雙平面多參數并行辨識雙滑模觀測器

張懿 吳嘉欣 孫霄陽 韋漢培 魏海峰 李垣江 儲建華

摘要：針對傳統滑模觀測器低速性能差的問題，提出一種帶定子電阻辨識的五相感應電機滑模速度觀測器，實現寬范圍的五相感應電機無速度傳感器運行。建立五相感應電機在旋轉坐標系下的電壓方程，基于此將五相感應電機解耦成基波平面與三次諧波平面分別獨立控制。諧波面上構建第一滑模觀測器用于電機定子電阻和轉子轉速在線辨識。在此基礎上，將第一滑模觀測器辨識結果加載入基波面上的第二滑模觀測器，用于轉子電阻和轉子時間常數在線觀測，繼而有效克服溫度、集膚效應等因素對轉子參數的影響，進一步提高無速度傳感器運行性能。實驗結果驗證了本文所設計雙滑模觀測器無速度傳感器技術的有效性和實用性。

關鍵詞：五相感應電機;滑模觀測器;定子電阻辨識;解耦控制;無速度傳感器

DOI：10.15938/j.emc.（編輯填寫）

中圖分類號：（TM301） ? 文獻標志碼：A ? ? ? ? ?文章編號：1007 -449X（2017）00-0000-00（編輯填寫）

Abstract：The performance of the traditional sliding mode observer at low speed is poor. In view of this problem， a sliding mode speed observer for five phase induction motor with stator resistance identification is proposed to realize the wide range speed sensorless operation. The voltage equation of the motor inrotating coordinate system was established. Based on this， the motor was decoupled from the fundamental plane and the three harmonic plane independently. On the harmonic plane， first observer was constructed to realize the online identification of stator resistance and rotor speed. And on the fundamental plane， identification results of the first observer were loaded on the second observer to realize the online observation of rotor resistance and time constant， then the effect of temperature and skin effect on the rotor parameters were effectively overcome to further improve the performance of the speed sensorless. Experimental results verified the effectiveness and practicability of speed sensorless technology with double sliding mode observer designed in this paper.

Keywords： five phase induction motor; sliding mode observer;stator resistance identification; decoupling control; speed sensorless

0 引言

多相感應電機閉環控制需速度傳感器，考慮到減小控制裝置大小、降低成本，以及系統的后期維護和可靠性問題，需摒棄傳感器，實現無速度傳感器控制。傳統無傳感器控制算法大多基于滑模觀測器擴展反電勢的觀測，但因其固有抖振特性以及測量噪聲使得其輸出反電勢存在大量的噪聲擾動，尤其在低轉速工況下反電勢幅值低，性噪比低，造成電機轉速值估計不準確。另外，多相感應電機高性能控制中，電機參數對解耦效果以及控制精度至關重要。隨著運行工況的變化，集膚效應和溫升等會造成定、轉子阻值參數值發生攝動，氣隙磁場飽和度也會相應地影響電感參數值，造成轉子時間常數等的波動，影響整個控制效果[1 - 3]。因此，對于多相感應電機來說，相關定、轉子參數的準確辨識有著至關重要的意義。

為有效降低電機參數攝動對控制性能的影響，國內外學者對有關電機參數辨識問題進行了不懈努力，各種參數辨識法被相繼提出，如模型參考自適應法[4 - 5]、人工智能法[6 - 8]（遺傳算法、模糊系統、神經網絡等）、遞推最小二乘法[9]以及擴展Kalman濾波法[10 - 12]等。感應電機參數辨識方面，其中以轉子時間常數辨識較為困難，其作為間接磁場定向控制的敏感變量。Zhao L等在文獻[13]中通過轉子槽諧波提取技術估計電機轉速，在轉速估計的前提下，提出一種用于轉子時間常數辨識的感應電機模型導數形式，克服了轉子磁鏈計算中的純積分問題，調整后的粒子群優化算法利用該模型跟蹤轉子時間常數。Laroche E等在正弦穩態模式下進行感應電機參數估計，基于參數攝動得到一個模型，相對于新的參數集是線性的，此方法可在較小計算量的情況下得到一系列的參數估計，避免了關注局部極小問題[14]。Yepes A G等人在文獻[15]中采用最小二乘法，實現了多相感應電機相關參數的離線辨識，并在文獻[16]中對漏感等參數進行在線辨識，但是該方法只局限于正弦波結構的多相電機。總體看來，目前多相感應電機在抗參數攝動方面仍存在諸多難點，相關研究有待進一步加強。

針對復雜工況下五相感應電機定、轉子參數攝動以及傳統滑模觀測器無速度傳感器低速性能差的問題，設計一種雙滑模觀測器用于電機相關參數的在線辨識。提出以下思路：（1）將五相感應電機基波面和諧波面進行解耦，獨立控制，雙平面內分別構建滑模觀測器;（2）諧波面觀測器實現定子電阻和轉速的在線辨識，加載于基波面滑模狀態方程的構建，有效提高低速運行效果;（3）基波面觀測器實現轉子電阻和轉子時間常數的在線觀測，降低不同轉差對其的影響，提高瞬態響應性能。為驗證本文所提出控制策略的可行性和實用性，選取1.2kW五相感應電機為實驗控制對象，對比實驗結果驗證了設計觀測器參數辨識的可行性。

3 實驗驗證與分析

在五相感應電機交流調速平臺上，對本文提出的雙滑模觀測器進行實驗研究，實驗電機參數為：額定功率 ，額定電壓 ，額定電流 ，極對數 ，定子電阻 ，基波轉子電阻 ，諧波轉子電阻 ，基波互感 ，諧波互感 ，輸出額定轉矩 ，額定頻率 ，額定轉速 。實驗中滑模面比例系數 ，轉速自適應系數 ，定子電阻自適應系數 。具體實驗系統平臺如圖2所示。

（1）諧波平面的滑模觀測器驗證

為驗證定子電阻辨識對于滑模觀測器的有效性，分別基于傳統滑模觀測器和本文提出的帶定子電阻辨識的滑模觀測器作對比實驗，如圖3和圖4所示。分別給定電機 的低轉速值，圖3滑模觀測算法中始終將定子電阻值設置為 不變，對比圖3，圖4中滑模觀測算法中的定子電阻值始終在辨識更新中，定子電阻初始值為 。對比結果可知，定子電阻值誤差對于諧波面上的轉子磁鏈、定子電流觀測以及轉速估計均產生影響，產生相應的諧波和抖動，尤其在轉子轉速估計方面，定子電阻誤差使得轉子估計誤差大大增加，抖振尤為明顯。

圖4投入定子電阻辨識環節，定子電阻辨識值從設定初值迅速收斂至實際值，轉速估計逼近實際轉速，誤差大大減小，抖振消失，諧波面上的轉子磁鏈以及定子電流觀測更加平滑，正弦度增強。經分析，電機低速運行時，反電勢值較小，定子電阻壓降對系統影響較大，定子電阻的辨識對于低轉速估計尤為重要。

（2）基波平面的滑模觀測器驗證

圖5為空載工況下基波面轉子電阻和轉子時間常數辨識結果，考慮到滑模固有抖振性，將轉子電阻和轉子常數自適應律系數作相應減小， 左右收斂至實際值。對比圖6滿載工況下的實驗結果，滿載工況下轉子電阻辨識值由空載的 變為約 ，增大約 ，轉子時間常數相應地減小，由空載的 降低至 。經分析，一方面負載的變化改變了轉差率，導致轉子電流頻率隨之改變，由于集膚效應的存在改變了轉子等效電阻值，并對轉子漏感造成影響;另一方面，給定負載的變化增大了電流幅值，電機內溫升使得轉子電阻增大。

為了驗證電機運行動態過程中參數辨識算法的有效性，進行了負載突變下的基波面轉子電阻和轉子時間常數辨識實驗，如圖7所示。在4s時刻之前，電機運行在空載工況下，對應圖5所示的運行工況，在4s時刻給定電機突加額定負載，由圖可知，轉子電阻辨識經過大約0.4s時間快速趨于穩態，幾乎無超調，而轉子時間常數辨識值在突加負載時會有一個較小的超調，之后經過大約0.7s時間同樣趨于穩態，最終辨識結果與圖6基本一致。

為了驗證電機運行動態過程中轉速辨識算法的有效性，進行了給定轉速突變下的轉速辨識實驗，如圖8所示為估計轉速與實際轉速對比。在3.0s時刻之前，給定電機200r/min的轉速運行，在3.0s時刻，給定轉速突升為額定轉速值，在9.0s時刻，給定轉速突降為200r/min。由圖可知，電機轉速估計在給定轉速突變時能夠嚴格跟隨實際值，估計動態性能較好。

4 結論

傳統三相感應電機控制的基礎上，將五相感應電機解耦成雙平面的三相感應電機，實現五相感應電機雙平面多參數并行辨識。諧波面構建帶定子電阻辨識的轉速滑模觀測器，有效拓寬了無速度傳感器運行范圍，改善低速運行效果。在諧波面定子電阻和轉速辨識的基礎上構建基波面上的新型滑模觀測器，實現了基波面上的轉子參數在線觀測，有效避免溫升、集膚效應對轉子參數的攝動影響。實驗結果顯示所設計的滑模觀測器觀測效果較好，具有廣闊的應用前景。

參考文獻：

[1] 李輝，謝翔杰， 劉行中， 等.風電變槳電機參數對控制系統影響分析及改進辨識方法[J].電機與控制學報， 2019， 23（7）： 9.

LI Hui， XIE Xiangjie， LIU Xingzhong， et al. Influ-ence of parameters on control system and improvedidentification method of pitch motor in wind turbin-e generator system[J]. ElectricMachines andContr-ol，2019， 23（7）： 9.

[2] 夏超英，谷海青， 寇麗萍.考慮總漏感隨頻率變化的異步電機參數離線辨識算法[J].電機與控制學報， 2-018， 22（3）： 42.

XIA Chaoying， GU Haiqing， KOU Liping. Offline parameter estimation algorithm for induction motor in consideration of leakage inductance variation wit-h frequency[J]. ElectricMachines andControl，201-8， 22（3）： 42.

[3] 漆星，張倩. Actor-Critic框架下的數據驅動異步電機離線參數辨識方法[J].電工技術學報， 2019， 34（9）： 1875.

QI Xing， ZHANG Qian. Data-driven induction mot-or parameters offline identification method based o-n Actor-Critic framework[J]. Transactionsof ChinaElectrotechnical Society， 2019， 34（9）： 1875.

[4] 車海軍， 王亮亮， 霍麗嬌， 等. 改進的無功功率模型參考自適應異步電機轉速辨識[J]. 電機與控制學報，2017， 21（10）： 40.

CHE Haijun， WANG Liangliang， HUO Lijiao， et al.Improved reactive power model reference adaptive speedidentification applying to induction motor[J]. Electric Machines and Control， 2017， 21（10）： 40.

[5] 韋文祥， 劉國榮. 基于CESO磁鏈觀測器的模型參考自適應感應電機轉速辨識[J]. 電機與控制學報， 201-6， 20（4）： 57.

WEI Wenxiang， LIU Guorong.Speed identification for induction motor based on CESOflux observer and MRAS[J]. Electric Machines and Control， 2016，20（4）： 57.

[6] WLAS M， KRZEMINSKI Z， TOLIYAT H A. Neural networ-k based parameter estimations of induction motors[J].IEEE Transactions on Industrial Electronics， 20-08， 55： 1783.

[7] 張立偉，張鵬， 劉曰鋒， 等.基于變步長Adaline神經網絡的永磁同步電機參數辨識[J].電工技術學報， 2018， 33（2）： 378.

ZHANG Liwei， ZHANG Peng， LIU Yuefeng， et al.Parameter identification of permanent magnet synch-ronous motor based on variable step-size adaline n-eural network[J]. Transactionsof ChinaElectrotech-nical Society， 2018， 33（2）： 378.

[8] 王耀南， 陳維. 無速度傳感器的感應電機神經網絡魯棒自適應控制[J]. 中國電機工程學報， 2008， 28（33）：92.

WANG Yaonan， CHEN Wei. Speed sensorless neur-al network robust adaptive control for induction m-otors[J]. Proceedings of the CSEE， 2008， 28（33）： 9-2.

[9] WANG K， CHIASSON J， BODSON M， et al. A nonlinearleastsquares approach for identification of the induct-ion motor parameters[J]. IEEE Transactions on aut-omatic Control， 2005， 50（10）： 1622.

[10] WLALAMI A， WAMKEUE R， KAMWA I， et al. Unscent-ed kalman filter for non-linear estimation of induct-ion machine parameters[J]. IET electric power appl-ications， 2012， 6（9）： 611.

[11] BARUT M， BOGOSYAN S， GOKASAN M. Experimental evaluation of braided EKF for sensorless control ofinduction motors[J]. IEEE Transactions on IndustrialElectronics， 2008， 55（2）： 620.

[12] 尹忠剛， 趙昌， 鐘彥儒， 等. 采用抗差擴展卡爾曼濾波器的感應電機轉速估計方法[J]. 中國電機工程學報， 2012， 32（18）： 152.

YIN Zhonggang， ZHAO Chang， ZHONG Yanru， etal. A speed estimation method of induction motorsusing the robust extended kalman filter[J]. Proceedi-ngs of the CSEE， 2012， 32（18）： 152.

[13] ZHAO L， HUANG J， CHEN J， et al. A parallel speed a-nd rotor time constant identification scheme for in-direct field oriented induction motor drives[J]. IEE-ETransactions on Power Electronics， 2016， 31（9）：64-94.

[14] LAROCHE E， BOUTAYEB M. Identification of the induct-ion motor in sinusoidal mode[J]. IEEE Transactionson Power Electronics， 2010， 25（1）： 11.

[15] YEPES A G， RIVEROS J A， Doval-Gandoy J， et al. Pa-rameter identification of multiphase induction mac-hines with distributed windings-Part 1： Sinusoidale-xcitation methods[J]. IEEE Transactions on EnergyConversion， 2012， 27（4）： 1056.

[16] RIVEROS J A， YEPES A G， BARRERO F， et al. Paramete-r identification of multiphase induction machines with distributed windings—Part 2： Time-domain tec-hniques[J]. IEEE Transactions on Energy Conversi-on， 2012， 27（4）： 1067.