电动汽车无速度传感器矢量控制系统
HARSVERT-VA系列无速度传感器矢量控制高压变频调速系统介绍
HARSVERT-VA系列无速度传感器矢量控制高压变频调速系统介绍2006年7月，在经历了长时间厂内试运行后，利德华福第一台HARSVERT-V A系列产品——DSP无速度传感器矢量控制高压变频器在河南某电厂顺利投入生产运行，这标志着利德华福的产品技术迈上了一个新的台阶，将国内同类产品的调速性能提高到与国外先进技术同步的水平。
HARSVERT-V A系列高压变频调速产品，采用高速数字信号处理器（DSP）芯片作为主控制芯片，结合先进的异步电机无速度传感器矢量控制技术，以启动转矩大，动态响应快为主要特征，将大大拓宽高压变频器的应用领域，为用户提供更高性能的交流传动。
HARSVERT-V A系列无速度传感器矢量控制高压变频调速系统产品具有以下主要功能：（1）V/f比恒定控制；（2）无速度传感器矢量控制；（3）速度闭环矢量控制；（4）高压掉电恢复自动重启；（5）任意转速下旋转启动；（6）单模块故障旁路功能；（7）异步电机参数自动检测；（8）各种故障分类处理，尽可能保证设备连续运行；然而，何谓DSP，何谓矢量控制，应用矢量控制会有哪些优点，矢量控制的基本原理是什么，如何使用HARSVERT-V A系列产品？从本期开始，将逐步分篇介绍DSP、矢量控制相关知识，以及HARSVERT-V A系列高压变频调速产品的应用知识。
第一篇DSP与矢量控制技术的发展背景HARSVERT-V A系列高性能高压变频调速产品，在以DSP为核心搭建的高性能控制器硬件平台上，结合先进的实用化的矢量控制技术，将异步电机的控制性能提高到一个新的高度。
其中，DSP是英文Digital Signal Processor的词头字母缩写，其含义为数字信号处理器，是一种对数字信号进行分析处理的专用芯片。
矢量控制，在国外多称为磁场定向控制（Field Orientation Control），其核心思想是以电机磁场为坐标轴基准方向，通过坐标变换的方法，实现对电机转矩和磁通的解耦控制。
《永磁同步电机全速度范围无位置传感器控制技术的研究与实现》范文
《永磁同步电机全速度范围无位置传感器控制技术的研究与实现》篇一一、引言永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）是一种重要的电动传动系统部件，因其具有高效率、高功率密度和良好的调速性能等优点，被广泛应用于工业、汽车、航空航天等领域。
然而，传统的PMSM控制系统通常需要使用位置传感器来获取电机的位置信息，这不仅增加了系统的复杂性和成本，还可能降低系统的可靠性和稳定性。
因此，无位置传感器控制技术成为了近年来研究的热点。
本文旨在研究并实现永磁同步电机全速度范围无位置传感器控制技术，以提高电机控制系统的性能和可靠性。
二、永磁同步电机基本原理永磁同步电机的基本原理是利用永磁体产生的磁场与定子电流产生的磁场相互作用，产生转矩，使电机转动。
PMSM的转子不需要外部供电，具有结构简单、运行可靠等优点。
然而，要实现电机的精确控制，必须准确获取电机的位置和速度信息。
传统的PMSM控制系统通过位置传感器来获取这些信息，但无位置传感器控制技术则通过电机内部的电气信号来估算电机的位置和速度。
三、无位置传感器控制技术无位置传感器控制技术主要通过电机内部的电气信号来估算电机的位置和速度。
常见的无位置传感器控制技术包括基于反电动势法、模型参考自适应法、滑模观测器法等。
本文采用基于反电动势法的无位置传感器控制技术，通过检测电机的反电动势来估算电机的位置和速度。
四、全速度范围无位置传感器控制策略为了实现永磁同步电机全速度范围的无位置传感器控制，需要采用合适的控制策略。
本文采用基于矢量控制的策略，通过实时调整电机的电压和电流来控制电机的位置和速度。
在低速阶段，采用初始位置估算和误差补偿技术来提高位置的估算精度；在高速阶段，则采用反电动势法来准确估算电机的位置和速度。
此外，还采用了自适应控制技术来应对电机参数变化和外部干扰的影响。
五、实验与结果分析为了验证本文所提出的无位置传感器控制技术的有效性，进行了实验验证。
异步电机无速度传感器矢量控制策略综述
矢量控制策略具有动态响应快、转 矩脉动小、运行效率高等技术优势 ，在异步电机控制领域得到了广泛 应用。
02
异步电机无速度传感器技术
无速度传感器技术原理
估计转速和位置
通过检测电机的电压、电流等电气信 号，利用特定的算法估计电机的转速 和转子位置。
消除机械传感器
无需使用机械式的速度传感器，降低 了系统的复杂性和成本，同时提高了 系统的可靠性和维护性。
节能环保
无速度传感器技术能够实 现电机的精确控制，减少 不必要的能耗，有利于节 能环保。
矢量控制策略简介
基本原理
矢量控制策略是一种通过坐标变 换将三相交流电机等效为直流电 机进行控制的方法，可以实现电
机的高性能控制。
控制方法
矢量控制策略包括磁场定向控制（ FOC）和直接转矩控制（DTC）等 方法，可以根据不同的应用需求选 择合适的控制方法。
无速度传感器技术分类
01
基于电机模型的方法
利用电机的数学模型，通过检测电机的电压、电流等电气信号估计转速
和转子位置。如基于扩展卡尔曼滤波器（EKF）的方法。
02
基于信号处理的方法
通过分析电机运行过程中的信号特征来估计转速和转子位置。如基于振
动信号分析、电流频谱分析等方法。
03
混合方法
结合电机模型和信号处理的方法，以充分利用两者的优点，提高估计精
展望
• 在未来，该控制策略有望成为电机控制领域的主流 技术之一，为工业自动化、智能家居等领域带来更 多的创新和变革。
THANK YOU
异步电机无速度传感器矢量控制策略的优势与局限
优势
局限
• 无需使用速度传感器，降低了系统成本和复杂度。
• 通过对电机参数的精确测量和计算，可以实现高精度 的矢量控制，提高了电机的运行效率和性能。
无位置传感器永磁同步电动机矢量控制系统综述
１基 于基波励磁和反 电动势的估测方法
这 些 方法 主 要 是基 于 电 动机 的电流 电压模 型 ， 通过基 本 的电磁关 系或 反 电动势来 估测 转子 位置及
转速 ， 动态性能较好 ， 最低转 速可达到每分钟几 十 转， 低于此转速范围时由于电信号受噪声干扰 ， 定子 电阻 随温升 变化 ， 电流 反馈 环 节 的直 流 补偿 及 漂 移 等原因， 估测精度会大大下降。 １１ ． 基于永磁同步电动机电磁关系的估算方法 永磁 同步电动机的电流、 电压信号 中包含有 电 动机的转速及转子位置信息 ， 我们可以通过检测电
模型参考 自 适应方法 中使用弱磁控制技术和解耦控 制技术改善 了控制系统低速段和高速段 的估计 精 争 并 舸¨ 厂 Ｌ — 划
度， 扩大 了 电动机 的调速 范 围。 １３扩展 卡尔 曼滤波 器 ．
型 扩展卡尔曼滤波器（ Ｋ ） Ｅ Ｆ 是线性系统状态估计 圈
●
基于永磁同步电动机电磁关系的估算方法仅依 赖于电动机的基波方程 ， 计算简单 ， 易于工程实现， 但 这些 方法 大多工 作 在 开 环模 式 下 ， 电机 受 到 噪 在 声干扰 ， 由于温升 、 磁饱和效应等导致的电动机参数
为参考模 型 ， 以电流模 型为 可调模 型 ， 据 Ｐｐｖ 根 ｏｏ 超
际值非常接近 ， 由估算值构成的闭环系统在宽调速
范 围 内具 有 良好 的特性 。但扩展 卡尔 曼滤 波器 的算
法复杂 ， 需要高阶矩阵求逆运算 ， 计算量相当大。而
且这 种方 法是建 立在 对系 统误差 和测 量噪 声 的统 计
Ｃ Ｎ ｕ ｎ － ｕ ， ＥＮＧ Ｍ ｉ ＷＥ ｉ ｎ － ｏ ｇ ＨＥ Ｇ ａ ｇ ｈ ｉ Ｚ ｎ， ＩＬ ａ ｇ ｈ ｎ
矢量控制在电动机控制系统中的应用
矢量控制在电动机控制系统中的应用电动机是现代工业中常用的动力设备，广泛应用于汽车、机械、电力等领域。
为了实现对电动机的精确控制和高效运行，矢量控制在电动机控制系统中的应用得到了广泛关注和研究。
一、矢量控制概述矢量控制是一种通过对电动机电流和磁通的直接控制，实现对电动机转速和转矩精确控制的方法。
与传统的感应电机控制方式相比，矢量控制能够更加准确地控制电机的转速和转矩，并且在低速和零速运行时依然能够提供较高的转矩输出。
在矢量控制中，需要通过对电动机的输入电流进行独立控制。
通过测量电动机的电流和磁通，可以将电机的矢量表达为速度和转矩分量。
通过调整控制电流和磁通的幅度和相位，可以实现对电动机的准确控制。
二、矢量控制的优势1. 高效可控性：矢量控制能够实现对电动机的高效控制，可以在各种工况下实现精确的转速和转矩控制。
尤其在低速和零速运行时，能够提供较高的转矩输出，适用于许多需要高启动转矩的场合。
2. 响应速度快：矢量控制能够实时调整电机的电流和磁通，使得电机能够快速响应控制指令。
这在需要频繁调整工作状态的应用中尤为重要，如机器人、CNC加工设备等。
3. 能耗低：矢量控制能够实现对电动机的精确控制，避免了传统控制方式中产生的能量损耗。
通过提高控制精度，减少能量的损耗，节约了能源并降低了环境的压力。
三、矢量控制的应用领域1. 汽车工业：矢量控制在电动汽车和混合动力汽车中得到了广泛应用。
通过对电动机转速和转矩的精确控制，可以提高汽车的驱动性能和能效，实现更好的车辆加速性能和自动换挡控制。
2. 机械制造：在机床、印刷机、纺织机械等领域中，矢量控制在电机的运动控制中起到了重要作用。
通过对电机的精确控制，可以提高机械设备的定位精度和运动平稳性，提高生产效率和产品质量。
3. 电力工业：矢量控制在电力系统中的应用主要集中在变频调速领域。
通过对电动机的矢量控制，可以实现电力系统的节能运行，提高电动机的效率，并且可以应对电力网络的不稳定性。
一种异步电机自适应线性神经元速度观测器
一种异步电机自适应线性神经元速度观测器苗轶如;刘和平;杜俊秀;彭东林【摘要】针对电动汽车驱动用交流异步电机的无速度传感器矢量控制系统,提出一种自适应线性神经元(ADALINE)速度观测器.首先建立三相异步电机的数学模型,然后在电压模型与电流模型所构成参考自适应(MRAS)速度观测器的基础上,以转子磁链的广义误差作为速度观测器的输入,利用ADALINE算法作为系统自适应律,推导出神经网络权重的自动修正方法,保证在宽调速范围内均能获得准确的电机速度观测值.最后通过建立仿真模型与搭建实验平台进行验证,结果一致表明在高速和低速情况下速度观测值均能准确跟随实际值,动态性能良好,证明所提出的理论分析以及观测器实现方法的可行性与正确性.【期刊名称】《电机与控制学报》【年(卷),期】2018(022)011【总页数】7页(P52-57,66)【关键词】矢量控制;异步电机;无速度传感器;速度观测器;自适应线性神经元【作者】苗轶如;刘和平;杜俊秀;彭东林【作者单位】重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044;重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044;重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044;重庆理工大学机械检测技术与装备教育部工程研究中心,重庆400054【正文语种】中文【中图分类】TM301.20 引言交流异步电机是一个高阶、强耦合的复杂非线性系统，尤其是作为电动汽车驱动用的交流异步电机，要求调速范围宽，动态响应快，速度控制精度高。
为了获得良好的电机控制性能，通常需要采用速度传感器对电机速度进行精确测量，然而这会导致电机驱动系统结构复杂，安全降低，增加电机的维护成本。
无速度传感器的矢量控制系统是现在的一个研究热点，目前已经有很多方法可以实现电机速度观测[1-4]。
其中模型参考自适应系统(model reference adaptive system,MRAS)速度估计方法实现了速度的闭环估计，是比较成熟的方法。
基于EKF的永磁同步电机无传感器矢量控制系统研究
南京航空航天大学硕士学位论文
摘
要
本文是对永磁同步电机的扩展卡尔曼无位置算法(EKF) 的矢量控制系统的 研究。主要内容如下： 首先，简要地介绍了坐标变换思想、永磁同步电机在静止坐标系和旋转坐 标系下的模型及矢量控制原理，并在此基础上讨论了永磁同步电机无位置传感 器矢量控制调速方案。 其次， 着重阐述了扩展卡尔曼无位置算法(EKF) 原理及在本系统中的应用， 导出了永磁同步电机在静止坐标系和旋转坐标系下的扩展卡尔曼方程，给出了 永磁同步电机 EKF 无位置传感器调速系统控制框图，介绍了几种扩展卡尔曼算 法的优化方法。构造了基于扩展卡尔曼滤波的永磁同步电机矢量控制系统仿真 模型，实现了无位置传感器在电机控制中的应用。仿真结果验证了扩展卡尔曼 滤波滤波算法在无位置传感器电机控制中的有效性和合理性。 最后采用摩托罗拉公司专用电机控制的 MC56F8346 型数字信号处理器作为 核心，设计了控制系统软、硬件结构和主要功能模块的原理及其实现方法。硬 件方面包括控制电路各部分及外围辅助电路的设计，软件采用 C 语言编写，给 出了系统主程序和 PWM 中断处理程序流程图。 在 Metrowerks Codewarrior 集成开发环境下，正在对程序进行调试，以实验 结果验证来论证设计方案的正确性。
II
基于 EKF 的永磁同步电机无传感器矢量控制系统研究
图 表 清 单
图 2.1 静止坐标系与旋转坐标系关系 ........................................................................9 图 2.2 永磁同步电机结构简图 ..................................................................................10 图 3.1 卡尔曼滤波方框图 ..........................................................................................18 图 3.2 永磁同步电机无位置传感器调速系统控制框图 ..........................................23 图 3.3 电机线性化模型 .............................................................................................30 图 4.1 PMSM 矢量控制无位置传感器调速系统框图 ..............................................35 图 4.2 基于扩展卡尔曼滤波的 PMSM 矢量控制系统仿真简图 .............................36 图 4.3 坐标变换结构图 ..............................................................................................37 图 4.4 SVPWM 变换结构图.......................................................................................37 图 4.5 扇区判断模块 ..................................................................................................37 图 4.6 各扇区作用时间计算及时间分配模块 ..........................................................38 图 4.7 SVPWM 产生模块...........................................................................................38 图 4.8 逆变器模块 .....................................................................................................38 图 4.9 扩展卡尔曼滤波算法结构图 .........................................................................39 图 4.10 空载时实际转速与估算转速 ........................................................................40 图 4.11 空载时实际位置与估算位置 ........................................................................40 图 4.12 空载时实际位置与估算位置差 ....................................................................40 图 4.13 加载时实际转速与估算转速 ........................................................................40 图 4.14 加载时实际位置与估算位置 ........................................................................40 图 4.15 加载时实际位置与估算位置差 ....................................................................40 图 4.16 卸载时实际位置与估算位置 ........................................................................41 图 4.17 卸载时实际转速与估算转速 ........................................................................41 图 4.18 卸载时转子位置误差 ....................................................................................41 图 4.19 实际位置与估算位置波形 ............................................................................42 图 4.20 在一个电角度周期内的位置差 ....................................................................42 图 4.21 实际速度与估算速度波形 ............................................................................42 图 4.22 在一个电角度周期内的速度差 ....................................................................42 图 4.23 位置角度差的平均值 ....................................................................................43 图 4.24 位置角度差的标准方差 ................................................................................43 图 4.25 速度差的平均值 ............................................................................................45 图 4.26 速度差的标准方差 ........................................................................................45
电动汽车驱动控制系统设计--毕业设计
排放物质
燃油汽车排放系数
电动汽车排放系数
甲醛
0.87
0
一氧化碳
46.50
0
碳氢化合物
3.52
0
氮氧化合物
2.40
0
硫氧化合物
2.40
0
有机酸（醋酸）
0.87
0
有机酸（醋酸）
0.224
0
在表格1-3中所示，重量为1 000kg的传统汽车使用无铅汽油所排放的HC、CO、CO2、SO2分别为0.018、0.91、0.077 1、0.004 5—0.045 36kg。其中，电动汽车的尾气排放包含了发电厂气体排放量，分为火力发电厂和天然气发电厂两种情况，意义与燃油汽车相同。表格1-3资料来源于美国通用汽车公司电动汽车技术报告。
1.2
电动汽车以蓄电池的电能为动力，在行驶时几乎没有废气排出，比燃油汽车减少92%-98%，是最被看好的“零污染”汽车。因此，电动汽车的使用时为解决环境污染问题提供了很好的一条途径。
表1-1比较了燃料汽车和电动汽车的废气排放（主要成分）。表格1-1资料来源：《国家重大科技产业工程项目电动汽车实施方案》。
关键词：电动汽车；驱动系统；异步电动机；无速度传感器矢量控制
ABSTRACT
Driving system is the heart of EV and one of the key parts of the vehicle that determines the performance of the EV directly. According to the control technique、the method of induction motor drive system and based on the factual requirement of EV, the speed sensorless vector control was designed in this article. By transforming coordinate, the stator current is decomposing two DC parts which orientated as the rotator magnetic field and controlled respectively, So magnetic flux and torque are decoupled. It controls the asynchronous motor as a synchronous way. Finally, intimation system is established in the environment of Matlab to validate these control arithmetic. The system proved its enormous practical value of application.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1
SVPWM 工作原理
空间矢量脉宽调制 （ SVPWM ） 技术是把逆变
器和交流电机视为一体， 以圆形旋转磁场为目标 来控制逆变器的工作， 通过控制逆变器的开关模 式， 从而交替使用不同的电压空间矢量来实现的 。 与传统的正弦脉宽调制 （ SPWM ） 相比， 其开关器 件的开关次数可以减少 1 /3 ， 直流电压的利用率 可提高 15% ， 转矩脉动明显降低， 能获得较好的 谐波抑制效果， 且易于实现数字化控制 b， c） 为 关函数 S x （ x = a，
2
无速度传感器矢量控制策略
在无 速 度 传 感 器 矢 量 控 制 策 略 中 ， 转速是
利用采样的定子 电 压 和 电 流 通 过 一 定 的 运 算 取消了低可靠性且价格昂贵的速度 获得的，
图1 三相电压源逆变器主电路
iv ， iw ） 和 电 压 传 感 器 。 采 样 的 三 相 电 流 （ iu ， （ Uu， Uv， U w ） 经 过 CLAＲK 变 换 后 得 到 i sα 、 i sβ （ 1） U sβ ， 和 U sα 、 再通过磁链观测器求得转子磁链 和转子 磁 链 角， 磁链观测器的输出作为转速 计 算 电 机 的 转 速 ωr。 反 馈 回 观测器 的 输 入， 来的转 速 与 给 定 转 速 相 减 后， 经 PID 调 节 得
［3 ］
和力矩计 算 最 优 磁 通 的 效 率 优 化 模 块 ， 加大了 电动汽车的续航能力 。 驱动系统的原理框图如 图 3 所示 。
3
3． 1
硬件设计
控制系统整体框图
（ 2） （ 3） （ 4）
驱动系统的硬件电路可分为主电路和控制 电路两 部 分 。 主 电 路 由 平 波 电 路 和 功 率 逆 变 模块构成 。 功率模块采用 FP100 Ｒ12 KT3 ， 该功 率模 块 中 包 含 有 7 个 IGBT （ 6 个 逆 变 功 率 IGBT ， 1 个制动 回 路 IGBT ） 和 一 个 负 温 度 系 数 （ NTC ） 的 热 敏 电 阻 。 控 制 电 路 的 核 心 芯 片 为 TMS320 F2812 ， 其 中 2812 的 事 件 管 理 器 A 能 够产 生 3 对 互 补 的 PWM 波 控 制 电 机 定 子 电 流 ； 模数转换器 （ ADC ） 单 元 实 时 采 集 驱 动 器 的 输出电流和直流 母 线 的 电 压 ， 为系统的闭环控 制提供通路 ； 中断 能 迅 速 响 应 系 统 的 故 障 中 断 使系 统 的 可 靠 性 提 高 ； 2812 的 控 制 器 局 信号 ， 域网 （ CAN ） 单元 使 驱 动 器 可 以 通 过 CAN 总 线 和车载管理系统实时的通信 。 图 4 为系统的硬
Abstract： According to the requirement of wide speed range，high reliability and high efficiency of electric vehicle，a kind of efficiency optimization algorithm for speed sensorless vector control （ SVC） system was presented． The principle and control strategy of the system were deeply analyzed． The entire system included the power module of the main circuit，current and voltage acquisition circuits，protection circuit，and controller area network （ CAN ） communication module． The TMS320F2812 chip was seclected as the core of the controller． The experimental results showed that the efficiency optimization algorithm was feasible，and the system has a good dynamic performance achieving the desired design goals． Key words： electric vehicle； efficiency optimization； control strategy
实际输出电压中所含的谐波分量最 矢量 U s 时， 且逆变器的开关次数最少 。 按照平行四边 小， 形合 成 法 则， 可 以 用 两 个 相 邻 电 压 矢 量 （ UX ， U X + 60 ） 和两个零电压矢量（ O000 ， O111 ） 表示任意电 压空间矢量 U s 。 将这些电压矢量及其方向作于 图 2 。以第Ⅰ扇区内的期望输出电压矢量（ U s ） 为 PWM 的周期 例， 设 U s 与扇区起始边的夹角为 θ， U0 的作用时间为 t1 ， U60 的作用时间为 t2 ， 为 T， 零 矢量的作用时间为 t0 ， 且 t1 + t2 + t0 = T 。 则 U s 、 t1 、 t2 的表达式分别为 t1 t2 t0 U s = U0 + U60 + O000 （ O111 ） T T T 2 Us T π t1 = 槡 sin（ － θ） Ud 3 2 Us T t2 = 槡 sinθ Ud
Speed Sensorless Vector Control System of Electric Vehicle
LIU Shimin， LI Youxin， LI Mian， FENG Jie， WANG Shengqiang （ College of Information Technology，Guangdong University of Technology，Guangzhou 510006 ，China）
— 42 —
过流保护电路
系统采用了硬件保护 、 软件保护和 IGBT 单 管过流保护 。 硬件保护电路如图 6 所示 ， 输出电 流经过 霍 尔 传 感 器 转 换 成 电 压 信 号 通 过 运 放 LM239D 与给定 的 两 个 安 全 参 考 电 压 值 进 行 比 较， 若输出电流超过最大 （ 最小 ） 值 ， 则运放输出 低电平送至 TMS320F2812 的 / PDPINTA 引脚 ， 从 而封锁 PWM 输 出 ， 使 IGBT 关 断 。 较 高 精 度 的 参考电压 能 有 效 防 止 保 护 误 动 作 ， 由 TL431 组 成的稳压电路能提供相对于电阻分压更高精度 的参考电压输出 。 软件保护是指 DSP 多次采样 到输出电流大于最大值时 ， 程序使 PWM 输出成 DS 端 电 压 会 迅 速 升 高阻状态 。 IGBT 过 流 时 ， 高， 通过检测 DS 端的电压能对单管过流进行有 效保护 。
0
引
言
［ 1 ］
点， 提出了一种带效率优化算法的无速度传感器矢 4 极异步电机为控制 量控制系统， 并以一台 30 kW、 对象， 通过试验证明了采用该算法的无速度传感器 矢量控制系统的可行性与优越性。
电动车的关键技术主要包括车身、 驱动系统、 能 源系统和能量管理系统的设计 。设计一款具有高 可靠性、 高效率、 高功率密度和宽调速范围的驱动器 是提高电动汽车性能的关键技术之一。在异步电机 控制系统中， 需采用转速闭环控制来提高系统的性 因此需在电机上安装速度传感器来测量转速。 能， 但精密的速度传感器价格昂贵， 且增加了系统的尺 寸和复杂度， 使系统的可靠性降低， 不适合工作在恶 劣的环境下。无速度传感器矢量控制 （ Sensorless Vector Control， SVC） 调速技术吸收了传统变压变频 是目前最热 调速技术和矢量控制调速技术的优点， 门的研究课题之一。但采用标准矢量控制策略的矢 量控制驱动器存在轻载低效的问题， 在电动汽车上 应用并不理想。因此， 本文针对电动汽车的应用特
dc
。用相邻基本电压矢量表示电压空间
U* U* 送 到 SVPWM 信 号 发 生 器 中 ， 通过 sα 、 sβ ， DSP 计 算 出 相 应 的 SVPWM 波 形 ， 从而为逆变 器提供驱动信号。 考虑到电动汽车大部分时间运行在高速小 且异步电机运行在基频以上时 ， 力矩的情况下 ，
［4］ 其损耗是 转 子 磁 链 的 凸 函 数 ， 在保证输出力 矩的要求 下 ， 控制系统中加入了根据电机转速
摘 要： 针对电动汽车要求驱动系统具有宽调速范围 、 高可靠性与高效率等特点， 提出了一种效率优化
刘诗敏， 李优新， 黎
的无速度传感器矢量控制（ SVC） 系统。介绍了该系统的原理， 提出了相应控制策略， 完成了系统硬件和软件 包括主电路功率模块、 电流电压采集电路、 方案设计。整个系统以 TMS320F2812 DSP 芯片为核心控制器件， 保护电路、 控制器局域网络（ CAN） 通信模块等部分。 试验结果表明， 效率优化算法可行， 系统具有良好的动 态性能， 达到了预期设计目标。 关键词： 电动汽车； 效率优化； 控制策略 中图分类号： TM 301． 2 文献标志码： A 6540 （ 2013 ） 06004005 文章编号： 1673-
* i* 到 i sq 、 和相应的反馈量进行比较后， 经 PI sd ， * U* 调 节 得 到 U sd 、 再 经 PAＲK 逆 变 换 得 到 sq ，
Sx =
{0 ， 下桥臂导通
1， 上桥臂导通
（ Sa 、 Sb 、 Sc ） 共 根据 6 个开关管的开关模式， 有 8 个开关组合， 包括 6 个非零矢量 U1 （ 001 ） 、 U2 （ 011 ） 、 U3 （ 010 ） 、 U4 （ 110 ） 、 U5 （ 100 ） 、 U6 （ 101 ） U7 （ 111 ） 。 按照恒功率 和 2 个零矢量 U0 （ 000 ） 、 6 个非零矢量在空间上互差 60° ， 幅值 变换可知， 为 U 3 槡 2