一种基于扩展卡尔曼滤器的永磁同步电机无位置控制方法与流程

本发明涉及电机控制技术领域，具体涉及一种无位置传感器永磁同步电机控制方法、装置和系统。

背景技术：

为了实现对永磁同步电机进行高性能的控制，矢量控制技术被广泛应用于永磁同步电机控制系统中。由于矢量控制技术需要获取电机转子位置以及电机转速信息，因此需要在永磁同步电机转子的一端连接位置传感器。位置传感器有很多种类，包括增量式编码器、绝对式编码器、旋转变压器以及霍尔传感器等。但是位置传感器的安装增加了电机的体积，同时位置传感器的精度受到周围环境温度，湿度等因素的影响，导致控制系统的精度降低，影响系统的鲁棒性和可靠性。高性能的传感器价格也十分昂贵，增加了高性能永磁同步电机的制作成本。

技术实现要素：

本发明的目的是，针对现有永磁同步电机位置传感器的不足，提出一种无位置传感器永磁同步电机的控制针对永磁同步电机(pmsm)位置与速度传感器易受外部条件和自身精度的影响，以及pmsm无传感器控制等问题，提出了一种基于扩展卡尔曼滤波(ekf)的pmsm非线性预测无传感器控制方法。该方法具有预测性、自适应能力、抗干扰性、易于软件实现等优点。首先，详细分析了pmsm的矢量控制系统数学模型和ekf原理。其次，将ekf算法应用于pmsm的无传感器矢量控制中，即将电机αβ轴电流和电压作为输入变量，经过ekf算法运算，估算出转子转速和转子位置来代替电机的位置与速度传感器。最后，搭建基于matlab/simulink的pmsm无传感器矢量控制系统仿真模型。仿真结果表明，ekf控制方法能准确估算出电机在空载和负载(随机)时的位置和转速，且具有较好的可预测性和系统响应性。在电机突加负载的情况下，也可以快速恢复到稳定状态，具有较强的抗负载性，具体地说，本发明是采取以下的技术方案来实现的：

步骤1.获取电机的给定转速，检测永磁电机的三相电流iabc并经过clarke变换变换得到两相静止坐标系下电流iα和iβ，通过park变换得到id和iq，再加上磁链极对数pn，定子电感ls算得电磁转矩te，再通过转动惯量、阻尼系数,求得机械角速度，最后得到电机反馈转速。

步骤2.对电机的给定转速以及电机反馈转速的差值进行pid调节确定q轴给定电流，

步骤3.将q轴给定电流与d轴给定电流pid调节后在进行clarke变换，得到α和β轴的实时电压。

步骤4.对α和β轴的实时电压。进行svpwm调制得到脉宽调制波形。

步骤5.将脉宽调制波形送入逆变器对永磁同步电机进行控制，得到实时的三相电流和三相电压。

步骤6.将得到的三相电压和三相电流进行clarke变换得到α和β轴的实时电压和实时电流。再将α和β轴的实时电流通过park变换反馈回去，构成电流闭环。

步骤7.将得到的α和β轴的实时电压和实时电流送入基于扩展ekf观测器得到经过ekf算法估算出转子转速和转子位置的数值反馈回去，构成转速闭环，实现无位置控制。

有益效果:

通过算法形式的观测器代替物理上实体形式的位置传感器，并通过ekf算法对永磁同步电机转子位置以及转速的估算，最终实现对电机的控制，不仅可以提高永磁同步电机控制系统的鲁棒性与可靠性，还降低控制系统的制作成本，而且提出的扩展卡尔曼滤波控制方法具有较强的自适应性和抗干扰性，且操作简单易行。

附图说明

图1为基于扩展卡尔曼滤波器的永磁同步电机结构图。

图2为仿真后转速估计值与实际值的曲线。

图3为仿真后转速估计误差的变化曲线。

图4为仿真后电机转子位置估计值与实际值的曲线。

图5为仿真后转子位置估计误差的变化曲线。

具体实施方式

下面结合本发明实例中参照附图，对本发明实例中的技术方案进行清楚、完整的描述。

步骤1.根据图1可知，我们需要获取电机的给定转速，检测永磁电机的三相电流iabc并经过clarke变换变换得到两相静止坐标系下电流iα和iβ，通过park变换得到id和iq，再加上磁链极对数pn，定子电感ls算得电磁转矩te，再通过转动惯量、阻尼系数,求得机械角速度，最后得到电机反馈转速。

步骤2.对电机的给定转速以及电机反馈转速的差值进行pid调节确定q轴给定电流iq，

步骤3.将q轴给定电流iq与反馈的q轴电流值的差值与d轴给定电流id与反馈的d轴电流值的差值pid调节后在进行clarke变换，得到α和β轴的实时电压uα和uβ。

步骤4.对α和β轴的实时电压uα和uβ。进行svpwm调制得到脉宽调制波形。

步骤5.将脉宽调制波形送入逆变器对永磁同步电机进行控制，得到实时的三相电流iabc和三相电压uabc。

步骤6.将得到的三相电压uabc和三相电流iabc进行clarke变换得到α和β轴的实时电压uα和uβ和实时电流iα和iβ。再将α和β轴的实时电流iα和iβ通过park变换得到d、q轴的电流iq和id反馈回去，构成电流闭环。

步骤7.将得到的α和β轴的uα和uβ和实时电流iα和iβ送入基于扩展ekf观测器得到经过ekf算法估算出转子转速n和转子位置的数值反馈回去，构成转速闭环，实现无位置控制。

根据权利要求1所述的无位置传感器永磁同步电机控制方法，其特征在于：所述步骤7具体包括：

通过α和β轴的uα和uβ和实时电流iα和iβ构成永磁同步电机电压方程

式中，uα、uβ、iα、iβ为两相静止坐标系α轴、β轴的电压和电流；rs、ls、分别为定子电阻，定子电感以及转子永磁体磁链；wr、θr分别为电机的角速度和转子位置角度

将式(13)变换为电流方程可得

式(14)的电流方程可以写成如下的形式：

可以将式(15)写成如下的空间状态方程：

式中，x＝[iαiβwrθr]^t为状态变量；输入变量u＝[uαuβ]^t；输入变量y＝[iαiβ]^t；由式(15)可以得到系统矩阵a、b、c如下：

为了构建扩展卡尔曼滤波器状态观测器数字化系统，需要将式(16)进行离散化处理可得：

式中，a'＝i+at为离散化的系统矩阵；b'＝bt为离散化的系统输入矩阵；c'＝c为离散化的系统输出矩阵。可以得到离散化的系统矩阵a',b',c'如下：

离散化状态方程(17)是确定性的方程，但是在实际系统中，模型参数存在不确定性和可变性，定子电压和电流中不可避免的会存在测量噪声，可以将这些不确定因素纳入到系统噪声矢量v和测量噪声w中，于是式(17)可以改成：

式中，v(k)为系统噪声，w(k)为测量噪声，这两个噪声都是零均值的白噪声。

ekf算法估算出转子转速和转子位置的数值反馈回去，构成转速闭环。

综上，由图3可知，在转速上升阶段实测与估计转速误差比较大。但随着ekf算法的推进，转速误差慢慢减小，电机趋于稳定状态，估计转速与实际转速曲线基本重合。随着电机转速误差的减小，由图4可知，实际转子位置曲线和经过ekf估算后的转子位置的曲线基本重合，由图5可知，转子位置误差也慢慢变小，进一步证明了ekf算法具有收敛性.由图2可知，电机在负载情况下，ekf算法依然能准确的估算出电机的转速，证明ekf算法有较强的抗干扰能力。由图3可知，在负载状态下，转子估计位置和实际位置误差在电机到达稳定状态后也逐渐较小而且转速误差值和转子位置误差值并没有在负载状态下有太大的波动，证明ekf算法有一定的收敛性和抗负载性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。