基于观测器技术的位置辨识方法

　　观测器实质是一种状态重构，即重新构造一个系统，利用原系统中可直接测量的变量作为他的输入信号，并使其重构状态在一定条件下等价于原系统状态。等价的原则为两者的误差在动态变化中能够渐近稳定地趋于零。这个用以实现重构的系统称为观测器。

　　观测器按信号类型分为确定性观测器和随机性观测器，按系统分为线性观测器和非线性观测器。观测器基本结构是由电机数学模型所构成状态估计方程加之以校正环节，两者构成闭环的状态估计，即观测器。电气领域学者汲取世界众多科学领域理论成果，结合各学科前沿思想创造性融入观测器理论之中，形成诸多有价值不同控制思想的观测器。在pmsm无传感器技术中常采用自适应全阶观测器、扩展卡尔曼滤波器（ekf）和滑模观测器（smo）。

（1）自适应全阶观测器

　　自适应观测器是融自适应控制于观测器理论的一种无传感器技术。基本思想是将自适应控制引入观测器结构的校正环节，实现转速自适应控制。pmsm自适应全阶观测器首先以pmsm两相旋转坐标系下电压方程构建电流观测器。然后以经过标准化处理的pmsm数学模型作为参考模型。以构建的电流观测器为可调模型，用两个模型输出误差驱动自适应机构。在自适应规律作用下，能够不断地修正待估参数，以使两模型输出误差趋于零。自适应观测器不仅可以用来估计pmsm转子位置和速度，而且是基于波波夫稳定性理论辨识电机参数，减少了参数变化的影响，提高系统的稳健性。

　　（2）扩展卡尔曼滤波器

　　卡尔曼滤波器同样也观测器的一种。是卡尔曼滤波思想在观测器理论的应用。扩展卡尔曼滤波器同其他观测器一样，能够跟踪系统状态，其所不同的是它是非线性的、随机的。ekf状态估计分为两大阶段：预测阶段和校正阶段。在预测阶段由上一次估计所得结果推算下一次估计的预测值。在校正阶段为利用实际输出和预测输出偏差对预测值进行反馈校正。卡尔曼滤波实质就是对预测值反馈校正。因此，不仅具有优化和自适应能力，而且可以更好地抑制测量噪声和系统噪声。但是ekf滤波器缺点在于系统测量噪声和系统噪声的未知，带来的问题是难于采用确定的办法选择ekf滤波器中协方差矩阵。一般采用试凑法选择协方差矩阵，而协方差矩阵关系到系统动态性能及其稳定性。因此，协方差矩阵的确定关乎系统稳定与否显得至关重要。

　　（3）滑模观测器

　　滑模观测器是滑模变结构控制在观测器理论的一种应用。其特点是性能完全由其滑模超平面决定，过渡过程不会产生超调，整个系统对本身参数变化及外部扰动均具有较强的稳健性。基本思想是首先根据pmsm数学模型建立滑模电流观测器，选择滑模观测器观测电流与实际电流偏差为滑模超平面，该偏差经砰砰控制，估算出含高次谐波的感应电动势构成系统闭环，含有高次的感应电动势经滤波后计算得出位置和转速。估计变量中含有高次谐波是滑模观测器的不足之处，这影响了高性能伺服系统中的应用，尽管可以进行滤波处理，但通常方式的滤波会引起相位偏差。如前所述卡尔曼滤波器可以考虑噪声对系统的影响，可以将滑模观测器与卡尔曼滤波有效结合，成分发挥卡尔曼滤波的长处，构成更加完善的观测器。

基于pmsm电机特性估计方法

　　pmsm无传感器技术多数基于感应电动势得以估计转子位置。但当转速很低或零速时，感应电动势趋于零，转子磁极位置难于精确估计，甚至无法估计。高频信号注入法是基于pmsm电机特性——凸极性以实现转子磁极位置的观测，具有很大优势，其主要方法有旋转电压矢量法和脉动电压矢量法。

　　（1）旋转电压矢量法

　　旋转电压注入法是向插入式pmsm电机注入三相对称的高频正弦电压信号，在电机内会产生幅值恒定而高速旋转的空间电压矢量，空间电压矢量在电机内产生旋转磁场，受到转子凸极周期性地调制，调制结果自然要反映在电流响应上，定子高频电流成为包含有转子位置信息的载波电流，进行解调处理后就可以从中提取出相关的转子位置信息，以此构成各种闭环控制系统，实现无传感器的矢量控制或直接转矩控制。是目前十分受关注的一种无传感器控制方法。

（2）脉动电压矢量法

　　脉动电压注入法是向永磁同步电机注入脉动电压矢量，脉动电压矢量与励磁磁场叠加，这会改变励磁磁路的饱和程度，使励磁磁路具有凸极性，这种凸极特性对脉动电压矢量产生调制作用，这种调制作用随着脉动电压偏离励磁磁极轴线变化而变化，这种变化反映在高频电流响应中，因此在这个电流响应中便会载有转子位置估计误差的信息。

　　两者均利用电机的凸极特性调制，但是旋转电压注入法的凸极性是属于结构性凸极，即应用于插入式pmsm。而脉动电压注入法凸极性主要是饱和性凸极，结构性凸极对高频电压调制作用微弱。即可应用于面装式pmsm，而旋转电压注入法却不能。两种方法均适用于低速估计，也可用于初始位置估计，均利用pmsm的凸极性，而不依赖于电机的数学模型和参数。脉动电压输入法特点在于不依赖于电机参数和运行状态，可以工作在全速域内，甚至零速状态下。

基于人工智能理论的估算方法

　　基于神经网络人工智能理论估算转子位置方法是以mras为大背景而提出，目的在于利用其模型参考自适应系统的简单，稳定，改善mras在低速区速度估计精度并提高其对电机参数敏感程度。随着人工智能理论的不断发展和完善，研究无传感器技术应用神经网络理论以神经网络取代pmsm电流模型转子观测器，并以误差方向传播算法取代比例积分自适应进行位置估计。网络的输入输出具有明确的物理意义。网络权值为电机参数，网络的学习过程就是速度和位置估计过程。极具理论意义，但其理论研究尚不成熟，硬件实现也有一定的困难。现智能控制理论如神经网络、专家系统、模糊控制在电力传动领域应用方面论文屡有发表，但实现其产业化尚有一段距离。

pmsm无传感器控制技术发展趋势

　　pmsm无传感器控制是目前pmsm控制理论发展方向，其理论成果拓宽了pmsm应用领域。pmsm无传感器控制基本思想都是通过检测电压、电流引用相应控制理论实现转子信息的估计。但尚无一种pmsm无传感器控制可实现pmsm系统全速运行。一方面由于高频信号注入法在零低速领域的绝对优势，使其有望成为pmsm系统全速运行的一种方法，但是由于高频信号注入法本身带来的一些问题尚需更进一步的研究，是众多学者专攻的一个方向。另一方面人们基于观测器分析方法引入现代控制理论如自适应控制、变结构控制以及非线性控制形成众多无传感器控制方法，每一种控制方法都有其自身优点，同时也存在一些问题，单一的控制很难取得理想的控制效果，探讨将各种控制互相渗透和复合可以更好的提高无传感控制性能是未来无传感器控制技术的发展方向。

结语

　　本文综述pmsm无传感器控制技术发展现状，分析比较pmsm无传感器控制技术各种方法优缺点，指明pmsm无传感器控制技术研究重点和所要解决的问题，预测pmsm无传感器控制技术未来发展方向：一是以高频信号注入法的零低速领域拓展到全速领域的研究方向；二是以基于观测器的各种现代控制理论结合和渗透的研究方向。#p#分页标题#e#