APP下载

直接转矩控制无速度传感器运行中的定子电阻辨识方法研究

2013-08-15李智强

科技视界 2013年24期
关键词:磁链观测器定子

林 琪 李智强 藏 义

(河南工业大学 电气工程学院,河南 郑州 450001)

0 引言

在传统直接转矩控制无速度传感器运行中,定子电阻RS的变化对低速性能影响很大。RS的变化具有时变性、非线性、大惯性,强耦合等特性,且还受电机电流、运行时间、运行频率、和环境温度等多种因素影响。而且这些因素之间难以建立确定的精确数学模型[1]。因此,在无速度传感器运行中,必须对定子电阻进行处理,处理方法有两种:一是,在转速辨识模型中消除定子电阻变量;二是,在转速辨识的同时对定子电阻进行在线辨识,然后将辨识到的定子电阻应用到转速辨识中去。

1 定子电阻影响的分析[2]

1.1 定子电阻对磁链的影响

定子电阻的变化必引起定子电流的变化,从而引起定子磁链实际值与估计值产生偏差,严重影响了直接转矩系统在低速时的控制性能。

1.2 定子电阻对转矩的影响

定子电阻的变化引起定子磁链实际值与估计值存在偏差,并影响转矩的计算与观测,在低速下,定子电阻的压降和电阻增量的压降不能被忽略,定子磁链发生变化,根据转矩与磁链的关系,转矩也会受到影响。定子磁链的变化一方面将直接影响到电磁转矩的变化;另一方面,由于采用积分计算观测误差也将累积,影响磁链位置的确定,影响电压矢量的选择,使系统出现振荡。

1.3 仿真验证

为了验证定子电阻对直接转矩的影响,文献[2]在给定定子电阻变化的前提下,分别在高速和低速下进行仿真试验。

通过对比,在同样的定子电阻变化条件下,高速时,系统不受定子电阻的影响,转矩、转速稳定。而在低速时,随着定子电阻的增大到一定程度时,系统变得发散,到了9秒时定子电流,磁链都发生畸变,继而导致系统失控,不稳定。

2 将定子电阻从模型中消除

为了消除定子电阻的变化对转速辨识的影响,学者们想出了一些在转速辨识模型中消除定子电阻的方法或无需定子电阻参数辨识电机转速的方法。前者有基于无功功率的模型参考自适应法;后者如神经网络法、卡尔曼滤波法、高频信号注入法等。

3 定子电阻的在线辨识[3]

定子电阻在线辨识的具体方法很多,主要分为以下三类辨识方法:第一类包括利用测量值和一个合适的感应电动机稳定状态模型来直接计算定子电阻的方法。第二类包括通过自适应机构来在线辨识定子电阻的方法,主要有基于观测器和基于模型参考自适应两种方案。第三类包括在定子电阻辫识过程中使用人工智能技术。如人工神经网络,模糊逻辑控制以及神经模糊控制等方法。第一种方法要用到电动机的参数,并且计算十分复杂;第三种方法建模很复杂并对模型准确度要求很高;第二类方法是目前应用最为广泛的方法。

4 全阶自适应状态观测器的转速和定子电阻辨识

文献[4]提出了一种改进的全阶状态观测器对转速和定子电阻同时观测方案。采用小信号线性化方法来分析稳定条件,将两相静止坐标系中的观测器输出误差系统变换到转子磁场旋转坐标系中,通过推导出单输入、单输出误差系统来得到满足观测器稳定性的误差反馈矩阵条件。采用了一种改进的定子电阻自适应率以提高观测器的鲁棒性。

5 基于交互式模型参考自适应的DTC系统

文献[5,6,7]在建立异步电机直接转矩控制动态数学模型的基础上,提出了交互式模型参考自适应参数辨识方法,通过参考模型和可调模型互换,实现了带定子电阻参数辨识的转速观测。仿真和实验结果表明,该方案不仅实现了转速的高精度辨识,而且能较好的解决定子电阻变化对系统动态性能的影响,改善了异步电机无速度传感器直接转矩控制低速转矩脉动。

由于参考模型和可调模型在转速和定子电阻辨识时作用是相互切换的,因而称之为交互式MRAS定子电阻参数辨识。

6 定子电阻采用模糊神经网络进行辨识

由于模糊神经网络(FNN)兼有模糊逻辑的鲁棒性及神经网络的自学习性等优点,它可利用神经网络的自组织自学习的特点,对隶属函数及模糊规则进行优化学习。

文献[1]把对RS影响较大的定子电流iS,频率f,和运行时间t共三个因素作为网络输入变量,以RS变化△RS作为网络输出,隶属函数采用高斯函数。模糊规则被转化为神经网络的权值,利用乘积推理,通过神经网络的自学习能力来修正相关参数,从而优化模糊控制效果。FNN模型采用3-18-6-1型式的4层结构。

第1层为输入层,其节点输出等于网络输入。

第2层为隶属函数层,隶属函数采用高斯函数来表示每个相应语言变量的项。

第3层为模糊规则层,采用乘积推理,节点数目等于模糊规则的数目。

第4层为反模糊化层,采用重心法进行精确化。

7 基于小波神经网络的定子电阻在线辨识[8-9]

7.1 小波网络简介

小波网络是Zhang Qinghua首先提出的,它是基于小波分析而构造的一类新型前馈网络,也可以看做是以小波函数为基底的一种新型函数联接神经网络。小波网络在非线性函数逼近方面表现出了卓越的能力。

7.2 小波网络训练算法

网络的输出为定子电阻的变化量,该变化量与定子电阻前一时刻的估计量相叠加产生当前时刻的定子电阻估计值。该估计值作用于整个系统,返回电流的误差作用于网络。

采用反向传播算法对小波网络的权值进行在线训练。这时不再用小波网络的实际输出和期望输出的误差对小波网络进行训练,而使用整个系统的输出与期望输出之间的偏差对小波网络进行训练。网络系数可以通过最小均方误差能量函数进行优化。

7.3 仿真验证

文献[8]应用小波网络对交流电机的定子电阻进行在线辨识,从而可以准确地观测出定子磁链。解决了交流电机直接转矩控制时低速性能差的缺点。仿真实验证明了通过对定子电阻的在线辨识大大提高了系统的低速性能。通过小波网络与神经网络的对比实验证明小波网络的性能优于神经网络。

8 小结

本文分析了DTC无速度传感器运行时,定子电阻的变化对低速性能的影响,阐述了几种定子电阻辨识的方法。在辨识转速的同时对定子电阻进行跟踪与辨识。把辨识到的较真实的定子电阻值应用到速度辨识中,从而得到较真实的转速值,从而提高了电动机的低速性能。

[1]程启明,王映斐,薛阳,胡晓青.采用定子电阻辨识和无速度传感器的异步电机直接转矩控制模糊系统[J].高电压技术,2012,3,38(3):704-711.

[2]梅柏杉,陈晖.直接转矩控制系统中定子电阻的影响分析[J].微特电机,2009(4):13-15.

[3]刘刚,任一峰,林都,赵敏.一种新型的无速度传感器感应电机转速与定子电阻辨识方案[J].机床电器,2009(3):10-12.

[4]王高林,陈伟,于泳,徐殿国.一种基于转速和定子电阻自适应电机全阶磁链观测器[J].微电机,2009,42(3):5-8.

[5]崔皆凡,李林,单宝钰.基于交互式模型参考自适应的模糊DTC系统[J].微电机,2011,7,44(7):72-75.

[6]佘致廷,郑勇,袁俊波,张红梅.带定子电阻辨识的异步电机无速度传感器直接转矩控制[J].电气传动,2011,41(5):10-14.

[7]李自成,程善美.无速度传感器感应电机控制中定子电阻辨识策略研究[J].系统仿真学报,2009,4,21(8):2355-2357.

[8]吕伟杰,刘鲁源.小波网络在直接转矩控制定子电阻辨识中的应用[J].中国电机工程学报,2004,4,24(4):116-119.

[9]张毅宁,马凤铭.基于小波神经网络的定子电阻在线辨识的研究[J].鞍山师范学院学报,2007,8,9(4):78-82.

猜你喜欢

磁链观测器定子
异步电动机定子冲片槽型优化
基于新型趋近律的双定子电机控制系统研究
一种弱磁扩速下的异步电机磁链观测和速度辨识
基于观测器的列车网络控制
基于非线性未知输入观测器的航天器故障诊断
一种基于简化MRAS无速度传感器的永磁电机EKF磁链辨识
基于干扰观测器的PI控制单相逆变器
一种在线辨识定子电阻的MRAS转速估算方法
基于虚拟磁链的STATCOM直接功率控制研究
基于虚拟磁链的APF准谐振控制研究