永磁同步电动机无传感器控制技术现状与发展探讨 .pdfVIP

永磁同步电动机无传感器控制技术现状

与发展探讨

摘要：永磁同步电机无位移传感器系统，其利用检测电机的定子侧电压和端

电压算出转子位移，取代了传统的机械位移传感器系统，不但减少了成本，同时

增加了控制精度和可靠性。本文基于永磁同步电动机发展现状，分析无传感器永

磁同步电机工作存在的问题，总结不同转速下的无位置传感器控制技术。

关键词：永磁同步电机；无传感器；控制技术

无传感器的永磁同步电机，是在电动机转子与机座之间不配备电磁或光电传

感器的情形下，运用电动机绕组中的有关电讯号，采用直接计量、参数识别、状

态评估、间接检测等技术手段，在定子边比较简单检测的物理性质量如定子压力、

定子电流等中抽取出与转速、位移速度相关的物理性质量，再运用这些检测到的

物理性质量和电动机的数学模型测算出电动机转子的位移与速度，从而代替了机

械传感器，实现电动机的闭环控制。

1.永磁同步电动机无传感器控制技术存在的问题

高性能的交流调速传动系统通常要求在定子轴上装设机械式传感器，以检测

相应的定子转速与位移。这种机械式传感器，通常包括了解码器（Encoder)、解

算器（Resolver）和测速发动机（Tacho-meter)。机械式传感器可以满足发电机

所需要的转动信息，但同时也对传动系统设计造成了一些困难。

机械式传感器加大了在发电机定子上的转动惯量，从而增大了发电机的空间

大小和重量，而使用机械式传感器为测量转子的速度和位移，需要另外增设了发

电机和控制器相互之间的连线和端口电路，使系统更易受影响，从而大大地降低

了准确性。

受设备式传感器使用环境（如温度、湿度和振动）的影响，驱动控制系统并

无法普遍应用于所有场所。

机械式传感器以及配套电路大大提高了传动系统的生产成本，而一些高精度

传感器的售价甚至能够和马达本身售价比较高。为解决大量采用机械式传感器给

传动系统所造成的问题，不少专家都进行了无机械式传感器交流传动控制系统的

研发。无机械式信号交流变速控制系统是指根据使用电器绕组的所有电讯号，并

采用适当方式估计出转动的速率和方位，以替代机械式信号，进行交流传动控制

系统的循环调节。

2.不同转速下的无传感器控制技术

2.1中高速则无传感器

采用反电势的位置预测法。利用传感器输出的电流方程求出感应电动势以实

现对转子位移的预测，由于这个方法只取决于发电机的基波方程，所以实现起来

非常简单。因为反电动势矩形波和速度成正比，当零速时，反电动势为零；而在

速度较低时，因为讯杂比极小，再加上一些影响因子，就无法准确的预测转子的

速度和位移，使得即使在静止和低速运行中，采用反电势的计算方法也难以顺利

运行。

基于磁链的位置计算方法。这一类算法主要是利用电机端的压力差和磁场来

实现对定子磁链的测量，从而可以预测电机位置和转速。由于此类算法直观性较

好、比较容易进行、没有烦琐的运算，而且通常使用数字累积积分，因此，直流

偏置和积分偏移的现象也难以避免。观测速度的准确性还受到发电机参数和测量

误差的很大影响，在实际实现时，还需要增加参数识别和偏差校准环节来增强系

统抵抗参数变异和抗扰动时的鲁棒性，才能使控制系统达到较好的测控效果。为

发展基于状态观测仪的统计方法。位置测量者法采用了完备的电机数学建模

（电气和机械方程），包含了已测的压力、电流变量以及未知的转动频率等位置

变量。该位置估计方法具有动力学稳定性好、机械稳定性高等、数据鲁棒性强及

适应范围广等优点，但不足之处是计算烦琐，且计算难度较大。

根据智能传感器的位置估计法阁。目前常见的新一代人工智能方式，包括了

人工神经网络和模糊逻辑等两种。在神经网络传感器中，通常使用神经网络作为

电流模型的转子磁链检测者，根据误差反向传递方法的自适应律进行速度预测。

网络的连接权值也是网络的重要参数，虽然能够通过使用一个多层的前馈神经网

络进行对马达转动速度的预测，但是在实际使用过程中需要通过对样本数据进行

实验法判断该神经网络的隐藏层、网络结点的数量、结点的权值和信息初始值。

另外，由于基于神经网络的速度预测器的稳定性受样本数量的影响较大，因此通

过导入模糊逻辑到神经网络中，即可克服神经网络的这些困难。这种系统基本上

是一个带有模糊特征的神经网络，但这种网络的计算器组成非常复杂，因此其体

系结构的设置和参数的调整就显得十分麻烦。

2.2低速无定位传感器

高频信号注入法，是目前研究面积最大的一个广泛应用于在低速