基于簡化磁鏈法的SRM無位置傳感器的研究

梅柏杉，　孟悅然，　高　寧，　劉東陽

(上海電力學院 電氣工程學院，上?！?00082)

?

基于簡化磁鏈法的SRM無位置傳感器的研究

梅柏杉，孟悅然，高寧，劉東陽

(上海電力學院 電氣工程學院，上海200082)

摘要：為了提高開關磁阻電機(SRM)調速系統的適用范圍，在直接轉矩控制SRM的條件下，提出了一種基于簡化磁鏈法的轉子位置辨識方法。選取一條特定位置的電機磁鏈特性曲線，通過神經網絡對磁鏈特性曲線進行擬合，與檢測的實時磁鏈比較，輸出比較脈沖信號，編譯脈沖信號得到轉子位置角。在MATLAB/Simulink環境下搭建了SRM轉子位置辨識控制模型，對簡化磁鏈法轉子位置辨識進行了仿真。結果表明了簡化磁鏈法能夠簡化控制系統，提高系統的可靠性。

關鍵詞：開關磁阻電機(SRM)； 轉子位置辨識； 簡化磁鏈法； 神經網絡

0引言

開關磁阻電機(Switched Reluctance Motor， SRM)由于其結構簡單、調速范圍廣、啟動轉矩大、抗干擾強等優點，在電力傳動領域具有較好的發展前景。在SRM控制系統中，需要位置傳感器來確定轉子位置信號。傳統的位置傳感器如光電式傳感器、霍爾傳感器，結構復雜，減低了系統可靠性，并且限制了電機的應用領域[1]。因此無位置傳感器控制是SRM研究的熱點之一。

針對SRM位置辨識控制，國內外學者做了大量研究，提出了多種估計方法。小電流脈沖法[2]通過給各相注入短周期脈沖，比較各相響應電流大小來判斷轉子位置。該方法便于實現，但是無法估計轉子初始位置，而且高速運行階段不適用。磁鏈電流法[3]需要預先獲得電機磁鏈-電流-轉子位置的磁化曲線，并將其以三維表的形式儲存，占用內存資源大?；诖沛滊娏鞣?，本文提出一種簡化磁鏈法，僅需要檢測特定位置下的磁鏈特性曲線，可以大大減少內存需求，提高使用度。在Simulink平臺下搭建控制系統，對SRM無位置傳感器進行了仿真，驗證了簡化磁鏈法對于轉子位置辨識的有效性和可靠性。

1簡化磁鏈法的轉子位置辨識原理

SRM運行中，假設忽略各相繞組互感影響，繞組磁鏈關于相電流和轉子位置的關系如式(1)所示。

ψk=ψ(θ，ik)

(1)

式中：ψk——第k相磁鏈；

ik——第k相電流；

θ——轉子位置角。

通過試驗或者有限元分析可得各個角度下的電流和磁鏈的關系。磁鏈特性曲線如圖1所示。

圖1　各個角度下的磁鏈特性曲線

由圖1中可知，每一個轉子位置角都對應了一條磁鏈特性曲線，而且各個曲線之間無交點(除0點)。因此，式(1)可以寫成轉子位置角關于相繞組磁鏈和相電流的非線性函數：

θk=θ(ψk，ik)

(2)

由式(2)，將圖1中的數據建立三維數據庫，或者利用神經網絡擬合出磁鏈、電流和轉子位置角的非線性函數。當給出某一時刻的磁鏈和電流，就能確定轉子位置。但全周期磁鏈電流法的缺陷在于，要建立三維數據表非常繁瑣，需要大量的存儲空間，在計算時所占的內存龐大。

針對上述的問題，提出一種改進磁鏈法對轉子位置進行辨識，選取某一特定轉子位置的磁鏈特性曲線作為基準磁鏈特性曲線。基準磁鏈特性曲線是在θ=θf時磁鏈關于電流的函數。

(3)

θf——選取的基準角度。

根據電壓平衡方程，電機第k相基本電壓方程為[4]：

(4)

式中：Rk——第k相電阻；

ik——第k相電流；

ψk——第k相磁鏈。

由式(4)得出一相磁鏈方程為

ψk=∫(Uk-ikRk)dt

(5)

由式(5)可得，檢測到某一時刻的繞組電壓和電流，通過積分可以算出這一時刻的磁鏈。將實時磁鏈與參考磁鏈比較，得到轉子位置的脈沖信號，應用測速算法得到轉子位置角和轉速。簡化磁鏈法測速示意圖如圖2所示。

圖2　簡化磁鏈法測速原理圖

在簡化磁鏈法中，當A相轉到基準位置θf，那么此時θA=θf，ψA=ψθf(iA)，磁鏈比較器輸出脈沖。同樣，在B相轉到基準位置時，輸出位置脈沖。兩個脈沖之間，轉子轉過的機械角度為電機的步進角[5]。

圖3　位置脈沖信號測速原理

編譯脈沖信號，可計算出轉子位置角和速度。

(6)

式中： Δθ——電機步進角；

ΔT——兩個脈沖的時間差；

m——開關磁阻電機相數；

Nr——SRM轉子極數。

在8/6結構SRM中，步進角為15°。

θt=θf+∫ωdt

(7)

式中：θt——轉子位置角；

θf——選取的基準角度[6]。

參考磁鏈法計算轉子位置的關鍵在于正確地比較參考磁鏈和實時磁鏈的大小[7]，因此在電流較小的范圍內，電流的波動較大，將會導致估算磁鏈和實際值之間存在較大誤差。因此在選取基準磁鏈特性曲線時，應選取靠近對齊位置的磁鏈曲線，減小因電流波動頻繁而輸出無效的脈沖。

2基于神經網絡簡化磁鏈法

神經網絡是智能理論學科的一個重要分支，可以充分地逼近復雜的非線性函數，并且具有自適應學習的能力。這些特點使得神經網絡為SRM建模提供了極大的便利[8]。

BP神經網絡對于非線性函數有強大的逼近擬合能力，而且結構簡單?；驹硎翘荻认陆捣?，按誤差的負梯度方向修正權值，直到誤差達到目標為止[9-10]。BP神經網絡學習過程如圖4所示。

圖4　訓練BP網絡流程圖

在本系統中，選取A相0°～30°的磁鏈特性曲線作為數據樣本(8/6結構SRM的磁化曲線0°～30°與30°～60°是對稱的)，選定隱層神經元數為9，隱層和輸出層的傳輸函數分別選用tansig函數和purelin函數。設定最大訓練次數為500次，訓練目標(均方誤差)為0.001。

訓練過程的誤差性能分析如圖5所示。從曲線中可知，進過8次訓練后已經到達了要求的目標誤差0.001，說明訓練的收斂速度較快。訓練結束后，可以在Simulink環境下生成BP神經網絡的模型。

圖5　BP神經網絡訓練結果誤差分析

3建模與仿真

基于上述的簡化磁鏈法，搭建了如圖6所示的8/6級四相SRM無位置傳感器控制系統。該系統外環采用PI速度控制，內環采用直接轉矩控制。系統主要由以下幾個部分組成： SRM模塊，直接轉矩控制模塊，實時磁鏈計算模塊，參考磁鏈計算模塊，磁鏈比較器及位置脈沖編譯器。

圖6　SRM轉子位置辨識控制

電機控制環節采用直接轉矩控制，將檢測的磁鏈和轉矩與參考量比較，結合磁鏈的幅值和相位，經過開關表判斷，給出功率變換器的開關信號。實時磁鏈計算模塊通過電壓和電流的積分計算出磁鏈。參考磁鏈模塊基于神經網絡參考磁鏈計算模型搭建，輸入轉子電流得到參考磁鏈值。磁鏈比較器比較實時磁鏈與參考磁鏈，通過編譯脈沖信號得到轉子位置角和角速度。編譯器采用上升沿有效。

在MATLAB/Simulink平臺下搭建了SRM轉子位置辨識控制系統并進行仿真。仿真具體參數如下： 繞組電壓U=220V，額定轉速n=1500r/min，功率P=750W，繞組電阻4.2Ω，參考磁鏈ψf=0.36Wb，參考轉矩由PI調節器得到，功率變換器采用不對稱半橋結構，仿真步長Ts=1e-6s。

在電機空載的情況下，對控制系統進行仿真。仿真結果如圖7～9所示。

圖7　磁鏈比較器輸出結果

圖8　實際轉子位置與估計轉子位置比較

圖9　轉子位置辨識誤差

由圖7可知，在A點實際磁鏈與參考磁鏈相等，則輸出一相位置脈沖信息，此時θA=θf。

由圖8～圖9可知，估計轉子位置與實際轉子位置之間存在誤差，位置誤差為100μs，相差的位置角為0.7°。在8/6級四相SRM，齒距角為60°，誤差不會影響電機正常運行。

在負載轉矩T=0.5N·m時對系統進行仿真。仿真結果如圖10～圖11所示。

由圖10～圖11可知，在負載運行情況下，位置誤差為300μs，在啟動階段誤差略大，但在穩定之后穩定在±1°，誤差在不影響電機正常運行的范圍內。

圖10　負載情況下位置辨識比較

圖11　負載情況下位置辨識誤差

在空載和負載的情況下對系統進行了仿真，仿真證明了簡化鏈法能夠實現對轉子位置角的辨識。

4結語

本文簡化了磁鏈電流法，通過比較參考磁鏈與定子磁鏈的值輸出位置信號脈沖，再對脈沖進行編譯得到了轉子位置角和轉速。應用神經網絡離線學習磁鏈特性曲線得到參考磁鏈的非線性函數，增加了系統的精度。仿真結果證明了該方法簡化了SRM驅動系統的復雜性，增加了系統的可靠性，拓寬了SRM調速系統的應用范圍。

【參 考 文 獻】

[1]吳建華.開關磁阻電機設計與應用[M].北京： 機械工業出版社，1999.

[2]LOPEZ G G， KJAER P C， MILLER T J E. A new sensorless method for switched reluctance motor drives[J]. IEEE Transaction on IA， 1997，1(4)： 832-840.

[3]王旭東，張奕黃，王喜蓮，等.無位置傳感器開關磁阻電動機位置的檢測與預報[J].中國電機工程學報，2000，20(7)： 5-8.

[4]王宏華.開關型磁阻電動機調速控制技術[M].北京： 機械工業出版社，1999.

[5]邱亦慧，詹瓊華，馬志源，等.基于簡化磁鏈法的開關磁阻電機間接位置檢測[J].中國電機工程學報，2001，21(10)： 59-62.

[6]MA Q Q， LIANG W H， FERREIRA F J T E， et al. Improved flux linkage method for position sensorless control of high-speed SRM// Electrical Machines(ICEM)， 2014 International Conference on， 2， Sep， Berlin， Germany 2014： 783-788.

[7]李珍國，李彩紅，闞志忠，等.基于改進型簡化磁鏈法的開關磁阻電機無位置傳感器速度控制[J].電工技術學報，2011，26(6)： 62-66.

[8]夏長亮，王明超，史婷娜，等.基于神經網絡的開關磁阻電機無位置傳感器控制[J].中國電機工程學報，2005，25(13)： 123-128.

[9]王明超.基于RBF神經網絡的開關磁阻電機的無位置傳感器控制及單神經元PID控制[D].天津： 天津大學，2004.

[10]毛宇陽，開關磁阻電機無位置傳感器技術研究[D].南京： 南京航空航天大學,2011.

[期刊榮譽]

中文核心期刊中國科技核心期刊中國學術期刊(光盤版)

全國優秀科技期刊華東優秀科技期刊

中國科學引文數據庫來源期刊中國學術期刊綜合評價數據庫來源期刊

Switched Reluctance Motor Sensorless Speed Control Based on the Improved Simplified Flux Method

MEIBoshan，MENGYueran，GAONing，LIUDongyang

(College of Electrical Engineering， Shanghai University of Electric Power Shanghai 200082， China)

Abstract：In order to improved the application range of the switched reluctance motor drive system， a simplified flux method to identify the rotor position under the condition of direct torque control of switched reluctance motor was presented. By using neural network to fit the nonlinear flux linkage curve， compared with the real time flux linkage. The position signal was estimated by means of the real-time flux linkage compared with the special position flux linkage. In the MATLAB/Simulink environment， the model of the position sensorless switched reluctance motor was built. The simulation results showed that the simplified flux method could simplify the control system and confirm the validity of the presented method.

Key words：switched reluctance motor(SRM)； position sensorless control； improved flux method； neural network

收稿日期：2015-09-02

中圖分類號：TM 302

文獻標志碼：A

文章編號：1673-6540(2016)04- 0062- 04

作者簡介：梅柏杉(1957—)，男，本科，教授，研究方向為特種電機及其控制系統。孟悅然(1991—)，女，碩士研究生，研究方向為開關磁阻電機控制系統。