论文部分内容阅读
感应电机高性能调速系统需要安装光电编码器,其同心度精度低于50um时,无法实现闭环控制。同时,编码器信号易受到电磁干扰,且安装编码器增加了感应电机变频调速硬件系统的复杂程度。因此通过采集电机定子电压、电流等信号,利用相关算法进行转速估计的无速度传感器技术成为研究热点。目前主要有基于电动机基本模型和基于电动机各向异性两种控制方案。本文主要针对无速度传感器矢量控制系统存在中低速震荡以及对测量噪声敏感的问题,基于电动机基本模型的观测器方法研究感应电机无速度传感器矢量控制系统。首先,分析了感应电机的动态数学模型具有高阶、非线性、强耦合的性质。通过矢量坐标变换简化了感应电机的动态数学模型。其次,针对感应电机在中低速存在转速震荡、抗扰性能弱、转速估计精度低的问题,提出了基于转子磁链模型的模型参考自适应(Model Reference Adaptive System,MRAS)观测器和滑模观测器相结合并运用遗传算法优化滑模观测器参数的转速估计方法,同时设计了一种磁链、转速模糊PI控制器和电流滑模控制器相结合的控制策略。仿真结果表明,所提方法有效减小了感应电机中低速转速震荡幅值,提高了抗扰性能和转速估计精度。再次,针对感应电机高速运行时,电机参数非线性变化导致系统噪声和测量噪声对信号影响增大的问题,研究了基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的无速度传感器技术。为了增强感应电机无速传感系统对电机参数和外部环境变化以及测量噪声干扰的鲁棒性,设计了一种基于强跟踪扩展卡尔曼滤波(Strong Tracking Extended Kalman Filter,STEKF)的转速估计方法,并采用电压解耦控制器消除dq轴的耦合电压。为解决噪声矩阵参数不易确定的问题,通过全局辅助粒子群算法优化噪声矩阵参数。仿真结果表明,基于STEKF的转速估计法提高了系统的抗扰性能和转速估计精度。最后,通过设计切换控制策略,将改进的MRAS转速估计法和改进的EKF转速估计法结合起来,实现了宽范围条件下对电机转速的准确估计。