新闻中心

EEPW首页 > 消费电子 > 设计应用 > 无速度传感器技术中的速度辨识方法分析

无速度传感器技术中的速度辨识方法分析

作者:时间:2018-08-23来源:网络收藏

本文引用地址:http://www.eepw.com.cn/article/201808/387586.htm

这种基于PI 调节器方法的最大优点是算法结构简单,有一定的自适应能力,但由于涉及转子磁链的估计及问题,辨识精度很大程度上受磁链性能的影响,而且线性PI 调节器的有限调节能力也限制了辨识范围的进一步扩大。其改进的方向,一是提高转子磁链的估计及性能,二是提高PI 调节器的调节性能,可考虑采用改进PID或模糊控制器等非线性控制器替代PI调节器。

1.5 基于神经网络的速度估计器

人工神经网络经过严格的训练以后,具有对非线性系统进行辨识的能力,由非线性处理函数构成的多层网络更具有对任意函数良好的逼近能力。利用神经元网络进行辨识,一般都是先规定网络结构,再通过学习系统的输入和输出,使满足性能指标要求,进而归纳出隐含在系统输入/输出中的关系。利用神经网络辨识的方法有多种,最常用的是前馈多层模型法。

利用神经网络辨识转速的结构如图3 所示。系统利用基于BP算法的两层神经网络来辨识转速。

系统中的电压模型提供转子磁链的期望输出,而电流模型则计算转子磁链的神经网络模型输出。

神经网络模型的权值选择与转子转速相关的信号并在线调节,使估计出的磁链跟随期望磁链的变化。当偏差趋于零时,辨识速度趋近于电机的实际转速。

由电机的电流模型有

基于人工神经网络的方法在理论研究上还不太成熟,硬件实现有一定难度,通常需要专门的硬件来支持,使得这一方法的应用尚处于起步阶段,离实用化还有一段路要走。

1.6 转子齿谐波法(RSR)

异步电动机的定子和转子铁心表面存在齿槽,因此电机的气隙中会有谐波磁场的存在,当电机旋转时会在定子绕组中感应出谐波电压进而产生谐波电流。利用带通滤波器对定子电压和定子电流进行滤波可以得到转子的齿槽谐波分量,一旦检测到此谐波分量的频率,即可得到转子的转速。

由于低速下定子电压信号较弱,受测量噪声的影响,造成测量精度的降低,使转速检测的误差增大,低速性能较差。而转子电流中的谐波信号较强,有利于提高低速性能,因而目前大多数采用定子电流的谐波检测,它的转速的估计表达式为

这种方法存在的问题主要有低速下的抗干扰问题、测量灵敏度问题和实时处理能力问题,要真正实用化尚须从理论和技术处理上做出努力。

1.7 高频注入法

上述齿谐波方法中所检测的谐波是在基波激励下形成的,由于在低速下信号强度弱,易受噪声干扰,不易进行谱分析。

Lorenz 等学者另辟蹊径,不使用基波激励产生的谐波,而是通过在电机接线端上注入一个三相平衡的高频电压信号,利用人为造成的(如对电机进行改造)或内部寄生的不对称性,使电机产生一个可检测的磁凸极,通过对该磁凸极位置的检测来获取转速信息,称为凸极跟踪法,其算法框图如图6所示。

图7 表明了如何获取图6 中所需的两个电流。

图7中下标f表示基波,下标i表示高频信号。

这种凸极跟踪的方法不依赖任何电机参数和运行工况,因而可能工作在极低速甚至零速运行状态,并且系统的计算工作量并不大,可以说是目前无速度控制中较理想的方法。

2 结语

在异步电机无速度控制系统中,当电机的转速接近零速或者经过零速时,大多数转速辨识方法的性能有所降低,并导致控制系统低速性能的下降。有些方案采用鲁棒性的估计技术,通过自调节或在线调节技术减小了速度估计的误差。这些方法拓宽了低速的运行范围,然而其计算却过于复杂。

目前研究较多的有基于模型参考自适应系统(MRAS)的转速辨识方法、基于人工神经网络的辨识方法和基于扩展卡尔曼滤波器的状态估计算法,这几种算法的实用化最好。转子齿谐波法和高频注入法能够摆脱电机参数的影响,后者是一种比较理想的辨识方法,只是算法较为复杂。基于PI 调节器方法的最大优点是算法结构简单,有一定的自适应能力,但辨识精度在很大程度上受磁链控制性能的影响,而且线性PI 调节器的有限调节能力也限制了辨识范围的进一步扩大。


上一页 1 2 下一页

关键词: 控制 交流 传感器

评论


相关推荐

技术专区

关闭