永磁同步电机多参数解耦在线辨识方法

摘要

本发明涉及永磁同步电机技术领域，为解决表贴式永磁同步电机多参数在线辨识时的耦合问题，实现永磁同步电机电感、定子电阻和转子磁链在线解耦辨识，为此，本发明采取的技术方案是，永磁同步电机多参数解耦在线辨识方法，包括下列步骤：(1)永磁同步电机参数辨识耦合分析；(2)解耦辨识策略：利用d轴电流注入前后的电压偏差来增加电机数学方程的阶数，以实现表贴式永磁同步电机电感、定子电阻、转子磁链多参数解耦辨识；(3)神经网络辨识器设计，针对永磁同步电机参数在线辨识问题，选取自适应神经网络结构和基于最小均方算法的权值收敛算法对电机参数进行在线辨识。本发明主要应用于永磁同步电机的设计制造。

主权项

一种永磁同步电机多参数解耦在线辨识方法，其特征是，包括如下步骤：(1)永磁同步电机参数辨识耦合分析忽略铁心饱和；不计涡流和磁滞损耗；转子上无阻尼绕组，永磁体也无阻尼作用；反电动势为正弦；永磁同步电机在d‑q轴坐标系的电流方程通常可写成如下形式：$\left\{\begin{array}{c}{L}_d\frac{{\mathrm{di}}_d}{\mathrm{dt}}={\omega }_e{L}_q{i}_q+u_d\\ L_q\frac{{\mathrm{di}}_q}{\mathrm{dt}}=-R_s{i}_q-{\omega }_e{\psi }_f+u_q\end{array}\right.$式中，u_d、u_q、i_d、i_q分别为d、q轴电压、电流；L_d、L_q为d、q轴电感；R_s为定子电阻；ω_e为电气角速度；ψ_f为转子磁链，采用i_d＝0；其中，表贴式永磁同步电机通常认为交直轴电感相等，即L_d＝L_q＝L_s；(2)解耦辨识策略利用d轴电流注入前后的电压偏差来增加电机数学方程的阶数，以实现表贴式永磁同步电机电感、定子电阻、转子磁链多参数解耦辨识，短时注入d轴电流前后，永磁同步电机的电压方程可综合写成如下形式：$\left\{\begin{array}{c}{L}_s\frac{{\mathrm{di}}_d\left(t_3\right)}{\mathrm{dt}}={\omega }_e\left(t_3\right)L_q{i}_q\left(t_3\right)+u_d\left(t_3\right)\\ L_s\frac{{\mathrm{di}}_q\left(t_3\right)}{\mathrm{dt}}=-R_s{i}_q\left(t_3\right)-{\omega }_e\left(t_3\right){\psi }_f+u_q\left(t_3\right)\\ L_s\frac{{\mathrm{di}}_d}{\mathrm{dt}}=-R_s{i}_d\left(t_2\right)+{\omega }_e\left(t_2\right)L_q{i}_q\left(t_2\right)+u_d\left(t_2\right)\\ L_s\frac{{\mathrm{di}}_q\left(t_2\right)}{\mathrm{dt}}=-R_s{i}_q\left(t_2\right)-{\omega }_e\left(t_2\right)L_d{i}_d\left(t_2\right)+u_q\left(t_2\right)-{\omega }_e{\psi }_f\left(t_2\right)\end{array}\right.$式中，t₂表示注入瞬时d轴电流时的某一时刻，t₃表示d轴瞬时电流注入结束后的某一时刻；利用上述数学方程，实时记录瞬时d轴电流注入时的d轴电压值，检测其前后变化量，结合i_d＝0正常运行时的电压方程，即可实现电感、定子电阻和转子磁链参数的独立辨识；(3)神经网络辨识器设计针对永磁同步电机参数在线辨识问题，选取自适应神经网络结构和基于最小均方算法的权值收敛算法对电机参数进行在线辨识，假设Z为实际系统模型的输出，α为权值收敛因子，Y为神经网络输出，则最小均方权值收敛算法的表达式为：θ_i(k+1)＝θ_i(k)+2αU_i(Z‑Y)θ_i为网络权值；U_i为输入信号；当系统在线稳定运行时，d、q轴电流微分项近似为0，则当系统处于d轴电流瞬时注入时的稳态时，表贴式永磁同步电机电压方程可进一步简化为：$\left\{\begin{array}{c}{u}_d\left(t_2\right)=R_s{i}_d\left(t_2\right)-{\omega }_e{L}_s{i}_q\left(t_2\right)\\ u_q\left(t_2\right)=R_s{i}_q\left(t_2\right)+{\omega }_e{\psi }_f+{\omega }_e{L}_s{i}_d\left(t_2\right)\end{array}\right.$当注入d轴电流结束后，i_d＝0，则系统稳态时的电压方程可进一步简化为下式：$\left\{\begin{array}{c}{u}_d\left(t_3\right)=-{\omega }_e{L}_s{i}_q\left(t_3\right)\\ u_q\left(t_3\right)=R_s{i}_q\left(t_3\right)+{\omega }_e{\psi }_f\end{array}\right.$根据上述两式中的d轴电压方程可得注入瞬时d轴电流前后的d轴电压偏差方程为：u_d(t₃)‑u_d(t₂)＝Δu_d＝‑R_si_d(t₂)利用以上三式可分别建立电感、定子电阻和转子磁链辨识网络结构，实现电感、定子电阻和转子磁链的独立辨识；神经网络辨识器设计进一步具体为：$\left\{\begin{array}{c}{u}_d^{*}\left(t_3\right)=-{\omega }_e\left(t_3\right)L_s{i}_q\left(t_3\right)-{\theta }_1{\omega }_e\left(t_3\right)i_q\left(t_3\right)\\ u_q^{*}\left(t_3\right)=R_s{i}_q\left(t_3\right)+{\omega }_3\left(t_3\right){\psi }_f+{\theta }_2{\omega }_e\left(t_3\right)\end{array}\right.$$u_d^{*}\left(t_3\right)-u_d^{*}\left(t_2\right)={\mathrm{\Delta u}}_d^{*}=-R_s{i}_d\left(t_2\right)-{\theta }_3{i}_d\left(t_2\right)$利用上述两式建立改进型神经网络辨识结构，θ₁、θ₂、θ₃分别为考虑了逆变器输出增益的参数辨识校正权值，其权值收敛率满足下式，$\left\{\begin{array}{c}{\theta }_1=\frac{(G_u-1)u_d^{*}\left(t_3\right)}{{\omega }_e\left(t_3\right)i_q\left(t_3\right)}\\ {\theta }_2=-\frac{(G_u-1)u_q^{*}\left(t_3\right)}{{\omega }_e\left(t_3\right)}\\ {\theta }_3=\frac{(G_u-1){\mathrm{\Delta u}}_d^{*}}{i_d\left(t_2\right)}\end{array}\right.$G_u为等效的电压型逆变器基波输出增益，0<G_u<1，则永磁同步电机电感、定子电阻和转子磁链的参数迭代收敛率进一步可写成如下形式：$L_s^{\prime }(k+1)=L_s^{\prime }\left(k\right)-2{\alpha }_1{\omega }_e{i}_q[u_d^{*}\left(t_3\right)-u_d^{\prime }\left(t_3\right)]$$R_s^{\prime }(k+1)=R_s^{\prime }\left(k\right)-2{\alpha }_2{i}_d\left(t_2\right)[{(\mathrm{\Delta u}}_d^{*}-{\mathrm{\Delta u}}_d^{\prime }]$${\psi }_f^{\prime }(k+1)={\psi }_f^{\prime }\left(k\right)-2{\alpha }_3{\omega }_e[u_q^{*}\left(t_3\right)-u_q^{\prime }\left(t_3\right)]$采用上述三式的参数收敛算法即可实现表贴式永磁同步电机的电感、定子电阻和转子磁链参数的解耦在线辨识。