异步电机无速度传感器矢量控制学习二更

导读：上期文章介绍的磁链闭环、速度开环的异步电机无速度传感器的矢量控制，基于其存在的在启动时有一个较大的估计值且带载能力弱的问题，本期文章介绍一种模型参考自适应的速度估计方法（MARS）。

如果需要文中的仿真模型，可关注微信公众号：浅谈电机控制，获取。

---

一、引言

传统的异步电机控制中，常使用速度传感器作为速度环的反馈。由于机械结构与安装布置的原因，通常会存在误差，且电动汽车使用场景复杂。在众多应用场景中，周围环境的变化容易导致传感器发生故障，甚至损坏。相比之下，无速度传感器矢量控制系统体现出优势，它不再受限于应用场景，也不用担心速度传感器的使用寿命等问题。

对于异步电机的无速度传感器控制，已经提出多种转速估算方法，如最小二乘法、卡尔曼滤波法、模型参考自适应法、滑模观测法和人工智能技术等。其中，参考自适应速度估算（MRAS）模型得到相当关注，该方法实现难度较低，且不依赖于定子电阻，不会被电机运转时温度变化导致的电阻变化所影响，具有较高的稳定性和鲁棒性。

二、模型参考自适应（MRAS）介绍

2.1 基本原理

MRAS 模型是目前广泛使用的一种电机转速估算模型，该模型主要包括电压参考模型、电流推算模型和PI 自适应调节模型。基于d-q 两相静止坐标系下电机定子电压、电流与转子磁链的关系，将电压模型的转子磁链作为参考指标，将电流模型的转子磁链作为反馈控制量。当输入量同时输入到上述两个模型中，其产生的转子磁链观测结果的误差量输入至PI 自适应调节模型，自适应控制模型不断更新参数，将推算模型的输出量趋近于参考模型的输出。其中，电流模型转子磁链中包含转子转速变量，因此，可以从中获得转子转速的估算值。

图1 MARS基本结构框图

2.2自适应律的选择

基于MRAS 转速估计系统中，自适应律的选取至关重要。选取自适应律主要用到的方法有：局部参数最优化法(MIT 法)、Lyapunov 函数法、Popov 超稳定性理论法。常用的MRAS 转速估计法包括：基于瞬时无功功率模型、基于反电动势模型、基于转子磁链模型。现有文献采用PI调节器作为自适应律，根据Popov超稳定性理论证明了采用PI调节器作为自适应律可以使整个MRAS 系统保持全局渐进稳定。

下面设计自适应律。因为MRAS 自身就是一个时变的非线性系统，其稳定性是首要解决的问题，所以本文采用波波夫稳定性理论来设计自适应律。得到的自适应律如式（1）所示。

可得图2 所示的用于异步电机转速估计的MRAS 模型。

三、仿真搭建

3.1 MARS控制框图

图3 基于转子磁链模型的MARS感应电机无速度传感器矢量控制系统

3.2仿真搭建过程

因为MARS是以电压型磁链观测器的输出值作为参考值，电流型磁链观测器的输出值为可调值，所以必须先知道异步电机的定子电压和定子电流。

3.2.1电压重构

A：第一种方法（需重点学习理解）

电压重构就是利用发波模块SVPWM输出的Sa、Sb和Sc算出Ua、Ub和Uc。

图4 电压重构

 B:第二种方法

图5定子电压获取

3.2.2定子电流 

图6 定子电流

定子电流直接用的异步电机输出值。

3.2.3 MARS实现过程

7 电机参数

A：代码实现

图8 电压型磁链观测器代码实现

图9 电压型磁链观测器观测波形变化情况

图10 转速估计

B：模块化实现

图11 MRAS模块化实现

图12异步电机无速度传感器矢量控制系统仿真模型

四、仿真分析

图13转速波形对比

从图13可知：异步电机在空载和带载的情况下，用MARS估计的转速都能够很好地跟踪上实际转速。