UUV推進電機在線參數辨識自適應控制方法研究

劉彥呈，　劉厶源，　王川，　郭昊昊，　任俊杰，　于盈

(1.大連海事大學 輪機工程學院，遼寧 大連 116026;2.大連航標處 交通運輸部北海航海保障中心，遼寧 大連 116001)

?

UUV推進電機在線參數辨識自適應控制方法研究

劉彥呈1，劉厶源1，王川1，郭昊昊1，任俊杰1，于盈2

(1.大連海事大學 輪機工程學院，遼寧 大連 116026;2.大連航標處 交通運輸部北海航海保障中心，遼寧 大連 116001)

摘要:針對水下無人航行器(UUV)的推進電機矢量控制系統中電流控制器性能因參數變化而下降的問題，提出一種基于智能在線參數辨識的電流環自適應控制方法。以離散型永磁同步推進電機動態模型作為被控對象，采用動態慣性權重粒子群算法對永磁同步推進電機的定子電阻和dq軸電感進行在線辨識，根據電流控制器工程設計方法，將辨識所得的電機參數實時用于計算電流控制器的PI值，實現電流環的自適應控制。最后，通過仿真實驗驗證所提方法的有效性，結果表明該方法可以有效地克服水下快速洋流對推進電機的負載擾動，進而實現永磁同步推進電機的快速、高精確度電流控制性能。

關鍵詞:水下無人航行器；永磁同步推進電機；矢量控制；粒子群算法；參數辨識；自適應控制

0引言

水下無人航行器(unmanned underwater vehicle,UUV)作為海洋資源開發和海洋軍事領域應用不可缺少的工具，相比于載人航行器和帶纜航行器，UUV有著安全系數高、造價低、尺寸小、重量輕、靈活性高、活動范圍廣等獨特優勢。UUV能夠在水中進行長期觀察、探測和打撈作業，可被廣泛應用于眾多領域。在軍事領域，作為未來海洋戰爭的一種新型現代化高科技裝備，在反潛、反雷、海上封鎖和反封鎖等方面都有著重要的用途；在科學領域，UUV可進行水文調查、海洋勘測和海洋觀測；在經濟領域，UUV對于石油開采、海底電纜的檢測、港口建設、水下施工、海洋救援、打撈船只以及海底地形探測等方面也都有著巨大的作用。

電力推進作為UUV的主推進方式，是由直流供電系統提供電能驅動電機帶動螺旋槳旋轉，進而驅動UUV運動。永磁同步電機(permanent-magnet synchronous motor,PMSM)以其體積小、結構簡單、運行可靠、效率高、損耗低等優點，在數控機床、電動汽車、機器人和電力推進船舶等方面獲得了廣泛應用[1]。 UUV主要采用永磁同步推進電機(permanent magnet synchronous propulsion motor,PMSPM)作為主推進電機，其轉子轉速和定子電流的非線性高耦合決定了系統的強非線性，特別當系統存在不確定性時，PMSPM的非線性使得系統很難得到高精確度的控制性能。

在矢量控制系統中，電流環是調速系統中響應最快的一環，其控制器參數的準確性至關重要，這將直接影響到整個調速系統的性能，而電流控制器的參數主要由推進電機的定子電阻和dq軸電感決定。推進電機在不同工況下電流的變化所產生的磁路飽和程度不同，dq軸電感值也會相應發生變化。由于渦流和磁滯引起溫度變化時，定子電阻和永磁體磁鏈也會隨之變化[2]，這些參數將導致電流控制器PI參數與實際運行條件不匹配，導致系統性能明顯下降。因此，對推進電機參數進行準確的辨識將直接決定電流控制器控制性能的好壞，進而影響到整個系統的性能[6]。

本文提出一種動態慣性權重粒子群算法對PMSPM的定子電阻、dq軸電感及永磁體磁鏈進行在線辨識，將辨識的電機參數送入電流控制器PI參數的計算表達式，對PI參數進行實時整定，以解決PMSPM負載突變時電流控制器PI參數與電機參數匹配問題。

1PMSPM數學模型

假設電動機的電流為三相對稱正弦波電流，在忽略電機鐵心飽和，不計電機中的諧波、渦流和磁滯損耗的前提下，PMSPM在轉子同步旋轉坐標系中的數學模型為[4-5]

(1)

(2)

Te=npψfiq。

(3)

式中：usd、usq、isd、isq、Ld、Lq、ψsd、ψsq分別為同步旋轉dq坐標系中定子線圈的電壓、電流、電感和磁鏈；Rs為定子繞組每相電阻；np為極對數；Ωr為電機轉子旋轉電角速度；ψf為永磁體轉子產生的磁鏈幅值；p為微分算子。

為了方便起見，將待辨識參數記為

ξ=[ξ1ξ2ξ3ξ4]。

將式(1)、式(2)中的PMSPM模型離散化處理，可得離散狀態方程：

(4)

式中：ts表示采樣周期，k表示第k次采樣。

(5)

2粒子群優化算法

粒子群(particle swarm optimization,PSO)算法是Kennedy博士和Eberhart博士于1995年提出的一種演化計算技術[9]，其源于對群體動物覓食行為的模擬，是一種全局優化進化算法，最初用于處理連續優化問題，目前已經可以用于解決大量非線性，不可微和多峰值的復雜問題優化，并已經廣泛用于科學和工程領域。

2.1標準粒子群算法

標準粒子群算法(standard particle swarm optimization,SPSO)首先初始化N個隨機粒子以一定的速度在D維空間中運動，并經過逐迭代找到最優解。假設第i個粒子在空間中的位置為xi=(xi1,xi2,…,xid)，其運動速度為vi=(vi1,vi2,… ,vid)，該粒子所經歷的個體最優解為pi=(pi1,pi2,…,pid)，群體中所有粒子的全局最優解為pg=(pg1,pg2,…,pgd)。其中，1≤i≤N，1≤d≤D。在每一次迭代過程中，粒子通過跟蹤當前找到的兩個最優解，并根據式(6)、式(7)來更新自己的速度和位置。

vi(k+1)=ωvi(k)+c1r1[pi(k)-xi(k)]+

c2r2[pg(k)-xi(k)]，

(6)

xi(k+1)=xi(k)+vi(k+1)。

(7)

其中：ω是慣性權重，通常取值為(0,1)之間的隨機數；c1和c2是學習因子；r1和r2分別是個體極值和全局極值間的均衡因子，通常取值為[0,1]之間的隨機數。

2.2動態慣性權重粒子群算法

在PSO算法中，影響算法性能的主要因素有兩個：一個是粒子進化速度，另一個是粒子聚集度。慣性權重ω作為最重要的一個參數，其作用是在保持原有粒子多樣性的同時保證全局和局部搜索性能的均衡。對于復雜的非線性系統優化過程，粒子群的進化速度和聚集程度的不斷變化會導致慣性權重隨之變化。因此，為了保證算法的全局和局部搜索性能，引入了進化速度因子和聚集度因子，提出動態慣性權重粒子群算法(dynamic inertia weight particle swarm optimization,DIWPSO)，從而解決非線性系統優化過程后期粒子缺乏多樣性、全局搜索能力不足，易陷入局部最優值等問題。

全局最優值取自于個體最優值，其變化取決于個體最優值的變化，同時也反映了粒子群中所有粒子的整體運動效果。在搜索過程中，當前迭代的全局最優值總是要優于或等于上一次迭代的全局最優值。根據上述原理，通過對當前最優值和上一次迭代的最優值進行比較，以兩者之比作為速度進化因子。

考慮到優化過程中存在尋找極大值或極小值兩種情況，具體地，若優化目標是尋找極大值，F(pgT)≥F(pgT-1)，則定義進化速度因子h=F(pgT-1)/F(pgT)；若優化目標是尋找極小值，F(pgT)≤F(pgT-1)，則定義h=F(pgT)/F(pgT-1)。綜合上述兩種情況，將進化速度因子h定義為

(8)

其中:F(pgT)和F(pgT-1)分別為當前和上一次迭代的全局最優值。該參數不但考慮了算法運行的歷史，還反映了粒子群整體進化速度，即h值越小，粒子進化速度越快。當經過了一定的迭代次數之后，h值保持為1，則斷定算法停滯或者找到了最優解。

在PSO算法中，無論是早熟收斂還是全局收斂，全局最優值總是優于所有個體的當前的適應度值，粒子都會出現“聚集”現象。因此，粒子的聚集度是影響算法性能的重要因素，也是反映粒子多樣性的重要指標。

設Fave為所有粒子當前適應度值的平均值，表達式為

(9)

(10)

其中，F(pgT)為當前全局最優值。該參數反映了所有粒子當前的聚集程度，同時在一定成都上也反映出粒子的多樣性。g值越大，粒子群聚集程度也越大，粒子多樣性越小。當g=1時，粒子群中的所有粒子具有同一性，如果此時算法陷入局部最優，則結果不容易跳出該局部極點。

ω=f(h,g)。

(11)

如果粒子進化速度較快，算法可以在較大的搜索空間內持續搜索，粒子就可以保持大范圍的尋優。當粒子群進化速度減慢時，可以減小ω的值，使得粒子群在小空間內搜索，以便更快地找到最優解。若粒子較分散，粒子群就不易陷入局部最優解。隨著粒子群的聚集程度的提高，算法易陷入局部最優，此時應增大粒子群的搜索空間，提高粒子群的全局尋優能力。綜上所述，ω應該隨著粒子的聚集度的升高而增大，隨著進化速度的降低而減小，它可以表示為

ω=ω0-hωh+gωg。

(12)

式中：ω0為ω的初始值，通常ω0=1。由于0

DIWPSO算法在運行過程中通過更改h和s的值來動態調節，從而改進算法的性能。初始狀態下，置h=0，g=0，則DIWPSO算法步驟如下：

步驟1：對隨機粒子進行位置、速度向量的初始化，計算各粒子的適應度。

步驟2：對搜索空間中的全局最優值pg和個體最優值pi進行初始化。

步驟3：在迭代過程中，如果滿足算法收斂準則或者達到最大迭代次數nmax，則執行步驟7，否則執行步驟4。

步驟4：對搜索空間中的所有粒子的位置和速度進行更新，并計算相應粒子的適應度，進而更新所有粒子中的全局最優值pg和個體最優值pi。

步驟5：根據式(8)、式(10)和式(12),分別計算進化速度因子h、聚集度因子g和慣性權重w。

圍術期疼痛管理是麻醉學走向圍術期醫學的重要組成部分，其管理模式正在從以“聯合阿片類藥物與NSAIDs藥物為主”轉變為“聯合區域神經阻滯與NSAIDs藥物” 為主。麻醉科醫師須在現有研究證據的基礎上，進一步改進臨床行為，積極踐行更理想的多模式鎮痛理念，以大幅提升中國圍術期患者疼痛管理數量與質量以及患者遠期預后。

步驟6：將迭代數加1，循環重復執行步驟3。

步驟7：輸出全局最優值pg，算法結束。

3自適應電流環控制

3.1電流控制器設計

PMSPM采用自適應矢量控制系統如圖1所示，通過獨立控制d軸勵磁電流分量和q軸轉矩電流分量來控制電流控制器，進而得到的dq軸控制電壓ud和uq，經過SVPWM調制對逆變器的高頻輸出電壓進行控制，從而驅動PMSPM。

圖1　PMSPM自適應矢量控制系統框圖Fig.1　PMSPM adaptive vector control diagram

電流控制器參數一般只與逆變器和電機的參數有關，不受外部負載影響，所以電流環有其固定的結構，電流控制器的參數可以按一定方法計算得到。由于PI調節器可以消除反電勢常數擾動造成的靜差，具有較好的抗擾動能力，因此PMSPM采用PI控制，其電流環結構原理如圖2所示[3]。

圖2　電流環結構原理圖Fig.2　Schematic diagram of current loop structure

圖2中idqref、udqref分別為dq軸參考電流和參考電壓。電機的電樞回路中存在電阻R和電感L，可看作一階慣性環節。TL為電磁時間常數，TL=Ldq/Rs。同理可將PWM逆變器看作具有時間常數Ts的一階慣性環節，Ts=1/fs，fs為逆變器開關元件的工作頻率。KPWM表示逆變器的放大倍數，Tif為電流反饋通道的濾波時間常數，Kif為電流反饋系數。電流環開環傳遞函數為

(13)

由于通常情況下Ts和Tif的值遠小于電機的電磁時間常數TL，故用一個時間常數為Tsf的一階環節來近似代替時間常數為Ts和Tif的小慣性群，電流環的開環傳遞函數可化簡為

(14)

在電流控制器設計中，需用控制器零點與被控對象中較大的時間常數極點相互抵消，以便校正成典型I型系統，而TL>>Tsf，故積分時間常數Tc=TL=L/R，開環傳遞函數為

(15)

由開環傳遞函數可知，該系統的電流環閉環傳遞函數可表示為典型二階系統

(16)

由工程最佳整定方法“模最佳系統”的參數關系可知KTif=0.5[7]，即

(17)

得到PI調節器的比例系數為

(18)

積分時間常數為

(19)

然后再將其按增量式PI調節器算法數字化，可得其積分系數為

(20)

其中，帶“^”的參數為辨識值。上述推導說明電流環PI參數值與電機的電感和定子電阻相關。由此可知，在運行條件發生變化時，只要對電機參數進行實時辨識，就能夠實時得到電機的PI參數值。

3.2PMSPM在線參數辨識

對于PMSPM系統而言，參數辨識的過程可看作是一個尋優過程，其基本思想是通過實時采集PMSPM的實際三相輸出電流，經過坐標變換得到dq軸定子電流isd、isq，同時實時估算PMSPM電氣模型的輸出電流，將實際電流與估算電流差方和的多次計算均值作為DIWPSO的適應度評估函數，通過DIWPSO算法對PMSPM電氣模型不斷修正和調整，辨識出實際PMSPM的全部參數，參數辨識原理框圖如圖3所示。

基于PSO算法的基本思想，PMSPM參數辨識問題可描述成求解適應度函數的優化問題[8]。設從t0至t時間段的采樣個數為N，適應度函數可設計為

(21)

圖3　參數辨識原理框圖Fig.3　Schematic diagram of parameter identification

4實驗結果及分析

由于UUV在航行過程中會受到水下復雜流場的影響，對推進電機而言，相當于增加推進電機的負載擾動，因此本實驗以負載的突卸和突加為實例，模擬UUV突遇快速洋流的工況，進而研究推進電機的運行狀態變化過程。實驗平臺原理圖如圖4所示，一臺永磁同步推進電機(參數見表1)和一臺異步負載電機通過同軸連接器進行機械連接組成系統基礎框架。永磁同步推進電機和異步負載電機均采用轉子磁場定向矢量控制。為了準確測試UUV推進電機性能，永磁同步推進電機采用轉速控制方式，異步負載電機采用轉矩控制方式。

圖4　UUV推進電機參數自適應控制實驗平臺Fig.4　Experiment platform for parameter adaptive control of UUV propulsion motor

PMSPM參數數值定子電阻Rs/Ω2.879d軸電感Ld/mH8.5q軸電感Lq/mH8.7永磁體磁鏈ψf/Wb2.56

實驗中DIWPSO算法的最大迭代次數nmax為2 000代，粒子數為50，辨識參數的變化范圍為實驗參數的±100%。參數在線辨識過程如圖5所示，從圖中可清楚看到，電機各參數均在0.25 s內收斂到穩定狀態。

圖5　基于DIWPSO算法的PMSPM參數辨識結果Fig.5　PMSPM identified parameters based on 　　　DIWPSO algorithm

考慮到控制器參數對于電機參數的敏感度極高，故采用平均誤差率對所得辨識參數精準度進行評估。平均誤差率是通過計算辨識nmax次的總體誤差與nmax之比的百分比得到的。總體誤差公式為

(22)

平均誤差率公式為

(23)

表2　辨識參數平均誤差率

圖6、圖7分別是采用所提出的自適應算法和基于模型的傳統算法對負載電機進行突加和突卸負載時的實驗結果，其中負載作用的時間為100 ms，突加和突卸的負載轉矩分別為4 N·m和-4 N·m。圖6(a)和圖7(a)分別為所提出的自適應方法和傳統方法的q軸電流變化波形。在負載突加實驗過程中，隨著電流的增加，電感有下降的趨勢[10-11]，且實際PI參數值中的比例系數應該減小，積分系數應該變大，但傳統的方法PI參數并沒有發生變化，相對來說就是比例系數Kp偏大，等效為系統阻尼比變小，就導致電流超調變大，產生較大振蕩。反之，負載突卸實驗亦然。圖6(b)和圖7(b)為兩種方法的輸出轉矩變化波形。由式(3)可知，輸出轉矩與q軸電流成正比關系，因此其波形變化趨勢與q軸電流變化波形相同。圖6(c)和7(c)分別為采用所提出的自適應方法和傳統方法的電機轉速變化波形。在矢量控制系統中，電流環作為控制內環，其控制器的魯棒性將直接影響速度外環控制器的魯棒性。通過自適應調節電流控制器參數減少電流超調，使得轉速超調隨之降低。

從圖6、圖7中可以清楚的發現，在突加和突卸負載時，PMSPM采用自適應方法后電流超調量有明顯的縮減，電流變化平穩，表明該方法對于負載擾動有明顯的抑制和修正作用。

圖6　自適應算法的響應波形Fig.6　Waveform of current algorithm

圖7　傳統算法的響應波形Fig.7　Waveform of traditional algorithm

5結論

本文提出一種動態慣性權重調整粒子群優化算法用于永磁同步推進電機參數辨識，分析了永磁同步推進電機矢量控制系統中電流環結構并推導出電流環PI參數值計算表達式，利用辨識所得參數實現

控制系統電流環PI參數的實時更新和校正。仿真與實驗表明該方法是可行的，且此控制策略可用于負載轉矩變化頻繁的實際場合，具有較強的魯棒性及快速響應性。

參 考 文 獻:

[1]唐任遠.現代永磁電機理論與設計[M].北京: 機械工業出版社,1997.

[2]WU M L,HUANG S H.Nonlinear parameters identification of PMSM[J].Transactions of China Electrotechnical Society,2009,24(8): 65-68.

[3]MACRO T,FRANCESCO P,ZHANG D Q.Real-time gain tuning of PI controllers for high-performance PMSM drives[J].IEEE Transactions on Industry Applications,2002,38(4): 1018-1026.

[4]REN J J,LIU Y C,ZHAO Y T,et al.Research on the different vector control schemes with larger power marine PMSM[J].Electric Machines and Control,2011,15(5): 32-37.

[5]PRAGASEN P.,KRISHNAN R.Modeling of permanent magnet motor drives[J].IEEE Transactions on Industry Electronics,1988,35(4): 537-541.

[6]KHWAJA M,SILVA H.Identification of machine parameters of a synchronous motor[J].IEEE Transactions on Industry Applications,2005,41(2): 557-565.

[7]JIAO Z Q,QU B D.PID parameters optimization of PMSM servo system using genetic algorithm[J].Electric Machines & Control Application,2007,34(7): 34-37.

[8]LANKARANY M,REZAZADE A.Parameter estimation optimization based on genetic algorithm[J].IEEE Transaction on Industry Applications,2006,36(6): 365-370.

[9]WANG C,LIU Y C,ZHAO Y T.Application of dynamic neighborhood small population particle swarm optimization for reconfiguration of shipboard power system[J].Engineering Applications of Artificial Intelligence,2013,26(4): 1255-1262.

[10]LI S H,LIU Z G.Adaptive speed control for permanent magnet synchronous motor system with variations of load inertia[J].IEEE Transactions on Industrial Electronics,2009,56(8): 3050-3059.

[11]馮江華,桂衛華,許峻峰.考慮參數變化的永磁同步電動機弱磁控制研究[J].微電機,2008,41(4): 28-31.

FENG J H,GUI W H,XU J F.Flux-weakening control research of permanent magnet synchronous machines considering parameters variation[J].Micromotors,2008,41(4): 28-31.

(編輯：賈志超)

Research on online parameter identification and adaptive control of UUV propulsion motor

LIU Yan-cheng1,LIU Si-yuan1,WANG Chuan1,GUO Hao-hao1,REN Jun-jie1,YU Ying2

(1.Marine Engineering School,Dalian Maritime University,Dalian 116026,China;2.Dalian Navigation Mark,The Ministry of Transport Beihai Maritime Security Center,Dalian 116001,China)

Abstract:In vector control system of unmanned underwater vehicle (UUV) propulsion motor,due to the changes in motor parameters,current controller performance will decline.An adaptive control of permanent magnet synchronous propulsion motor current-loop based on online parameter identification is proposed.The stator resistance and dq axis inductance of the discrete dynamic of permanent magnet synchronous propulsion motor are identified by using the dynamic inertia weight particle swarm optimization,and then by the engineering procedures of the current controller,the identified motor parameters are utilized to dynamically calculate the PI value of current controller to achieve the adaptive control of current loop.Finally,the effectiveness of the proposed scheme is verified by the simulation experiments,and it follows from the results that the proposed scheme can effectively overcome the load disturbance caused by fast ocean currents such that the rapid and high precision current control performance of permanent magnet synchronous propulsion motor is achieved.

Keywords:UUV; permanent magnet synchronous propulsion motor; vector control; particle swarm optimization; parameter identification; adaptive control

中圖分類號:TM 351

文獻標志碼:A

文章編號:1007-449X(2016)04-0034-07

DOI:10.15938/j.emc.2016.04.005

通訊作者:劉厶源

作者簡介:劉彥呈(1963—)，男，博士，教授，博士生導師，研究方向為船舶智能系統控制及自動化、先進運動控制系統；

基金項目：國家自然科學基金(51479018)；中央高校基本科研業務費專項資金(313201432)

收稿日期:2014-04-10

劉厶源(1990—)，男，博士研究生，研究方向為船舶推進電機控制及其運動控制；

王川(1985—)，男，博士，講師，研究方向為電力系統建模及其穩定性、智能電網技術；

郭昊昊(1984—)，男，碩士，助教，研究方向為電機運動控制建模；

任俊杰(1984—)，男，博士研究生，研究方向為船舶電力推進大功率永磁電機運動控制技術；

于盈(1979—)，女，高級工程師，研究方向為船舶電氣自動化。