周 濤，蔣 全

(上海理工大學 機械工程學院，上海 200093)

永磁同步電機(Permanent Magnet Synchronous Motors，PMSMs)具有體積小、重量輕、效率高、功率密度大等優(yōu)點，在航空航天、新能源汽車、工業(yè)控制、家用電器等領(lǐng)域有著廣泛的應(yīng)用[1-2]。為了實現(xiàn)永磁同步電機的精確矢量控制，必須獲取準確的轉(zhuǎn)子位置。而傳統(tǒng)機械式傳感器(如光電編碼器、旋轉(zhuǎn)變壓器等)存在體積大、成本高、安裝不便以及特殊應(yīng)用場合下可靠性低等問題[3-4]。為了解決上述問題，許多學者對PMSM無傳感器控制技術(shù)進行了深入的研究。需要指出的是，這里的無傳感器指的是無位置或速度傳感器，不包括其它傳感器。

根據(jù)電機在不同速度范圍運行，可將永磁同步電機無傳感器控制方法分為兩大類[5-8]：一類是適用于零速或低速的控制方法，主要包括高頻注入法、低頻注入法和INFORM法等，它們通過外部注入激勵信號產(chǎn)生電壓或電流響應(yīng)來獲取轉(zhuǎn)子位置和速度的信息；另一類是適用于中高速范圍的控制方法，該類方法的基本思想是在數(shù)學模型的基礎(chǔ)上通過各種算法獲取與轉(zhuǎn)速有關(guān)物理量(如磁鏈或反電動勢)，再從這些物理量中提取轉(zhuǎn)子速度及位置。該類方法又包括非自適應(yīng)方法、自適應(yīng)方法和人工智能方法。非自適應(yīng)方法又稱開環(huán)算法，主要包括直接計算法、反電勢積分法、擴展反電勢積分法等。自適應(yīng)法又稱閉環(huán)算法，主要包括滑模觀測器法(Sliding Mode Observer，SMO)、龍伯格觀測器法(Luenberger Observer，LO)、卡爾曼濾波器法(Kalman Filter，KF)、模型參考自適應(yīng)法(Model Reference Adaptive System，MRAS)等。PMSM無傳感器控制方法分類如圖1所示。

圖1 PMSM無傳感器控制方法分類

目前還沒有一種方法能實現(xiàn)PMSM在全速范圍內(nèi)的無傳感器運行。因此，全速范圍內(nèi)的無傳感器控制技術(shù)的研究有著重要意義。本文對永磁同步電機無傳感器控制在中高速、零低速和全速范圍內(nèi)的各種方法進行了研究，并進行了詳細闡述和優(yōu)缺點對比分析，以期為其他研究者提供參考。

1 中高速范圍內(nèi)的無傳感器控制方法

永磁同步電機運行在中高速區(qū)域，轉(zhuǎn)子位置信息包含在反電勢或磁鏈中，大多是基于電機的基波模型對轉(zhuǎn)子位置和轉(zhuǎn)速進行估計。通過對大量文獻的總結(jié)，現(xiàn)對開環(huán)算法、閉環(huán)算法和人工智能算法進行分類闡述。

1.1 非自適應(yīng)(開環(huán))算法

開環(huán)算法包括直接計算法、反電勢積分法、擴展反電勢法等，具有簡單直接、計算量小、實現(xiàn)容易等特點，其基本原理如圖2所示。但是該方法的估算精度易受電機參數(shù)變化的影響，僅適合在對性能要求不高的場合。該算法打開了無傳感器控制技術(shù)的大門，為永磁同步電機后續(xù)各種閉環(huán)算法的研究奠定了基礎(chǔ)。

圖2 開環(huán)算法原理圖

1.1.1 直接計算法

直接計算法是一種基于定子電壓、磁鏈方程和坐標變換的轉(zhuǎn)速和位置估計方法，通過檢測電機定子的電壓和電流，直接計算獲得轉(zhuǎn)子位置信號，進而得到轉(zhuǎn)速的估計值[9-10]。常見的轉(zhuǎn)子位置角的計算式如下

θe=arctan(A/B)

(1)

其中

A=uα-Rsiα-Ldpiα+ωeiβ(Lq-Ld)

(2)

B=-uβ-Rsiβ-Ldpiβ+ωeiα(Lq-Ld)

(3)

對于表貼式PMSM有Ld=Lq=Ls，則計算轉(zhuǎn)速得到

(4)

其中

C=(uα-Rsiα-Lspiα)2+(uβ-Rsiβ-Lspiβ)2

(5)

D=ψf

(6)

可以看出，轉(zhuǎn)子位置和轉(zhuǎn)速的計算量可以通過實際測量得到。直接計算法的計算過程簡單直接，動態(tài)響應(yīng)速度較快，但其對電機參數(shù)高度敏感，電機參數(shù)變化或外界干擾對轉(zhuǎn)子位置和速度估計值的精度影響較大。由于沒有反饋環(huán)節(jié)，誤差無法及時修正，難以保證電機在惡劣環(huán)境下的正常運行。因此，運用此方法時需結(jié)合電機參數(shù)在線辨識以獲得較好的估算精度[11]。

1.1.2 反電勢積分法

反電勢積分法又被稱為開環(huán)磁鏈法或磁鏈觀測法[12]。永磁同步電機磁場定向控制的關(guān)鍵是獲得準確的轉(zhuǎn)子磁鏈矢量，并以此求出轉(zhuǎn)子位置信息。根據(jù)永磁同步電機在α-β坐標系中的定子電壓方程和定轉(zhuǎn)子磁鏈關(guān)系進行積分和反三角函數(shù)運算，進一步求出轉(zhuǎn)子位置角度和轉(zhuǎn)速[13]

(7)

(8)

式中，ψf為永磁體磁鏈矢量；ψs為定子合成磁鏈矢量；Us為定子電壓矢量；Is為定子電流矢量；Lαβ為電機在α-β坐標系下的電感矩陣；ψfα和ψfβ分別為轉(zhuǎn)子磁鏈在α-β軸上的分量。

該方法實現(xiàn)簡單，動態(tài)響應(yīng)速度快，運用廣泛。但是，在實際應(yīng)用中易受到積分初值、電壓電流測量噪聲、逆變器非線性等因素的影響，造成積分漂移而使電機不穩(wěn)定運行[14-15]。當電機運行轉(zhuǎn)速較低(低于額定轉(zhuǎn)速5%)時，過小的反電勢將嚴重影響估算結(jié)果的準確性。

為了解決矢量控制系統(tǒng)中的積分漂移問題，需要引入誤差補償環(huán)節(jié)。通常用具有低通濾波性質(zhì)的非理想積分器代替純積分器來抑制或消除漂移現(xiàn)象并改進磁鏈位置觀測精度[16]。文獻[15]在傳統(tǒng)低通濾波器算法的基礎(chǔ)上，提出了一種將零漂修正算法和帶補償LPF相結(jié)合的改進算法。該算法能夠完全消除直流偏置，與有位置傳感器的位置測量相比，該算法的估算結(jié)果誤差小于1.5%。由于二階廣義積分器(Second-order Generalized Integrator，SOGI)具有先進的濾波能力且能有效避免幅值衰減和相移的優(yōu)點[17]，文獻[18]在SOGI的基礎(chǔ)上設(shè)計了兩種新型磁鏈觀測器，即二階廣義積分磁鏈觀測器(Second-Order Generalized Integral Flux Observer，SOIFO)和二階SOIFO，無需額外的參數(shù)辨識和補償環(huán)節(jié)就可以有效消除直流偏置和諧波，提高動穩(wěn)態(tài)性能和抗干擾能力，并擴大調(diào)速范圍。但該方法計算過程復雜，實用性難以保證。

1.1.3 擴展反電勢法

由于內(nèi)嵌式永磁同步電機(Interior PMSM，IPMSM)的結(jié)構(gòu)凸極特性，其在α-β坐標系中電壓方程的電感矩陣包含轉(zhuǎn)子位置信息，不易直接通過反電勢計算轉(zhuǎn)子位置。針對這一問題，文獻[19]提出了擴展反電勢的概念，將式(1)寫成永磁同步電機的一般形式，其電壓方程表示為

(9)

其中，ε定義為擴展反電勢(Extended EMF, EEMF)，表達式為

(10)

從式中可以看出，擴展反電勢不僅包含傳統(tǒng)定義的電動勢位置信息，還包含定子電感的位置信息，因此可以將表貼式永磁同步電機(Surface PMSM，SPMSM)轉(zhuǎn)子位置觀測方法運用于IPMSM中。文獻[19]利用擾動觀測器得到反電動勢，通過自適應(yīng)速度估計得到轉(zhuǎn)子信息，滿足Popov超穩(wěn)定性要求，保證了整個系統(tǒng)的穩(wěn)定性。結(jié)果表明，最大位置誤差約為1°電角度。文獻[20～22]先后提出了一種簡單的基于擴展反電勢并利用控制電壓估計轉(zhuǎn)子位置的簡化方法。在與傳統(tǒng)有擾動觀測器方法進行穩(wěn)定性分析對比后，又提出一種交叉耦合補償法，采用無干涉控制，實現(xiàn)了d-q軸的獨立控制。該方法不僅減小了實際電流與參考電流之間的誤差，還減小了轉(zhuǎn)子位置誤差。為了提高控制性能，研究人員又提出了一種利用估計位置誤差補償電流控制器的新方法，改進了轉(zhuǎn)子轉(zhuǎn)速斜坡響應(yīng)中的轉(zhuǎn)子位置誤差。

1.2 自適應(yīng)(閉環(huán))算法

與開環(huán)方法相比，閉環(huán)技術(shù)基于使用校正機理的觀測器方案，通過加入修正環(huán)節(jié)來提高估算精度和系統(tǒng)魯棒性。自適應(yīng)算法包括各種觀測器和模型參考自適應(yīng)法。

1.2.1 滑模觀測器法

滑模觀測器(Sliding Mode Observer，SMO)算法是一種變結(jié)構(gòu)控制，與傳統(tǒng)控制算法的根本區(qū)別在于滑?？刂频牟贿B續(xù)性[23]。該方法的基本原理是根據(jù)永磁同步電機的數(shù)學模型建立SMO，通過觀測到的電流與實際電流之間的估計誤差來設(shè)計滑動面。通過測量電流的估計誤差，重構(gòu)反電動勢，利用反電動勢估計轉(zhuǎn)子位置和轉(zhuǎn)速信息。SMO可以應(yīng)用于表貼式或內(nèi)嵌式永磁同步電機。常規(guī)的SMO大多是基于兩相靜止坐標系下的電流狀態(tài)方程構(gòu)造的，基本結(jié)構(gòu)圖3所示。

圖3 常規(guī)SMO基本結(jié)構(gòu)圖

(11)

式中，y(x)表示實際控制量的切換函數(shù)，主要包括符號函數(shù)、飽和函數(shù)、雙曲正切函數(shù)和S形函數(shù)等。

滑模觀測器法具有響應(yīng)速度快、魯棒性強、工程易實現(xiàn)等優(yōu)點[24-25]。但由于滑模變結(jié)構(gòu)控制本質(zhì)上是不連續(xù)的開關(guān)控制，會使系統(tǒng)發(fā)生抖振。尤其是在低速下電動機的矢量控制中，會引起比較大的轉(zhuǎn)矩脈動。因此，在保證系統(tǒng)魯棒性的前提下，消除抖振以及提高響應(yīng)速度和控制精度是滑模觀測器迫切需要解決的問題。目前，針對這些問題的研究熱點主要在切換函數(shù)、滑模增益、估算精度等方面的綜合改進[26-27]。

文獻[24]用S型函數(shù)來替代符號函數(shù)，減小了系統(tǒng)抖振，提高了轉(zhuǎn)子位置估計精度。同時，其構(gòu)造反電勢觀測器來消除低通濾波器和相位補償模塊，但是其具有硬件設(shè)計較為復雜且沒有解決響應(yīng)速度慢的問題。SMO與鎖相環(huán)技術(shù)的結(jié)合能有效削弱高頻抖振，提高觀測精度[28-30]。圖4所示的正交鎖相環(huán)(PLL)可以提取轉(zhuǎn)子位置信息和速度信息。在此基礎(chǔ)上，文獻[31～32]提出了自適應(yīng)陷波濾波器觀測轉(zhuǎn)子位置，能夠有效減小轉(zhuǎn)子位置觀測脈動誤差，且收斂速度較快，在穩(wěn)態(tài)和加減速動態(tài)過程中具有較好的控制效果。將滑模觀測器與其他算法相結(jié)合是目前的研究熱點，文獻[33]采用雙曲正切函數(shù)和卡爾曼濾波的改進SMO算法，有效抑制了系統(tǒng)抖振，在無相位補償?shù)那闆r下，顯著提高了位置和速度觀測誤差的精度。結(jié)果表明，雙曲正切函數(shù)的收斂速度與系統(tǒng)抖振大小和速度觀測誤差有很強的相關(guān)性。當a在3 ～ 4之間時，改進的SMO的速度誤差精度是最優(yōu)的。

圖4 基于PLL的SMO實現(xiàn)框圖

1.2.2 龍伯格Luenberger觀測器法

Luenberger觀測器是狀態(tài)觀測器的一種，其本質(zhì)還是狀態(tài)重構(gòu)[34]。龍伯格觀測器原理結(jié)構(gòu)如圖5所示。其利用PMSM數(shù)學模型構(gòu)造觀測器模型，根據(jù)輸出的偏差反饋信號來修正狀態(tài)變量。當觀測的電流實現(xiàn)與實際電流跟隨時，可以從觀測的反電勢計算得到電機的轉(zhuǎn)子位置信息，形成跟蹤閉環(huán)估計。龍伯格觀測器采用線性控制策略代替了SMO的變結(jié)構(gòu)控制，有效避免了系統(tǒng)抖振，具有動態(tài)響快、估算精度高的優(yōu)點。但其反饋增益的選擇是影響轉(zhuǎn)速估算效果的關(guān)鍵，且系統(tǒng)魯棒性較SMO差，對電機參數(shù)變化較敏感。根據(jù)PMSM在靜止兩相坐標系下的數(shù)學模型構(gòu)建Luenberger觀測器模型為[35]

圖5 Luenberger觀測器原理框圖

(12)

(13)

為了提高系統(tǒng)的魯棒性，文獻[36]提出了一種魯棒非線性的Luenberger觀測器來估計轉(zhuǎn)子位置和磁鏈。該觀測器對負載擾動、電機慣量、摩擦和轉(zhuǎn)子信息估計參數(shù)具有魯棒性。實驗表明，當給定速度恒定時，估計誤差隨時間保持不變。文獻[37]提出了一種改進平面度控制的擴展Luenberger觀測器方法，對除電機轉(zhuǎn)速和定子電流之外的負載轉(zhuǎn)矩和阻抗參數(shù)同時進行了在線估計，有效提高了系統(tǒng)對參數(shù)變化和外部負載擾動的魯棒性。文獻[38]提出了一種利用定子交軸電流和轉(zhuǎn)速方程構(gòu)造線性降維Luenberger觀測器來獲得電機轉(zhuǎn)速。該方法采用反推控制策略來設(shè)計速度和電流控制器，使系統(tǒng)具有調(diào)節(jié)參數(shù)少，具有良好的速度跟蹤和轉(zhuǎn)矩響應(yīng)。

1.2.3 卡爾曼濾波器法

卡爾曼濾波是一種線性、無偏、最小方差意義下的最優(yōu)預(yù)測估計方法，其計算過程包括預(yù)測環(huán)節(jié)、校正環(huán)節(jié)和卡爾曼增益3個部分。其由上一時刻的估計值和當前時刻的觀測值來預(yù)測當前時刻的估計值，再對其進行反饋校正和遞推運算，所以比較適合數(shù)字計算機實現(xiàn)[39-40]。和前述的滑模觀測器法及狀態(tài)觀測器法不同的是，卡爾曼濾波器是考慮了系統(tǒng)噪聲和測量噪聲的隨機性過程，因而能有效削弱隨機干擾和測量噪聲的影響。由于卡爾曼濾波器僅適用于線性系統(tǒng)，而PMSM 屬于非線性系統(tǒng)，故不能直接用于無速度傳感器控制。對于非線性系統(tǒng)，目前有擴展卡爾曼濾波(Extended Kalman Filter，EKF)和無跡卡爾曼濾波(Unscented Kalman Filter，UKF)兩種廣義方法。以EKF為例進行狀態(tài)估計，PMSM的非線性模型離散化形式為

(14)

式中，φ(k)≈I+TsF(x)；B′≈BTs；I為單位矩陣；Ts為采樣時間；w(k)、v(k)分別表示系統(tǒng)噪聲和測量噪聲，且均為零均值白噪聲；記其協(xié)方差矩陣分別為Q和R。EKF算法可以由以下遞推方程表示

(15)

(16)

(17)

(18)

(19)

式中，“^”表示狀態(tài)估計值；“～”表示預(yù)測值；Pk為誤差的協(xié)方差矩陣；K為卡爾曼增益矩陣，通過確定最優(yōu)的K來實現(xiàn)對狀態(tài)的最優(yōu)估計。EKF可以實現(xiàn)永磁同步電機速度的實時在線估計，應(yīng)用于PMSM中則表示將α-β軸下的電機方程線性化。通過觀測器估計轉(zhuǎn)子的最優(yōu)轉(zhuǎn)速，然后利用遞歸公式計算實時轉(zhuǎn)速，并對電機轉(zhuǎn)速進行連續(xù)迭代。

UKF是近年來在EKF基礎(chǔ)上發(fā)展起來的新算法，其運用于PMSM的狀態(tài)估計的研究也逐漸增多。文獻[41]比較了UKF和EKF在永磁同步電機位置和轉(zhuǎn)速估計上的性能。仿真結(jié)果顯示UKF在穩(wěn)態(tài)估計精度上要優(yōu)于EKF，但在啟動和動態(tài)過程EKF表現(xiàn)較好；在計算量上，UKF雖然省去了雅可比矩陣的計算，但是需要計算Sigma點，計算量是EKF的2.4倍。

卡爾曼濾波器的缺點是算法復雜，對控制器計算性能要求高，由于涉及的隨機因素較多，分析工作困難，工作量大，往往需要經(jīng)過不斷調(diào)試才能獲得合適的參數(shù)。目前，大多采用現(xiàn)場可編程門陣列(Field Programmable Gate Array，F(xiàn)PGA)技術(shù)實現(xiàn)EKF的轉(zhuǎn)子位置觀測[41-42]，可以提高響應(yīng)速度和運算精度。隨著半導體技術(shù)與數(shù)字控制芯片運算能力的提高，卡爾曼濾波法將得到更為廣泛的應(yīng)用。

1.2.4 模型參考自適應(yīng)法

模型參考自適應(yīng)法具有參數(shù)自適應(yīng)、結(jié)構(gòu)簡單、穩(wěn)態(tài)性能好等優(yōu)點[43-44]，在無傳感器控制領(lǐng)域得到了廣泛的運用。MRAS的基本結(jié)構(gòu)如圖6所示。

圖6 MRAS結(jié)構(gòu)框圖

其基本原理是將含待估計參數(shù)的數(shù)學方程(一般有電流模型、磁鏈模型、電壓模型)作為可調(diào)模型，將不含未知參數(shù)的PMSM本身作為參考模型，利用兩種模型的輸出之差，通過設(shè)計合適的自適應(yīng)律來實現(xiàn)可調(diào)模型對參考模型的跟蹤，進而實現(xiàn)對轉(zhuǎn)子位置和速度的估算[45]。MRAS是一種基于Popov超穩(wěn)定性理論設(shè)計的參數(shù)辨識方法，其估算精度跟參考模型本身的選取有關(guān)。選擇合理的自適應(yīng)律，在提高收斂速度的同時保證系統(tǒng)的穩(wěn)定性及魯棒性是這種方法需要深入研究的問題。

將滑?？刂婆c MRAS 相結(jié)合，能有效改善系統(tǒng)的魯棒性[46-48]。文獻[49]在此基礎(chǔ)上進行改進，構(gòu)造了邊界層可變的正弦飽和函數(shù)，削弱了滑?？刂埔鸬南到y(tǒng)抖動。同時，引入Sigmoid函數(shù)，提高了滑模軟切換速度控制器的穩(wěn)定性。

文獻[50]針對傳統(tǒng)MRAS在數(shù)字化應(yīng)用中的積分缺陷，影響參考模型計算精度的問題，提出了一種預(yù)測-校正系統(tǒng)的改進型MRAS算法。該方法簡單易于實現(xiàn)，并有效提高了轉(zhuǎn)子位置估算精度。

1.3 人工智能控制法

隨著計算機和控制技術(shù)的發(fā)展，人工智能控制方法在上世紀90年代開始運用于電機控制領(lǐng)域，它主要包括人工神經(jīng)網(wǎng)絡(luò)、模糊控制、專家系統(tǒng)、遺傳算法等具備自學習、自適應(yīng)、自整定能力的智能算法[51]。目前，針對非線性、多變量的永磁同步電機模型，模糊控制和神經(jīng)網(wǎng)絡(luò)控制是目前國內(nèi)外運用在電機無傳感器控制中較常見的智能控制方法，具有較好的觀測魯棒性。

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)利用其自學習能力，將電機參數(shù)(定子電流、電壓)作為神經(jīng)網(wǎng)絡(luò)的輸入層，將電機轉(zhuǎn)子位置或轉(zhuǎn)速作為神經(jīng)網(wǎng)絡(luò)的輸出層，在無需確定數(shù)學模型的前提下實現(xiàn)永磁同步電機的無傳感器控制[52-53]。文獻[54]提出一種基于神經(jīng)網(wǎng)絡(luò)的PMSM無傳感器控制方法，設(shè)計并證明了速度和位置自適應(yīng)觀測器的穩(wěn)定性，文獻[55～56]將徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)應(yīng)用于PMSM無位置傳感器控制系統(tǒng)中，采用隨機梯度下降法在線訓練和優(yōu)化網(wǎng)絡(luò)參數(shù)，實現(xiàn)了無傳感器控制，并具有良好的動態(tài)響應(yīng)和調(diào)節(jié)能力。為了減少系統(tǒng)抖振現(xiàn)象，文獻[57]將模糊控制與滑模觀測器結(jié)合起來，通過模糊控制確定增益的大小。該方法低速抖振抑制效果好，提高了位置檢測精度和動靜態(tài)性能。

目前，智能控制方法還不太成熟，大多與其它算法相結(jié)合，且還處于理論研究階段。但是，隨著人工智能控制技術(shù)的不斷發(fā)展與完善，其表現(xiàn)出來的優(yōu)越性將在電機實際控制中得到廣泛的運用。

2 零低速范圍內(nèi)的無傳感器控制方法

前面提到的基于基波模型的永磁同步電機在中高速范圍內(nèi)工作良好，但當電機運行在零速和低速時，由于轉(zhuǎn)子反電勢的信噪比太小而無法提取，導致在零低速下對電機的轉(zhuǎn)子位置和速度檢測失效。為了解決上述問題，需外加注入電壓或電流信號來提取轉(zhuǎn)子位置信息，根據(jù)注入信號的頻率或形式可分為高頻信號注入法、低頻信號注入法和INFORM法。

2.1 高頻信號注入法

高頻信號注入法是基于電機的凸機特性，通過對電機定子繞組注入高頻激勵信號, 可從反饋的高頻信號中提取轉(zhuǎn)子的位置信息，能夠?qū)崿F(xiàn)轉(zhuǎn)子初始位置檢測和低速區(qū)運行[58]。該方法包括電壓注入法和電流注入法，其中常用的控制算法有文獻[59]提出的旋轉(zhuǎn)高頻電壓注入法和文獻[60]提出的脈振高頻電壓注入法。

2.1.1 旋轉(zhuǎn)高頻電壓注入法

旋轉(zhuǎn)高頻電壓注入法主要適用于凸極效應(yīng)明顯的IPMSM中。該方法的基本原理是向電機的兩相靜止坐標系中加入一個高頻的電壓激勵信號，利用電機本身結(jié)構(gòu)凸極或飽和凸極效應(yīng)產(chǎn)生高頻電流響應(yīng)。該電流響應(yīng)包含正相序和負相序兩種分量，而只有負相序高頻電流分量的相位中包含轉(zhuǎn)子位置信息。因此需要運用適當?shù)男盘柼幚砑夹g(shù)，通過構(gòu)造合適的觀測器法或鎖相環(huán)法提取轉(zhuǎn)子速度和位置信息。其系統(tǒng)結(jié)構(gòu)原理框圖如圖7所示，注入的高頻電壓信號可表示為

圖7 旋轉(zhuǎn)高頻電壓注入法控制框圖

(20)

式中，uα、uβ分別為兩相靜止坐標系中注入的高頻電壓信號；Uh、ωh分別為注入高頻電壓的幅值和角頻率。

旋轉(zhuǎn)高頻電壓注入法簡單易實現(xiàn)，不依賴反電勢和對電機參數(shù)變化不敏感。但是該方法信號處理過程較為復雜，采用多個濾波器導致速度和位置估計會發(fā)生延遲，降低了系統(tǒng)的動態(tài)性能，加上定子電阻、交叉耦合效應(yīng)和逆變器非線性等因素的影響，轉(zhuǎn)子位置估計的精度會降低[61]。為此，文獻[62]提出了一種雙向旋轉(zhuǎn)高頻載波信號注入策略。與傳統(tǒng)方法不同的是，該方法同時注入兩個不同旋轉(zhuǎn)頻率和方向的高頻載波電壓，使得以上問題的得到了有效解決，轉(zhuǎn)子位置也獲得了良好的動靜態(tài)性能。

2.1.2 脈振高頻電壓注入法

脈振高頻電壓注入法可用于凸極率很小甚至表貼式永磁同步電機。和旋轉(zhuǎn)高頻注入法不同的是，脈振高頻電壓注入法只在估計的同步旋轉(zhuǎn)坐標系中的d軸注入高頻正弦電壓信號，該信號在空間產(chǎn)生一個脈振的電壓矢量。圖8建立了估計轉(zhuǎn)子與實際轉(zhuǎn)子同步旋轉(zhuǎn)坐標系之間的關(guān)系。該方法的基本原理與旋轉(zhuǎn)高頻電壓信號法類似，不同之處在于對反饋電流的信號處理方式上。脈振高頻電壓注入法需要將高頻電流分量與高頻正弦信號相乘進行幅值調(diào)制，然后進行濾波和轉(zhuǎn)子位置觀測，其系統(tǒng)結(jié)構(gòu)原理框圖如圖9所示，注入的高頻正弦電壓信號為

圖8 估計和實際轉(zhuǎn)子坐標系之間的關(guān)系

圖9 脈振高頻注入法控制框圖

(21)

相比于旋轉(zhuǎn)高頻注入法，脈振高頻注入法對電機凸極性沒有要求，對電機參數(shù)變化和負載擾動有更好的性能。但系統(tǒng)動態(tài)性能較差，穩(wěn)定范圍小，收斂速度慢等問題[63]。文獻[64]在兩相靜止坐標系中注入脈振高頻正弦信號，提高了觀測系統(tǒng)的穩(wěn)定性并簡化了解調(diào)信號的過程。還有學者提出將脈振高頻信號注入三相ABC坐標系和固定頻率旋轉(zhuǎn)坐標系中來提高收斂速度和系統(tǒng)穩(wěn)定性[65-66]。

除了高頻正弦信號注入形式外，還有高頻非正弦信號注入形式如方波、三角波等高頻注入法帶來的優(yōu)良性能，近年來也獲得了國內(nèi)外眾多學者的廣泛研究[5]。

2.2 低頻信號注入法

低頻信號注入法主要是指低頻電流信號注入法。其基本原理為向電機估計的直軸注入一個低頻電流信號ic，當估計值與實際值存在誤差時，低頻電流信號產(chǎn)生的轉(zhuǎn)矩分量會引起機械振動，通過振動產(chǎn)生的反電動勢脈動在其響應(yīng)中便可觀測出轉(zhuǎn)子位置信號[67]

(22)

(23)

與高頻信號注入法不同的是，低頻信號注入法對電機的凸極特性沒有要求，而是根據(jù)電機的動力學方程實現(xiàn)對轉(zhuǎn)子位置的估計。因此該方法對SPMSM和IPMSM均適用。但是，低頻注入法需要電機產(chǎn)生反電動勢脈動，則估計精度受轉(zhuǎn)動慣量影響較大，故該方法常被用于低速時負載轉(zhuǎn)矩要求不高的電機系統(tǒng)中[12]。

2.3 INFORM法

INFORM(Indirect Flux Detection by On-line Reactance Measurement)法是一種在線脈沖法[68]。該方法同樣基于電機的凸極特性，利用電機定子繞組的電感值隨電機轉(zhuǎn)子位置的變化而發(fā)生周期性變化，從不同的方向施加一些空間矢量電壓，并測量電流響應(yīng)；然后利用這個電流來計算電感變化；最后通過計算估計出轉(zhuǎn)子的位置信息。

該方法不太依賴于反電動勢且操作簡單，因此可以實現(xiàn)低速或靜止時的位置檢測。但是在實際應(yīng)用中對電流檢測電路的精度要求較高，且常規(guī)的INFORM法易引起電機相電流畸變從而影響估算結(jié)果。

3 全速范圍內(nèi)無傳感器控制方式

由于以上方法均只在合適的速度區(qū)間內(nèi)表現(xiàn)出優(yōu)良的控制效果，調(diào)速范圍有限，目前還沒有一種方法能實現(xiàn)PMSM在全速范圍內(nèi)的無傳感器運行。因此，必須采用復合控制方法，即將以上兩個速度范圍的控制方法進行混合控制，優(yōu)勢互補，實現(xiàn)全速范圍內(nèi)的轉(zhuǎn)速估計。復合控制策略已然成為現(xiàn)在的無傳感器控制技術(shù)的研究熱點，其發(fā)展是大勢所趨。目前主要包括I/f控制結(jié)合反電勢積分法[69]、I/f控制結(jié)合滑模觀測器法[70]、高頻注入結(jié)合模型參考自適應(yīng)法[71]、高頻注入結(jié)合滑模觀測器法[72]、高頻注入結(jié)合擴展卡爾曼濾波器法[73]等。

然而，良好的復合控制方法設(shè)計難點在于如何實現(xiàn)兩類方法的平穩(wěn)切換。根據(jù)兩種方法結(jié)合方式的不同，切換方法可以分為滯環(huán)切換法、加權(quán)平均切換法、間接加權(quán)切換法等。

4 結(jié)束語

永磁同步電機無傳感器方法目前已有很多種且還在不斷發(fā)展。本文針對全速范圍內(nèi)的永磁同步電機無傳感器控制方法進行歸納總結(jié)，分析了不同速度范圍內(nèi)各種方法的優(yōu)點和缺點，并對無傳感器控制的發(fā)展趨勢進行了展望：(1)對于中高速范圍的無傳感器控制方法，主要基于電機的基波模型。早期的開環(huán)算法，簡單易實現(xiàn)，但魯棒性和抗干擾較差；閉環(huán)算法精度高，自適應(yīng)性好，但算法復雜，實現(xiàn)成本高；(2)對于零低速范圍的無傳感器控制方法，主要是基于電機的凸極特性采用外加電壓或電流信號注入法，在其響應(yīng)中提取轉(zhuǎn)子位置信息。該類方法不依賴電機參數(shù)，但信號處理過程復雜，動態(tài)性能有待提高；(3)利用各種方法優(yōu)勢互補的復合控制能夠?qū)崿F(xiàn)全速范圍內(nèi)的無傳感器運行，其關(guān)鍵在于實現(xiàn)切換過程的平穩(wěn)性；(4)隨著微控制器的發(fā)展和人工智能技術(shù)的成熟，估算精度高、魯棒性強且能直接實現(xiàn)全速范圍內(nèi)的無傳感器復合型控制將是未來的研究重點。永磁同步電機的無傳感器控制也將朝著高效率、低成本的方向發(fā)展。