[发明专利]一种基于扩展卡尔曼滤波器的无刷直流电机状态估计方法

说明书

技术领域

本发明涉及无刷直流电机的无位置传感器控制技术领域，具体涉及一种基于扩展卡尔曼滤波器的无位置传感器无刷直流电机状态估计方法。

背景技术

永磁无刷直流电机(Brushless DC Motor，BLDCM)融合了直流电动机控制方式简单，转矩特性好，调速性能好，以及交流电动机制造简单，无励磁损耗，功率密度高等优点，所以在各个领域都有应用，并引起国内外学者的广泛关注与研究。但是无刷直流电机的运行需要转子位置信号，传统的方法是采用位置传感器。随着对额定功率更小的电机的研究与需求，位置传感器的体积占整个电机系统体积的百分比越来越大，这就使得整个系统难以实现小型化，限制了其在精密微小场合的应用。此外，由于位置传感器的存在，使得系统复杂程度加大、成本增加、可靠性降低、增加了生产和维护难度并且对电机的制造工艺也带来不利的影响。

针对位置传感器对无刷直流电机控制系统带来的上述不利影响，比较好的解决办法是采用无位置传感器控制技术。所谓的无位置传感器控制，实质上是无机械位置传感器的控制，即在电机的运转过程中，由新的位置信号检测方法(一般通过软件与硬件相互结合的技术)代替机械的位置传感器来提供逆变桥功率器件换相导通的时序信号。无位置传感器控制不仅可以克服机械位置传感器带来的问题，还可以充分利用软件技术改善并提高电机的动、静态性能。

所以在无刷直流电机的无位置传感器控制技术中，状态估计是最关键的核心问题，也就是如何不通过机械的位置传感器，而只通过三相电压与电流，准确、快速、可靠的得到转子位置与速度信号。

Gamazo-Real JC等人在文献(Position and Speed Control of Brushless DC Motors Using Sensorless Techniques and Application Trends[J].SENSORS,2010,10(7):6901-6947.)中总结，现有的无位置传感器无刷直流电机的状态估计方法主要有传统方法和状态观测器方法两种。其中传统方法主要有：反电势过零法、三次谐波电压积分法、续流二级管法、反电势积分法等；状态观测器法主要有：扩展卡尔曼滤波法、参考模型自适应法、神经网络法和滑模观测器法等。

传统方法主要存在的问题是在某一特定的速度范围内可以较好的估计出转子的速度、位置信息，但是在电机低速或高速运行时，观测效果大幅下降甚至无法使用。

近年来的主要研究和应用方向都集中在利用状态观测器对无刷直流电机系统进行状态估计，无刷直流电机系统是一个典型的非线性的系统，结合扩展卡尔曼滤波器，可以对其进行状态估计。

卡尔曼滤波器有一系列递推数学公式描述。他们提供了一种高效可计算的方法来估计过程的状态，并使估计均方误差最小。卡尔曼滤波器应用广泛且功能强大；它可以估计信号的过去和当前状态，甚至能估计将来的状态，即使并不知道模型的确切性质。但是卡尔曼滤波器用于无刷直流电机系统的估计存在一些问题。首先，由于卡尔曼滤波器的参数是在某一特定转速(如额定转速)下设置的，当速度变化时，会导致观测精度下降。其次，在扩展卡尔曼滤波器的设计过程中，假设了系统噪声和测量噪声为精确已知的零均值白噪声，而当系统噪声与测量噪声不满足此条件时，可能会导致误差协方差矩阵变大，降低了估计精度，如果实时人工调整滤波器的参数，调试难度很大。再次，扩展卡尔曼滤波的速度跟踪性能不是很好，主要体现在估计的转速比实际转速存在一个明显的相位延迟，造成这种现象的原因主要是新旧观测量对估计值的修正权重不一样。

发明内容

有鉴于此，本发明提供了一种基于扩展卡尔曼滤波器的无位置传感器无刷直流电机状态估计方法，能够在系统噪声和测量噪声为非零均值白噪声以及系统模型存在误差的情况降低调试难度，提高观测精度。

本发明的基于扩展卡尔曼滤波器的无刷直流电机状态估计方法包括如下步骤：

步骤一，对传统的扩展卡尔曼滤波器进行改进，采用模糊算法调整测量误差协方差矩阵R_k，R_k＝R+ΔR，其中，R为系统噪声w_k的协方差矩阵，ΔR为根据模糊规则获得的调整量；

其中，模糊规则为：

以测量变量与预测值之差的理论值与实际值之差e_k作为模糊输入，测量噪声方差阵R_k的调整量ΔR作为模糊输出；

当e_k≈0时，ΔR为0；

当e_k>0时，ΔR为负值；