基于模型参考自适应的PMSM在线辨识研究.pdf

《基于模型参考自适应的PMSM在线辨识研究.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、ELECTRICDRIVE2015Vo1．45No．12电气传动2015年第45卷第12期基于模型参考白适应的PMSM在线辨识研究张华强，严洪峰。，冷艳礼。，王学义(1．哈尔滨工业大学(威海)电气工程系，山东威海264209；2．黄海造船有限公司，山东荣成264309)摘要：结合最小二乘法与模型参考自适应法对永磁同步电机定子电阻、电感与转子磁链在线辨识的优点，提出一种改进的基于模型参考自适应的永磁同步电机参数在线辨识方法，该方法是在模型参考自适应法中加入最小二乘法。仿真结果表明，这种改进的辨识方法能够在不影响精

2、度的前提下明显地提高辨识速度和减少动态过程的振荡。关键词：永磁同步电机；在线辨识；最小二乘法；模型参考自适应法中图分类号：TM351文献标识码：AStudyonOnlineIdentificationofPMSMBasedonMRASZHANGHua-qiang，YANHong-feng，LENGYan—li，WANGXue—yi(j．DepartmentofElectricalEngineering，HarbinInstituteofTechnologyatWeihai，Weihai264209，Shando

3、ng，China：2．HuanghaiShipBuildingCo．，Ltd．，Rongcheng264309，Shandong，China)Abstract：Combiningtheadvantagesofleastsquaremethodandmodelreferenceadaptivesystem(MRAS)onidentifyingthestatorresistance，inductanceandrotorflux，animprovedonlineidentificationmethodbasedonM

4、RASofthepermanentmagnetsynchronousmotor(PMSM)waspresented．ThismethodaddedleastsquaremethodtoMRAS．Thesimulationresultsshowthatthenewmethodcanimprovethespeedofidentificationandreducetheoscillationofdynamicprocessobviouslywithoutaffectingtheaccuracy．Keywords：pe

5、rmanentmagnetsynchronousmotor(PMSM)；onlineidentification；leastsquaremethod；modelreferenceadaptivesystem(MRAS)永磁同步电机常用的控制策略，如矢量控制保证参数辨识精度的前提下提高模型参考自适和直接转矩控制，其控制效果与电机参数有关。应法的辨识速度，减轻动态振荡。因此，对永磁同步电机参数进行高精度在线辨识1永磁同步电机的数学模型意义重大n。永磁同步电机常用的参数辨识方法有：最小二乘法、扩展卡尔曼滤波法、模型参

6、考自为建立永磁同步电机数学模型，作如下假适应法和人工智能算法。人工智能算法是现在设：1)忽略铁心磁阻、忽略磁路饱和、磁滞损耗和的研究热点，在选择理想的算法结构和相关参数涡流损耗；2)气隙分布均匀，磁回路自感与互感下辨识效果较好。但算法复杂，实际应用较少。同转子位置无关；3)忽略电枢反应，定子三相绕最小二乘法和扩展卡尔曼滤波算法均具有递推组在空间中对称分布，气隙磁势与磁密在空间作形式，运算量较小，辨识速度快，但误差相对较正弦分布。将三相永磁同步电机ABC坐标系下大。而模型参考自适应法在准确建模的条件下的数学模型经

7、Clark变换及Park变换后，可得幽辨识精度较高，但辨识速度相对较慢。本文将把坐标轴下的数学模型D如下。递推最,'b-乘法与模型参考自适应法相结合，在磁链方程：基金项目：国家自然科学基金(51377168)；科技部创新基金(11C26223702363)；山东省科技发展基金(2011GGH20411)作者简介：张华强(1967一)，男，博士，教授，Email：zhq@hit．edu．cn3电气传动2015年第45卷第l2期张华强。等：基于模型参考自适应的PMSM在线辨识研究使F最小求得，将式(10)代人式(1

8、1)得：1：乞qi目㈩”F=(—X)(—)=yYm一,TATYrTX@+@irX0(12)m—为使F最小，将F对微分并令其为零得：=-2XTY10m+=0)=0求解(得：西()：()Y(14)()即为0的第m次测量的最dx-乘估计霉量。为减少式(14)中的重复运算，给出一种递推算法，即递推最dx-乘法(RLs)。当第m+1次测量后，得：y(m+1)=m+1)0(15)由式(6)可得：y