一种超高速永磁同步电机定子电感在线辨识方法与流程

1.本发明涉及电机驱动控制领域，特别涉及一种超高速永磁同步电机定子电感在线辨识方法。


背景技术：

2.永磁同步电机具有结构简单、功率密度高、运行效率高等诸多优点，目前被广泛应用于交通运输、加工制造等领域。近年来，为了进一步提升永磁同步电机的功率密度，永磁同步电机的设计和应用均呈现出高速化甚至超高速的发展趋势，在例如燃料电池供气系统空气压缩机等特殊应用场景中，永磁同步电机的峰值转速已经超过100000rpm。受安装空间、传感器采样精度等因素的限制，在超高速(10万rpm级别及以上)永磁同步电机控制系统中必须采用无位置传感器控制技术对电机的转子位置进行实时准确的在线估计，以保证整个控制系统的稳定运行。目前高速条件下常用的转子位置估计方法大多基于永磁同步电机的基本电压模型展开，因而电压模型中包含的定子电阻、定子电感和永磁磁链等电机参数的准确性对转子位置估计的准确性和可靠性有很大影响。这些电机参数在电机运行过程中受磁场强度、电机温度等因素的影响会发生不同程度的变化，其中电机定子电感的变化幅度最大，变化频率最快。为了保证超高速永磁同步电机无位置传感器控制系统转子位置估计的准确性，需要对电机定子电感进行高实时性的在线辨识。现有的永磁同步电机定子电感在线辨识方法包括模型参考自适应观测器法、递推最小二乘法等，这些方法大多基于有位置传感器控制系统开发，在无位置传感器条件下只能使用估计获得的转子位置和速度代入运算，这样将不可避免地将转子位置估计误差引入定子电感辨识的运算过程，造成定子电感辨识的精度和可靠性变差，严重时会引发整个控制系统失稳。


技术实现要素：

3.本发明的目的在于提供一种超高速永磁同步电机定子电感在线辨识方法及系统，本发明利用了超高速电机交直轴电感相差不大或完全相同的特点，降低了运算模型的复杂度，同时利用粒子群算法解决了参数模型非线性的问题。
4.为解决上述技术问题，本发明提供一种超高速永磁同步电机定子电感在线辨识方法，包括以下步骤：
5.获得超高速永磁同步电机的相电流ia和ib进行clark变换，得到两相静止坐标系下的定子电流i
α
和i
β
；
6.获取两相静止坐标系下的电压指令u
α
和u
β
，根据两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
，获取样本点信息；
7.对样本点信息进行样本预处理，得到辨识样本点；
8.对辨识样本点采用粒子群算法进行定子电感在线参数辨识，得到定子电感值。
9.优选地，获得超高速永磁同步电机的相电流ia和ib，具体包括以下步骤：
10.以控制器功率模块的开关周期为一个采样时间周期；每隔一个采样时间周期，利
用电流传感器采样获得超高速永磁同步电机的相电流ia和ib。
11.优选地，获取两相静止坐标系下的电压指令u
α
和u
β
，根据两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
，获取样本点信息，具体包括以下步骤：
12.c1：根据两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
，计算得到中间变量s
α
和s
β
；
[0013][0014]
式中：r为定子电阻；
[0015]
c2：计算样本点信息，样本点信息包括样本点的两个状态量x1,x2和函数值y；
[0016][0017]
式中，ψf是电机的永磁磁链；
[0018]
c3：样本点信息作为sk＝[x1,x2,y]储存到已采样样本数据集中；若k等于预设的最大采样数量kmax，则完成样本点采集。
[0019]
优选地，对样本点信息进行样本预处理，得到辨识样本点，具体包括以下步骤：
[0020]
计算所有已采样样本数据集中的样本点信息s1,s2,
…
,sk的状态量均值和函数值均值
[0021]
计算各样本点的样本点信息与状态量均值的相对误差，舍弃相对误差大于预设的最大容许相对误差的相应样本点；
[0022]
统计剩余样本点数量m，判断样本点数量m是否小于预设的定子电感在线辨识样本点数量m；若样本点数量m不小于预设的定子电感在线辨识样本点数量m，剩余各个样本点均分别计算其相对误差η
x1
、相对误差η
x2
和相对误差ηy的总和，挑选其中误差总和最小的m个样本点作为辨识样本点。
[0023]
优选地，计算各样本点的样本点信息与状态量均值的相对误差，舍弃相对误差大于预设的最大容许相对误差的相应样本点，具体包括以下步骤：
[0024]
计算各样本点的样本点信息的状态量x1与状态量均值的相对误差η
x1
，舍弃相对误差η
x1
大于预设的最大容许相对误差η
x1,max
的相应样本点；
[0025]
计算各样本点的样本点信息的状态量x2与状态量均值的相对误差η
x2
，舍弃相对误差η
x2
大于预设的最大容许相对误差η
x2,max
的相应样本点；
[0026]
计算各样本点的样本点信息的函数值y与函数值均值的相对误差ηy，舍弃相对误差ηy大于预设的最大容许相对误差η
y,max
的相应样本点。
[0027]
优选地，对辨识样本点采用粒子群算法进行定子电感在线参数辨识，得到定子电感值，具体包括以下步骤：
[0028]
e1：初始化粒子群，在定子电感可能的取值范围内随机生成n-2个粒子，增加定子电感初值和上次辨识的定子电感值合计n个粒子组成第一代粒子种群的初始位置，记作同时在定子电感变化速度可能的取值范围内生成第一代种群各个粒子的初始速度，记作
[0029]
e2：利用辨识样本点计算各个粒子的适应度值j，将各个粒子的初始位置作为其当前的个体最优位置，记作p1,p2…
pn，将适应度值j最低的位置作为当前的种群最优位置，记作g
best
，适应度值的计算方法如下；
[0030][0031]
式中：为粒子的位置；j为适应度值；代表使用当前粒子位置计算获得的y值，j表示第j个采样点；
[0032]
e3：根据下式更新种群内各粒子的速度和位置，得到新的粒子位置和速度；
[0033][0034]
式中是随迭代次数增加而减小的惯性权重系数，c1和c2是学习因子，一般为小于1的正数，r1和r2是0～1的随机数；h是种群的代数。
[0035]
e4：计算新的粒子位置的适应度值；
[0036]
若新的粒子位置的适应度值小于该粒子当前的个体最优位置的适应度值，则将新的粒子位置作为该粒子的个体最优位置；
[0037]
若新的粒子位置的适应度值小于该粒子当前的种群最优位置g
best
的适应度值，则将新的粒子位置作为当前的种群最优位置；
[0038]
e5；判断当前的种群最优位置的适应度值j是否小于预设的迭代终止条件；
[0039]
若当前种群最优位置的适应度值j小于预设的迭代终止条件，则将当前种群最优位置作为粒子群算法最终估计获得的定子电感值；否则，重新执行e3。
[0040]
本发明还提供一种用于实现上述一种超高速永磁同步电机定子电感在线辨识方法的系统，包括：
[0041]
clark变换模块，用于对相电流ia和ib进行clark变换，得到两相静止坐标系下的定子电流i
α
和i
β
；
[0042]
样本预处理模块，用于根据两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
，获取样本点信息；对样本点进行样本预处理，得到辨识样本点；
[0043]
参数辨识模块，用于对辨识样本点采用粒子群算法进行定子电感在线参数辨识，得到定子电感值。
[0044]
与现有技术相比，本发明的有益效果为：
[0045]
第一，本发明所述的定子电感在线辨识方法是基于不包含转子位置信息的电感参
数方程设计的，整个辨识过程不需要转子位置信息，能够提升无位置传感器控制条件下定子电感在线辨识的可靠性；
[0046]
第二，本发明所述的定子电感在线辨识方法利用了超高速电机交直轴电感相差不大或完全相同的特点，降低了运算模型的复杂度，同时利用粒子群算法解决了参数模型非线性的问题；
[0047]
第三，本发明对粒子群优化算法所使用的样本点进行了预处理，剔除了置信度不高的样本点，同时有效控制样本点总数，减少粒子群算法的运算量，以保证其能够在较短的时间内完成运算过程，保证实时性；第四，本发明利用了定子电感的变化规律，对粒子群优化算法的初始化过程进行了优化，在原有纯随机生成初始粒子的基础上添加了初值和上次辨识的定子电感值两个初始粒子，提升参数辨识的收敛速度。
附图说明
[0048]
图1是本发明超高速永磁同步电机定子电感在线辨识系统的结构框图；
[0049]
图2定子电感在线辨识样本点采集及预处理的流程图；
[0050]
图3基于粒子群优化算法的定子电感在线辨识的流程图；
[0051]
图4是本发明超高速永磁同步电机定子电感在线辨识系统整体的处理流程示意图；
具体实施方式
[0052]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0053]
下面结合附图对本发明做进一步的详细描述：
[0054]
本发明公开一种超高速永磁同步电机定子电感在线辨识方法，包括以下步骤：
[0055]
在永磁同步电机经典电流闭环控制框架的基础上，将采样获得的超高速永磁同步电机的相电流经坐标变换后与相电压指令一同送入样本预处理模块进行样本预处理，预处理完成后的样本点送入基于粒子群算法的定子电感在线辨识模块，辨识获得的定子电感将被实时应用于超高速永磁同步电机无位置传感器控制系统的转子位置观测器中。
[0056]
本发明不同于多数永磁同步电机参数辨识方法，不再基于永磁同步电机的基本电压方程进行参数辨识，而是利用了超高速永磁同步电机多为隐极式电机的现实，假设电机的交直轴电感相等，以电机磁链方程为基础通过公式推导获得了不包含转子位置信息的定子电感参数方程，并利用该方程实现无位置传感器条件下的定子电感在线辨识。在已知电机定子电阻和永磁磁链的基础上，该方法利用可以直接获得的永磁同步电机电压电流信息作为输入信号，使用粒子群算法进行电机定子电感的在线辨识。同时基于定子电感的变化特性对粒子群算法的种群初始化过程进行优化，结合输入信号的样本预处理过程来降低在线辨识的运算量，提升其运算速度。
[0057]
为了更好的说明本发明的技术效果，本发明提供如下具体实施例说明上述技术流程，如图1-4所述，具体包括以下步骤：
[0058]
a：根据电机转速指令按照经典闭环矢量控制理论进行超高速永磁同步电机的转速控制，矢量控制所需的电机转子位置可使用任何基于模型的转子位置观测器获得；
[0059]
以控制器功率模块的开关周期为一个采样时间周期；每隔一个采样时间周期采集，利用电流传感器采样获得超高速永磁同步电机的相电流ia和ib；
[0060]
b：将相电流ia和ib发送到clark变换模块中进行clark变换，将相电流ia和ib转换为两相静止坐标系下的定子电流i
α
和i
β
；
[0061]
c：获取两相静止坐标系下的电压指令u
α
和u
β
，将两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
发送到样本预处理模块，同时将转子位置观测器观测到的电机电角速度发送到样本预处理模块，获取样本点信息，再进行样本预处理，如图2所示，具体包括以下步骤：
[0062]
c1：根据下方公式利用输入量和定子电阻r计算得到中间变量s
α
和s
β
；
[0063][0064]
c2：根据下方公式计算样本点信息，样本点信息包括样本点的两个状态量x1,x2和函数值y；
[0065][0066]
式中，ψf是电机的永磁磁链；
[0067]
c3：将步骤c2中计算得到的样本点信息sk＝[x1,x2,y]储存到已采样样本数据集中；
[0068]
式中：sk为第k个样本点的样本点信息。
[0069]
c4：判断k是否等于预设的最大采样数量kmax；
[0070]
若k等于预设的最大采样数量kmax，执行步骤c5；否则，执行步骤c6；
[0071]
c5：样本点采集已完成，进行预处理，具体流程包括：
[0072]
c5-1：计算所有已采样样本数据集中的样本点信息s1,s2,
…
,sk的状态量均值和函数值均值
[0073]
c5-2：计算各样本点的样本点信息的状态量x1与状态量均值的相对误差η
x1
，舍弃相对误差η
x1
大于预设的最大容许相对误差η
x1,max
的相应样本点；
[0074]
c5-3：计算各样本点的样本点信息的状态量x2与状态量均值的相对误差η
x2
，舍弃相对误差η
x2
大于预设的最大容许相对误差η
x2,max
的相应样本点；
[0075]
c5-4：计算各样本点的样本点信息的函数值y与函数值均值的相对误差ηy，舍弃相对误差ηy大于预设的最大容许相对误差η
y,max
的相应样本点；
[0076]
c5-5：统计剩余样本点数量m，判断样本点数量m是否小于预设的定子电感在线辨
识样本点数量m；
[0077]
若样本点数量m小于预设的定子电感在线辨识样本点数量m，则执行步骤c5-6；否则，执行步骤c5-7；
[0078]
c5-6：本组采样点无效，清空所有采样点，令k＝1，下一采样周期重新开始采样，重新执行步骤a；
[0079]
c5-7：剩余各个样本点均分别计算其状态量x1、状态量x2和函数值y的相对误差总和(即为相对误差η
x1
、相对误差η
x2
、相对误差ηy的总和)，挑选其中误差总和最小的m个样本点作为辨识样本点，用于定子电感在线辨识，令k＝1，同时辨识使能信号置1；执行步骤d；
[0080]
c6：样本点采集未完成，对k加1，下一采样周期继续采样，重新执行步骤a；
[0081]
d：判断辨识使能信号是否是1，若是1，则执行e，若不是则执行f；
[0082]
e：根据c5-7获得的辨识样本点采用粒子群算法进行定子电感在线参数辨识，得到定子电感值，如图3所示，具体包括以下步骤：
[0083]
e1：初始化粒子群，在定子电感可能的取值范围内随机生成n-2个粒子，增加定子电感初值和上次辨识的定子电感值合计n个粒子组成第一代粒子种群的初始位置，记作同时在定子电感变化速度可能的取值范围内生成第一代种群各个粒子的初始速度，记作
[0084]
以及中的上标1表示种群的代数；
[0085]
在本实施例中，定子电感取值范围可以为定子电感初始值的0.2～2倍，变化速度取值范围可以为定子电感初始值的2倍/ms。
[0086]
e2:利用辨识样本点计算各个粒子的适应度值j，将各个粒子的初始位置作为其当前的个体最优位置，记作p1,p2…
pn，将适应度值j最低的位置作为当前的种群最优位置，记作g
best
，适应度值的计算方法如下；
[0087][0088]
式中：为粒子的位置；j为适应度值；代表使用当前粒子位置计算获得的y值，j表示第j个采样点，一共m个。
[0089]
e3：根据下式更新种群内各粒子的速度和位置，得到新的粒子位置和速度；
[0090][0091]
式中：是随迭代次数增加而减小的惯性权重系数，c1和c2是学习因子，一般为小于1的正数，r1和r2是0～1的随机数；h是种群的代数。
[0092]
e4：计算新的粒子位置的适应度值；
[0093]
若新的粒子位置的适应度值小于该粒子当前的个体最优位置的适应度值，则将新的粒子位置作为该粒子的个体最优位置；
[0094]
若新的粒子位置的适应度值小于该粒子当前的种群最优位置的适应度值，则将新
的粒子位置作为当前的种群最优位置；
[0095]
e5；判断当前的种群最优位置的适应度值j是否小于预设的迭代终止条件，即是否小于一个足够小的值；
[0096]
若当前的种群最优位置的适应度值j小于预设的迭代终止条件，则执行e6；否则，重新执行e3；
[0097]
e6：将当前的种群最优位置作为粒子群算法最终估计获得的定子电感值，同时将辨识使能信号置0；
[0098]
f：将定子电感值送入转子位置观测器，定子电感值用于无位置传感器的转子位置和速度观测。
[0099]
本发明还提供一种用于实现上述超高速永磁同步电机定子电感在线辨识方法的系统，包括：
[0100]
clark变换模块；拥有对相电流ia和ib进行clark变换，得到两相静止坐标系下的定子电流i
α
和i
β
；
[0101]
样本预处理模块，用于根据两相静止坐标系下的定子电流i
α
和i
β
以及两相静止坐标系下的电压指令u
α
和u
β
进行采样，得到样本点；对样本点进行样本预处理，得到辨识样本点；
[0102]
参数辨识模块，用于对辨识样本点采用粒子群算法进行定子电感在线参数辨识，得到定子电感值。
[0103]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何在本发明揭露的技术范围内的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。