無(wú)速度傳感器技術(shù)中的速度辨識方法分析

這種基于PI 調節器方法的最大優(yōu)點(diǎn)是算法結構簡(jiǎn)單，有一定的自適應能力，但由于涉及轉子磁鏈的估計及控制問(wèn)題，辨識精度很大程度上受磁鏈控制性能的影響，而且線(xiàn)性PI 調節器的有限調節能力也限制了辨識范圍的進(jìn)一步擴大。其改進(jìn)的方向，一是提高轉子磁鏈的估計及控制性能，二是提高PI 調節器的調節性能，可考慮采用改進(jìn)PID或模糊控制器等非線(xiàn)性控制器替代PI調節器。

1.5 基于神經(jīng)網(wǎng)絡(luò )的速度估計器

人工神經(jīng)網(wǎng)絡(luò )經(jīng)過(guò)嚴格的訓練以后，具有對非線(xiàn)性系統進(jìn)行辨識的能力，由非線(xiàn)性處理函數構成的多層網(wǎng)絡(luò )更具有對任意函數良好的逼近能力。利用神經(jīng)元網(wǎng)絡(luò )進(jìn)行辨識，一般都是先規定網(wǎng)絡(luò )結構，再通過(guò)學(xué)習系統的輸入和輸出，使滿(mǎn)足性能指標要求，進(jìn)而歸納出隱含在系統輸入/輸出中的關(guān)系。利用神經(jīng)網(wǎng)絡(luò )辨識的方法有多種，最常用的是前饋多層模型法。

利用神經(jīng)網(wǎng)絡(luò )辨識轉速的結構如圖3 所示。系統利用基于BP算法的兩層神經(jīng)網(wǎng)絡(luò )來(lái)辨識轉速。

系統中的電壓模型提供轉子磁鏈的期望輸出，而電流模型則計算轉子磁鏈的神經(jīng)網(wǎng)絡(luò )模型輸出。

神經(jīng)網(wǎng)絡(luò )模型的權值選擇與轉子轉速相關(guān)的信號并在線(xiàn)調節，使估計出的磁鏈跟隨期望磁鏈的變化。當偏差趨于零時(shí)，辨識速度趨近于電機的實(shí)際轉速。

由電機的電流模型有

基于人工神經(jīng)網(wǎng)絡(luò )的方法在理論研究上還不太成熟，硬件實(shí)現有一定難度，通常需要專(zhuān)門(mén)的硬件來(lái)支持，使得這一方法的應用尚處于起步階段，離實(shí)用化還有一段路要走。

1.6 轉子齒諧波法(RSR)

異步電動(dòng)機的定子和轉子鐵心表面存在齒槽，因此電機的氣隙中會(huì )有諧波磁場(chǎng)的存在，當電機旋轉時(shí)會(huì )在定子繞組中感應出諧波電壓進(jìn)而產(chǎn)生諧波電流。利用帶通濾波器對定子電壓和定子電流進(jìn)行濾波可以得到轉子的齒槽諧波分量，一旦檢測到此諧波分量的頻率，即可得到轉子的轉速。

由于低速下定子電壓信號較弱，受測量噪聲的影響，造成測量精度的降低，使轉速檢測的誤差增大，低速性能較差。而轉子電流中的諧波信號較強，有利于提高低速性能，因而目前大多數采用定子電流的諧波檢測，它的轉速的估計表達式為

這種方法存在的問(wèn)題主要有低速下的抗干擾問(wèn)題、測量靈敏度問(wèn)題和實(shí)時(shí)處理能力問(wèn)題，要真正實(shí)用化尚須從理論和技術(shù)處理上做出努力。

1.7 高頻注入法

上述齒諧波方法中所檢測的諧波是在基波激勵下形成的，由于在低速下信號強度弱，易受噪聲干擾，不易進(jìn)行譜分析。

Lorenz 等學(xué)者另辟蹊徑，不使用基波激勵產(chǎn)生的諧波，而是通過(guò)在電機接線(xiàn)端上注入一個(gè)三相平衡的高頻電壓信號，利用人為造成的(如對電機進(jìn)行改造)或內部寄生的不對稱(chēng)性，使電機產(chǎn)生一個(gè)可檢測的磁凸極，通過(guò)對該磁凸極位置的檢測來(lái)獲取轉速信息，稱(chēng)為凸極跟蹤法，其算法框圖如圖6所示。

圖7 表明了如何獲取圖6 中所需的兩個(gè)電流。

圖7中下標f表示基波，下標i表示高頻信號。

這種凸極跟蹤的方法不依賴(lài)任何電機參數和運行工況，因而可能工作在極低速甚至零速運行狀態(tài)，并且系統的計算工作量并不大，可以說(shuō)是目前無(wú)速度傳感器控制中較理想的方法。

2 結語(yǔ)

在異步電機無(wú)速度傳感器控制系統中，當電機的轉速接近零速或者經(jīng)過(guò)零速時(shí)，大多數轉速辨識方法的性能有所降低，并導致控制系統低速性能的下降。有些方案采用魯棒性的估計技術(shù)，通過(guò)自調節或在線(xiàn)調節技術(shù)減小了速度估計的誤差。這些方法拓寬了低速的運行范圍，然而其計算卻過(guò)于復雜。

目前研究較多的有基于模型參考自適應系統(MRAS)的轉速辨識方法、基于人工神經(jīng)網(wǎng)絡(luò )的辨識方法和基于擴展卡爾曼濾波器的狀態(tài)估計算法，這幾種算法的實(shí)用化最好。轉子齒諧波法和高頻注入法能夠擺脫電機參數的影響，后者是一種比較理想的辨識方法，只是算法較為復雜?；赑I 調節器方法的最大優(yōu)點(diǎn)是算法結構簡(jiǎn)單，有一定的自適應能力，但辨識精度在很大程度上受磁鏈控制性能的影響，而且線(xiàn)性PI 調節器的有限調節能力也限制了辨識范圍的進(jìn)一步擴大。