专利名称：异步电机纯电子式转速反馈方法
技术领域：
本发明属于工业传动技术领域，涉及一种纯电子式的速度反馈方法，具体涉及一种用纯硬件电路实现异步电机转速在线估算的方法。
背景技术：
在异步电机高性能调速控制中，需要速度反馈信号做速度闭环控制，以获得快速的动态响应及较高的稳态精度。近年来，电力电子技术和计算机技术迅速发展为实现高性能交流调速系统提供了必要条件。由于安装转速、磁通传感器增加了传动系统的价格、降低了系统的可靠性、破坏了异步电动机固有的坚固性和简单性。因此，无速度传感器控制不仅成为了现代交流传动控制技术的一个重要研究方向，同时也是研制高性能通用变频控制器的关键技术。无速度传感器控制技术的核心问题是对电机转速进行准确估计，并将估计的转速反馈给速度控制器。随着高性能数字信号处理器的飞速发展，各种转速估计方法层出不穷。总的来说，可以分为以下几类直接计算法；直接由状态方程合成；MRAS(ModelReference AdaptiveSystem-模型参考自适应)；基于自适应全阶状态观测器的方法；基于EKF (ExtendedKalman Filter-扩展卡尔曼滤波器)的方法；基于神经网络的方法；齿槽谐波检测法；高频信号注入法等。直接计算法基于异步电机Park方程，从电机的电磁关系式中得到转差或转速的表达式。早期的东芝、日立、富士的无速度传感器矢量控制产品中采用的就是基于转子反电动势的直接计算法。采用直接计算法计算转速，直观简单，实时性好。但是，由于这类方法本质上属于开环观测方法，没有误差校正环节，缺点也十分明显。存在的问题有1)由于不能保证动态过程中矢量控制是否能正确实现，因而不能保证整个传动系统的动态性能；2)系统的抗扰能力很差，稳态性能受负载转矩、电机参数扰动的影响较大；3)对基于转子反电动势的方法，由于低速时反电势的值很小，导致算得的转速误差较大。利用异步电机的状态方程建立磁通观测器，可以观测到电机的转子磁链或者定子磁链，就可以通过求导的方式获得同步转速信号再引入转差《sl的计算，通过=
得到转子电气角速度ABB、东洋电机曾在产品中使用该方法。显然，直接合成的方法对电机参数也会十分敏感，而且由于同样属于开环观测方法，因此估计性能较差。基于模型参考自适应方法的转速估计的基本思想是将不含转速的方程作为参考模型，而将含转速的方程作为可调模型，两个模型具有相同物理意义的输出，利用这两个模型输出量的误差构造适当的自适应律，实时调节可调模型中的转速，以达到可调模型的输出跟踪参考模型的输出，最终实现转速估计的目的。模型参考自适应方法是一种基于稳定性设计的方法，能够保证估计的渐近收敛。根据参考模型及可调模型的不同选择，有多种MRAS转速估计方法。应用最多的MRAS转速估计算法是以用于转子磁链观测的电压模型作为参考模型，以含转速信息的电流模型作为可调模型的算法。这样可以充分利用磁链观测过程的计算结果，转速估计的实现只需增加很小的计算量。由于使用电压模型来计算转子磁链，引入了纯积分环节，使得磁链模型受积分初值及零漂的影响严重，转速估计结果不准确。而且低速时性能较差。前面提到的几种转速估计方法，都需要使用转子磁链的开环重构(观测)值，因此本质上都属于开环性质的观测方法。这些开环转速估计方法是无法克服电机参数变化和积分漂移带来的误差的，因此估计性能较差。基于神经网络的方法、齿槽谐波检测法、高频信号注入法等目前的硬件水平还不能支持其产品化。因此，这里不再赘述。目前，转速估计性能较好的应该是闭环类的观测方法，如全阶观测器、扩展卡尔曼滤波器等。全阶观测器利用转子磁链观测值以及定子电流的观测值与测量值的偏差来估计转速，根据状态误差的动态方程和Lyapunov稳定性理论推导自适应律。常见的自适应全阶状态观测器有基于ELO (Extended LuenbergerObserver-扩展龙贝格观测器)的和基于滑模观测器的。这类方法仍然含有MRAS的思想，只是这里的参考模型变成了异步电机本身，可调模型变成了闭环全阶观测器。这类方法在全速度域的稳定性和动态特性较好。但，ELO是基于确定性方程的观测方法，转速估计效果仍然受电机非线性特性及转子电阻等电机参数变化的影响。基于滑模观测器的自适应转速估计方法对参数偏差、系统噪声有很好的稳定性，提高了估计的鲁棒性。自1960年R. E. Kalman提出KF(Kalman Filter-卡尔曼滤波器)以来，它在各个领域得到了广泛的应用，已经成为线性系统状态估计问题的标准算法。在非线性估计方面，通过一阶线性化方法用卡尔曼滤波器进行滤波估计的EKF (扩展卡尔曼滤波器)，凭借方法简单、可实现性强、快速收敛等优点成为了最为广泛应用的非线性系统状态估计算法。EKF提供了一种迭代形式的非线性估计算法，避免了微分运算，而且可以通过调节误差协方差阵来调节状态估计的收敛速度。此外，最为重要的是，由于基于EKF的转速估计方法是建立在系统的随机过程模型上的，因此具有很强的抗噪能力，这是其它转速估计算法所不具备的。其算法的统计本质使得EKF非常适合于克服异步电机模型的不确定性和非线性性，估计性能优越。EKF转速估计方法的不足在于计算量较大不利于在线实现。
发明内容
本发明的目的是提供一种异步电机纯电子式转速反馈方法，既不占用主控制DSP的存储空间资源及运行时间资源，又能在全速度范围内实时提供较模型参考自适应转速估计更为精确的转速反馈值。本发明所采用的技术方案是，异步电机纯电子式转速反馈方法，具体操作步骤如下
第一步，得到异步电机数学模型的离散时间形式表达首先根据异步电机的两相静止a P轴模型
权利要求
1.异步电机纯电子式转速反馈方法，其特征在于，具体操作步骤如下 第一步，得到异步电机数学模型的离散时间形式表达 首先根据异步电机的两相静止α β轴模型
全文摘要
本发明提供一种异步电机纯电子式转速反馈方法，具体操作步骤如下先得到异步电机数学模型的离散时间形式表达，再根据扩展Kalman滤波算法就得到了异步电机降阶EKF转速估计算法，然后设计FPGA实现降阶EKF转速估计的算法结构，基于以上描述的算法结构，对FPGA进行硬件语言VHDL描述，得到状态估计值iαs、iβs、Ψαr、Ψβr、ωr送往并口传回主控制DSP。本发明大大降低了主控制DSP在的实时运算量上的压力，为速度、电流控制留下更多的存储空间及运算空间；并且用FPGA并行实现的EKF转速估计算法可在1μs级的时间内完成，使得转速估计算法可以选择较小的采样周期，因而转速估计精度大大提高了。
文档编号H02P21/14GK102629847SQ201210086939
公开日2012年8月8日 申请日期2012年3月29日 优先权日2012年3月29日
发明者李洁 申请人:西安理工大学