摘要：针对永磁同步电机(PMSM)无传感器的控制问题，提出了一种结合滑模估计器和扩展卡尔曼滤波(EKF)两种方法优点的混合估计器。混合估计器解决了滑模估计器对于反电动势具有较大“畸变”的电机速度估计效果差的缺点。混合估计器建立了一个3阶EKF滤波器，把反电动势高次谐波分量作为系统和测量噪声处理。降阶后的EKF参数调节变得比传统的EKF估计器相对容易很多，在反电动势有“畸变”单纯滑模估计器估计效果很差时，估计效果依然很好。对滑模估计器、传统EKF估计器和混合控制器三种估计效果做了比较，阐明了混合估计器的优缺点。
关键词：PMSM；无传感器控制；扩展卡尔曼滤波；滑模估计器；混合估计器；
随着电力电子技术和微处理器技术的进步，永磁同步电机（PMSM）的驱动和控制技术得以发展。由于这类电机具有很高的功率体积比，且永磁体转子没有磁损，因此PMSM在机器人，数控机床，电动车，水泵，压缩机等等使用领域被广泛采用。如何降低成本，减小电机的尺寸使得无传感器PMSM控制技术成为了一个研究的热点问题。很多学者进行了研究并提出了各种方法，总结以前的方法基本可以分为以下几类：1）基于扩展卡尔曼滤波（EKF）的估计器；2)基于滑模观测器的估计器；3)基于模型参考自适应的估计方法；4）基于智能辨识算法的估计方法等。基于EKF的估计方法建立iα ,iβ,ωe,θ或者,,,d q ei iωθ非线性状态方程，线性化后叠代寻优，以使状态变量的协方差矩阵最小。这种方法尽管因为是叠代算法，计算机耗时较少，但是需要建立系统4阶模型，且系统方差矩阵的初始值，过程噪声协方差阵和测量噪声协方差阵的选择比较困难。参数选择的好坏对于速度估计的性能影响非常大。基于滑模观测器的估计方法需要调节的参数只有滑模控制函数的反馈系数一个而且调节也很容易，控制器对于电机模型参数的敏感度低，整体的鲁棒性也非常高，是一种比较理想的无传感器控制策略。但是，这种方法的缺点要求电机反电动势完全按照正弦波分布，当反电动势有畸变后，速度估计效果就会很差。
本文提出一种混合方法，结合了滑模估计器参数容易调节，对电机参数敏感度低，鲁棒性高和EKF能够对含有系统噪声和测量噪声的系统进行状态估计的优点。利用滑模观测器估计αβ轴下的反电动势eα ,eβ，把反动势的高次谐波分量作为系统和测量噪声来处理，通过EKF估计器估算电机转速。EKF估计器只需要建立以e α,eβ,ωe为转态变量的三阶状态方程。参数调节变得容易很多，鲁棒性也有所提高。当高次谐波的成分不可忽略的时候，就不能再采用式(6)中方法进行转子位置估计了。这时候考虑到EKF具有能够在模型和测量误差存在状态下进行最小方差估计的特点，可以结合EKF进行速度估计。把反电动势的高次谐波当作系统误差来处理。
在电机起动和低速阶段，本文涉及到的三种算法都不能进行速度估计，可以通过开环控制，将转速牵入到中高速后，待估计模块能够获得估计转子位置和转速后，再采用闭环矢量控制。该算法适合于速度控制领域，例如主轴电机的无传感器控制。因为主轴电机往往工作在中高速的几个速度值上，如硬盘主轴工作在7200转和5400转两种速度，空调工从仿真结果可以看到，SAR成像的几何畸变特征、相干纹理以及目标局部强反射点引起的星形模糊都已在仿真图像中体现出来。同时算法充分利用了GPU的计算性能，仿真结果可以在场景、参数设置完毕后即时获取。
本文从SAR图像反映目标散射场的空间分布的角度提出了SAR图像的快速仿真方法，并在GPU上加以实现。仿真结果验证了仿真图像的逼真度及算法的执行效率。该方法对仿真速度有较高要求的场合，如目标SAR成像结果的快速估测、SAR图像识别目标参考样本的快速生成等。本方法在具体实现过程中仍有改进的余地。仿真平台开放源码，期待相关领域的研究者携手共同完善。
|
