卡尔曼转矩观测_基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法与流程...

本发明涉及永磁同步电机技术领域，具体涉及基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法。

背景技术：

永磁同步电机(pmsm:permanentmagnetsynchronousmotor)具有高功率、高能量密度、结构简单的优点，在众多工业领域得到越来越广泛的应用。在控制电机运行时，要使电机能够在全速度范围内和全负载范围内提供精确的转矩控制。除此之外，通过对比给定的指令转矩与驱动电机系统的实际转矩，可以间接反映驱动电机系统的运行状态，推断是否有故障。因此转矩的实时监测不仅是保证控制性能的要求，更是一项重要的安全指标。

传统的转矩测量方法是通过转矩测量仪器来测量转矩，这种测量方法具有测量成本较高，受到仪器精度影响较大，在一些场合会受到安装条件的限制，并且还具有维护不方便，不能实现负载转矩的实时在线监测等缺点。

技术实现要素：

为解决上述现有技术中存在的问题，本发明提供基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法，克服了上述现有技术不足，该观测方法具有预测性、自适应能力、抗干扰性、结构简单、易于软件实现、成本低等优点。

为了达到上述目的，本发明采用如下技术方案：

基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法，包括以下步骤：

步骤1：获取表贴式永磁同步电机的实际转度与电机三相电流iabc，三相电流iabc经过clarke变换变换得到静止两相坐标系下电流iα和iβ，通过park变换得到旋转两相坐标系下电流id和iq；

步骤2：对电机的给定转速与电机的实际转速的差值进行转速调节器(asr)调节确定q轴给定电流iq*，d轴电流为给定电流id*；

步骤3：将q轴给定电流iq*与反馈电流iq的差值和d轴给定电流id*与反馈电流id的差值经过电流调节器(acr)调节后，得到d和q轴实时电压ud、uq；

步骤4：d和q轴实时电压ud、uq经过反park变换得到α和β轴实时电压uα、uβ；

步骤5：对α和β轴实时电压uα、uβ进行svpwm调制得到脉宽调制波形，将脉宽调制波形送入逆变器对永磁同步电机进行控制，得到实时的三相电流iabc和三相电压uabc；

步骤6：将实时电流id、iq，实时电压ud、uq以及实时电角速度we送入基于扩展卡尔曼滤波器(ekf)的负载转矩观测器中,实现永磁同步电机负载转矩的实时观测。

进一步地，所述的表贴式永磁同步电机中，转子磁路结构对称，又由于永磁材料的磁导率与气隙的磁导率相接近，所以ld＝lq＝l,在两相旋转坐标系d-q下，永磁同步电机的电压方程为:

式中，ud、uq、id、iq分别为两相旋转坐标系d轴、q轴的电压和电流；rs、l、ψf分别为定子电阻、交直轴电感以及转子永磁体磁链；we为电机的电角速度；

将式(1)变换为电流方程可得：

且电磁转矩为：

其中pn为永磁同步电机极对数；

电机的机械运动方程为：

其中wm为电机的机械角速度，j为转动惯量；b为阻尼系数，tl为负载转矩，且电角度we＝pnwm；

所以经变换得电机得机械运动方程为：

又由于在实际情况下，电机负载转矩波动时间远远大于电机控制系统动态过程时间，所以负载转矩以看作稳态值来计算，对其求导可以得到以下方程：

由式(2)、(5)、(6)可以写成如下形式：

可以将式(7)写成如下状态方程：

式中x＝[idiqwetl]t为状态变量、输入变量u＝[uduq]t、输入变量y＝[idiq]t；

由式(7)、(8)可得：

为构建扩展卡尔曼滤波器状态观测器数字化系统，离散化处理可得

整理可得：

其中t为采样周期，离散化状态方程(14)是确定性方程，但是在实际系统中，模型参数存在不确定性和可变性，定子电压和电流中不可避免的存在测量噪声，将这些不确定因素纳入到系统噪声矢量v和测量噪声w中，于是式(14)可以改成：

式中，v(k)为系统噪声，w(k)为测量噪声，这两个噪声都是零均值的白噪声。

进一步地，步骤6的具体过程如下：

ekf算法离散化的数学模型为：

式中，x(k+1)表示k+1时刻状态估计值，x(k)表示k时刻状态估计值，v(k)为系统噪声矢量，w(k)为测量噪声；

扩展卡尔曼滤波观测器的状态估计主要分为两个状态：预测和校正

(1)状态预测：

式中，与表示第k+1次预测值，表示第k次估计值；

上式主要通过输入u(k)和上次状态估计来预测(k+1)时刻的矢量；

(2)计算协方差矩阵：

式中，为协方差矩阵，主要是为了求取增益矩阵k(k+1)，为k时刻的误差协方差矩阵，q为系统噪声v的协方差矩阵；且雅可比矩阵f(k)为：

计算结果为：

(3)计算增益矩阵：

式中，k(k+1)是增益矩阵，主要用来完成对状态矢量估计的校正，r是测量噪声矢量w的协方差矩阵；

(4)状态矢量估计：

式中，为第k+1次状态矢量估计值，y(k+1)为测量状态矢量，为预测的输出状态矢量，上式完成了第k+1的状态矢量估计；

(5)计算估计误差协方差矩阵：

式中，是协方差矩阵，反映了本次状态估计误差的大小，在下一次状态估计时调用，由此进行迭代运算，得出各个时刻的负载转矩观测值。

与现有技术相比，本发明的有益技术效果为：本发明的基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法，通过算法形式的观测器代替传统物理上实体形式的参数测量方法，利用扩展卡尔曼滤波器算法对表贴式永磁同步电机的负载转矩实时监测，具有成本低、结构简单、易于软件实现、自适应能力及抗干扰能力强等优点。

附图说明

图1为本发明实施例的矢量控制系统示意图；

图2为本发明实施例的基于ekf算法的负载转矩观测流程示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

如图1所示，基于扩展卡尔曼滤波器的表贴式永磁同步电机负载转矩观测方法，包括以下步骤：