开关磁阻电机控制技术研究与发展综述

开关磁阻电机控制技术研究与发展综述 莫晓晖 【摘 要】总结了近年来开关磁阻电机(SRM)控制技术方面的研究成果,分析和介绍了各种控制技术的优缺点.在此基础上,提出了应用于SRM控制的复合控制策略,以及其实现需要解决的主要问题.最后指出了SRM控制技术的研究和发展方向.

【期刊名称】《金陵科技学院学报》 【年(卷),期】2013(029)003 【总页数】5页(P11-15) 【关键词】开关磁阻电机;控制技术;转矩脉动;复合控制 【作 者】莫晓晖 【作者单位】金陵科技学院信息技术学院,江苏南京211169 【正文语种】中 文 【中图分类】TM352

作为上世纪 80年代发展起来的一种新型传动系统,开关磁阻电机驱动系统(Switched Reluctance Drive System,SRD)主要由开关磁阻电机(Switched Reluctance Motors,SRM)、功率变换器、控制器、位置检测器等 4大部分构成,综合应用了电力电子、微电子和电机控制技术,是典型的机电一体化产品[1-2]。SRM具有结构简单坚固、成本低、工作可靠、控制灵活、运行效率高、适用于高速与恶劣环境等优点。目前,SRD广泛应用于高速生产设备驱动、电动汽车、家用电器、航天飞机、机械手直接驱动等领域,应用前景广阔。 SRD的机械结构简单坚固,但由于电动机定子、转子的双凸极结构,单边励磁方式以及开关式的供电电源,使 SRD拖动系统成为一个多变量、强耦合、非线性异常严重的系统,这决定了对 SRD系统必须采用合适的控制技术,才能提高其各项性能指标。随着非线性控制理论的逐渐发展成熟,国内外学者对SRD控制技术进行了深入的研究,滑模变结构控制、神经网络控制、模糊控制等非线性控制技术不断应用到 SRD控制中,获得了较为理想的控制效果。 1 SRD控制技术研究与发展 在SRD发展初期,为了提高其运行性能,对SRD的研究主要集中在改进SRM的结构设计和功率变换器电路分析设计上,而对 SRD控制技术的研究,是以 SRM的线性数学模型为基础,应用线性控制技术,实现 SRD运行控制。 1986年,Bose等人针对 SRM线性模型,设计了以电流控制为前馈、速度控制为反馈的PID控制器,但由于未考虑 SRD的严重非线性以及系统运行中参数变化等原因,PID控制器几乎无法实现有效控制,SRM转矩脉动大,系统鲁棒性差[3]。近年来,许多学者在抑制 SRD转矩脉动、提高系统性能方面,提出了各种适合的控制技术,并为此做了大量深入细致的研究。 1.1 非线性状态反馈线性化控制 由于SRD是多变量强耦合的非线性系统,1987年,Marija Ilic’-spong等人首次在 SRD伺服控制系统中应用了非线性控制的微分几何方法,提出了非线性状态反馈的线性化控制技术[4],对 SRM非线性进行了有效补偿,使其在换相期间,原导通相绕组电流快速降低,新导通相电磁转矩迅速建立,减小了前相残余电流对输出转矩的影响,平滑了换相前后的电磁转矩,减小了转矩脉动。但是,该系统的实现是以 SRM的所有参数全状态可测(转子位置、定子电流、转速、加速度)为基础。1996年,Panda等人将反馈线性化控制理论引入到SRM的速度控制系统中,取得了较好的效果[5]。但是,反馈线性化控制技术能否有效应用的前提是,被控对象要有较为精确的模型,而建立 SRM精确的非线性模型是十分困难的。图 1为 SRM非线性反馈线性化控制的轨迹跟踪系统结构。 图1 SRM非线性反馈线性化控制的轨迹跟踪系统Fig.1 Trajectory tracking system based on nonlinear feedback linearization control of SRM 1.2 非线性内模控制 非线性反馈线性化控制具有控制技术简单的特点,但其实现需要被控对象有较为精确的数学模型;而内模控制却对系统模型要求不高,对系统参数的变化及各种干扰具有强鲁棒性,而且不需要积分器就能消除系统稳态误差,保证被控对象输出收敛于给定值。因此,将非线性反馈线性化技术的简单性和内模控制结构的强鲁棒性有机结合形成了非线性内模控制技术。 2002年,葛宝明等人以抑制 SRD转矩脉动为目的,将非线性内模控制技术应用于 SRD中,依据非线性内模控制理论,设计了转矩控制的非线性内模控制器[6]。实验结果表明,系统转矩脉动小,鲁棒性强,没有静差,动态特性好,系统性能优良。 图2 SRM变结构控制系统Fig.2 Variable structure control system of SRM 1.3 滑模变结构控制 1993年,Buja等人首次将变结构控制技术应用于SRD,将电机转矩脉动作为系统干扰,将电机非线性作为系统增益偏差[7],系统不需要电机的先验特性便可克服 SRD中的转矩脉动问题,系统结构见图2。与传统控制方法比较,变结构 SRD控制具有转矩脉动小,对干扰及参数变化不敏感,控制方法易实现等优点,但该控制方法以 SRM工作于磁特性曲线线性区为前提,未考虑磁饱和及相间耦合的影响。1997年,Tzu-Shien Chuang设计了以直流侧电流反馈为系统内环的近似滑模功率控制,同时设计了包含前馈和积分补偿的滑模速度控制为速度外环,系统鲁棒性强,控制效果好[8]。 2005年,Sahoo等人应用滑模变结构控制技术实现了 SRD直接转矩控制,有效抑制了转矩脉动[9]。 1.4 自适应控制 SRD在运行过程中由于电机负载以及工作环境条件的改变,SRD中的某些参数可能会出现一定程度的变化。为了提高系统对参数波动和动态不确定性的适应性,在 SRD控制系统的设计中,提出了应用于SRD的自适应控制技术。 1992年,Amor针对三相 SRD全阶参数非线性模型,设计了自适应反馈线性化控制器,该控制器实现了参数在线估计,无需预先测试参数,也无需测量电机的加速度。实验结果表明,该系统干扰抑制能力强,转矩脉动小,但是由于该方法忽略了磁路饱和影响,因此系统误差较大[10]。 1998年,Bortoff根据 Fourier正弦基函数和 B样条基函数,建立了SRM关于转子位置和相电流的电磁转矩非线性模型,基于该模型,将自适应反馈线性化技术应用于 SRM。实验结果表明,该系统在低速、高转矩运行模式下轨迹跟踪性能良好,但是大量的参数会导致系统的瞬态性能较差[11]。1999年,Milman对该方法进行了改进,设计状态观测器来获得转子转速[12]。2000年,Russa将自校正控制理论应用到SRD的控制中,实现了非线性磁链模型中的参数的自适应调整[13]。2001年,Agirman依据转矩分配策略,确定了关于期望转矩和转子位置的相电流函数表达式,然后在线计算实际转矩与期望转矩的偏差,并以此作为调节控制指令的依据,实现了转矩的自适应控制,减小了转矩脉动[14]。 1.5 人工智能控制 近年来,人工智能控制理论发展迅速。由于人工智能控制具有很强的自主学习能力、自我适应能力,同时就数学本质来说属于典型的非线性控制,因此人工智能控制在 SRD中的应用越来越广泛。 图3 SRM自适应模糊转矩控制系统Fig.3 Adaptive fuzzy torque control system of SRM 1999年,Mir设计了 SRM自适应模糊转矩控制器[15],该控制器以转矩脉动最小为设计目标,不需要SRM的先验知识,对转子位置反馈误差鲁棒性强,转矩产生在最大电磁转矩产生区域,避免了高电流峰值,增加了转矩密度,减小了电机转矩脉动。系统结构见图 3。 2006年,Lin使用B样条神经网络对 SRM的转矩脉动抑制进行了研究[16]。 1.6 非线性 PID控制 在工程实际中,PID控制技术应用最为广泛,但由于 SRD是多变量强耦合的非线性系统,传统的 PID控制无法获得良好的控制效果。因此,许多文献针对SRD,提出了模糊控制、神经网络控制、变结构控制等改进的非线性 PID控制。 1997年,Zhu将变结构控制理论与PID控制结合,实现了用于SRD速度控制的变结构PID控制器[17]。1997年,Panda把模糊控制和传统的PI控制有机结合,设计了用于SRD速度控制的模糊PI控制器,其中P的参数由模糊逻辑根据速度偏差实时调节[18]。2003年,Hossain将反馈线性化控制与 PID控制相结合,实现了SRM转速调节[19]。2005年,夏长亮等人提出了一种应用 RBF神经网络理论实现SRM的PID控制方法[20]。 1.7 总 结 上述先进控制技术的提出,部分解决了 SRD的非线性多变量强耦合问题,但由于其中大多数非线性控制理论较为复杂,涉及到较深入的数学和控制理论知识,这些控制方法的数字化实现相当复杂,而难以用于SRM实时控制,如神经网络控制。有些在理论分析包括仿真研究上有效的非线性控制方法,如果不考虑SRM特点而从应用角度重新设计数字化控制实现方案,往往会由于参数调节规律难、计算量大、实时性差等因素而无法真正应用或难以取得好的系统性能。 除了上述算法的实现问题,目前已有的控制技术还存在如下问题。首先许多方法需要知道系统的精确模型,当模型某个参数未知或者难以精确测量得到,算法就无法应用。例如,反馈线性化为代表的方法。另外许多方法虽然不需要知道精确模型,但是由于控制设计很少利用系统模型信息,方法缺乏面向 SRM模型特点的针对性设计,方法局限性较大,系统性能亦难以进一步提高。例如,基于误差信号或者利用人工智能的方法。 2 复合控制技术的提出 在SRM的运行过程中,电机负载及其它环境条件的改变,是影响系统性能的一个重要因素。这类扰动主要包括系统外部扰动和系统内部扰动(参数变化,未建模动态等)。因此,在控制器的设计中要充分考虑对系统扰动的有效抑制,否则由于扰动存在会使得闭环系统性能变差甚至不稳定,难以保证高性能控制要求。但是,这类外部扰动很难对其机理进行分析和建模。为了解决该问题,设计系统扰动观测器或估计器是行之有效的手段,它应不依赖于精确扰动分析建模,并可以将观测估计结果与控制设计进行有机结合。 图4 复合控制系统Fig.4 Compound control system of SRM 综上所述,为了更好的抑制扰动对系统的不利影响,对控制器的设计,提出新型的复合控制技术,复合控制系统原理见图 4。 以 SRD调速控制为例,图 4中广义对象是包含功率变换器和 SRM等电流环环节的被控对象。复合控制器由2部分组成:1)基于扰动估计的前馈控制项,用来补偿扰动对系统的不利影响;2)基于非线性控制的反馈控制项,可以采用合适的非线性控制方法进行设计。这样设计的好处是由于有了对扰动的补偿作用,系统的模型更加理想,有利于非线性反馈控制发挥其闭环调节能力,使得闭环系统能够有效抑制外部扰动,取得高性能的控制结果。 在干扰观测器设计方面,当 SRM负载、转动惯量和相绕组电阻等变化时,分析这些不同扰动的特点,结合系统惯量辨识、负载观测、定子电流检测、位置检测等技术,给出相应的干扰观测器设计和自适应补偿设计。要求这类干扰观测估计器设计不依赖于对扰动的精确数学建模,实现性好。在反馈控制设计方面,可采用滑模控制等方