永磁同步电动机无传感器控制技术综述

引言

pmsm因其高转矩惯性比、高能量密度、高效率等固有特点广泛应用于航空航天、电动车、工业伺服等领域。伴随着高性能磁性材料、电力电子技术、微电子技术和现代控制理论的发展，特别是矢量控制和直接转矩控制等高性能控制策略的提出，使得pmsm调速系统得以迅猛发展。pmsm矢量控制效法直流电机通过转矩分量和励磁分量解耦控制获得了优良动静态性能。打破了高性能电力传动领域直流调速系统一家独大的局面，并逐步迈进交流调速系统时代。

高性能pmsm控制系统依赖于可靠的传感器装置和精确的检测技术。传统控制系统多采用光电编码器，旋转变压器等机械传感器获得转子位置信息。但是机械传感器安装维护困难，不但增加了系统机械结构复杂度，而且影响了系统动静态性能，降低了系统鲁棒性和可靠性。pmsm矢量控制系统性能往往受限于机械传感器精度和响应速度，而高精度、高分辨率的机械传感器价格昂贵，不但提高了驱动控制系统成本，还限制了驱动装置在恶劣条件下的应用。机械传感器低成本、高精度、高可靠性的自身矛盾根本的解决方法就是去掉机械传感器而采取无传感器技术。因此，pmsm无传感器控制技术的研究迅速成为热点。

pmsm国内外研究现状

国外在20世纪70年代就开展无传感器控制技术的研究工作。在其后的20多年里，国内外学者对交流电机的无传感器运行进行了广泛的研究并提出了很多方法。这些研究成果使得无传感器控制的电机驱动系统能够应用于更多的工业领域中。

pmsm无传感器技术主要两个发展阶段：第一代采用无传感器矢量控制技术的交流电动机经过近10年的研究和原型机试验已经出现在市场上。第一代无传感器电动机的调速精度不高，可以正常工作的速度范围也有限，在低速、零速时，机械特性很软且误差变得很大，无法进行调速。第一代无传感器技术还很不完善，因此限制了它的使用范围。现在正在研制的是第二代无传感器技术，人们预计将能有更高的精度且在零速时也能进行完全的转矩控制，可与传统的矢量控制技术相媲美。第二代无传感器技术预期的应用领域与第一代无传感器技术基本相同，但有更好的动态特性。

pmsm无传感器控制技术综述

pmsm无传感器技术自荣获国内外学者的广泛关注之后，研究进展很快，已取得阶段性成果，部分技术已实用化。从pmsm自身特点的深入挖掘到众多现代控制理论的引用，pmsm无传感器控制理论正不断的推陈出新。现对pmsm无传感器控制主流理论综述如下。

基于pmsm基本电磁关系估计方法

pmsm基本控制思想是实现磁场定向控制，无论是控制电压、电流或频率其控制性能的优劣最终还是取决于对磁场的控制好坏。基于pmsm基本电磁关系的无传感器技术着眼于pmsm定子磁链空间矢量方程、定子电压矢量方程等，通过检测电机电流、电压估计所含转子信息的物理量如磁链、感应电动势等以实现转子位置的估计。基于pmsm基本电磁关系的无传感器方法有开环和闭环两种方式。采用定子电压矢量方程估计出感应电动势，进而以反正切函数估算出转子位置方法通常为开环形式。而采用定子磁链空间矢量方程首先用电压矢量积分计算出定子磁链矢量，然后通过快速迭代计算出等效同步电感，进而估计出转子位置信息的方法有开环和闭环两种形式。其优点是计算量小、简单、易于实现。但是由于该方法是基于pmsm数学模型，虽然可以选取不同的数学模型，但无论采用什么数学模型，都涉及电机参数。电机参数如定子电阻随温度变化，电感随电机负载和磁路饱和程度变化，均影响估计准确性。因此，应用该方法最好结合电机参数在线辨识。

假定旋转坐标法

假定旋转坐标法着眼于两相旋转坐标系下pmsm数学模型电压方程，提出可控参考坐标用于无传感器控制，该坐标称为估计坐标。它不是同步旋转坐标，而是定向于已知的估计位置，并且可按确定控制规律自行调整坐标。具体为以检测电压、电流估算位置偏差，通过pll调节器来调节位置偏差估计使得假转子位置与实际转子位置趋于一致。该方法保证其估计精度核心是准确估计位置偏差，虽然数学模型是精确地，但估计精度仍然受电机参数变化影响，同时也受电流检测精度影响，虽然采用了闭环控制，但依然没有完全摆脱对电机参数的依赖性。该方法本质上也是基于反电动势的一种估计方法。因此，难以应用于静止和低速运行的无传感器控制中。尽管如此，该方法所构成的控制系统相对简单，由于采用了pll调节器，提高了系统的估计精度和稳定性，并能获得良好的稳态性能。

模型参考自适应系统

模型参考自适应系统（mras）基本思想是将不含未知参数的方程作为参考模型，将含有估计参数的方程作为可调模型，两模型不但具有相同输入量，而且具有相同物理意义的输出量。并同时工作，利用输出量差值根据合适的自适应规律，以实时调节估计参数，达到可调模型跟踪参考模型的目的。根据参考模型与可调模型的不同选择，可以构造多种模型参考自适应系统转速辨识模型。最常用的方法基于反电势的mras算法，其优点是系统性完全取决于参考模型。但其缺点是在低速时，对定子电阻敏感，导致转速辨识不准甚至发散，同样无法解决低速问题。

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。