无速度传感器异步电机矢量控制方法

1 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。

2 无速度传感器的控制方法

在近20年来，各国学者致力于无速度传感器控制系统的研究，无速度传感器控制技术的发展始于常规带速度传感器的传动控制系统，解决问题的出发点是利用检测的定子电压、电流等容易检测到的物理量进行速度估计以取代速度传感器。重要的方面是如何准确地获取转速的信息，且保持较高的控制精度，满足实时控制的要求。无速度传感器的控制系统无需检测硬件，免去了速度传感器带来的种种麻烦，提高了系统的可靠性，降低了系统的成本；另一方面，使得系统的体积小、重量轻，而且减少了电机与控制器的连线，使得采用无速度传感器的异步电机的调速系统在工程中的应用更加广泛。国内外学者提出了许多方法。  

（1）动态速度估计法主要包括转子磁通估计和转子反电势估计。都是以电机模型为基础，这种方法算法简单、直观性强。由于缺少无误差校正环节，抗干扰的能力差，对电机的参数变化敏感，在实际实现时，加上参数辨识和误差校正环节来提高系统抗参数变化和抗干扰的鲁棒性，才能使系统获得良好的控制效果。  

（2）PI自适应控制器法其基本思想是利用某些量的误差项，通过PI自适应控制器获得转速的信息，一种采用的是转矩电流的误差项；另一种采用了转子q轴磁通的误差项。此方法利用了自适应思想，是一种算法结构简单、效果良好的速度估计方法。  

（3）模型参考自适应法（MRAS）将不含转速的方程作为参考模型，将含有转速的模型作为可调模型，2个模型具有相同物理意义的输出量，利用2个模型输出量的误差构成合适的自适应律实时调节可调模型的参数（转速），以达到控制对象的输出跟踪参考模型的目的。根据模型的输出量的不同，可分为转子磁通估计法、反电势估计法和无功功率法。转子磁通法由于采用电压模型法为参考模型，引入了纯积分，低速时转子磁通估计法的改进，前者去掉了纯积分环节，改善了估计性能，但是定子电阻的影响依然存在；后者消去了定子电阻的影响，获得了更好的低速性能和更强的鲁棒性。总的说来，MRAS是基于稳定性设计的参数辨识方法，保证了参数估计的渐进收敛性。但是由于MRAS的速度观测是以参考模型准确为基础的，参考模型本身的参数准确程度就直接影响到速度辨识和控制系统的成效。  

（4）扩展卡尔曼滤波器法将电机的转速看作一个状态变量，考虑电机的五阶非线性模型，采用扩展卡尔曼滤波器法在每一估计点将模型线性化来估计转速，这种方法可有效地抑制噪声，提高转速估计的精确度。但是估计精度受到电机参数变化的影响，而且卡尔曼滤波器法的计算量太大。   

（5）神经网络法利用神经网络替代电流模型转子磁链观测器，用误差反向传播算法的自适应律进行转速估计，网络的权值为电机的参数。神经网络法在理论研究还不成熟，其硬件的实现有一定的难度，使得这一方法的应用还处于起步阶段。   

3 结论

异步电机无速度传感器矢量控制除以上所提及的方法外，还有转子齿谐波法和高频注入法。虽然辨识速度的方法很多，但仍有许多问题有待解决，如系统的精度、复杂性和系统的可靠性间的矛盾、低速性能的提高等。今后无速度传感器控制的研究发展的方向应为：提高转速估计精度的同时改进系统的控制性能，增强系统的抗干扰，抗参数变化能力的鲁棒性，降低系统的复杂性，使得系统结构简单可靠。随着现代控制理论、微处理器、DSP器件以及电力电子开关器件的迅速发展，实现高性能的无速度传感器异步电机的调速系统的前景相当乐观。