永磁同步电机在线多参数辨识方法研究

在永磁同步电机伺服控制系统中,精确的参数辨识对于电机控制与运行状态监视具有重要意义。基于永磁同步电机在d-q轴的动态方程,在矢量控制的基础上,运用带遗忘因子的多新息最小二乘法,精确地完成了电机的在线多参数辨识。辨识过程仅需采集电机输出的电压、电流和转速信号,简单方便。仿真结果表明该方法具有较好的收敛性与鲁棒性。     

永磁同步电机在线参数辨识方法研究

针对在永磁同步电机参数辨识过程中,由于"数据饱和"和噪声影响,导致传统的递推最小二乘法存在参数估计误差大和收敛慢的问题。利用改进的递推最小二乘法提高参数辨识的精度和收敛速度,以满足伺服系统在不同工况下动态性能。首先,结合永磁同步电机数学模型,设计了一种折息递推最小二乘辨识算法,通过在传统的最小二乘法中引入"折息因子"增强了算法的灵活性。然后,通过对存在白噪声干扰的永磁同步电机模型进行辨识算法的动态仿真。最后,利用搭建的实验测试平台进行算法的实验验证。仿真和实验结果表明提出的折息递推最小二乘算法,在参数辨识过程中降低了旧数据对辨识结果的影响,增强了算法对噪声干扰的鲁棒性,提高参数辨识结果的准确性和实时性。     

嵌入式永磁同步电机自适应在线参数辨识

针对嵌入式永磁同步电机参数辨识问题,提出一种自适应在线参数辨识方法,可在同一模型中对定子电阻、d轴电感、q轴电感和永磁体磁链进行辨识.该方法基于模型参考自适应系统,在同步旋转d-q坐标系下,构造出q轴电流自适应观测器,利用q轴电流观测误差,借助Lyapunov超稳定理论建立参数的辨识模型并推导出待辨识参数的自适应律,保证了特定条件下系统的稳定性和辨识参数的收敛性,解决了参数在线辨识算法的鲁棒性差、算法复杂等问题.仿真和实验结果表明,辨识参数能够在较短的时间内收敛到真实值附近,并且具有较小的误差.     

表贴式永磁同步电机的多参数在线辨识

针对表贴式永磁同步电机的多参数辨识,提出一种基于模型参考自适应理论的在线辨识方法,可在同一模型中对定子电阻、交直轴电感和永磁体磁链进行辨识。该方法借助Popov超稳定理论设计自适应律,保证了特定条件下辨识的收敛性,同时采用分步辨识,克服多参数辨识的欠秩问题,保证了辨识结果的唯一性,从而实现多参数辨识。分步辨识首先利用电机q轴电流方程估算出交直轴电感,之后对d轴注入一个小电流值,利用已获得的电感值辨识出定子电阻和转子磁链,同时所辨识出的磁链可进一步用来在线估算定子电阻值的变化。仿真和实验结果表明,该方法可以在同一模型中准确辨识出电机的多个参数,且无需考虑电机的运行状态,具有实用性。     

基于神经网络的永磁同步电机多参数解耦在线辨识

为消除永磁同步电机数学模型欠秩性而引起的在线多参数辨识时的耦合影响,本文提出了一种矢量控制策略下的d轴负序电流瞬时注入神经网络解耦辨识方法,结合最小均方权值收敛算法,在线辨识出了表贴式永磁同步电机的电感、定子电阻和转子磁链,并通过增加网络结构中节点的方法削弱了逆变器压降、死区等因素对参数辨识精度的影响。实验结果验证了算法的有效性,在不影响电机系统正常运行的同时,实现多参数快速辨识,且具有较好的辨识精度。     

表贴式永磁同步电机准稳态多参数在线辨识

针对永磁同步电机参数传统稳态辨识与动态辨识的不足,提出了准稳态辨识模型以及关于表贴式永磁同步电机的准稳态多参数在线辨识方法。该方法以遗忘因子递推最小二乘算法为基础,以误差分析为优化指导,辨识精度较高。该方法可同时辨识表贴式永磁同步电机3个电气参数,辨识速度快,计算量适中,适合工程应用。以DSP和智能功率模块为实验平台基础的实验研究验证了所提出方法的可行性与有效性。     

永磁同步电机多参数辨识方法研究

针对永磁同步电机(PMSM)多参数辨识困难的问题,该文提出一种初始参数优化的混沌变异小生镜粒子群优化(NCOPSO)算法,并设计一个含有5个待辨识参数(定子绕组电阻,定子绕组交、直轴电感,永磁体磁链,转动惯量)的满秩数学方程组。该算法首先使用粒子群算法优化基本粒子群算法3个初始参数(惯性系数?,学习因子c1、c2)。再对优化后的粒子群使用小生镜策略,以连续多次迭代适应值变化小的粒子为中心构造一个小生镜群体。最后使用混沌变异策略,在每次迭代过程中,以每个小生镜群体最优粒子为基础迭代生成一个混沌序列,将序列中最优粒子随机替换当前小生镜群体某一粒子,同时对小生镜群体最差粒子进行初始化。经电机仿真与实验验证了该算法的可行性与准确性。     

仅已知单参数的永磁同步电机在线参数辨识

为了能在电机运行过程中得到电机的各项参数,提出遗忘因子最小二乘法在线参数辨识。在实际工况下,表贴式永磁同步电机仅需获取电机永磁磁链即可对电机的电感与电阻进行在线参数辨识。首先建立电机物理模型与矢量控制系统,而后将电机物理模型进行离散变换,将变换后的模型与遗忘因子最小二乘法相结合,从输出的待辨识矩阵中得到突变、渐变的电阻与电感,最后在Matlab/Simulink中进行仿真并搭建实验平台验证算法。仿真得到渐变情况下的辨识电阻与电感的平均误差分别约为1.152%和0.36%。突变情况下的辨识电阻与电感的平均误差分别约为1.23%和0.2334%。实验验证得到的辨识电阻误差为4.05%,辨识电感误差为1.94%。     

永磁同步电机基本参数在线辨识

在多轴工业机器人的工程应用中,由于实际运行环境的差异,使得永磁同步电机的参数发生改变。为了保证机器人运行时的性能和精度要求,就需要实时了解电机参数的变化情况。针对这一问题,采用最小二乘法对电机的输入输出数据进行实时的递归计算来估计永磁同步电机的定子电阻Rs,交直轴电感等基本参数。仿真结果表明,最小二乘法收敛速度快,辨识精度高,能够很好地辨识电机的诸多基本参数;当λ从0.9增大到0.98时,波动幅度从16.5%降低至0.5%,可见随着λ逐渐变大,波动明显减小,辨识输出更加趋于稳定,辨识精度更高。     

考虑死区补偿的永磁同步电机在线参数辨识

针对永磁同步电机控制过程中参数失配问题,深入分析了永磁同步电机的数学模型,设计了基于模型参考自适应系统(MRAS)的参数在线辨识方法。为避免辨识过程中逆变器死区效应的影响,提出一种基于电压模型线性补偿的死区补偿方法,通过分析逆变器插入死区后的电压模型计算出死区压降,将死区压降补偿到MRAS参考模型及自适应律中以提高辨识算法的稳定性和准确性。通过仿真证明了参数在线辨识方法和死区补偿方法的有效性。     

船舶推进永磁同步电机参数在线辨识方法研究

永磁同步电机(PMSM)因其优良的转矩特性和宽广的调速范围而广泛应用于船舶电力推进领域。无位置传感器控制是系统可靠运行的重要保障。然而由于温度变化、磁场饱和效应和磁路交叉耦合作用,电机参数会随运行工况而发生变化,因此实时掌握PMSM运行参数是决定系统控制质量的重要保障。针对以上问题,将模型参考自适应法用于PMSM参数的在线辨识,运用Runge-Kutta方法建立满秩可调模型,依据Popov超稳定性定理推导出自适应律,最后利用搭建的试验测试平台进行算法的试验验证。仿真和试验结果表明提出的在线参数辨识算法可以准确、实时地辨识出电机参数。     

永磁同步电机非线性参数辨识

为了估计永磁同步电机的非线性参数,文章对电机控制模型考虑了交叉耦合和饱和的影响,得出电机的非线性参数模型,结合模型采用改进的遗传算法,对电机的主要参数进行了寻优辨识计算,在仿真确认了算法有效性后,对不同负载条件下的电机负载实验数据进行了辨识计算,得到的非线性参数表明,遗传算法在系统参数辨识应用上稳定有效。     

基于高频电压注入的永磁同步电机参数辨识方法

中大功率工业应用中,变频器到电机之间长电缆分布参数、变频器输出频率限制将直接影响高频注入法对电机参数辨识精度。考虑多种限制条件,提出了一种基于曲线拟合的定子电阻计算方法,研究了基于高频注入的永磁电机电感参数辨识方法,重点分析了不同注入信号选择对参数辨识精度的影响,为注入信号的选择提供了依据。通过实验证明了该方法的实用性与有效性,对工业应用电机参数辨识具有重要指导意义。     

永磁同步电机参数辨识研究综述

在实际运行过程中,永磁同步电机的电磁参数会受温度和磁路饱和程度等因素的影响,导致电机控制系统效果降低,甚至会造成电机永久损坏,因此电机参数的精确获取对电机高性能运行起着至关重要的作用。本文首先介绍了永磁同步电机数学模型并总结了电机参数变化的原因,然后对参数辨识方法进行归纳和比较,最后提出了永磁同步电机参数辨识中亟需解决的问题以及未来的研究方向,以期为今后永磁同步电机参数辨识技术提供研究思路。     

永磁同步电机参数辨识研究综述

永磁同步电机(permanent magnet synchronous motor,PMSM)参数的实时准确获取,是实现PMSM高性能控制、可靠状态监控的重要前提和早期故障诊断的有效手段,为此,PMSM参数辨识技术获得众多学者的广泛研究关注且取得了长足发展,呈现出大量的研究和应用成果。该文在对既有文献归纳梳理的基础上,首先分析PMSM参数变化的原因,总结PMSM单参数和多参数辨识的技术成果,再对PMSM辨识方法进行归纳和比较,最后,揭示PMSM参数辨识过程中亟需关注的研究问题并展望其未来的发展方向,旨在实现PMSM系统的高效可靠运行。     

永磁同步电机参数自动辨识方法

矢量控制永磁同步电机因性能优越在伺服系统中的应用越来越广泛,对电机参数进行准确的辨识是实现精准控制的前提。针对传统测量永磁同步电机参数通常采用特定的仪器需手工完成在线调整困难的缺陷,提出一种在线自动辨识永磁同步电机参数的方法。提出的方法通过控制器产生一组测试信号自动测量电机的定子电阻、交直轴电感、反电势常数、转矩系数、摩擦系数和转动惯量。理论分析和实验表明:和传统方法相比,提出方法自动化程度高,辨识的所有参数误差都在10%以内。     

无位置传感器控制下的永磁同步电机在线参数辨识

针对永磁同步电机的参数辨识需求,采用模型参考自适应算法对电机的交直轴电感和永磁体磁链进行在线辨识。该方法将q轴电流方程作为参考模型,根据Popov稳定性理论推导出自适应律。辨识过程中需要用到转子位置,为此提出一种改进的脉振高频注入法对转子位置进行估计,该方法省去了带通滤波器,从而节省了运算资源。仿真和实验结果均表明,改进算法能够准确估计转子位置,在此基础上辨识的电机参数也能迅速收敛到真实值附近。     

改进粒子群算法的永磁同步电机多参数辨识

针对一般粒子群算法辨识永磁同步电机(PMSM)参数由于其粒子在迭代后期易陷入局部最优而导致辨识精度不高的问题,提出一种将小生镜策略和混沌变异策略相结合的混沌变异小生境粒子群算法(NCPSO)。该算法为在连续三次迭代过程中对适应度值变化小的粒子为中心生成小生镜群体,并对该小生境群体中的最优粒子进行混沌变异。在同步旋转dq轴坐标系下建立PMSM满秩离散数学模型,将定子dq轴电压设为辨识模型和实际测量值的输入,设计了NCPSO辨识PMSM参数的适应度函数。该辨识方法不需推导复杂的电机数学模型,可同时辨识定子绕组电阻、定子绕组dq轴电感和永磁体磁链4个参数。经仿真结果表明,该算法的4个参数辨识误差都在0.14%以下,经实验结果表明,其辨识偏差都在2.15%以下。     

基于神经网络的永磁同步电机参数辨识

内置式永磁同步电机(IPMSM)参数会随着使用环境和工作负荷的变化而产生变化,这将影响电机的控制性能,为此有必要对电机参数进行在线辨识。考虑逆变器非线性电压补偿因素,提出一种应用于最大转矩电流比(MTPA)模型预测控制(MPC)策略的自适应线性元件(Adaline)神经网络参数辨识方法,对IPMSM的d,q轴电感、定子电阻和转子永磁体磁链进行在线辨识,辨识过程采用分步辨识和循环更新的方法。最后通过仿真和实验验证了所提方法的准确性和实用性。     

改进樽海鞘群算法的永磁同步电机多参数辨识

针对一类元启发式优化算法辨识永磁同步电机(PMSM)参数存在易陷入局部最优,从而导致辨识结果精度不高的问题,提出了一种结合自适应正态云模型的樽海鞘群辨识算法(CSSA)。该算法以标准樽海鞘群算法为基础,在樽海鞘追随者位置更新阶段引入自适应正态云模型,使算法初期的种群多样性得到改善,提高了全局开发能力,避免陷入局部最优;随着迭代次数增加,通过自适应调整正态云模型熵值,优化了算法后期的局部开发能力,使其收敛精度得到提高。参数辨识模型只需测量计算获得永磁同步电机的电流、电压以及角速度信息,再将改进算法通过适应度函数在辨识模型中寻优得到辨识结果。仿真与实验结果表明,提出的算法可以对永磁同步电机参数进行快速、稳定且准确的辨识。