无传感器速度控制，适用于各种操作。为此，基于估计定子的电流和电流模型，提出了固有的无传感器SM观测器。所提出的方法不使用估计的速度作为观测器的反馈，并且还避免使用电压模型来估计转子通量。这些特性使观测器适合于低速操作，并且不需要在线调整定子电阻。无传感器方案经受了甩负荷和低速运行，定子电阻为20％参数误差，转子电阻为50％。模拟和实验测试的结果证明了该系统的良好性能，特别是在低频区域。通过这种方式，接近的SM观察器被显示为无传感器速度控制的有吸引力的选择。
基于MRAS的电动汽车感应电机无速度传感器间接矢量控制
Saqib Rind,
Yaxing Ren Department of Electrical amp; Electronic Engineering University of Liverpool, L69 3BX, England Saqib.Rind@liverpool.ac.uk, Y.Ren3@liverpool.ac.uk
Lin Jiang
Department of Electrical amp; Electronic Engineering University of Liverpool, L69 3BX,England L.Jiang@liverpool.ac.uk
摘要：本文的目的是研究IM牵引驱动的无速度传感器间接矢量控制的性能和关于电动汽车的不同驾驶概况，如加速，恒定速度和减速模式等EV的动态模型使用速度估计器的跟踪精度 首先介绍电动汽车和IM，以便分别了解用于瞬态分析的电机推进和行为所需的牵引力。 基于转子磁链的模型参考自适应系统（MRAS）速度估计器是在无传感器间接矢量控制牵引驱动器上设计和实现的。仿真结果表明，在不同的驱动轮廓下，所提出的无速度传感器控制具有令人满意的调速性能。基于转子磁链的MRAS速度估计器在IM的间接矢量控制中实现，为无传感器牵引传动中的速度估算提供有效可靠的解决方案。
索引条款 - 电动汽车学，电动汽车牵引驱动，感应电机驱动，MRAS观察器，无速度传感器控制。
I.引言
牵引电机驱动性能在电动汽车（EV）和混合动力汽车（HEV）的电力推进系统中起着重要作用。电动汽车和混合动力汽车中使用的牵引电动机驱动器与用于需要频繁启动和停止的工业应用的电动机不同。低速和零速时的高启动转矩，高加速/减速速率，低速爬坡，低扭矩和高速巡航，
全文共9358字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[1601]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
