硬件在环系统中电机参数辨识及状态估计研究.pdf

《硬件在环系统中电机参数辨识及状态估计研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第8期计算机仿真2013年8月文章编号：1006—9348(2013)08—0336—05硬件在环系统中电机参数辨识及状态估计研究王嵩，肖建，王世平(西南交通大学电气工程学院，四川I成都610031)摘要：矢量控制电机中的敏感参数转子时间常数的实时辨识和电机状态实时估计是电机高性能运行的保证，首先讨论了转子时间常数参数辨识，其次讨论了滑模观测器并给出了观测器稳定性分析，通过观测器得到感应电机磁链状态估计值；将得到的转子磁链值用于MRAS状态估计，得到实时的电机转速。设计了硬件在环仿真系统验证电机状态估计方法及参数辨识

2、方法；硬件在环试验系统包含感应电机，电气测功器以及实时仿真器等硬件，通过硬件在环实时试验得到了实时的电机状态估计及参数辨识结果，试验结果验证了参数辨识及状态估计方法的有效性和实时性。关键词：硬件在环仿真；模型参考自适应系统；参数辨识；状态估计；无传感器控制中图分类号：TP311．56；TP391．9文献标识码：AHardware·in--the-LoopReal--TimeSimulationofRotorTimeConstantEstimationandStateIdentificationforInductionMoto

3、rWANGSong，XIAOJian，WANGShi—ping(SchoolofElectricalEngineering，SouthwestJiaotongUniversity，ChengduSichuan610031，China)ABSTRACT：Invector—controHedinductionmotor，theon—lineestimationofthesensitiveparameterrotortimecon-stantandtheon—lineidentificationofmotorstateistheg

4、uaranteeofmotorhighperformance．Aslidingmodeobserverforinductionmotorrotorfluxidentificationwasstudiedandthestabilityanalysisoftheobserverwaspresented．ThentheidentifiedrotorfluxwasusedinMRASstateidentificationmethod．Ahardware·in—the—loopreal-timesimulationsetupwaspr

5、esentedtoverifythestateidentificationmethodandtheparameterestimationmethod．Thesetupincludesaninductionmotor，adynamometerandaFPGA．basedreal—timesimulatorasrealhardware．Theexperimentalresultsindicatethereal—timecapabilityandeffectivenessoftheMRASmotorstateidentificat

6、ionandparameterestimationmethod．KEYWORDS：Hardware·in—the—loop；Modelreferenceadaptivesystem；Parameteridentification；Stateestimation；Sensorlesscontrol1引言在高性能感应电机控制中，实时的电机状态估计和参数辨识保证了交流传动系统的高性能运行。通过离线辨识得到的电机参数可以用于控制器设计，然而随着电机运行工况不同，电机参数值会发生变化，其中某些参数的变化，会导致励磁电流不能维持恒定，磁

7、场不能准确定向，会严重影响控制系统的静态和动态特性⋯。矢量控制系统对于感应电机各个参数变化的敏感程度不一样，其中，转子时间常数是最敏感的参数，它随着电机温度和磁饱和程度时变，对于正确基金项目：国家自然科学基金(51177137，61134001)收稿日期：2012—11—21·---——336·---——观测磁链有重要意义。文献[2]指出，当温度升高180度时，电阻值会升高100％。随着电机运行时间和状态的变化，转子时间常数变化范围可以达到初始的0．75倍到1．5倍口o。同时在感应电机交流调速中，为实现对电机转速的精确控制，

8、需要转速闭环信号。同时，矢量控制需要准确的电机的转子磁链。无速度传感器技术通过容易测量的电机定子电压、电流等物理量估算电机转速，使得交流调速系统成本降低、复杂度降低、结构紧凑，同时提高了系统稳定性。其中模型参考自适应系统(modelreferenceadaptivesystem，MRAS)