1.本发明属于电机控制领域，涉及一种基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法。
背景技术：
2.开关磁阻电机因其结构坚固简单、成本低、起动转矩大、耐高温等特点，近年来受到广泛关注。位置闭环是开关磁阻电机速度控制系统的一个重要特征，转子位置信号是主开关装置各相适当切换的基础，传统上，转子位置由机械位置传感器检测。但是机械位置传感器精度以及可靠性易受高温影响，要做到较高工作温度十分困难。并且，位置传感器的存在不仅削弱了开关磁阻电动机结构简单、适应恶劣环境、容错能力强的优势、而且降低了系统高速运行的可靠性。所以无位置传感器控制策略是开关磁阻电机的研究热点。
3.在开关磁阻电机的各种无位置传感器控制方法中，使用状态观测器检测的方法，不需要附加额外的硬件，只需要依据电机导通相的相电压以及相电流进行计算，不会影响到电机的正常运行，计算量也比较小，并具有一定的抗干扰性。目前在开关磁阻电机无位置传感器控制方法中使用到的状态观测器主要是滑模观测器，但是在传统的滑模控制中，滑模观测器的增益值的设定依靠经验和简单计算获得，其在控制精度、快速性等上存在不足。基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法拥有最优的滑模增益值，其大大提高了估计转速和估计转子位置的精度，对提高开关磁阻电机适用性和调速性能有着重要作用。
技术实现要素：
4.要解决的技术问题
5.本发明提出一种基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法，能够获得最优的滑模观测器的增益值，解决传统滑模控制增益设置地过大或过小引起的电机抖振大，控制不稳定等问题，提高开关磁阻电机位置估计和速度估计精度。
6.技术方案
7.所述的一种基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法，其步骤如下：
8.步骤1：采集开关磁阻电机在k时刻的相电流i
ph
(k)和相电压u
ph
(k)的值；
9.步骤2：计算k时刻的电机的磁链值
10.式中ψ
ph
(k)、u
ph
(k)、i
ph
(k)为相绕组k时刻的磁链值、电压值、电流值；
11.步骤3：通过转子固定夹持法获取开关磁阻电机磁链特性和电流特性并构建数据表i
ph
(ψ，θ)；
12.步骤4：通过系统反馈的电机转速值估计值和步骤2计算得到的ψ
ph
(k)和步骤3
得到的查找表获得开关磁阻电机在k时刻的估计相电流值
13.步骤5：构建滑模观测器的误差函数
14.式中i
ph
(k)、为开关磁阻电机在k时刻的实际相电流值、开关磁阻电机在k时刻的估计相电流值、开关磁阻电机的估计位置；
15.步骤6：构建滑模控制系统，实现对开关磁阻电机转子位置的估计和电机转动速度的估计，公式为
16.式中kw和k
θ
是需要设定的滑模观测器的增益值、为估计的电机转子位置、估计的电机转速；
17.步骤7：设置不同的kw和k
θ
的值，测量电机转子位置和估计值的误差δ
θ
和转速估计值与实际值的误差δw，获得实验数据样本；
18.步骤8：采用bp神经网络算法对步骤7所得到的实验数据样本进行拟合，获得电机转子位置估计误差δ
θ
与滑模增益kw和k
θ
的函数关系δ
θ
＝f(kw，k
θ
)和转速估计误差δw与滑模增益kw和k
θ
的函数关系δw＝f(kw，k
θ
)；
19.步骤9：采用多目标遗传算法对进行多目标优化，目标为；f＝[δw，δ
θ
]，以获得f
min
并获得其对应的kw和k
θ
的值即找到最佳的滑模观测器的增益值。
[0020]
有益效果
[0021]
本发明提出的一种基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法，
[0022]
本发明的有益效果：通过具有最优增益的滑模控制，有效地减少了系统抖振，提高了开关磁阻电机控制系统精度以及快速性。
附图说明
[0023]
图1为滑模观测器的系统原理框图。
[0024]
图2是利用遗传算法和bp神经网络算法优化滑模增益的流程框图。
[0025]
图3是1000rpm时电机的估计转速与给定转速对比图。
[0026]
图4是优化前后滑模观测器估计的电机转速对比图。
[0027]
图5是电机转速在1000rpm时电机转子的估计位置与实际位置对比图。
[0028]
图6是电机转速由1000rpm调整到1500rpm时，电机的实际转速与估计转速的对比图。
具体实施方式
[0029]
现结合实施例、附图对本发明作进一步描述：
[0030]
针对传统的基于滑模观测器的开关磁阻电机无位置传感器调速控制方法存在的滑模观测器增益值设置的过大或过小引起的系统跟随性和快速性差、抖振大等问题，本发
明提出了一种基于增益优化滑模观测器的开关磁阻电机无位置传感器控制方法，其具体实施方式如下：
[0031]
步骤一：记录各相绕组在k时刻的相电流值i
ph
(k)和相电压值u
ph
(k)根据公式(1)计算k时刻的电机的磁链值；
[0032][0033]
步骤二：通过转子固定夹持法获取开关磁阻电机磁链特性和电流特性并构建数据表i
ph
(ψ，θ)；
[0034]
步骤三：通过系统反馈的转速估计值和计算得到的磁链值ψ
ph
(k)查阅查找表获得开关磁阻电机在k时刻的估计相电流值
[0035]
步骤四：根根据公式(2)构建滑模观测器的误差函数；
[0036][0037]
式中是滑模观测器估计出的转子位置；
[0038]
步骤五：根据公式(3)构建滑模控制系统，在如图1所示的滑模控制系统中通过输入的相绕组k时刻的电压值、电流值u
ph
(k)、i
ph
(k)获得估计的转子位置和估计的电机转速和以实现开关磁阻电机转子位置和速度的估计；
[0039][0040]
式中其中kw和k
θ
是需要设定的滑模观测器的增益值，和是估计的转子位置和估计的电机转速；
[0041]
步骤六：设置不同的kw和k
θ
的值，测量电机转子位置和估计值的误差δ
θ
和转速估计值与实际值的误差δw，获得实验数据样本；
[0042]
步骤七：采用bp神经网络算法对步骤6得到的实验数据样本进行拟合，获得电机转子位置估计误差δ
θ
与滑模增益k
ω
和k
θ
的函数关系δ
θ
＝f(kw，k
θ
)和转速估计误差δw与滑模增益kw和k
θ
的函数关系δw＝f(kw，k
θ
)；
[0043]
步骤八：采用多目标遗传算法对进行多目标优化，目标为；f＝[δw，δ
θ
]，以获得f
min
并获得其对应的kw和k
θ
的值即找到最佳的滑模观测器的增益值。
[0044]
实例所用电机为一个1kw三相12/8极开关磁阻电机。
[0045]
以下结合附图和具体实例，对本发明的技术方案进行详细说明，实例所用电机为一个1kw三相12/8极开关磁阻电机：
[0046]
步骤一：采集开关磁阻电机在k时刻的相电流i
ph
(k)和相电压u
ph
(k)的值；
[0047]
步骤二：根据公式(1)计算k时刻的电机的磁链值；
[0048][0049]
式中ψ
ph
(k)、u
ph
(k)、i
ph
(k)为相绕组k时刻的磁链值、电压值、电流值。
[0050]
步骤三：通过转子固定夹持法获取开关磁阻电机磁链特性和电流特性并构建数据表i
ph
(ψ，θ)；
[0051]
步骤四：通过系统反馈的转速估计值和计算得到的磁链值ψ
ph
(k)查阅查找表获得开关磁阻电机在k时刻的估计相电流值
[0052]
步骤五：根据公式(2)构建滑模观测器的误差函数；
[0053][0054]
式中是滑模观测器估计出的转子位置；
[0055]
步骤六：根据公式(3)构建滑模控制系统，在如图1所示的滑模控制系统中通过输入的相绕组k时刻的电压值、电流值u
ph
(k)、i
ph
(k)获得估计的转子位置和估计的电机转速和
[0056]
实现开关磁阻电机转子位置和速度的估计，公式如下；
[0057][0058]
式中其中kw和k
θ
是需要设定的滑模观测器的增益值，和是估计的转子位置和估计的电机转速；
[0059]
步骤七：设置不同的kw和k
θ
的值，测量电机转子位置估计误差δ
θ
和转速估计值与实际值的误差δw，获得实验数据样本；
[0060]
步骤八：采用bp神经网络算法对步骤七得到的实验数据样本进行拟合，获得电机转子位置估计误差δ
θ
与滑模增益k
ω
和k
θ
的函数关系δ
θ
＝f(kw，k
θ
)和转速估计误差δw与滑模增益kw和k
θ
的函数关系δw＝f(kw，k
θ
)；
[0061]
进一步地，使用多目标遗传算法对进行多目标优化，目标为；f＝[δw，δ
θ
]，以获得f
min
并获得其对应的kw和k
θ
的值即找到最佳的滑模观测器的增益值，获得的最优增益值kw＝243960，k
θ
＝1009。
[0062]
图3显示了在1000转/分钟时的转子估计速度的仿真结果。可以看出，经过优化后转速估计的误差在0.1％左右，系统具有较高的稳定性和准确性，能够实现对电机转子转速的准确估计。图4显示了增益优化前后1000rpm时转子估计速度的仿真结果对比。可以看出，经过增益优化后，系统的快速性有了很大提高。图5显示了转子位置估计的仿真结果，可以看出，系统具有很好的跟随性，滑模观测器的延迟在0.001s以内。图6显示了当转子转速从1000rpm到1500rpm时，系统也具有良好的动态调速性能。
[0063]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。