考虑铁损的永磁同步电机无位置传感器控制算法 曾小华

写在前面：

这是一篇电机控制算法领域的一篇EI论文，针对永磁同步电机为无位置传感器控制算法，但亮点在于，提出了一种考虑铁损电阻的算法。

正文：

问题与实验链：

模型

经过公式推导，可以得出铁芯损耗随外加磁场频率的增大而增大，即随电机转速的升高。所以电机控制系统，不能忽视铁芯损耗。

设计考虑铁损的PMSM等效电路模型。采用方法：铁芯损耗等效成在一铁芯内阻上产生的损耗，这个等效内阻即为铁损电阻。

d－q轴系下的无位置传感器算法：

滑膜观测器，应用Matlab/Simulink搭建的PMSM无位置传感器控制系统进行仿真。

α－β轴系下的无位置传感器算法：

d－q轴上的滑模观测器算法在电机长时间运行时转子位置信号易造成累积误差，影响观测结果的准确性。

所以在α－β轴系下设计滑模观测器，进行无位置传感器算法的研究。

又发现：观测信号中含有不规则抖振。

总结发现的问题：

在 d － q 轴系下设计的算法可以较准确地观测出转速信号，但转子位置信号的观测值易产生累计误差;

在 α － β 轴系下得到的观测信号中含有不规则抖振，难以直接应用在电机控制系统，但位置观测信号的准确性较高．

提出自己的想法：

基于扩展卡尔曼滤波( extended Kalman filter，EKF) 的融合观测算法

将 α － β 轴系下的转子位置信号中的抖振信号视作噪声，对其进行滤波处理获得可信性更高的转子位置信号。

首先将电机模型离散化，然后通过预测、计算卡尔曼增益、修正等环节得到转子位置和转速信号。

结论：

仿真结果表明: 基于 EKF 的融合观测算法对比d － q轴系下的 SMO 算法，观测结果误差小，观测信号中不存在高频抖振。

融合观测算法实验表明: 由传感器测量和融合观测算法得到的转速其相对转速误差率较小，验证了基于 EKF 的融合观测算法的有效性，具有实际应用价值。