基于擴展卡爾曼濾波法的船舶永磁同步電機無傳感器控制

王婷 馬繼先 瞿云飛 劉英杰

摘? 要： 綜合考慮潛艇側推系統使用的電機模型與運行環境，針對無位置傳感器永磁同步電動機控制技術進行研究，旨在最大化改進潛艇側推電機的運行性能并提高電機工作的可靠性。如今永磁同步電機無位置傳感器控制的各種算法中，EKF算法在高性能伺服系統中應用最廣泛，能在寬速度范圍內高效工作，甚至在較低的速度下同樣能精確完成轉速估計。文章先對永磁同步電機（permanent magnet synchronous motor，PMSM）進行數學建模分析，再以表貼式三相PMSM在靜止坐標系下的數學模型為基礎，進行基于擴展卡爾曼濾波法（Extended Kalman filter，EKF）的電機位置信息的估算。最后搭建仿真模型，通過仿真分析，驗證基于EKF算法能有效的提高電機控制系統的可靠性與穩定性。

關鍵詞： 永磁同步電機;潛艇側推;無傳感器控制;擴展卡爾曼濾波

中圖分類號： TP273+.3 ???文獻標識碼： A??? DOI：10.3969/j.issn.1003-6970.2020.07.053

本文著錄格式：王婷，馬繼先，瞿云飛，等. 基于擴展卡爾曼濾波法的船舶永磁同步電機無傳感器控制[J]. 軟件，2020，41（07）：255-259

Sensorless Control of Marine PMSM Based on EKF

WANG Ting¹， MA Ji-xian¹， QU Yun-fei¹， LIU ying-jie²

（1. School of Electronic Information， Jiangsu University of Science and Technology， Zhenjiang 212000， Jiangsu， China;2. Technology Center of CSSC Power Co.， LTD.， Zhenjiang 212000， Jiangsu， China）

【Abstract】： Considering the motor model and operating environment used in the submarine side thrust system， the research is based on the position sensorless permanent magnet synchronous motor control technology. The aim is to maximize the improvement of the submarine side thrust motor's operating performance and the reliability of the motor work. Among various algorithms for positionless sensor control of permanent magnet synchronous motors， the EKF algorithm is the most widely used in high-performance servo systems. It can work efficiently in a wide range of speeds， and can accurately complete the speed estimation even at lower speeds. This paper first performs mathematical modeling and analysis on PMSM， and then uses the mathematical model of surface-mounted three-phase PMSM in the stationary coordinate system as the basis to estimate the motor position information based on EKF. Finally， a simulation model is built， and through simulation analysis， it is verified that the reliability and stability of the motor control system can be effectively improved based on the EKF algorithm.

【Key words】： Permanent magnet synchronous motor; Side pushing of submarine; Sensorless control; Extended Kalman filter

0? 引言

永磁同步電機（permanent magnet synchronous motor，PMSM）憑借著功率密度高、轉矩慣量比大、動態響應速度快的優勢，在航天航海以及軍事領域得到了廣泛應用逐步體現了巨大的發展潛力。潛艇側推系統由于位置傳感器的存在，可靠性降低，密封難度加大，海水工作環境對于傳感器的要求也比較苛刻，而永磁同步電機無速度傳感器控制不僅省略了機械的位置傳感器，提高系統可靠性，同時降低了對運行環境的要求，簡化了連接線路，有效的避免了這一系列問題^[1]。

目前，無傳感器控制技術大體可分為以下兩類：一種是估算精度較高的，利用電機凸極特性來估算轉子位置信息與速度的方法。另一種是利用反電動勢或者定子磁鏈信息估算轉子位置信息與轉速，它的優勢主要體現在中高速段，在零低速段將會檢測失效。文獻[2]采用卡爾曼濾波算法，等效模型的準確性以及抗干擾性帶來了相對小的系統誤差和測量噪音，系統穩定性顯著提升。文獻[3]采用滑模變結構控制，電機參數的改變對這個非線性控制策略而言影響甚微，因此系統魯棒性很好。文獻[4]采用模型參考自適應控制（Model reference adaptive con?trol，MRAS），該控制策略主要由三部分組成，分別是可調模型、參考模型和自適應律。MRAS的主旨是用已知參數的表達式作為參考模型，可調模型用含有未知參數的表達式來表示，保證這兩個模型的輸出量的物理意義完全相同，這兩個模型的參數可以通過自適應律進行調節。

實時性是擴展卡爾曼濾波器的一種特征，所以它可實時跟蹤系統的狀態并進行有效的輸出，同時，它可以減少干擾、抑制噪聲，其效果顯著，即使當噪聲估算不準確時，其依舊能夠讓觀測器收斂。綜合分析上述研究成果，本文以擴展卡爾曼濾波算法為基礎，建立基于EKF算法的估算轉子位置和轉速的模型，通過詳細地分析仿真內容，得出該方法能夠滿足控制的要求，系統的魯棒性較好。

1 ?PMSM數學模型

2 ?擴展卡爾曼濾波器設計

2.1 ?擴展卡爾曼濾波器的狀態估計

EKF的狀態估計大致分為預測階段和校正階段兩個階段，詳細步驟如下^[5]：

2.2 ?無位置傳感器系統EKF仿真模型建立

依照上一節的分析，基于EKF的PMSM系統結構框圖如圖1所示。

由圖2可看出，SVPWM計算模塊和EKF估算模塊構成了基于EKF的無位置傳感器系統仿真模型。通過MATLAB軟件中s函數構建出基于EKF的估算模塊，輸入設置為PMSM的參考電壓和實際電流值，輸出設置為估算的轉子位置信息和轉速信息^[7]。仿真中的電機參數具體數據如表1所示。

仿真中的協方差矩陣及初值選擇如下：

系統的隨機干擾與測量噪聲的統計特性往往不得而知，這就導致協方差矩陣的選擇變得尤其的重要，合適的數值才能使算法有效收斂且保證一定的精確度。而這個數值通常依據經驗或者仿真調試來設置。

3 ?仿真分析

圖3是電機的定子三相電流、實際轉速、轉矩變化曲線。圖4是電機轉速的估算值與實際值的變化曲線。從圖中可以看出，估算曲線與實際曲線偏差較小，且最終保持在一個穩定的數值，由此可得EKF控制算法能夠將誤差范圍控制的很小。波動調節速度較快，超調小，系統穩定性高。;圖5為 轉速估算誤差變化曲線，估計誤差在0值附近達到穩定，除電機啟動瞬間存在波動外，波動極小;圖6為轉子位置實際值與估算值的變化曲線，估算曲線與實際曲線偏差較小，擬合情況良好，波形往返有規律性;圖7是轉子位置估算誤差變化曲線，估計誤差在0值附近達到穩定，除電機啟動瞬間存在波動外，波動較小，滿足系統的穩定性要求。

4 ?結論

本文首先對擴展卡爾曼濾波的原理進行簡單介

紹，并進行相應的數學公式推導，再簡述EKF控制算法，同時將其應用到船舶永磁同步電機控制中，用于改進潛艇的側推系統，結合實驗仿真結果分析得出以下結論：

（1）采用擴展卡爾曼濾波器法，可以實現在電機中高速運行時對轉子的位置及轉速準確跟蹤。

（2）基于擴展卡爾曼濾波的轉子位置狀態估計能使轉子位置估計值很好地收斂到實際值。

本文在一定程度上仍然存在不足之處，針對穩態系統和動態系統，EKF的估計效果并不相同，本文分析稍顯片面，仍需改進。

參考文獻

1. 劉計龍， 肖飛， 沈洋， 麥志勤， 李超然. 永磁同步電機無位置傳感器控制技術研究綜述[J]. 電工技術學報， 2017， 32（16）： 76-88.

2. 周杰， 鞠濤， 顧加鵬， 等. 永磁同步電機速度內模控制的研究[J]. 機電產品開發與創新， 2017， 30（1）： 87-89.

3. Xiao Y， Gang L， Song X， et al. Sensorless I/F startup based on modified sliding mode observer for PMSM[J]， Electric Power Automation Equipment， 2015.

4. 徐向前， 徐文靜， 楊士慧. 基于預測模型的永磁同步電機直接轉矩控制[J]. 電機與控制應用， 2017， 44（1）： 29-33.

5. 王盛德， 王士偉， 吳雨晨， 王侃. 基于EKF的PMSM無電流傳感器矢量控制[J]. 南京工程學院學報（自然科學版）， 2019， 17（03）：33-37.

6. 李長明. 新能源汽車永磁電機位置傳感器故障分析及處理的研究[D]. 安徽工程大學， 2019.

7. 李波， 胡建軍， 謝海峰. 基于EKF的無位置傳感器永磁同步電動機控制系統[J]. 伺服控制， 2009（02）： 38-40+49.

8. Shi T， Wang Z， Xia C. Speed measurement error suppression for PMSM control system using self-adaption Kalman observer[J]， IEEE Transactions on Industrial Electronics， 2015， 2（5）： 2753 –2763.

9. 孟祥賓， 朱軍， 李紫豪， 等. 多重自適應卡爾曼濾波 PMLSM 無傳感控制[J]. 軟件， 2018， 39（8）： 18-23.

10. 周婉， 王移芝. 基于卡爾曼預測器的云計算資源調度研究[J]. 軟件， 2015， 36（9）： 12-15.

11. Bolognani S， Zordan M， Zigliotto M， Experimental fault tolerant control of a PMSM drive [J]. IEEE Transactions on Industrial Electronics， 2000， 47（5）： 1134-1141.

12. Liu X， Chen H， Zhao J， et al. Research on the performances and parameters of interior PMSM used for electric vehicles[J]. IEEE Transactions on Industrial Electronics， 2016， 63（6）： 3533-3545.

13. 陳政， 劉康. 閃爍噪聲下的自適應無跡卡爾曼算法[J]. 軟件， 2018， 39（01）： 70-74.

14. 李拓， 杜慶楠. 基于 TMS320F28335 的三相感應電機矢量控制系統的研究[J]. 軟件， 2018， 39（3）： 130-135.

15. 張銳， 王劍平， 楊曉洪. 基于改進SRUKF的感應電機直接轉矩控制[J]. 軟件， 2018， 39（4）： 56-62.