[发明专利]一种控制参数未知的异步电动机位置跟踪控制器

说明书

本发明提供一种控制参数未知的异步电动机位置跟踪控制器，包括7级子控制器，其中：第1级子控制器的输入端与参考信号Θ_r相连，第1级子控制器的输出端α₁与第2级子控制器的输入端相连，第4级子控制器的输出端u_qs与被控系统的输入端相连；第5级子控制器的输入端与参考信号相连，第5级子控制器的输出端α₄与第6级子控制器的输入端相连，第6级子控制器的输出端α₅与第7级子控制器的输入端相连，第7级子控制器的输出端u_ds与被控系统的输入端相连，其中c表示转子角度参考值，表示转子磁链参考值。本发明不但能够实现对模型不确定与负载扰动的估计，而且能够估计未知的控制参数，克服了现有神经网络和模糊控制方法假设控制参数已知的缺陷。

技术领域

本发明涉及异步电动机控制技术领域，尤其涉及一种控制参数未知的异步电动机位置跟踪控制器。

背景技术

异步电动机因其结构简单、价格便宜、运行稳定、易于维护等优点，被大量应用于高铁电力牵引系统、电动汽车驱动系统等实际系统中。由于异步电动机的复杂非线性和负载动态特性的不确定性，使得精确模型参数的获得十分困难，同时，采用传感器对电机转速进行估计又使得控制系统可靠性降低且成本增加。因此，考虑系统模型不确定性、估计异步电动机控制参数以实现无传感器的控制问题具有重要的实际意义。

在异步电动机位置跟踪控制方面，国内外已取得相应的研究成果。Hu,J提出了一种能补偿异步电机参数不确定性和附加有界干扰的鲁棒跟踪控制器，得到了转子位置跟踪的有效结果。Huang,TC将模糊控制扩展到多层模糊控制，并应用于异步电机的高性能跟踪中。多层模糊控制第一层是执行层，第二层是监督层，分层拓扑结构可使控制器设计和调优更为简单。Yu,JP等人研究了带有参数不确定性和负载转矩扰动的异步电机位置跟踪控制问题。利用神经网络逼近非线性，采用自适应反步技术构造控制器。同时，还提出了基于Backstepping的异步电动机模糊自适应速度、位置跟踪控制方案，利用模糊逻辑系统来逼近异步电动机传动系统的虚拟控制函数和非线性函数，结合自适应技术对系统中的未知参数进行估计。然而，上述的控制方法只考虑了如何估计系统模型的不确定性，而异步电机的输入参数假设为已知或需实际测量。为解决输入参数的估计问题，学者们提出了各种参数辨识方法。Liu Yan和Qi Xiaoyan提出了龙伯格-滑模观测器在线辨识异步电机模型参数的新方法，它将龙伯格-滑模观测器和自适应辨识算法结合起来对定子电流和转子磁链进行在线实时跟踪和自适应调节，实时辨识出主要模型参数R_r和R_s。Campos,RD提出了基于最小二乘法的异步电动机参数辨识的两种方法：批估计法和递推估计法，目的是在电机由矢量控制系统驱动时，更新电机运行时的电气参数。辨识过程基于定子电流测量和定子磁通量估计。Holtz,J提出了异步电机无传感器控制技术，首先，为了取代传感器，从测量到的电机端电压和电流中提取转子速度信息。进而，为了实现异步电机的无传感器位置控制，通过向定子内注入高频电磁波来检测转子固有的空间各向异性，由此产生的定子电流谐波包含了与转子位置有关的频率分量，再利用锁相环技术提取转子位置信号。C.Schauder则将模型参考自适应应用到异步电机的参数辨识中，以不含真实转速的磁链方程作为参考模型，含有待辨识参数的磁链方程作为可调模型，将转子磁链的输出量作比较，辨识出电机转速。然而，现有异步电动机控制器设计方法仍存在一些不足之处：

第一，异步电动机系统的控制参数在实际应用中很难获得，现有的基于神经网络或模糊控制的异步电动机控制方法，虽然能够估计系统的不确定性，但是需要假设控制参数已知，因而限制了现有方法的应用。

第二，异步电动机系统中存在大量模型不确定和负载扰动，现有的基于自适应参数辨识的异步电动机控制方法，虽然能够实现参数的估计，但是却不能实现对内部不确定和外部扰动的统一估计。

第三，异步电动机的控制参数会关系到控制性能的优劣，现有的自适应方法虽然能够通过设计自适应率实现对控制参数的估计，但是却不能保证估计参数收敛到真实值，影响了现有方法的控制精度。

发明内容