具有參數辨識的船舶永磁同步推進電機無位置傳感器控制

陳再發 劉彥呈 盧亨宇

摘 要：針對船舶永磁同步推進電機的無位置傳感器控制需對電機參數進行修正以實現精確控制的問題，將模型參考自適應法用于永磁同步電機參數的在線辨識，運用龍格-庫塔方法建立滿秩的可調模型，基于Popov的超穩定性定理推導了自適應控制律，通過逐步識別完成了電阻以及電感參數的辨識，識別出的參數通過低通濾波器進行高頻諧波過濾獲取精準電機參數，將濾波后的電機實際參數用于算法反饋實現電機模型動態更新。軟件仿真和實物平臺均驗證了MRAS參數在線辨識算法可以準確、有效地辨識出電機實際定子電阻和電感，具有參數辨識的船舶永磁推進電機無位置傳感器矢量控制方案可行有效。

關鍵詞：船舶永磁同步電機;模型參考自適應;參數辨識;無位置傳感器

DOI：10.15938/j.emc.2020.03.007

中圖分類號：TM 341文獻標志碼：A文章編號：1007-449X（2020）03-0053-09

Abstract：To achieve accurate control，it needs to modify motor parameters of the sensorless control of the permanent magnet synchronous propulsion motor of ship. In this paper， the model reference adaptive method （MRAS） is used for the online identification of the parameters of the permanent magnet synchronous motor. The RungeKutta method was used to establish a fullrank adjustable model， and the adaptive law was derived according to Popov′s superstability theorem. The identification of resistance and inductance parameters was completed by step identification， the identified parameters were obtained by highfrequency harmonic filtering through a lowpass filter to obtain precise motor parameters， and the actual parameters of the filtered motor were used for algorithm feedback to dynamically update the motor model. Both the software simulation and the physical platform verified that the MRAS parameter online identification algorithm can accurately and effectively identify the actual stator resistance and inductance of the motor. The sensorless control scheme for marine permanent magnet propulsion motors with parameter identification is feasible and effective.

Keywords：marine permanent magnet synchronous motor; MRAS; parameter identification; sensorless

0 引 言

船舶電力推進以其較強的節能減排、較高的操作性能等優點，代表著未來船舶動力技術的發展方向，其中的永磁同步電動機是電力推進系統最為核心的部件。海事職能部門對船舶永磁同步推進電動機（permanent magnet synchronous motor，PMSM）電驅動系統制定了極其嚴格的規范與技術標準，其中位置傳感器的可靠性是重要指標之一，而無位置傳感器控制是提高這一指標切實可行的技術方案[1-3]。在無位置傳感器控制中，為了實現其高動態響應和高精確度的控制目標，如何在線獲取精確的電機參數成為關鍵，然而由于PMSM具有磁飽和和磁路交叉耦合的特點，不同工況下電機參數會產生較大變化從而影響控制精確度，因此需要在工程實際中對參數進行實時辨識[4-5]。

最小二乘算法、模型逼近法、自抗擾算法以及智能遺傳算法等都是電機工程中較為廣泛的參數辨識方法。文獻[6]中，作者提出了使用最小二乘算法實現對永磁電機參數的辨識，但在參數辨識過程中需要施加直流電壓激勵信號以及功率壓降導致的電壓差需要補償。文獻[7]使用卡爾曼濾波算法動態獲取電動機參數，并基于參數辨識設計了一種自適應控制器，控制器的成功應用表明參數估計的精確度對于控制系統性能的重要性。文獻[8]使用擴展的卡爾曼濾波算法在線識別d、q軸的電感，然而擴展的卡爾曼濾波是一種時域遞歸算法，只能識別時域中的電機參數。針對上述問題，文獻[9]將卡爾曼濾波法與小波變化相結合，提出了一種能夠在時域和頻域中進行多尺度辨識電機參數的復合算法。

基于電機精準模型的永磁電機無位置傳感器控制對電機參數的魯棒性較差，芝加哥大學NahidMobarakeh B團隊采用MRAS算法在線識別電機參數[10]，卻忽略了永磁體磁鏈變化對辨識精確度的影響。文獻[11]提出了利用人工智能進化算法實現在線參數辨識，算法參數識別精確度較好，然而，該算法對控制器的計算能力提出了巨大的挑戰，甚至影響整個系統的穩定性。文獻[12]給出了基于粒子群算法的多參數在線辨識方案，工程應用表明，該參數辨識方案可以解決多參數在線辨識模型的不足問題，然而算法容易陷入局部最優困境。文獻[13]采用自抗擾技術實現了永磁電機參數的解耦，完成了電機參數的在線辨識，然而該方法算法過于復雜并不適用于船舶電力推進系統。

本文在總結上述電機參數辨識算法優缺點基礎上，以船舶電力推進系統常見的表貼式永磁同步電機（surface mount permanent magnet motor，SPMSM）為參數辨識對象，基于MRAS對電機定子電阻以及d、q軸電感進行在線辨識，首先是分析了電動機運行過程中的參數變化對無位置傳感器算法精準度的影響，其次是選擇RungeKutta方法用于建立電機多參數識別全秩可調模型，并運用Popov超穩定理論設計自適應控制律，通過分步辨識法實現對定子電阻以及交、直軸電感的在線辨識，將辨識結果用于對電機模型的更新，補償由于參數變化對轉速及轉子位置估計的影響。

5 結 論

本文在建立永磁同步推進電機數學模型的基礎上介紹了無位置傳感器控制的基本原理，闡述了電機參數變化對電機模型以及由模型變化對無位置傳感器控制的巨大影響。其次是引入了MARS理論，建立了自適應參數在線辨識模型，基于Popov超穩定理論設計了矢量控制系統的自適應控制率，對基于MARS參數在線辨識方案進行了仿真驗證，證實了算法的有效性。最后將參數辨識方案用于無位置傳感器的雙閉環矢量控制平臺進行實物驗證，將無位置傳感器估算的轉子位置與轉速與編碼器實測的轉子位置與轉速進行實際對比，動、靜態實驗都驗證了算法的有效性和穩定性，可滿足復雜環境下船舶電力推進系統無位置傳感器控制需求。

實驗中也發現，參數在線辨識結果出現了一定的偏差和波動，經過分析主要是由于電流采樣存在增益誤差和偏置誤差導致。誤差的來源主要為電流互感器的非線性以及采樣調理電路的熱漂移造成。另外，程序中參與計算的電壓值是通過占空比計算而來，這就引入了由于逆變器帶來的誤差。將設計相關算法對增益及偏置誤差進行補償，進一步提高參數在線辨識準確度。

參 考 文 獻：

[1] 李輝，劉行中，謝翔杰.風電變槳電機參數對控制系統影響分析及改進辨識方法[J].電機與控制學報，2019，23（7）：9.

LI Hui， LIU Xinzhong， XIE Xiangjie. Influence ofparameters on control system and improved identification method of pitch motor in wind turbine generator system [J]. Electric Machines and Control，2019，23（7）：9.

[2] 吳瑩，黃顯林，高曉智.一種文化魚群算法及其在電機參數辨識中的應用[J].電機與控制學報，2012，16（5）：102.

WU Ying，HUANG Xianglin， GAO Xiaozhi. A cultural artificial fishswarm optimization algorithm andapplication in the parameters identification of rotor system [J]. Electric Machines and Control， 2012， 16（5）：102.

[3] 劉彥呈， 劉厶源，郭昊昊. UUV推進電機在線參數辨識自適應控制方法研究[J].電機與控制學報，2016， 20（4）：34.

LIU Yancheng， LIU Siyuan， GUO Haohao. Research on online parameter identification adaptive control method for UUV propulsion motor[J]. Electiric Machines and Control， 2016， 20（4）：34.

[4] 王子輝，葉云岳. 反電勢算法的永磁同步電機無位置傳感器自啟動過程[J].電機與控制學報， 2011，15（10）：36.

WANG Zihui， YE Yunyue. Sensorless selfstarting process of permanent magnet synchronous motor based on back EMF [J].Electric Machines and Control， 2011，15（10）：36.

[5] 王莉娜， 楊宗軍.SIMULINK中PMSM模型的改進及在參數辨識中的應用[J]. 電機與控制學報， 2012， 16（7）：77.

WANG Lina， YANG Zongjun.Improvement of PMSM model in SIMULINK and its application in parameter identification [J]. Electric Machines and Control， 2012， 16（7）：77.

[6] 王高林，楊榮峰.內置式永磁同步電機轉子初始位置估計方法[J].電機與控制學報， 2010，10（6）：56.

WANG Gaolin， YANG Rongfeng. Initial rotor position estimation method for interior permanent magnet synchronous motor [J]. Electric Machines and Control， 2010，10（6）：56.

[7] 胡慶波， 孫春媛. 永磁同步電機全速范圍無速度傳感器控制[J]. 電機與控制學報， 2016， 20（9）：73.

HU Qingbo， SUN Chunyuan. Speed sensorless control of permanent magnet synchronous motor in full speed range[J].Electric Machines and Control， 2016， 20（9）：73.

[8] PIIPPO A， HINKKANEN M，LUOMI J.Analysis of an adaptive observer for sensorless control of interior permanent magnet synchronous motors[J]. IEEE Transactions on Industrial Electronics， 2008， 55（2）：570.

[9] 林國漢， 章兢， 劉朝華.改進綜合學習粒子群算法的 PMSM參數辨識[J]. 電機與控制學報， 2015， 19（1）：51.

LIN Guohan， ZHANG Jing， LIU Chaohua. Parameter identification of PMSM using improved comprehensive learning particle swarm optimization [J]. Electric Machines and Control， 2015， 19（1）：51.

[10] 陳振鋒， 鐘彥儒， 李潔. 嵌入式永磁同步電機自適應在線參數辨識[J].電機與控制學報， 2010， 14（4）：9.

CHEN Zhenfeng， ZHONG Yanru， LI Jie. Adaptive online parameter identification of embedded PMSM[J]. Electric Machines and Control， 2010， 14（4）：9.

[11] 荀倩， 王培良， 李祖新. 基于遞推最小二乘法的永磁伺服系統參數辨識[J]. 電工技術學報， 2016，31（17）：151.

XUN Qian， WANG Peiliang， LI Zuxin.Parameter identification of permanent magnet servo system based on recursive least square method [J]. Transactions of China Electrotechnical Society，2016，31（17）：151.

[12] 何志明， 廖勇， 向大為. 定子磁鏈觀測器低通濾波器的改進[J]. 中國電機工程學報， 2008， 28（18）：61.

HE Zhiming， LIAO Yong， XIANG Dawei. Improvement of low pass filter for stator flux observer [J]. Proceedings of the CSEE， 2008， 28（18）：61.

[13] 盧亨宇， 劉彥呈，郭昊昊.基于零漂修正和偏置補償的定子磁鏈觀測算法[J].微特電機， 2017， 45（12）：49.

LU Hengyu， LIU Yancheng，GUO Haohao. Stator flux estimation algorithm based on drift correction and offset compensation[J]. Micro special motor， 2017， 45（12）：49.

[14] ZHEN Yujun， LING Haifeng， QIU Guan. Adaptive parameters for a modified comprehensive learning particle swarm optimizer [J].Mathematical Problems in Engineering，2012： 2012.

[15] INOUE Y，YAMADA K，MORIMOTO S，et al. Effectiveness of voltage error compensation and parameter identification for modelbased sensorless control of IPMSM[J]. IEEE Transactions on Industry Applications， 2009， 45（1）：213.

[16] MOHAMED A R I. Design and implementation of a robust currentcontrol scheme for a PMSM vector drive with a simple adaptive disturbance observer[J]. IEEE Transactions on Industrial Electronics， 2007， 54（4）：1981.

[17] 李彪， 李黎川. 新型磁鏈觀測算法及其在永磁同步電機無位置傳感器控制中的應用[J].西安交通大學學報，2015， 49（11）：102.

LI Biao， LI Lichuan. New flux observer algorithm and its application in sensorless control of permanent magnet synchronous motor [J]. Journal of Xi'an Jiaotong University， 2015， 49（11）：102.

[18] LIU Zhaohua，ZHANG Jing，ZHOU Shaowu，et al.Coevolutionary particle swarm optimization using AIS and its application in multiparameter estimation of PMSM [J]. IEEE Transactions on Cybernetics， 2013，43（6）：21.

（編輯：賈志超）