文献综述--异步电动机无速度传感器矢量控制方法综述.docVIP

重 庆 理 工 大 学 文 献 综 述 二级学院 电子信息与自动化学院 班 级 08级自动化四班 学生姓名 李春鹏 学号 10807010405 异步电动机无速度传感器矢量控制方法综述 摘要：因为异步电动机的物理模型是一个高阶、非线性、强耦合、的多变量系统[ 1 ]，需要用一组非线性方程组来描述，所以控制起来极为不便。异步电机的物理模型之所以复杂，关键在于各个磁通间的耦合。直流电机的数学模型就简单多了。从物理模型上看，直流电机分为空间相互垂直的励磁绕组和电枢绕组，且两者各自独立，互不影响。正是由于这种垂直关系使得绕组间的耦合十分微小、，我们可以认为磁通在系统的动态过程中完全恒定。这是直流电机的数学模型及其控制比较简单的根本原因。如果能将交流电机的物理模型等效变换成类似直流电机的模式，仿照直流电机进行控制，那么控制起来就方便多了，这就是矢量控制的基本思想。至于无速度传感器，是由于许多场合下不允许安装任何速度传感器，此外安装速度传感器在一定程度上降低了系统的可靠性。于是，无速度传感器控制系统成为了人们的研究热点。无速度传感器矢量控制技术的关键，在于理论上控制系统的正确辨识和参数的准确估计；应用上所研究的算法在硬件系统上的可行性、实时性、和可靠性。目前，国内外的研究者们已提出了许多不同的异步电动机无速度传感器转速估计策略。 关键词：异步电动机 无速度传感器 矢量控制 引言 　　在高性能的异步电机矢量控制系统中，转速的闭环控制环节一般是必不可少的。通常，采用光电码盘等速度传感器来进行转速检测，并反馈转速信号。但是，由于速度传感器的安装给系统带来一些缺陷：系统的成本大大增加；精度越高的码盘价格也越贵；码盘在电机轴上的安装存在同心度的问题，安装不当将影响测速的精度；电机轴上的体积增大，而且给电机的维护带来一定困难，同时破坏了异步电机的简单坚固的特点；在恶劣的环境下，码盘工作的精度易受环境的影响。因此，越来越多的学者将眼光投向无速度传感器控制系统的研究。国外在20世纪70年代就开始了这方面的研究，但首次将无速度传感器应用于矢量控制是在1983年由R．Joetten完成，这使得交流传动技术的发展又上了一个新台阶，但对无速度传感器矢量控制系统的研究仍在继续。 1无速度传感器矢量控制方法 在 （1） （2） 式中，， 分别为电流模型得到的磁链观测值， ，分别为电压模型得到的磁链观测值。 图1 模型参考自适应系统基本原理 模型参考自适应同的状态变量作为速度整定信号,但是在实际使用过程中,必须尽量提高参考模型的精度,这就要求参考模型尽量不依赖于电机参数(特别是随运行工况变化较大的参数)以及不含纯积分环节。因为纯积分环节存在积分初始值、磁饱和(saturation problem)、相误差(the phase error)和直流飘移(DC drift)的累加问题。在实际中,通常用低通滤波器代替纯积分,并可采用基于电流的定子电阻扰动补偿方法使磁链估计不受定子电阻的影响[ 9 ]；或者在参考模型和可调模型的高通滤波环节中插入一个线性传递函数来抵消纯积分的影响[ 10 ]。 MARS的性能很大程度上依赖于图1中辨识算法环节自适应律的确定。当前，主要有以局部参数最优化理论、李雅普诺夫稳定性理论、波波夫稳定性理论为基础的3种设计自适应律的方法[ 11 ]。第一种方法不能保证系统的稳定性，所以常采用后两种方法。这些方法的自适应模型都是确定的数学模型,便于数字实现。然而使用数学模型不同程度地影响了转速估计的精度和鲁棒性。采用基于人工智能(神经网络[ 12 ]、模糊控制[ 13 ]等)的非线性自适应模型可以解决模型参考自适应方法目前存在的问题。 1.3 转速观测器法 观测器的实质是状态重构，其原理是重新构造一个系统，利用原系统中可以直接量测的变量作为它的输入信号，并使其输出信号在一定条件下等价于原系统的状态。当前研究较多的转速观测器主要有：卡尔曼滤波器、龙贝格观测器、自适应观测器以及滑模观测器等。 卡尔曼滤波器(Kalman Filter)是R. E. Kalman在20世纪60年代提出的一种线性最小方差意义上的最优预测估计的递推计算方法，该算法可实现采集数据与计算的同步，且计算可由硬件在线完成。它的特点是可以有效削弱随机干扰和测量噪声的影响。扩展卡尔曼滤波算法是线性系统状态估计的卡尔曼滤波器在非线性系统中的推广应用。扩展卡尔曼滤波算法提供了一种迭代形式的非线性估计方法,避免了对测量量的微分计算,通过对Q阵和R阵的选择可以调节状态收敛的速度。基于感应电机逆伽马模型的扩展卡尔曼滤波器，把电机参