交流感应电机参数辨识方法的综述

综述与专论 《机电技术》2009年增刊 9交流感应电机参数辨识方法的综述 陈凌飞 黄敬党 （福建农林大学机电工程学院 福建 福州 350002） 摘 要：在矢量控制和直接转矩控制系统，电机参数准确性决定了系统控制性能。本文介绍了当前交流感应电机参数辨识的方法,例如有限元分析、递推最小二乘法、扩展卡尔曼滤波、模型参考自适应、人工神经网络和遗传算法等。最后介绍了参数离线辨识和在线辨识的作用。 关键词：矢量控制 直接转矩控制 交流感应电机 参数辨识 中图分类号：TM346+.6 文献标识码：A

The Overview of AC induction motor parameter identification methods Chen Lingfei Huang Jingdang (College of Mechanical and Electrical Engineering，Fujian Agriculture and Forestry University， Fuzhou 350002，China) Abstract: In the vector control and direct torque control,the motor parameter determine the accuracy of the performance of the system.The article describes the current AC induction motor parameter identification methods, such as finite element analysis, recursive least squares method, extended Kalman filtering, model reference adaptive, artificial neural networks and genetic algorithms.Finally,it describes the fuction of off-line idetificatio and on-line idetification . Keywords: Vector control，Direct torque，AC induction motor，Parameter identification

引言 在现代交流感应电机变频调速中，矢量控制被认为是一种理想、技术较为成熟的一种控制方法，它实现了对电机的励磁电流和电枢电流的解耦，能够按照直流电机控制规律来控制。在矢量控制系统中，要是控制系统采用的参数同电机实际参数不匹配，将严重的影响系统的性能。另外，在无速度传感器的直接转矩控制中，同样需要辨识电机参数。

1 辨识方法的分类 目前，交流感应电机包括离线辨识和在线辨识。离线辨识的具体的做法是，在电机运行之前，变频器自动执行一套辨识电机参数的程序，对电机施加特定波形的激励，电机在一般的情况下是处在静止的状态，检测电机的对激励的响应辨识电机的参数，并将这些参数设定好，也称为“参数自整定”[1-3]。离线辨识能够为矢量控制、直接转矩等控制系统提供足够精度的电机参数初始值，但是在电机运行的过程中，电机的参数不是恒定的。例如，电机温度变化、频率不同引起的集肤效应，会影响电机定转子的阻值；磁场的饱和也会影响电感参数等。在线辨识就是为了解决这种参数变化的问题，对电机参数进行实时在线辨识然后对控制系统中参数进行校准，也称为“参数自校准”。

2交流感应电机辨识具体方法 电机参数辨识方法如果是按照何种数据可以测量，那些数据可以使用，辨识的方法可以分为以下几种。一是由电机结构的数据来辨识电机参数，该类方法需要十分详细的电机结构参数，例如电机的几何尺寸和制造电机所用的材料等等，该类方法主要基于现场计算，例如有限元分析[10]。二是频域辨识，根据系统的频率特性来获得电机参数。虽然频域辨识在计算已经较为成熟，且稳定性好，但是由于其是《机电技术》2009年增刊 综述与专论 10建立在线性稳态系统分析上，因此不能很好的反应像交流感应电机动态系统，因此这方面研究逐渐减少。三是时域辨识，目前交流感应电机参数辨识方法都属于这种方法，例如递推最小二乘法（RLS）、扩展卡曼滤波（EKF）、模型参考自适应（MRAS）等等。四是人工智能方法，例如遗传算法、人工神经网络、模糊逻辑控制等。 2.1 递推最小二乘法 最小二乘法作为一种回归估计方法，在目前电机参数辨识的研究中使用得比较多，其既可用于电机参数的离线辨识又可用于在线辨识。最小二乘法的目标函数为测量结果对计算结果误差的平方和，最优的结果实函数值等于零。由于最小二乘法的计算量不算大，适宜用于在线辨识，但是由于最小二乘法要求系统输出相对于被辨识参数是线性的，在寻优的过程需要用目标函数对电机参数的导数，对测量噪声很敏感，同时对转速的波动也很敏感[9-11]。

2.2 扩展卡尔曼滤波 扩展卡尔曼滤波是一种迭代形式的非线性估值方法，适用于有噪声污染的系统。这一方法适用于非线性、时变、多输入多输出系统的离线或在线辨识。但是由于卡尔曼滤波每一步都要进行矢量和矩阵的运算，计算量大，耗时长。该方法将交流感应电机参数辨识需要对电机的数学模型进行详细的预处理，将参数转化为状态变量，辨识的参数较多的时候，这种处理非常复杂[4-7]。

2.3 模型参考自适应 模型参考自适应是自适应的一种方法，其在电机参数辨识中，是以实际运行交流感应电机作为参考模型，电机的状态观测方程作为可调模型，电机的可测量作为估计偏差，来调整可调模型中的参数，以此达到辨识参数的目的。虽然模型参考自适应算法简单，易于实现，但是要是同时辨识电机多个参数，能否找到满足要求的参数自适应律还是个难题[16]。

2.4 人工神经网络 人工神经网络方法是近几年才开始发展辨识交流感应电机的方法，人工神经网络对电机参数进行辨识时，首先要确定网格，然后对输入和输出进行学习，学习的目的主要是让误差的函数目标值最小，找出系统输入/输出的关系。从当前应用看，人工神经网络方法在理论上还不成熟，在实际工程中应用还有一定的困难[12-13]。

2.5 遗传算法 遗传算法也是近年才兴起的一种辨识电机参数的方法，它主要是源于生物进化过程的启发。遗传算法主要是基于自然选择和进化的搜索算法，其具有通用性、并行性和随机性。遗传算法不受系统本身性质的限制，能够解决传统优化算法所不能解决的复杂问题等优点，但是由于遗传算法存在早熟和收敛速度低的问题，在辨识交流感应电机参数中利用遗传算法的在线辨识相当困难，目前该种方法只在理论仿真阶段，并未实际中应用[14-15]。

3 结语 对于上述的几种方法，即可以用于离线辨识，也可以用于在线辨识。对于离线辨识，其主要的任务是完成参数的自设定，其辨识的参数只要是可信度较高的初始值即可。对于在线辨识，主要是要跟踪电机参数的变化，对电机的参数进行校准，保证系统的控制性能。如果对所有的参数都进行在线跟踪，会消耗系统硬件大部分的资源，导致系统的控制性能下降。因此，在线辨识电机参数只要对变化较大和敏感程度高的参数进行在线辨识。例如，对于温度变化敏感的定转子电阻，高性能的矢量控制系统对转子时间常数非常敏感，转子时间常数是转子自感同转子电阻的商。实际上，很多矢量控制系统中，对电机模型进行简化，只在线跟踪转子时间常数变化是很多高性能调速系统的常用方案。 综述与专论 《机电技术》2009年增刊 11参考文献： [1] 余功军，钟彦儒，杨耕．无速度传感器矢量控制系统中的电机参数辨识 [J]．电气传动，1999，29（1）：7-10． [2] 郑婵珺．无速度传感器矢量控制系统及参数辨识 [D]．合肥：合肥工业大学，2001． [3] 许镇琳，何启莲，李国民，等．异步机矢量控制的电机参数参数自设定 [J]．电工技术学报，1995（1）：44-47． [4] Dell Aquila A，Papa S，Salvatore L，et al．A delayed state Kalman filter for on-line estimation of induction motor parameters and rotor flux sapce vector position [C]．8th Mediterranean Electrotechnical Conference，1996 (1)：269-273． [5] Kataoka T，Toda S，Sato Y．On-line estimation of induction motor parameters by extended Kalman filter [C] ．Fifth European Conference on Power Electronics and Applications，1993(4)：325-329． [6] Iwasaki T，Kataoka T．Application of an extended Kalman filter to parameter identification of an induction motor [C]．Conference Record of the 1989 IEEE Inducstry Application Society Annual Meeting，1989(1)：24-253． [7] Jaramillo R，Alvarez R，Urdenas V，et al．Identification of induction motor parameter using an extended Kalman filter [C]． 1st International Conference on Electrical and Electronics Engineering，2004：584-588． [8] N．A．O．Demerdash， J．F．Bangura，et al．Characterization of induction motors in adjustable-speed drives using a time-stepping coupled finite-element state-space method including experimental validation，IEEE Trans．Ind．Appl．35 (4) (1999) 790–802． [9] 张伟．无转速传感器异步电机矢量控制系统控制方法的研究 [D]．杭州：浙江大学，2001. [10] Cirricione M，Pucci M，Cirrincione G，Gapolino G A．A new experimental application of least-squares techniques for the estimation of the induction motor parameters [J]．IEEE Transactiongs on Industry Applications，2003，39(5)：1247-1246． [11] Cirrincione M，Pucci M．Experimental berification of a techique for the real-time identification of induction motors based on the recursive least-squares [C]．2000 7th International Workshop on Advanced Motion Control，2002：326-334． [12] Dongjin Bae，Dowan Kim，Hyun-kyo Jung，et al． Determination of induction motor parameters by using neural network based on FEM results [J]．IEEE Transactions on Magnetics，1997，33(2)：1924-1927． [13] Campbell J，Sumner M．Practical sensorless induction motor drive employing an artificaial neural network for online parameter adaptation [J]．IEEE Proceedings Electric Power Applications，2002，149(4)： 255-260． [14] 晋兆琼，基于遗传算法的感应电动机参数辨识的应用研究 [D] ．天津：天津大学，2001． [15] Abdelhadi B，Benoudjit A，Nait-Said N．Application of Genetic Algorithem With a Novel Adaptive Scheme for the Identigication of Inductio of Induction Machine Parameters [J]．IEEE Transactions on Energy Coneversion，2005，20(2)：284-291． [16] Zhou Xiaoyao，Cheng Haozhong．The induction motor parameter estimation through an daaptive genetic algorithem [C]．39th International Universities Power Engineering Conference，2004(1)：494-498．