永磁同步电机的自适应云模型控制研究
永磁同步电机自适应模糊动态面速度调节控制
永磁同步电机自适应模糊动态面速度调节控制摘要：针对永磁同步电机驱动系统存在的参数不确定性及外部负载扰动性的问题，本文结合模糊控制理论和动态面技术，研究了永磁同步电机的速度调节控制。
利用模糊逻辑系统逼近驱动系统中的未知非线性函数，通过动态面技术，解决了传统反步控制中由于对虚拟控制函数进行连续求导引起的“计算爆炸”问题，最后采用反步法来设计系统的模糊自适应速度调节控制器。
在Matlab环境下进行仿真，仿真结果表明：所设计的系统控制器能够克服系统参数不确定性的影响，确保系统能够快速跟踪期望的信号，对外部扰动具有较强的鲁棒性，该研究具有一定的应用价值。
关键词：模糊逼近；动态面控制；永磁同步电机；反步法简介永磁同步电机有结构简单，鲁棒性好，动态响应速度快及稳定性高等特点，在交流传动系统中得到了广泛的应用。
但是，永磁同步电机驱动系统具有多个状态变量和耦合程度高的缺点。
另外，电机参数随环境的变化而变和外部负载干扰的等因素都会影响电机精确稳定的控制。
因而，实现对其快速有效的控制成为当今的热点研究方向。
近年来，研究者已经提出了许多有效的异步电动机非线性控制方法如滑模变结构控制[1]，哈密顿控制[2-3]，直接转矩控制[4]等。
本文结合模糊控制和动态面技术，提出了一种模糊自适应动态面控制方法，通过引入动态面技术解决了传统反步控制中对虚拟控制函数连续求导引起的“计算爆炸”的问题，利用模糊逻辑系统逼近电机驱动系统的未知非线性函数，并结合自适应反步控制技术来构造的控制器，是一种实际应用价值非常高的非线性控制策略。
与传统的反步法相比，该控制器具有结构简单，易于工程实现等优点。
仿真结果验证了该方法可以实现永磁同步电机的有效控制。
1永磁同步电机的动态模型在（）坐标系下，永磁同步电机驱动系统表示为：（1）式中：表示外部负载转矩，表示转子角速度；和表示轴电流；和表示轴电压；为极对数，为定子电阻；和为坐标系下的定子电感；为转动惯量，为磁链，为摩擦系数。
永磁同步电机驱动器设计与控制算法研究
永磁同步电机驱动器设计与控制算法研究永磁同步电机（Permanent Magnet Synchronous Motor，PMSM）由于其高效、高功率密度和快速响应等特点，被广泛应用于工业自动化、电动汽车和新能源领域。
本文将探讨永磁同步电机驱动器的设计和控制算法研究。
首先，永磁同步电机驱动器的设计是建立在电机参数准确性和控制性能要求的基础上的。
设计过程中需要考虑电机的额定功率、额定转速、电压和电流的限制等因素。
通过选择合适的功率电子器件和滤波器，能够提高电机的性能和稳定性。
其次，控制算法是实现永磁同步电机驱动器正常运行的关键。
其中，磁场定向控制（Field Oriented Control，FOC）是最常用的控制策略之一。
该算法通过将磁场分解为磁轴和磁链两个分量，并采用闭环反馈控制方法，实现对电机转矩和转速的精确控制。
FOC算法可以提高电机的动态响应和抗扰性能。
然而，在实际应用中，永磁同步电机驱动器还面临一些挑战。
例如，电机参数的不确定性和变化会导致控制性能的下降。
为了解决这个问题，模型参考自适应控制算法可以用于在线估计电机参数，并校正控制器的输出。
此外，永磁同步电机驱动器还需要考虑能量回馈和能量损耗的问题。
在制动和减速过程中，通过将电机的机械能转化为电能并回馈到电网中，可以提高能量利用效率。
同时，减少能量损耗也是提高系统效率的关键。
综上所述，永磁同步电机驱动器设计与控制算法研究是提高电机性能和系统效率的重要工作。
通过合理选择电机参数和设计电路拓扑，优化控制算法并解决实际应用中的问题，可以实现对永磁同步电机驱动器的有效控制和优化运行。
这将为工业自动化、电动汽车和新能源领域的发展提供有力支持。
《永磁同步电机传动系统的先进控制策略及应用研究》范文
《永磁同步电机传动系统的先进控制策略及应用研究》篇一一、引言随着现代工业的快速发展，对电机传动系统的性能要求越来越高。
永磁同步电机（PMSM）以其高效率、高功率密度和良好的调速性能，在工业、交通、能源等领域得到了广泛应用。
然而，为了进一步提高PMSM传动系统的性能，研究先进的控制策略显得尤为重要。
本文将重点探讨永磁同步电机传动系统的先进控制策略及其应用研究。
二、永磁同步电机基本原理永磁同步电机是一种利用永磁体产生磁场的电机，其转子与定子之间的磁场同步，从而实现电机的稳定运行。
PMSM具有高效率、高功率密度和良好的调速性能，是现代传动系统中的关键设备。
三、先进控制策略研究1. 矢量控制策略：矢量控制是一种基于磁场定向的控制策略，通过精确控制电流的幅值和相位，实现电机转矩和磁场的解耦控制，从而提高电机的运行性能。
2. 模糊控制策略：模糊控制是一种基于模糊逻辑的控制策略，通过模拟人的思维过程，实现电机控制的智能化。
在PMSM传动系统中，模糊控制可以有效地提高系统的鲁棒性和自适应性。
3. 预测控制策略：预测控制是一种基于预测模型的控制策略，通过对系统未来的状态进行预测，实现电机的优化控制。
在PMSM传动系统中，预测控制可以有效地提高系统的动态性能和稳定性。
四、应用研究1. 工业领域应用：在工业领域，PMSM传动系统广泛应用于机床、机器人、自动化生产线等设备中。
通过采用先进的控制策略，可以提高设备的运行性能和效率，降低能耗和成本。
2. 交通领域应用：在交通领域，PMSM传动系统被广泛应用于电动汽车、轨道交通等交通工具中。
通过采用矢量控制、模糊控制等策略，可以提高车辆的能效比和驾驶性能，同时降低噪音和振动。
3. 能源领域应用：在能源领域，PMSM传动系统被广泛应用于风力发电、太阳能发电等新能源设备中。
通过采用预测控制等策略，可以提高设备的发电效率和稳定性，同时降低维护成本。
五、结论永磁同步电机传动系统的先进控制策略对于提高系统性能具有重要意义。
基于模型参考自适应的永磁同步电机矢量控制
基于模型参考自适应的永磁同步电机矢量控制LI Mengyao;SUN Fengchun;HE Hongwen【摘要】针对传统机械式传感器对永磁同步电机(PMSM)交流调速系统带来的成本高、体积大、易受干扰、可靠性低且难以在复杂环境中应用等问题,在对永磁同步电机数学模型、矢量控制技术以及无传感器控制技术现状进行研究的基础上,提出了一种基于模型参考自适应理论(MRAS)的转速和转子位置速度估计方法.以永磁同步电机本身作为参考模型,以含有转速变量的定子电流方程作为可调模型,以Popov稳定性理论为基础设计自适应律,根据自适应律判断当两模型等效时,估计转速收敛于实际转速,对转速积分得到转子位置,实现无传感器的电机矢量控制.仿真结果表明:应用该无传感器控制策略的交流调速系统能够在转速突变、负载转矩扰动的情况下,快速、准确地估算转速和转子位置,动态、静态性能良好,鲁棒性强.【期刊名称】《测试技术学报》【年(卷),期】2019(033)004【总页数】8页(P322-328,345)【关键词】永磁同步电机;模型参考自适应理论;无传感器控制;矢量控制【作者】LI Mengyao;SUN Fengchun;HE Hongwen【作者单位】;;【正文语种】中文【中图分类】TM3510 引言永磁同步电机(PMSM)具有强非线性、强耦合、多变量、时变等特点，需要选择合适的控制策略以提高系统的稳定性、快速性和鲁棒性.永磁同步电机的矢量控制是将定子电流分解为励磁电流分量和转矩电流分量，实现解耦控制.因其动态响应速度快、可靠性高、调速范围广、转矩控制精准等优点，成为目前应用最为广泛的电机控制策略之一.矢量控制在控制过程中，转速、电流双闭环的控制结构须通过转子速度和位置检测实现[1].测量电机转子的速度和位置，一般需要在转子的转轴上安装旋转变压器、感应电机、光电编码器、霍尔传感器、磁性编码器、测速发电机等机械式的传感器，增加了系统的硬件成本以及后期维护量，降低了系统的可靠性.为克服机械传感器带来的局限，很多学者开展了对无传感器控制技术的研究.无传感器控制的基本思想是利用电机绕组中的相关电信号，通过适当的方法估算出转子的转速和位置.目前PMSM无传感器控制策略主要包括基于模型的中高速控制方法和以高频注入法为主的低速控制方法，以及结合两种方法优点的混合控制方法.高频注入法的基本原理是在电机中注入特定高频电压(电流)信号，检测电机中对应的电流(电压)信号，通过一定带宽的滤波器来提取转子信息.这种方法要求电机具有凸极效应，适合于内置式永磁同步电机.由于系统依赖外加高频激励信号来显示凸极性，所以采用高频注入法的控制系统对电机参数的变化不敏感，位置观测精度高，可用于低速和零速的速度估计.但在转速较高时，由于定子电阻和旋转电压不能忽略，高频注入下的简化模型不再适用，因此这种方法不适合高速时的无传感器控制.同时目前的控制策略不能同时提高转子位置的估计精度、降低可闻噪声、简化信号处理，还存在很多不足[2-5].基于基波数学模型的3相PMSM无传感器控制策略依赖模型中与转速有关的量参数估算.目前常用的算法包括滑模观测器算法、扩展卡尔曼滤波器算法、模型参考自适应算法等.滑模观测器利用滑动模态的概念，用滑模变结构形式设计状态观测器，通过结构变化的高频开关来回切换，使状态的运动点在相平面小幅运动，最终稳定到平衡点.这种方法对参数变化及外部扰动不敏感，系统的鲁棒性强，但是一旦进入滑动模态后，开关导致的时间、空间上的滞后会导致观测值沿着实际值上、下振荡，抖振会影响被估参数的估计精度[6-9].扩展卡尔曼滤波器算法基于线性最小方差估计是一种非线性系统的随机观测器，可以实现参数的在线辨识，在抗干扰和鲁棒性方面具有优势.但该算法涉及负载的递推计算过程，计算量巨大，会影响到它的在线应用，同时算法中的系统噪声和测量噪声矩阵取值不能保证系统在全速区间内收敛[10-13].模型参考自适应法具有参数自适应功能，算法简单、鲁棒性强、参数估计易收敛、稳态性能优良，在无传感器控制领域得到了广泛的应用.模型参考自适应算法根据PMSM的参考模型和可调模型间电流(磁链)状态量的误差，设计自适应律，使得被估计参数渐进收敛于实际值，具有良好的动态性能[14-17].本文采用模型参考自适应算法对永磁同步电机转子速度以及位置进行参数估计，并提出一种简化模型参考自适应控制策略.基于传统模型参考自适应算法和所提出的简化模型参考自适应算法，搭建永磁同步电机无传感器矢量控制仿真模型，验证两种控制策略在电机启动、转速突变、负载转矩突变等情况下的系统性能.仿真结果表明简化的模型参考自适应算法可快速、准确估算出电机转子的速度以及位置，抗扰性强，适用于永磁同步电机无传感器矢量控制.1 永磁同步电机数学模型永磁同步电机的数学模型通常建立在以下条件基础上：① 永磁体材料的电导率为零；② 转子结构中不存在阻尼绕组；③ 不计铁芯饱和、涡流效应和磁滞损耗；④ 电机磁动势按正弦分布，即忽略磁场中所有的空间谐波；⑤ 各相定子绕组匝数相同且空间位置严格对称.永磁同步电机在3相静止坐标系下的模型具有时变、耦合等特点，为了便于后期控制器的设计，选择在两相旋转d-q坐标系下建立完全解耦的数学模型，则定子电压方程为(1)定子磁链方程为(2)式中：ud,uq 为定子电压的轴分量；id,iq为定子电流的轴分量；R为定子电阻；ψd,ψq为定子磁链的轴分量；ωe为电角速度；Ld,Lq为轴电感分量；ψf为永磁体磁链.电机的机械运动方程为(3)式中：ωm为电机的机械角度;J为转动惯量;B为阻尼系数;TL为负载转矩;Te为电磁转矩，电磁转矩方程为(4)式中：pn为电机的极对数.对于表贴式永磁同步电机，定子电感满足Ld=Lq=Ls.2 模型参考自适应系统控制模型模型参考自适应理论(MRAS)的辨识思想是把不含有未知参数的表达式作为期望模型，将含有待辨识参数的表达式用于可调模型，且保证两模型输出量的物理意义相同，利用两模型输出量之差，通过适当的自适应律，保证系统输出渐进收敛到参考模型的期望输出.其基本控制结构如图1 所示，其中，u为控制器输入，x为参考模型的状态矢量为可调模型的状态矢量.图1 MRAS的控制结构图Fig.1 MRAS control structure diagram2.1 参考模型与可调模型的确定在MRAS中，常以3相永磁同步电机的电流方程或磁链方程为参考模型，本文采用电流方程为参考模型.对于表贴式3相永磁同步电机，同步旋转坐标系下的电流方程为(5)为获得可调模型，将式(5)变换为(6)定义(7)则式(6)变为(8)改写成状态空间表达式为(9)其中，用估计值表示式(8)为改写成状态空间表达式为(11)其中，由于状态矩阵中含有转子的速度信息，将式(5)作为参考模型，将式(10)作为可调模型，转子的角速度ωe为可调参数.2.2 参考自适应律的确定定义广义误差将式(8)与式(10)相减得(12)式中：定义改写成空间状态表达式(13)式中：可以得到如图2 所示的标准反馈系统，其中，D为增益矩阵.为简化计算，取D=1,r=0，则u=-W,V=e.图2 参数辨识系统等效反馈结构图Fig.2 Parameter identification system equivalent feedback structure diagram根据Popov超稳定性理论，若使这个系统渐进稳定，其中的非线性时变反馈环节必须满足：1)线性时不变前馈系统的传递函数矩阵G(s)=(sI-A)-1为严格正实矩阵；2)非线性时变反馈系统满足Popov积分不等式式中：为任一有限正数.根据严格正实引理，对于线性定常系统的状态方程(15)其传递函数矩阵G(s)=D+C(sI-A)-1B为严格正实矩阵的充分必要条件，存在对称的正定矩阵P,Q和实数矩阵K,L满足(16)在如图2 所示的标准反馈系统中，B=C=I,D=0，得(17)故对称正定矩阵Q存在，即线性时不变前馈系统的传递函数矩阵G(s)=(sI-A)-1为严格正实矩阵.将代入式(14)可得∀t1≥0.(18)按模型参考自适应系统的PI控制策略得到自适应律为(19)式中：为估算转速的初始值.将式(19)代入式(18)得η1(0,t1)+η2(0,t1).(20)若要使可以分别使η1(0,t1)=(21)(22)式中：为任一有限正数.对于不等式(21)构造函数f(t)满足(23)式中:k>0，将式(23)代入式(21)得(24)对式(23)第2个等式两边求导，并结合第1 个等式得(25)若不等式(22)左边的被积函数为正，则该不等式一定成立，因此取(26)将式(26)代入式(22)得(27)将式(25)、式(26)代入式(19)得到(28)将式(7)代入式(28)得(29)从以上公式可以看出，转子速度的估计只受参考模型和可调模型中的电流变量影响，并且可以通过PI控制器整定得到.对于表贴式永磁同步电机，采用id=0的控制方法可以实现转矩电流比最大，效率较高，所以可以将参考模型中的id近似为零.为保证调速系统的精度，保留可调模型中的用于计算，可得简化转速估计式(30)对求积分可以得到转子位置的估计值(31)3 仿真分析为验证基于MRAS提出的PMSM无传感器矢量控制策略的有效性和准确性，本文结合如图3 的控制框图，在MATLAB/Simulink环境中建模仿真，系统由电机模块、逆变器模块、矢量变换模块、PI模块、SVPWM模块等组成.仿真中采用的永磁同步电机参数为极对数pn=4，定子电阻Rs=2.875 Ω，定子电感Ls= 8.5mH，磁链ψf=0.175 Wb，转动惯量J=4.8×10-5 kg·m2，阻尼系数B=0.图3 基于MRAS的三相PMSM无传感器矢量控制框图Fig.3 MRAS-based three-phase PMSM sensorless vector control block diagram如图4～图6 所示，在电机启动阶段，MRAS算法可以很好地估计电机转速，系统在0.05 s内迅速收敛于给定转速，转速估计误差最高为20 r/min，转子位置估计误差最高为0.06 rad，系统动态性能良好.在0.5 s将给定速度由300 r/min 变为600 r/min，由图4～图6 可以看出，估计转速可以在0.05 s内快速跟踪实际转速，转速估计误差最高为25 r/min，转子位置估计误差最高为0.05 rad，估算精度基本满足矢量控制系统的要求.MRAS算法在电启动阶段和转速突变阶段的估算误差较大，但误差很快得到收敛，控制算法具有较强的鲁棒性.如图7 所示，当电机稳定运行在转速600 r/min时，负载转矩在0.3 s由0突变为5 N·m，电磁转矩在0.02 s迅速收敛为负载转矩,电机输出电磁转矩在短时间内存在微小的估计误差，未对控制效果造成明显影响.简化MRAS算法相比于传统MRAS算法减小了计算量，对比如图7(a)的传统MRAS算法，本文提出的如图7(b)的简化MRAS算法估算得到的转速估计曲线更平滑，稳态时转速估计误差较小，但在转速突变和转矩突变的情况下，简化MRAS的转子位置估计误差比传统MRAS算法的转子位置估计误差大，系统抗扰能力较弱，但估算精度仍然较高，可以取得较为理想的控制效果.图4 转速突变时估计转速与实际转速对比Fig.4 Comparison between estimated speed and actual speed when speed changes图5 转速突变时电机转子位置估计误差Fig.5 Motor rotor position estimation error when speed changes图6 转速突变时电机转速估计误差Fig.6 Motor speed estimation error when speed changes图7 负载突变时电机输出电磁转矩Fig.7 Motor output torque when load torque changes4 结论本文以PMSM矢量控制技术为基础，采用模型参考自适应算法，提出了一种永磁同步电机的转速与转子位置估计的简化算法，并通过MATLAB/Simulink软件进行了仿真分析.仿真结果表明，基于简化MRAS的转速与转子位置估算方法对于永磁同步电机的启动、转速突变以及负载转矩突变有良好的适应性，转速、转子位置估计精度高，电机控制系统的动态性能良好、鲁棒性强，能够满足许多无位置传感器控制的场合. 参考文献：【相关文献】[1] 汤蕴璆.电机学(普通高等教育十一五国家级规划教材)[M].第5版.北京：机械工业出版社,2014.[2] 李浩源,张兴,杨淑英,等.基于高频信号注入的永磁同步电机无传感器控制技术综述[J].电工技术学报,2018,33(12)：2653-2664.Li Haoyuan,Zhang Xing,Yang Shuying,et al.Review on sensorless control of permanent magnet synchronous motor based on high-frequency signal injection[J].Transactions of China Electrotechnical Society,2018,33(12)：2653-2664.(in Chinese)[3] Liu J M,Zhu Z Q.Sensorless control strategy by square-waveform high-frequency pulsating signal injection into stationary reference frame[J].IEEE Journal of Emerging&Selected Topics in Power Electronics,2014,2(2)：171-180.[4] Liu J M,Zhu Z Q.Novel sensorless control strategy with injection of high-frequency pulsating carrier signal Into stationary reference frame[J].IEEE Transactions on Industry Applications,2014,50(4)：2574-2583.[5] 金光哲,徐殿国,高强,等.高频注入电压预估同步电机转子位置检测方法[J].中国电机工程学报,2014,34(9)：1376-1383.Jin Guangzhe,Xu Dianguo,Gao Qiang,et al.A synchronous motor rotor position detection method based on high-frequency injection voltage prediction[J].Proceedings ofCSEE,2014,34(9)：1376-1383.(in Chinese)[6] Lee H,Lee J.Design of iterative sliding mode observer for sensorless PMSMcontrol[J].IEEE Transactions on Control Systems Technology,2013,21(4)：1394-1399. [7] 袁雷,沈建清,肖飞,等.插入式永磁低速同步电机非奇异终端滑模观测器设计[J].物理学报,2013,62(3)：37-45.Yuan Lei,Shen Jianqing,Xiao Fei,et al.Nonsingular terminal sliding-mode observer design for interior permanant magnet synchronous motor drive at very low-speed[J].Acta Physica Sinica,2013,62(3)：37-45.(in Chinese)[8] 张晓光,孙力,陈小龙,等.基于二阶滑模观测器的永磁同步电机无位置传感器控制[J].电力自动化设备,2013,33(8)：36-41.Zhang Xiaoguang,Sun Li,Chen Xiaolong,et al.PMSM sensorless control based on second-order sliding mode observer[J].Electric Power Automation Equipment,2013,33(8)：36-41.(in Chinese)[9] 丁文,梁得亮,罗战强.两级滤波滑模观测器的永磁同步电机无位置传感器控制[J].电机与控制学报,2012,16(11)：1-10.Ding Wen,Liang Deliang,Luo Zhanqiang.Position sensorless control of PMSM using sliding mode observer with two-stage filter[J].Electric Machines and Control,2012,16(11)：1-10.(in Chinese)[10] 张猛,肖曦,李永东.基于扩展卡尔曼滤波器的永磁同步电机转速和磁链观测器[J].中国电机工程学报,2007,27(36)：36-40.Zhang Meng,Xiao Xi,Li Yongdong.Speed and flux linkage observer for permanent magnet synchronous motor based on EKF[J].Proceedings of CSEE,2007,27(36)：36-40.(in Chinese) [11] 施大发,施佳,黄庆,等.基于扩展卡尔曼滤波的PMSM无位置传感器控制[J].电源技术,2015,39(1)：161-164.Shi Dafa,Shi Jia,Huang Qing,et al.Permanent magnet synchronous motor position sensorless control based on extended Kalman filter[J].Chinese Journal of Power Sources,2015,39(1)：161-164.(in Chinese)[12] 李旭春,张鹏,严乐阳,等.具有参数辨识的永磁同步电机无位置传感器控制[J].电工技术学报,2016,31(14)：139-147.Li Xuchun,Zhang Peng,Yan Leyang,et al.Sensorless control of permanent magnet synchronous motor with online parameter identification[J].Transactions of China Electrotechnical Society,2016,31(14)：139-147.(in Chinese)[13] 尹忠刚,张瑞峰,钟彦儒,等.基于抗差扩展卡尔曼滤波器的永磁同步电机转速估计策略[J].控制理论与应用,2012,29(7)：921-927.Yin Zhonggang,Zhang Ruifeng,Zhong Yanru,et al.Speed estimation for permanent magnet synchronous motor based on robust extended Kalman filter[J].Control Theory&Applications,2012,29(7)：921-927.(in Chinese)[14] 王庆龙,张兴,张崇巍.永磁同步电机矢量控制双滑模模型参考自适应系统转速辨识[J].中国电机工程学报,2014,34(6)：897-902.Wang Qinglong,Zhang Xing,Zhang Chongwei.Double sliding-mode model reference adaptive system speed identification for vector control of permanent magnet synchronous motors[J].Proceedings of CSEE,2014,34(6)：897-902.(in Chinese)[15] 张勇军,孙寅飞,王京.基于单维离散滑模的模型参考自适应转速辨识方法[J].电工技术学报,2012(4)：54-58.Zhang Yongjun,Sun Yinfei,Wang Jing.A speed estimation algorithm based on single-manifold discrete time sliding mode model reference adaptive system[J].Transactions of China Electrotechnical Society,2012(4)：54-58.(in Chinese)[16] Wang F,Zhang Z,Davari S A,et al.An encoderless predictive torque control for an induction machine with a revised prediction model and EFOSMO[J].IEEE Transactions on Industrial Electronics,2014,61(12)：6635-6644.[17] 钟臻峰,金孟加,沈建新.基于分段PI调节器的模型参考自适应永磁同步电动机全转速范围无传感器控制[J].中国电机工程学报,2018,38(4)：1203-1212.Zhong Zhenfeng,Jin Mengjia,Shen Jianxin.Full speed range sensorless control of permanent magnet synchronous motor with phased PI regulator-based model reference adaptive system[J].Proceedings of the CSEE,2018,38(4)：1203-1212.(in Chinese)。
永磁同步电机自抗扰控制技术研究
永磁同步电机自抗扰控制技术探究摘要：永磁同步电机(PMSM)拥有高效、高精度、高动态响应等优势，在现代工业中得到越来越多的应用。
然而，PMSM的动态响应受到外部干扰和模型误差等因素的影响，导致控制效果降低。
自抗扰控制技术(ADRC)是一种有效的控制方法，其具有较强的鲁棒性和适应性，能够有效地降低外部干扰和模型误差对系统的影响，提高PMSM的控制性能。
本文基于ADRC理论，探究了PMSM的自抗扰控制技术，建立了PMSM的数学模型，并进行了控制器的设计和仿真试验。
结果表明，ADRC技术对于PMSM的控制效果具有良好的鲁棒性和适应性，在外部干扰和模型误差的状况下，可以有效地提高PMSM的控制精度和动态性能。
关键词：永磁同步电机；自抗扰控制；鲁棒性；适应性；动态性能。
正文：一、绪论随着现代工业的不息进步，永磁同步电机(PMSM)已经成为了各种机电设备中的重要部件，在机器人、电动车、风力发电机、电子电器等领域得到广泛的应用。
PMSM拥有高效、高精度、高动态响应等优势，是替代传统感应电机的重要选择。
然而，PMSM的动态响应受到外部干扰和模型误差等因素的影响，导致控制效果降低。
因此，如何提高PMSM的控制精度和动态性能，是当前探究的热点之一。
自抗扰控制技术(ADRC)是一种有效的控制方法，它不依靠于精确的系统模型和干扰预估，能够有效地降低外部干扰和模型误差对系统的影响，提高系统的稳定性和控制性能。
因此，ADRC 技术在PMSM的控制中也得到了广泛的应用。
本文基于ADRC理论，探究了PMSM的自抗扰控制技术，建立了PMSM的数学模型，并进行了控制器的设计和仿真试验。
二、 PMSM的数学模型PMSM是一种典型的无刷直流电机，其数学模型可以表示为：$$u=\frac{d}{dt}\psi+Ri+e$$$$T=\frac{3}{2}p(\psi i_m-L_d i_d i_m)-J\frac{d\omega}{dt}$$其中，$u$为输入电压，$\psi$为磁链，$R$为电阻，$i$为电流，$e$为反电势，$T$为转矩，$p$为极对数，$i_m$为磁场电流，$L_d$为轴向电感，$L_q$为切向电感，$J$为转动惯量，$\omega$为转速。
永磁同步电机控制方法建模与仿真研究
永磁同步电机控制方法建模与仿真研究1. 本文概述本文旨在探讨永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）的控制方法建模与仿真研究。
永磁同步电机作为现代电力驱动系统中的重要组成部分，其性能优越、控制精度高等特点使得它在电动汽车、风力发电、工业机器人等领域得到广泛应用。
随着科学技术的不断进步，对永磁同步电机的控制方法提出了更高的要求，对其进行深入研究和优化具有重要意义。
本文首先介绍了永磁同步电机的基本原理和结构特点，为后续的控制方法建模提供理论基础。
接着，文章重点阐述了永磁同步电机的控制方法，包括矢量控制、直接转矩控制等，并分析了各种控制方法的优缺点。
在此基础上，文章提出了一种基于模型预测控制的永磁同步电机控制策略，并通过仿真实验验证了该控制策略的有效性和优越性。
为了更好地理解和分析永磁同步电机的动态性能和控制效果，本文建立了永磁同步电机的数学模型，并利用MATLABSimulink等仿真工具进行了仿真研究。
仿真结果展示了不同控制方法下永磁同步电机的运行状态和性能表现，为实际工程应用提供了有益的参考。
本文通过对永磁同步电机的控制方法建模与仿真研究，深入探讨了永磁同步电机的控制策略和优化方法，为永磁同步电机的进一步应用和发展提供了理论支持和技术指导。
2. 永磁同步电机基本原理永磁同步电机（PMSM）是一种高效、高性能的电机，广泛应用于各种工业控制系统和电动汽车等领域。
其基本原理基于电机内部磁场与电流之间的相互作用，通过控制电机定子电流来实现对电机转速和转矩的精确控制。
PMSM的核心组成部分包括定子、转子和永磁体。
定子通常由多个线圈组成，这些线圈在通电时产生磁场。
转子则装配有永磁体，这些永磁体产生恒定的磁场。
当定子通电产生的磁场与转子永磁体磁场相互作用时，会产生转矩，进而驱动转子旋转。
PMSM的一个重要特性是其同步性，即电机转速与电源频率之间保持严格的同步关系。
基于内模控制的永磁同步电机控制研究
基于内模控制的永磁同步电机控制研究摘要：本文提出了一种基于内模控制的永磁同步电机控制方法。
该控制方法采用改进的内模控制结构，其主要特点是将梯形模型参数化并融入永磁同步电机开环动态模型中，从而实现对永磁同步电机的有效控制。
为了验证所提出控制方法的可行性，我们选择MATLAB软件平台仿真永磁同步电机控制系统模型，并针对容错信号和ARW等不确定因素进行了分析。
为了进一步评估该方法的性能，我们进行了比较实验，其结果表明所提出的控制方法可以获得更好的系统响应和更小的时延。
关键词：永磁同步电机(PMSM)；内模控制；MATLAB仿真；比较实验正文：本文研究的目的是研究基于内模控制的永磁同步电机（PMSM）技术。
永磁同步电机（PMSM）在电机控制领域有广泛的应用，但由于其非线性特性，传统的控制方法有时无法满足控制精度要求。
内模控制是一种改进的控制技术，通过将内模的参数化技术融入到电机的开环控制中，实现精确的、相较传统技术更有效的电机控制。
因此，本文旨在使用MATLAB软件平台仿真永磁同步电机控制系统，并对容错信号和ARW等不确定因素进行分析。
此外，比较实验也用于进一步评估所提出方法的性能。
实验结果表明，基于内模控制的永磁同步电机控制方法以及其结构可以有效地控制永磁同步电机，并且有效地抑制容错信号和ARW等不确定因素。
为了确保永磁同步电机运行的正常，选取合适的控制器及其参数是很重要的。
在本文中，采用适当的PMSM控制器参数，通过对不同构成参数的研究来改善外环控制系统的性能。
PID子系统对外环控制器参数的选择至关重要，因为这些参数决定了系统的成功程度。
在本文中，针对PMSM的内模控制器参数采用基于品质因子（QF）的闭环控制方法进行了调整。
通过调整内模子系统的参数，可以有效抑制外环的抖动特性。
为此，需要仔细考虑和研究PMSM状态空间方程和内模参数的变化，以获得最佳的控制性能。
当传统控制器无法满足控制要求时，一种替代方案是使用模糊控制技术。
永磁直线同步电机的自适应增量滑模控制
永磁直线同步电机的自适应增量滑模控制赵希梅;王晨光【摘要】Adaptive incremental sliding mode control(AISMC)method was proposed for permanent magnet linear synchronous motor(PMLSM)direct-drive servo system which is vulnerable to influence of the uncertainties,such as parameter variations,external disturbances,end effect and so on.Incremental sliding mode controller was designed by utilizing previous state information and control action,and adopting the saturated function to replace the switching function.The proposed controller can reduce chattering and improve tracking performance of thesystem.Then,adaptive control was used to observe and compensate influence of the uncertainties,such as parameter variations,external disturbances and so on,while estimating the bound of uncertain parameters instantly.Adaptive incremental sliding mode controller was investigated.From the theoretical analysis,the proposed controller was proved to guarantee the convergence of the system and have high convergence speed,which can improve the tracking performance of the linear servo system.The system experimental results confirmed effectiveness and feasibility of the proposed AISMC pared with sliding mode control(SMC),the system based on AISMC has stronger robustness and more accurate tracking performance,meanwhile,chattering phenomenon is obviously reduced.%针对永磁直线同步电机(PMLSM)直接驱动伺服系统易受参数变化、外部扰动、端部效应等不确定性因素的影响,提出了一种自适应增量滑模控制(AISMC)方法.通过利用系统先前的状态信息和控制动作来设计增量滑模控制器,同时选择饱和函数作为切换函数,不仅削弱了抖振,而且提高了系统的跟踪性能.然后利用自适应控制来观测和补偿参数变化与外部扰动等不确定性因素的影响,并对不确定性参数的界限进行实时估计,设计出自适应增量滑模控制器.从理论上分析证明了此控制器可以保证系统收敛,具有快速的收敛速度,提高了直线伺服系统的跟踪性能.通过系统实验,证明了所提出的AISMC方案的有效性,与滑模控制(SMC)相比,基于AISMC的系统具有较强的鲁棒性和精确的跟踪性,明显削弱了抖振现象.【期刊名称】《电工技术学报》【年(卷),期】2017(032)011【总页数】7页(P111-117)【关键词】永磁直线同步电机;自适应增量滑模控制;抖振;鲁棒性【作者】赵希梅;王晨光【作者单位】沈阳工业大学电气工程学院沈阳 110870;沈阳工业大学电气工程学院沈阳 110870【正文语种】中文【中图分类】TM315近年来，由于采用直接驱动方式的永磁直线同步电机(Permanent Magnet Linear Synchronous Motor，PMLSM)具有高能量密度、高推力-体积比、良好的散热性能和动态性能等优点，PMLSM作为执行部件逐渐被广泛应用于工业生产中的直接驱动设备上，如半导体生产、水下作业、机器人控制、XY平台驱动等领域[1-3]。
- 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)。
电札勇控制应１日２０１８，４５（３） 控制与应用技术ｌ吣Ａ 永磁同步电机的自适应云模型控制研究米 陆佳琪， 朱保鹏， 尤钱亮， 张 懿， 魏海峰 （江苏科技大学电子信息学院，江苏镇江２１２００３）
摘要：针对ＰＩＤ或其改进的算法鲁棒性偏低问题，提出了永磁同步电机（ＰＭＳＭ）的自适应云模型控制 算法研究。在分析了自适应云模型结构后设计了ＰＭＳＭ自适应云模型控制器。搭建了基于自适应云模型控 制算法的ＰＭＳＭ试验平台，试验结果表明提出的ＰＭＳＭ的自适应云模型控制算法精度高、性能稳定。 关键词：永磁同步电机；云模型；自适应；控制 中图分类号：ＴＭ ３５１ 文献标志码：Ａ 文章编号：１６７３—６５４０（２０１８）０３—００４１—０５
Ｒｅｓｅａｒｃｈ ｏｆ Ａｄａｐｔｉｖｅ Ｃｌｏｕｄ Ｍｏｄｅｌ Ｃｏｎｔｒｏｌ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｐｅｒｍａｎｅｎｔ Ｍａｇｎｅｔ Ｓｙｎｃｈｒｏｎｏｕｓ Ｍｏｔｏｒ
ＬＵ Ｊｉａｑｉ，ＺＨＵ Ｂａｏｐｅｎｇ， ＹＯＵ Ｑｉａｎｌｉａｎｇ，ＺＨＡＮＧ Ｙｉ，ＷＥＩ Ｈａｉｆ￣ｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｚｈｅｎｊｉａｎｇ ２ １ ２００３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ￣Ｔｈｅ ＣＵｌＴｅｎｔ ｌｏｏｐ ｏｆ ｐｅｒｍａｎｅｎｔ ｍａｇｎｅｔ ｓｙｎｃｈｒｏｎｏｕｓ ｍｏｔｏｒ ｗａｓ ｃｏｎｔｒｏｌｌｅｄ ｂｙ ＰＩＤ ａｌｇｏｒｉｔｈｍ ｏｒ ｉｍｐｒｏｖｅｄ ＰＩＤ ａｌｇｏｒｉｔｈｍ．Ｔｈｅ ｒｏｂｕｓｔｎｅｓｓ ｏｆ ＰＩＤ ａｌｇｏｒｉｔｈｍ ａｎｄ ｉｍｐｒｏｖｅｄ ＰＩＤ ａｌｇｏｒｉｔｈｍ ｗａｓ ｕｎｓａｔｉｓｆａｃｔｏｒｙ．Ｔｈｅ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ ｃｏｎｔｒｏｌ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｐｅｒｍａｎｅｎｔ ｍａｇｎｅｔ ｓｙｎｃｈｒｏｎｏｕｓ ｍｏｔｏｒ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ．Ａｆｔｅｒ ａｎａｌｙｚｉｎｇ ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｏｆ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ，ａｎ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ ｃｏｎｔｒｏｌｌｅｒ ｆｏｒ ｐｅｒｍａｎｅｎｔ ｍａｇｎｅｔ ｓｙｎｃｈｒｏｎｏｕｓ ｍｏｔｏｒ ｗａｓ ｄｅｓｉｇｎｅｄ，ａｎｄ ｔｈｅ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ ｓｔｒｕｃｔｕｒｅ ｗａｓ ｄｅｄｕｃｅｄ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｐｌａｔｆｏｒｍ ｏｆ ＰＭＳＭ Ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ ｃｏｎｔｒｏｌ ａｌｇｏｒｉｔｈｍ ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｄａｐｔｉｖｅ ｃｌｏｕｄ ｍｏｄｅｌ ｃｏｎｔｒｏｌ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｐｅｒｍａｎｅｎｔ ｍａｇｎｅｔ ｓｙｎｃｈｒｏｎｏｕｓ ｍｏｔｏｒ ｉｓ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｓｔａｂｌｅ． Ｋｅｙ ｗｏｒｄｓ：ｐｅｒｍａｎｅｎｔ ｍａｇｎｅｔ ｓｙｎｃｈｒｏｎｏｕｓ ｍｏｔｏｒ（ＰＭＳＭ）；ｃｌｏｕｄ ｍｏｄｅｌ；ａｄａｐｔｉｖｅ；ｃｏｎｔｒｏｌ
０ 引 言 目前，各行各业中永磁同步电机（Ｐｅｒｍａｎｅｎｔ Ｍａｇｎｅｔ Ｓｙｎｃｈｒｏｎｏｕｓ Ｍｏｔｏｒ，ＰＭＳＭ）的用量十分大， 因此对ＰＭＳＭ的控制方案需求十分多。当下 ＰＭＳＭ的电流环多采用ＰＩＤ或其改进的算法 控制。 文献［１］研究了电梯用ＰＭＳＭ ＢＰ神经网络 ＰＩＤ调速控制方法，利用ＢＰ神经网络改进ＰＩＤ， 其控制效果相对于传统ＰＩＤ来说精度有所提 高。文献［２］介绍了ＰＭＳＭ的模型预测电流控 制器，提出了表贴式ＰＭＳＭ的模型预测电流控 制法，实现了对电流的前馈和反馈控制，其本质 也是一种改进的ＰＩＤ控制器。文献［３］提出 ＰＭＳＭ变论域自适应模糊ＰＩＤ控制，采用变论域 模糊控制实现控制参数自整定和控制规则的自 调整，其算法相对而言比较复杂，控制性能良 好，但不易于实现。文献［４］介绍了ＰＭＳＭ单神 经元自适应ＰＩＤ控制，利用神经元自适应来改 进ＰＩＤ，其鲁棒性有所提高，但是相对于传统 ＰＩＤ，动态响应速度却有所下降。文献［５］提出 的基于模糊ＰＩＤ控制的ＰＭＳＭ控制器，模糊ＰＩＤ
基金项目：国家自然科学基金项目（６１５０３１６１）；江苏省产学研前瞻性联合研究项目（ＢＹ２０１６０７３—０１） 作者简介：陆佳琪（１９９５一），女，硕士研究生，研究方向为电机驱动控制。 朱保鹏（１９９６一），男，研究方向为电机驱动控制。 尤钱亮（１９９５一），男，硕士研究生，研究方向为电机驱动控制。
－－——４１－－—— 控制与应用技术ｌ Ｅ眦Ａ 相对于其他的智能改进型ＰＩＤ来说是目前比较 成熟的一种算法，但其模糊规则也相对比较复 杂。文献［６］提出的ＰＭＳＭ伺服控制系统的灰 色ＰＩＤ控制，并设计出一种结合传统ＰＩＤ控制 与灰色预测补偿的灰色ＰＩＤ控制器，虽灰色预 测对未知量的处理能力较强，抗干扰能力比较 出色，但是与此同时，响应速度却有所下降。以 上６种方案都是在传统ＰＩＤ的基础上利用各种 先进的算法进行改进，其性能都只有略微的提 高，并且这些方案算法复杂，鲁棒性却并不是 很强。 针对以上问题，本文提出了ＰＭＳＭ的自适应 云模型控制算法研究。利用自适应云模型控制器 完全取代ＰＩＤ控制器，在分析了自适应云模型结 构后设计了ＰＭＳＭ自适应云模型控制器。在分 析了ＰＭＳＭ电流闭环系统的情况下，将自适应云 模型结构应用于ＰＭＳＭ电流闭环系统，并搭建基 于自适应云模型控制算法的ＰＭＳＭ试验平台。 试验结果表明提出的ＰＭＳＭ的自适应云模型控 制算法精度高、性能稳定。 １ ＰＭＳＭ电流闭环控制 根据ＰＭＳＭ工作原理，可得如图１所示的 ＰＭＳＭ分析模型，其中ｄ－ｑ轴为实际转子位置，０ 为实际转子位置角。 Ｃ 图１ ＰＭＳＭ分析模型 在 参考轴坐标系下的ＰＭＳＭ动态模型 可以表示如下： ～４２一 一 ｓｉｎ ＋ Ｌ — ＋ 的＋ －－Ｒ ｉ ＋￣ｔｏｓｉｎ０＋ ＝ｔｏ 争＋ ｃｏｓ 一 ｉ￣ｓｉｎ０－号 一 ＋Ｔ ∞鲴一Ｔ 了 （４） 式中： 、 —— 轴定子电压； —— 轴定子电流； ——定子绕组电感； ——定子电阻； ——永磁体的磁通； ｐ——极对数； ——负载转矩； 。卜转动惯量； Ｂ——阻尼系数； ｔｏ——转子速度。 其中： 、 和 分别为 、０和 的微分。 在ｄ－ｑ参考轴坐标系下的ＰＭＳＭ数学模型 可以表示如下： ｄ—ｉ：Ａｉ＋Ｂ ＋Ｄ （５）
＝ｒ＿ 一 小叫 。／Ａ ￡。小 其中， 【 一 Ｌ ·
。＝［一 ０ 。 】； ＝［ ：】；“＝［ ：】； Ｒ、ｉ 和 、“ 分别为ｄ—ｑ参考轴下的电流 和电压；ｔｏ 为电角速度。 ＰＭＳＭ的电流闭环系统如图２所示。ｉ。的值由 经过转速调节器确定， 为给定的角度，ｏｏ是转 速位置估计后得到的转子角度。 。与转矩有关，ｉ 与磁通有关。在实际控制中，常将ｉ 设置为０。经 典控制中，常将电机的三相电流进行Ｃｌａｒｋ变换和 Ｐａｒｋ变换得到的电流值与给定的电流值相减得到 电流误差，再将电流误差进行ＰＩＤ控制。
图２ ＰＭＳＭ电流闭环系统 （１） ２ ＰＭＳＭ的自适应云模型控制 （２１ ２．１ 自适应云模型概念
（３） 云模型理论用定量和定性概念表示同一特 、毫｝札与拄刊应用２０１８，４５（３） 控制与应用技术ｌ ＥＭＣＡ 征，可以通过特征的云模型来反映出人们对物体 认识的本质，云模型自适应算法的具体原理如 图３所示。在图３中，差变量控制块主要是表示 用期望值和实际值的偏差来确定输出量所需要的 修正值；控制量校正块的作用则是将需要校正的 输出相应量转变为需校正的控制量；规则修改块 的作用是通过修改控制规则来实现校正量。工作 思路是：通过对反映输出量大小的误差信号的测 量，获得需要校正的输出相应量的信息，然后将其 转换成对控制输入的校正量，最后通过修改控制 规则实施校正量。这一过程都是在人不参与的情 况下来进行的，所以对干扰和对象参数的变化引 起的输出偏差量有较好的调节作用。
图３ 自适应云模型结构图 ２．２ ＰＭＳＭ自适应云模型控制器设计 基于自适应云模型的ＰＭＳＭ控制结构如 图４所示。
图４ ＰＭＳＭ自适应云模型控制结构图 本质上，控制器所实现的输入输出控制就是 一种映射关系，ＰＭＳＭ自适应云模型控制器的设 计就是ＰＭＳＭ自适应云模型映射器的设计。映 射器的设计步骤如下： 步骤１：令ｉ＝１， ：１，．ｉ｝＝１； 步骤２：生成前件云滴（ ， ）； 步骤３：生成后件云滴（ｙｉｋ， 步骤４：计算单规则映射输出值： 』ｖ Ｎ Ｙ ＝∑（ － ）／∑ （６） 步骤５：ｉ＝ ＋１； 步骤６：当ｉ＝Ⅳ时，执行步骤７；否则返回步 骤２（其中Ｊ７、ｒ为规则个数，本映射器中Ⅳ：５）； 步骤７：计算云模型映射器总输出值： Ｎ Ｎ Ｙ＝∑（ · ）／∑ 。 （７） 云模型的控制规则如下： 规则一：Ｉｆ电流正误差较大，Ｔｈｅｎ正控制量 较大； 规则二：Ｉｆ电流正误差较小，Ｔｈｅｎ正控制量 较小； 规则三：Ｉｆ电流误差为零，Ｔｈｅｎ控制量为零； 规则四：Ｉｆ电流负误差较小，Ｔｈｅｎ负控制量 较小； 规则五：Ｉｆ电流正误差较大，Ｔｈｅｎ负控制量 较大。 其中所提及的电流正误差较大是０．０２ Ａ，电 流正误差较小是０．００５ Ａ，电流误差为零是０ Ａ， 电流负误差较大是一０．０２ Ａ，电流负误差较小是 一０．００５ Ａ。０．０２、０．００５、０、一０．０２、一０．００５ Ａ作为前 件云的５个期望，对应的控制量的后件云期望分 别是０．２、０．０３、０、－０．２、－０．０３。前件云与后件云 的参数如表１所示。 表１前件云与后件云参数 前件云五规则 后件云五规则 （Ｏ．０２，０．２，０．０８） （０．００５，Ｏ．０５，０．０２） （０，０．００１，０） （一０．０２，０．０５，０．０２） （一０．００５，０．２，０．０８） （Ｏ．２，０．２４，０．０３） （０．０３，０．５，Ｏ．０４） （０，０．０１，０．０４） （一０．２，０．５，０．ｏ４） （一０．０３，０．２４，０．０３） 白适应云模型的控制规则前件云与后件云的 定性表示如图５和图６所示。 上述规则根据步骤１、步骤２、步骤３生成前 件云和后件云的云滴。所生成的云滴根据步骤 ４，进行每条规则映射输出的计算，根据步骤５与 步骤６可以循环完成五条规则的映射输出。云模