文摘

在本文中,一个简单的扩展卡尔曼滤波器(EKF)控制器直接转矩控制(DTC)的六相感应电机全速范围。本文的目的是减少算法的执行时间六相感应电动机的建模。该方法速度快,可以在网上操作。如果机器在操作参数改变,激活EKF算法找到参数用于控制电机。在低速,不仅电机转速测量,而且机器的DTC是困难的。卡尔曼滤波器模型可以估计的速度、流量、负载转矩,在低速和定子电阻;因此,优化可以执行在所有负载和速度范围。该方法增加六相感应电机DTC的准确性,降低了计算成本系统的使用简化的算法。仿真和实验结果验证了该方法的有效性和鲁棒性对参数变化。

1。介绍

疫情和竞选机器是两种常见类型的多相机器在多个应用程序中使用(1- - - - - -4]。增加机器的阶段导致一些优势(如高冗余和减少转矩脉动,5- - - - - -7]。磁场定向控制(FOC)和直接转矩控制(DTC)技术实现速度控制疫情和竞选机器(8- - - - - -11]。这些方法没有很满意的响应在低速应用程序。在低速应用程序中,它需要一个合适的参数和速度估计方法。DTC方法是一个简单的和健壮的方法对参数变化。该方法已在负载变化非常快的动态响应。因此,这种方法被用于许多工业应用。DTC是一种强大的方法在几种类型的交流机的控制。这种方法有很好的响应控制疫情和竞选感应机(12]。DTC方法的的一个主要错误是由于定子电阻的变化,这是在低速条件下更为严重。定子电阻变化不同电机的温度。如果不考虑定子电阻变化的DTC方法,然后导致控制器输出一个错误(13- - - - - -16]。因此,提高DTC方法的准确性,需要一个合适的方法来估计定子电阻(14]。估计定子电阻,几种方法在文献中使用。Antonello et al。17)提出了一种在线估计定子电阻的新方法 ,这是适合各向异性马达。证明这种方法测量电机定子电阻没有信息参数,提高信噪比(信噪比)。一个合适的方法来估计定子电阻的基础上,提出了机械损耗和转矩在所罗门的研究等。18]。这种方法适用于离线估计的阻力和感应电动机的服务应用程序。本文采用粒子群优化(PSO)算法基于通量方程和转矩误差最小化。一个分析方法估计同步电动机的定子电阻和DTC提出了基于这种方法的研究Sangsefidi et al。19]。这种方法使用的定子电阻误差的影响估计定子磁通和电流向量夹角。双三相绕组温度与直流信号注入机估计研究Baneira et al。20.]。这个信号注入的子空间取消了转矩脉动,气隙磁通。这种方法只能用于多相机建模的这种类型的自由。的问题识别的研究中提出了一种无传感器IM阴et al。21]。本文运用一阶近似误差动力学的一种自适应观测器。感应电动机只包括已知的信号;因此,该方法是可行的。定子电阻估计基于相移补偿器的研究给出了Barut et al。22]。这个方法是解耦的速度估计的operating-point-tracking补偿系数。

扩展卡尔曼滤波器(EKF)是一个强大的估计量的估计不仅定子电阻,而且机器的负载转矩和磁通(23- - - - - -29日]。该方法用于机器数篇论文来估计参数。这个方法适用于估计参数随负载的机器和参数变化(25- - - - - -28]。如今,在DSP处理速度的增加,在线实验的卡尔曼滤波器是可能的。感应电动机具有随机特性;因此,卡尔曼滤波器可以很容易地用来模拟它。同时,它可以用来控制机器,当机器用于低速或机器参数是多种多样的。其他估计用于感应电机参数的参数估计(30.- - - - - -33]。卡尔曼滤波器用于模型六相感应电机与强大的结果(34,35]。

一个简单的扩展卡尔曼滤波器(EKF)损失模型控制器(LMC)效率改进的六相感应电机全速范围内提出(36]。该方法快速、可以在线操作。如果机器在操作参数改变,激活EKF算法找到的参数,以确保最佳的操作效率。卡尔曼滤波器模型可以估计速度、负载和电机效率在低速度范围,以便优化可以执行在所有负载和速度范围。与传统LMC方法不同,该方法是独立的参数变化(36]。

多重速率的参数和状态估计方法基于卡尔曼滤波器理论提出了感应电动机负荷感应电动机的转矩估计。实时实现的方法是在PC集群节点,它充当了感应电动机的控制器实验装置。一个多重速率的模型参考自适应系统(mra)提出了估算转子时间常数为保证高性能控制的感应电动机37]。

定子和转子电阻的变化与温度有关的,这引起很大的估计误差速度和流量,速度传感器控制一直是一个关键问题。估计同时定子和转子电阻的变化的速度传感器控制IMs在不同的操作条件下,估计是开发基于扩展卡尔曼滤波(EKF)的技术。为了解决不稳定问题同时估算的定子和转子电阻,通过考虑定子电阻估计依赖于温度和热动力学的定子绕组,而转子电阻估计作为一个恒定状态(38]。DTC的IM和卡尔曼滤波器来估计定子固定轴组件的定子电流、定子通量,定子和转子电阻的假设可用的定子电压/电流和转子的速度提出了研究Demir et al。39]。在线估计的转子和定子电阻有一个很好的响应使用单一EKF算法和速度传感器(39]。

合适的卡尔曼滤波器估计提出了准确的通量和速度估计速度非常低和零。这种技术应用与速度传感器直接矢量控制和两个卡尔曼滤波器算法,通过算法从一个切换到另一个在每个采样时间。切换方法需要准确和参数估计数量的增加。瞬态和稳态转子和定子电阻估计速度传感器即时通讯控制是一个重要的挑战是研究中报道了Barut et al。40]。

本文的目的是减少算法的执行时间六相感应电动机的建模。该方法提高系统的精度,降低了计算成本。此外,DTC的准确性提高六相感应电机的定子电阻估计。该方法使用一个合适的EKF算法来估计通量和负载转矩。提高DTC方法的准确性与在线定子电阻估计量。6 pim的卡尔曼滤波器建模是准确的和健壮的参数变化。本文提出一个合适的DTC 6 pim的速度范围。如果负载改变,EKF算法快速、准确地估计负载和速度。同时,提出了算法的鲁棒性与电阻变化。速度估计是一种强大的工具在速度计算在所有速度范围,因为速度计算电机的低速和零是极其困难和错误。

摘要六相感应电动机的建模和DTC 6 pim推断,第一。6 pim的卡尔曼滤波器建模是在下一节中描述。合适的DTC 6 pim使用卡尔曼滤波器的参数估计。最后,仿真结果显示所提议的方法,然后,实验结果验证了该方法的正确性在所有速度范围。

2。六相感应电动机模型

2.1。建模和DTC的六相感应电动机

向量空间分解方法(VSD)是用于建模的6 pim。用这种方法和应用66矩阵,由六个阶段组成的电压、电流、流量方程转化为三个子空间。这些子空间命名为 。电机磁通产生的主要映射到的谐波电流和电压子空间。6实现pim的DTC子空间和其他当前子空间引用都设置为零。因为谐波映射到只有生产损失和各控制方法视为零。6 pim建模与房间隔缺损方法以下方程所示。所有电机符号表1。

六相感应电动机的动态模型可以显示为子空间

X是系统的状态向量,Y是电机的测量参数,U输入向量在吗子空间。所有系统的噪声 ,和测量设备的子空间 。

而

所有的驱动系统和测量设备噪声子空间建模 。合适的离散模型所需的电机DSP-based控制马达。6 pim的离散模型推导出离散化的状态向量。如果采样时间 ,离散状态向量子空间是 在哪里 。

2.2。降阶卡尔曼滤波器建模6 pim

速度较低时,速度传感器质量下降。卡尔曼滤波器是一个强大的估计量,可用于提高评估的准确性。卡尔曼滤波器的输出与实时响应与部分使用。六相感应电动机的卡尔曼滤波器模型可以通过递归方程表示如下: 在哪里

三协方差矩阵(问,R, )用于模型系统,测量,和输入系统的噪声。以上方程运行递归地减小估计误差。因为上面的EKF算法需要大量的时间来执行,卡尔曼滤波器模型可以简化如下:

提出了降阶卡尔曼滤波器建模的六相感应电机可以用来减少电机的建模算法的执行时间。该方法的执行时间减少,同时,系统的复杂性降低。提出了降阶卡尔曼滤波器(ROEKF)建模图六相感应电动机DTC的图所示1。

动态卡尔曼滤波器的性能和ROEKF有关问和R初始值。通过改变这些参数,卡尔曼滤波器响应将略有改善。一个卡尔曼滤波器估计量有一个很大的主要错误的开始时间是相关的问和R矩阵和初始值可调。同样,如果状态矩阵的初始值将是接近真实值,提高动态响应的估计量。本文初始值的参数被认为是独立于初始值不确定和估计。

在不同的应用程序中,卡尔曼滤波器估计是经常调整常数参数矩阵。在一个卡尔曼滤波器估计量,问量化系统建模不准确,R量化测量噪音的系统。一个低问导致一个缓慢的瞬态响应,高问导致稳态阻力的高噪声估计。根据审稿人的建议,我们使用一个不同的自适应调整问矩阵的函数估计错误,即高的价值问选择在瞬变,低价值的稳定状态,线性变化确保之间的限制。自适应卡尔曼滤波器的优化是实现文献报道使用不同的适应机制问和R矩阵,基于估计噪声水平的降低。在本文中,我们使用一个简单的适应机制适合DTC的机器。观察者的沉淀时间必须低于控制器的沉淀时间,在替代条款。在使用自适应技术问矩阵是不同的某些限制的值,不妥协滤波器的收敛,因此没有副作用的带宽控制器。

这些参数被选择的基础上算法的闭环性能和计算成本。系统参数的值和协方差矩阵元素是非常有效的卡尔曼滤波器估计的性能。在本文中,为了避免计算复杂度,系统噪声的协方差矩阵问以对角形式选择,也满足积极明确的条件。根据KF理论,问和R矩阵必须得到考虑的随机属性对应的声音。然而,由于问和R通常是未知的,在大多数情况下,协方差矩阵元素作为加权因子或调优参数。一般来说,而优化的初始值(估计误差协方差矩阵)和问是由实验试错来实现快速初始收敛和所需的瞬态和稳态行为,问和R确定考虑电流和电压传感器的测量误差和量化误差的adc。

在实现卡尔曼滤波方法中,一些计算只会增加计算时间,虽然他们不会导致参数估计,很大程度上占的CPU量计算。所需的代码内存略有增加,但所需的数据内存减少的方法。同时,减少计算时间会增加算法的准确性,降低实施成本。与状态向量(4),在前面的EKF方法,所有矩阵维度将选为6。例如,矩阵有66个维度,但在该方法,矩阵维数选为(16)。如果状态向量有八个变量,该方法减少了执行时间接近四分之一。这意味着降低75%计算。减少的卡尔曼滤波器计算,所选样本的时间却降低了。

3所示。仿真和实验结果

在本部分中,首先,ROEKF性能参数估计在6 pim数据所示2和3。在这些模拟,电动机转速引用50 rad /秒和2 rad /秒,分别。EKF算法和估计所有国家很活跃。根据这个图,定子电阻变化在6秒,和负载变化2秒,然后5秒,但卡尔曼滤波器算法可以很好地预测这些变化。图2显示了定子电流,通量,定子电阻,负载转矩和速度估计六相感应电动机的50 rad /秒。根据图2,负载转矩为0.1 Nm的开始时间和变化在2秒4.5海里。结果表明,该方法有很好的反应,估计误差较低。

图3显示了参数估计的结果在ROEKF低速状态。在这个图中,电机速度是1 rad /秒,该方法完全可以估算所有参数在低速度。在图3,负载转矩为0.1 Nm的开始时间和变化在2秒4.5海里。图3显示当前和通量(dq)轴,负载转矩、定子电阻,电机转速和相电流估计。根据结果,提出ROEKF技术是主动与负载和定子电阻的变化,可以快速、准确地估计实际值。DTC方法的精度密切相关,准确估计定子电阻。DTC方法是高度依赖于定子电阻的实际金额,计算阻力和任何错误将导致这种方法失败。DTC方法依赖的电阻的实际价值非常高,尤其是在低速。任何错误在定子电阻的实际价值将会导致一个错误控制和不稳定的系统。

这台机器是由一个由六个阶段组成的直粱VSI。为了执行6 pim闭环DTC,六个定子电流阶段感觉到使用LEM电流传感器。四个电流传感器是用来感觉相逆变器的电流。数字化传感器的输出作为参数使用经颅磁刺激中六12位A / d板。六相感应电动机是由一个三相感应电动机定子反复。

该方法的实验结果在50 rad /秒图所示4。六相感应电动机参数如表所示1。电机速度50 rad /秒,电动机负载没有负载,改为1.5海里t= 2.7秒。提出了EKF算法可以估计所有参数完全类似于仿真部分。结果表明,该算法是活跃在定子电阻变化和负载变化。交换数组有六个7.8Ω与定子的电阻。一个继电器把电阻短路状态。在这种状态下,定子电阻等于Rs。通过指挥交换阵列电阻,可以添加或删除额外的阻力定子电阻在指定的时间。

比较的数学操作数字EKF和ROEKF如表所示2。在这个表中,各种功能使用在这些算法进行了比较。在ROEKF,数学函数的数量减少;因此,减少了算法的执行时间。尽管减少执行时间,算法估计的准确性没有改变。在拟议的方法,它可以避免不必要的计算,减少了计算时间。

同时,字节内存空间在该方法减少了。表3显示内存空间的比较中使用卡尔曼滤波器和ROEKF方法。根据表2和3算法的执行时间是减少近50%,使用内存空间却降低了35%。电动机本文所使用的符号如表所示4。

4所示。结论

EKF DTC的六相感应电动机提出了能够控制电机全速范围。结果表明,该方法是活跃在负载变化和参数变化。如果电动机转速较低,该方法估计的速度和定子电阻。如果定子电阻估计错误,DTC的错误,也许,它是不稳定的。拟议中的ROEKF具有很高的速度估计方法。该算法可以实现低成本的微处理器。该方法的执行时间减少,同时,系统的复杂性降低。该方法减少了执行时间,防止未计算在DSP和FPGA实现。证明了该方法的性能,仿真和实验结果。

数据可用性

MATLAB文件数据用于支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本文的部分支持由陕西省特别支持科技创新项目领导人和部分由陕西工业重点项目(2018 gy - 165)。从陕西省重点实验室开放研究基金的复杂系统控制和智能信息处理(2020 cp01)。