直接轉矩控制無速度傳感器運行中的定子電阻辨識方法研究

林 琪 李智強 藏 義

（河南工業(yè)大學 電氣工程學院，河南 鄭州 450001）

0 引言

在傳統(tǒng)直接轉矩控制無速度傳感器運行中，定子電阻RS的變化對低速性能影響很大。RS的變化具有時變性、非線性、大慣性，強耦合等特性，且還受電機電流、運行時間、運行頻率、和環(huán)境溫度等多種因素影響。而且這些因素之間難以建立確定的精確數學模型[1]。因此，在無速度傳感器運行中，必須對定子電阻進行處理，處理方法有兩種：一是，在轉速辨識模型中消除定子電阻變量；二是，在轉速辨識的同時對定子電阻進行在線辨識，然后將辨識到的定子電阻應用到轉速辨識中去。

1 定子電阻影響的分析[2]

1.1 定子電阻對磁鏈的影響

定子電阻的變化必引起定子電流的變化，從而引起定子磁鏈實際值與估計值產生偏差，嚴重影響了直接轉矩系統(tǒng)在低速時的控制性能。

1.2 定子電阻對轉矩的影響

定子電阻的變化引起定子磁鏈實際值與估計值存在偏差，并影響轉矩的計算與觀測，在低速下，定子電阻的壓降和電阻增量的壓降不能被忽略，定子磁鏈發(fā)生變化，根據轉矩與磁鏈的關系，轉矩也會受到影響。定子磁鏈的變化一方面將直接影響到電磁轉矩的變化；另一方面，由于采用積分計算觀測誤差也將累積，影響磁鏈位置的確定，影響電壓矢量的選擇，使系統(tǒng)出現振蕩。

1.3 仿真驗證

為了驗證定子電阻對直接轉矩的影響，文獻[2]在給定定子電阻變化的前提下，分別在高速和低速下進行仿真試驗。

通過對比，在同樣的定子電阻變化條件下，高速時，系統(tǒng)不受定子電阻的影響，轉矩、轉速穩(wěn)定。而在低速時，隨著定子電阻的增大到一定程度時，系統(tǒng)變得發(fā)散，到了9秒時定子電流，磁鏈都發(fā)生畸變，繼而導致系統(tǒng)失控，不穩(wěn)定。

2 將定子電阻從模型中消除

為了消除定子電阻的變化對轉速辨識的影響，學者們想出了一些在轉速辨識模型中消除定子電阻的方法或無需定子電阻參數辨識電機轉速的方法。前者有基于無功功率的模型參考自適應法；后者如神經網絡法、卡爾曼濾波法、高頻信號注入法等。

3 定子電阻的在線辨識[3]

定子電阻在線辨識的具體方法很多，主要分為以下三類辨識方法：第一類包括利用測量值和一個合適的感應電動機穩(wěn)定狀態(tài)模型來直接計算定子電阻的方法。第二類包括通過自適應機構來在線辨識定子電阻的方法，主要有基于觀測器和基于模型參考自適應兩種方案。第三類包括在定子電阻辮識過程中使用人工智能技術。如人工神經網絡，模糊邏輯控制以及神經模糊控制等方法。第一種方法要用到電動機的參數，并且計算十分復雜；第三種方法建模很復雜并對模型準確度要求很高；第二類方法是目前應用最為廣泛的方法。

4 全階自適應狀態(tài)觀測器的轉速和定子電阻辨識

文獻[4]提出了一種改進的全階狀態(tài)觀測器對轉速和定子電阻同時觀測方案。采用小信號線性化方法來分析穩(wěn)定條件，將兩相靜止坐標系中的觀測器輸出誤差系統(tǒng)變換到轉子磁場旋轉坐標系中，通過推導出單輸入、單輸出誤差系統(tǒng)來得到滿足觀測器穩(wěn)定性的誤差反饋矩陣條件。采用了一種改進的定子電阻自適應率以提高觀測器的魯棒性。

5 基于交互式模型參考自適應的DTC系統(tǒng)

文獻[5,6,7]在建立異步電機直接轉矩控制動態(tài)數學模型的基礎上，提出了交互式模型參考自適應參數辨識方法，通過參考模型和可調模型互換，實現了帶定子電阻參數辨識的轉速觀測。仿真和實驗結果表明，該方案不僅實現了轉速的高精度辨識，而且能較好的解決定子電阻變化對系統(tǒng)動態(tài)性能的影響，改善了異步電機無速度傳感器直接轉矩控制低速轉矩脈動。

由于參考模型和可調模型在轉速和定子電阻辨識時作用是相互切換的，因而稱之為交互式MRAS定子電阻參數辨識。

6 定子電阻采用模糊神經網絡進行辨識

由于模糊神經網絡（FNN）兼有模糊邏輯的魯棒性及神經網絡的自學習性等優(yōu)點，它可利用神經網絡的自組織自學習的特點，對隸屬函數及模糊規(guī)則進行優(yōu)化學習。

文獻[1]把對RS影響較大的定子電流iS,頻率f，和運行時間t共三個因素作為網絡輸入變量，以RS變化△RS作為網絡輸出，隸屬函數采用高斯函數。模糊規(guī)則被轉化為神經網絡的權值，利用乘積推理，通過神經網絡的自學習能力來修正相關參數，從而優(yōu)化模糊控制效果。FNN模型采用3-18-6-1型式的4層結構。

第1層為輸入層，其節(jié)點輸出等于網絡輸入。

第2層為隸屬函數層，隸屬函數采用高斯函數來表示每個相應語言變量的項。

第3層為模糊規(guī)則層，采用乘積推理，節(jié)點數目等于模糊規(guī)則的數目。

第4層為反模糊化層，采用重心法進行精確化。

7 基于小波神經網絡的定子電阻在線辨識[8-9]

7.1 小波網絡簡介

小波網絡是Zhang Qinghua首先提出的，它是基于小波分析而構造的一類新型前饋網絡，也可以看做是以小波函數為基底的一種新型函數聯接神經網絡。小波網絡在非線性函數逼近方面表現出了卓越的能力。

7.2 小波網絡訓練算法

網絡的輸出為定子電阻的變化量，該變化量與定子電阻前一時刻的估計量相疊加產生當前時刻的定子電阻估計值。該估計值作用于整個系統(tǒng)，返回電流的誤差作用于網絡。

采用反向傳播算法對小波網絡的權值進行在線訓練。這時不再用小波網絡的實際輸出和期望輸出的誤差對小波網絡進行訓練，而使用整個系統(tǒng)的輸出與期望輸出之間的偏差對小波網絡進行訓練。網絡系數可以通過最小均方誤差能量函數進行優(yōu)化。

7.3 仿真驗證

文獻[8]應用小波網絡對交流電機的定子電阻進行在線辨識，從而可以準確地觀測出定子磁鏈。解決了交流電機直接轉矩控制時低速性能差的缺點。仿真實驗證明了通過對定子電阻的在線辨識大大提高了系統(tǒng)的低速性能。通過小波網絡與神經網絡的對比實驗證明小波網絡的性能優(yōu)于神經網絡。

8 小結

本文分析了DTC無速度傳感器運行時，定子電阻的變化對低速性能的影響，闡述了幾種定子電阻辨識的方法。在辨識轉速的同時對定子電阻進行跟蹤與辨識。把辨識到的較真實的定子電阻值應用到速度辨識中，從而得到較真實的轉速值，從而提高了電動機的低速性能。

［1］程啟明，王映斐，薛陽，胡曉青.采用定子電阻辨識和無速度傳感器的異步電機直接轉矩控制模糊系統(tǒng)[J].高電壓技術，2012，3，38（3）：704-711.

［2］梅柏杉，陳暉.直接轉矩控制系統(tǒng)中定子電阻的影響分析[J].微特電機，2009（4）：13-15.

［3］劉剛，任一峰，林都，趙敏.一種新型的無速度傳感器感應電機轉速與定子電阻辨識方案[J].機床電器，2009（3）：10-12.

［4］王高林，陳偉，于泳，徐殿國.一種基于轉速和定子電阻自適應電機全階磁鏈觀測器[J].微電機，2009，42（3）：5-8.

［5］崔皆凡，李林，單寶鈺.基于交互式模型參考自適應的模糊DTC系統(tǒng)[J].微電機，2011，7，44（7）：72-75.

［6］佘致廷，鄭勇，袁俊波，張紅梅.帶定子電阻辨識的異步電機無速度傳感器直接轉矩控制[J].電氣傳動，2011，41（5）：10-14.

［7］李自成，程善美.無速度傳感器感應電機控制中定子電阻辨識策略研究[J].系統(tǒng)仿真學報，2009，4，21（8）：2355-2357.

［8］呂偉杰，劉魯源.小波網絡在直接轉矩控制定子電阻辨識中的應用[J].中國電機工程學報，2004，4，24（4）：116-119.

［9］張毅寧，馬鳳銘.基于小波神經網絡的定子電阻在線辨識的研究[J].鞍山師范學院學報，2007，8，9（4）：78-82.