無(wú)速度傳感器技術(shù)中的速度辨識(shí)方法分析

這種基于PI 調(diào)節(jié)器方法的最大優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單，有一定的自適應(yīng)能力，但由于涉及轉(zhuǎn)子磁鏈的估計(jì)及控制問(wèn)題，辨識(shí)精度很大程度上受磁鏈控制性能的影響，而且線性PI 調(diào)節(jié)器的有限調(diào)節(jié)能力也限制了辨識(shí)范圍的進(jìn)一步擴(kuò)大。其改進(jìn)的方向，一是提高轉(zhuǎn)子磁鏈的估計(jì)及控制性能，二是提高PI 調(diào)節(jié)器的調(diào)節(jié)性能，可考慮采用改進(jìn)PID或模糊控制器等非線性控制器替代PI調(diào)節(jié)器。

1.5 基于神經(jīng)網(wǎng)絡(luò)的速度估計(jì)器

人工神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)嚴(yán)格的訓(xùn)練以后，具有對(duì)非線性系統(tǒng)進(jìn)行辨識(shí)的能力，由非線性處理函數(shù)構(gòu)成的多層網(wǎng)絡(luò)更具有對(duì)任意函數(shù)良好的逼近能力。利用神經(jīng)元網(wǎng)絡(luò)進(jìn)行辨識(shí)，一般都是先規(guī)定網(wǎng)絡(luò)結(jié)構(gòu)，再通過(guò)學(xué)習(xí)系統(tǒng)的輸入和輸出，使?jié)M足性能指標(biāo)要求，進(jìn)而歸納出隱含在系統(tǒng)輸入/輸出中的關(guān)系。利用神經(jīng)網(wǎng)絡(luò)辨識(shí)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(shí)轉(zhuǎn)速的結(jié)構(gòu)如圖3 所示。系統(tǒng)利用基于BP算法的兩層神經(jīng)網(wǎng)絡(luò)來(lái)辨識(shí)轉(zhuǎn)速。

系統(tǒng)中的電壓模型提供轉(zhuǎn)子磁鏈的期望輸出，而電流模型則計(jì)算轉(zhuǎn)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(quán)值選擇與轉(zhuǎn)子轉(zhuǎn)速相關(guān)的信號(hào)并在線調(diào)節(jié)，使估計(jì)出的磁鏈跟隨期望磁鏈的變化。當(dāng)偏差趨于零時(shí)，辨識(shí)速度趨近于電機(jī)的實(shí)際轉(zhuǎn)速。

由電機(jī)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(xiàn)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(yīng)用尚處于起步階段，離實(shí)用化還有一段路要走。

1.6 轉(zhuǎn)子齒諧波法(RSR)

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

由于低速下定子電壓信號(hào)較弱，受測(cè)量噪聲的影響，造成測(cè)量精度的降低，使轉(zhuǎn)速檢測(cè)的誤差增大，低速性能較差。而轉(zhuǎn)子電流中的諧波信號(hào)較強(qiáng)，有利于提高低速性能，因而目前大多數(shù)采用定子電流的諧波檢測(cè)，它的轉(zhuǎn)速的估計(jì)表達(dá)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(cè)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(cè)的諧波是在基波激勵(lì)下形成的，由于在低速下信號(hào)強(qiáng)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(lì)產(chǎn)生的諧波，而是通過(guò)在電機(jī)接線端上注入一個(gè)三相平衡的高頻電壓信號(hào)，利用人為造成的(如對(duì)電機(jī)進(jìn)行改造)或內(nèi)部寄生的不對(duì)稱(chēng)性，使電機(jī)產(chǎn)生一個(gè)可檢測(cè)的磁凸極，通過(guò)對(duì)該磁凸極位置的檢測(cè)來(lái)獲取轉(zhuǎn)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(biāo)f表示基波，下標(biāo)i表示高頻信號(hào)。

這種凸極跟蹤的方法不依賴(lài)任何電機(jī)參數(shù)和運(yùn)行工況，因而可能工作在極低速甚至零速運(yùn)行狀態(tài)，并且系統(tǒng)的計(jì)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(jié)語(yǔ)

在異步電機(jī)無(wú)速度傳感器控制系統(tǒng)中，當(dāng)電機(jī)的轉(zhuǎn)速接近零速或者經(jīng)過(guò)零速時(shí)，大多數(shù)轉(zhuǎn)速辨識(shí)方法的性能有所降低，并導(dǎo)致控制系統(tǒng)低速性能的下降。有些方案采用魯棒性的估計(jì)技術(shù)，通過(guò)自調(diào)節(jié)或在線調(diào)節(jié)技術(shù)減小了速度估計(jì)的誤差。這些方法拓寬了低速的運(yùn)行范圍，然而其計(jì)算卻過(guò)于復(fù)雜。

目前研究較多的有基于模型參考自適應(yīng)系統(tǒng)(MRAS)的轉(zhuǎn)速辨識(shí)方法、基于人工神經(jīng)網(wǎng)絡(luò)的辨識(shí)方法和基于擴(kuò)展卡爾曼濾波器的狀態(tài)估計(jì)算法，這幾種算法的實(shí)用化最好。轉(zhuǎn)子齒諧波法和高頻注入法能夠擺脫電機(jī)參數(shù)的影響，后者是一種比較理想的辨識(shí)方法，只是算法較為復(fù)雜?；赑I 調(diào)節(jié)器方法的最大優(yōu)點(diǎn)是算法結(jié)構(gòu)簡(jiǎn)單，有一定的自適應(yīng)能力，但辨識(shí)精度在很大程度上受磁鏈控制性能的影響，而且線性PI 調(diào)節(jié)器的有限調(diào)節(jié)能力也限制了辨識(shí)范圍的進(jìn)一步擴(kuò)大。