感應(yīng)電機(jī)狀態(tài)估計(jì)和參數(shù)辨識(shí)若干新方法研究.pdf

1、交流電機(jī)以其經(jīng)濟(jì)和技術(shù)優(yōu)勢(shì)占據(jù)了電力傳動(dòng)領(lǐng)域的主導(dǎo)地位，各種高性能的交流調(diào)速技術(shù)也得到了廣泛的研究和應(yīng)用。轉(zhuǎn)子磁場(chǎng)定向控制使交流調(diào)速系統(tǒng)的性能產(chǎn)生了質(zhì)的飛躍，感應(yīng)電機(jī)無速度傳感器控制更是增加了系統(tǒng)的簡(jiǎn)易性和魯棒性。感應(yīng)電機(jī)無速度傳感器控制系統(tǒng)需要解決的關(guān)鍵問題是電機(jī)轉(zhuǎn)速估計(jì)和轉(zhuǎn)子磁鏈觀測(cè)。 擴(kuò)展Kalman濾波(EKF)是一種有效的感應(yīng)電機(jī)狀態(tài)估計(jì)算法，但其存在兩大缺陷：(1)對(duì)電機(jī)參數(shù)變化的魯棒性欠佳；(2)對(duì)突變狀態(tài)的跟蹤能

2、力較弱。本文利用強(qiáng)跟蹤濾波(STF)，提出了基于STF的感應(yīng)電機(jī)狀態(tài)估計(jì)算法，有效提高了對(duì)于突變狀態(tài)的估計(jì)性能和參數(shù)變化的魯棒性。此外，傳統(tǒng)基于EKF的感應(yīng)電機(jī)狀態(tài)估計(jì)算法將電機(jī)轉(zhuǎn)速作為常量處理，導(dǎo)致算法在極低速和零速時(shí)的估計(jì)精度不佳。本文引入電機(jī)的機(jī)械和轉(zhuǎn)矩方程，將轉(zhuǎn)速作為變量處理，并增加對(duì)負(fù)載轉(zhuǎn)矩的估計(jì)，從而避免零速附近激勵(lì)信號(hào)不足和摩擦阻力影響，提高狀態(tài)估計(jì)精度。 上述建立在感應(yīng)電機(jī)全階模型基礎(chǔ)上的狀態(tài)估計(jì)方法存在高階矩陣

3、運(yùn)算，計(jì)算量偏大。為此，導(dǎo)出感應(yīng)電機(jī)的降階模型，此模型的觀測(cè)量為狀態(tài)的一階延遲，無法直接利用EKF進(jìn)行狀態(tài)估計(jì)，引入延遲擴(kuò)展Kalman濾波算法(SEKF)實(shí)現(xiàn)電機(jī)的狀態(tài)估計(jì)。由于SEKF是在EKF的基礎(chǔ)上得到的，因此存在與EKF同樣的缺陷，利用STF的思想對(duì)其進(jìn)行改進(jìn)，提出了強(qiáng)跟蹤延遲濾波(STSF)算法，并將其應(yīng)用于轉(zhuǎn)速估計(jì)和磁鏈觀測(cè)。仿真和實(shí)驗(yàn)研究表明，基于STSF的感應(yīng)電機(jī)狀態(tài)估計(jì)算法具有滿意的動(dòng)、靜態(tài)估計(jì)性能，同時(shí)計(jì)算量也有顯

4、著降低。 前面提出的狀態(tài)估計(jì)方法均假設(shè)電機(jī)參數(shù)保持不變，然而感應(yīng)電機(jī)在運(yùn)行過程中，參數(shù)隨著工況和環(huán)境的變化表現(xiàn)出時(shí)變性。仿真研究表明，電機(jī)參數(shù)變化對(duì)EKF和STF的估計(jì)精度均會(huì)產(chǎn)生不良影響。為了在實(shí)踐中獲得高性能的狀態(tài)估計(jì)，必須對(duì)電機(jī)參數(shù)進(jìn)行在線辨識(shí)。對(duì)于定、轉(zhuǎn)子電阻，提出了基于STF的辨識(shí)方法，得到了滿意的估計(jì)精度；對(duì)于勵(lì)磁電感，由于非線性程度較高，直接利用STF估計(jì)會(huì)增加算法的復(fù)雜度，因此提出了基于無軌跡Kalman濾波(I

5、JKF)和基于雙重EKF(Dual EKF)估計(jì)的辨識(shí)方法。仿真和實(shí)驗(yàn)研究表明，上述方法均能實(shí)現(xiàn)對(duì)電機(jī)參數(shù)的準(zhǔn)確辨識(shí)，從而避免狀態(tài)估計(jì)受電機(jī)參數(shù)變化的影響。 前面通過在線辨識(shí)解決了狀態(tài)估計(jì)方法中的參數(shù)自適應(yīng)問題，然而辨識(shí)本身需要一個(gè)過程，即當(dāng)前周期得到的參數(shù)辨識(shí)結(jié)果到下一周期才被更新，因此本質(zhì)上算法對(duì)系統(tǒng)模型的跟蹤存在滯后，從而影響算法的動(dòng)態(tài)性能。為此，提出利用多模型(MM)算法對(duì)電機(jī)狀態(tài)和參數(shù)進(jìn)行估計(jì)。為了降低傳統(tǒng)MM算法的計(jì)

6、算量，提高估計(jì)精度，提出了單濾波器多模型(SFMM)算法，并引入變結(jié)構(gòu)思想，提出了單濾波器變結(jié)構(gòu)多模型(SFVSMM)算法，將其應(yīng)用于感應(yīng)電機(jī)的狀態(tài)估計(jì)和參數(shù)辨識(shí)中。仿真和實(shí)驗(yàn)研究表明，SFVSMM算法具有滿意的狀態(tài)和參數(shù)估計(jì)性能，并且計(jì)算量適中，為感應(yīng)電機(jī)的無速度傳感器控制提供了一種新的解決方案。 最后，利用交流傳動(dòng)互饋實(shí)驗(yàn)臺(tái)對(duì)本文提出的感應(yīng)電機(jī)狀態(tài)估計(jì)和參數(shù)辨識(shí)方法進(jìn)行了實(shí)驗(yàn)研究。利用聯(lián)合矢量控制對(duì)互饋雙電機(jī)的同軸轉(zhuǎn)速和轉(zhuǎn)矩