三、国内外研究现状和发展趋势:
3.1国内外研究现状
PMSM作为一个非线性强耦合系统,有着对电机参数敏感,易受外部干扰影响的问题,尽管传统的控制方法已经在PMSM系统中得到应用,但是PMSM控制系统需要面对来自内部或外部的多种干扰,例如电机转动惯量不精确,电机负载转矩波动等,在某些需要精准控制情况下,不能达到足够好的性能表现,难以满足需求。为了解决_上述问题,随着信号处理技术和控制理论的发展,研究人员针对非线性系统的控制问题提出了多种解决方法,主要控制方法包括,传统PI优化控制,反步控制( Backstepping),模糊控制,滑模控制,自抗扰控制,无传感器控制等。
(1)反步控制
反步控制又称为反演控制、反推控制,1991 年Kokotovic 等学者首先提出了这种非线性控制方法,该方法基本设计思想是对系统进行降阶处理,将复杂的非线性系统分解成不超过系统阶数的子系统,然后根据Lyapunov稳定性定理为每个子系统设计虚拟控制量,一直反推到整个系统,在最后的子系统设计中,得到的虚拟控制量即为做需要的实际控制输入。在PMSM控制系统中,可将PMSM数学模型分解为若干子系统,通过反推设计,根据Lyapunov稳定性定理得到系统最终控制律,并保证了系统的整体稳定性。针对参数变化,外部干扰等问题,一般采用自适应反步控制。
随着反步控制在诸多领域的应用,以及PMSM控制策略研究的深入,开始出现反步方法结合其它控制理论,如滑模控制、反馈线性化控制、模糊系统、神经网络等,应用到PMSM控制中,进而衍生出了大量控制性能优秀的控制算法。提出了一种针对PMSM的自适应模糊反步控制方法通过模糊逼近减小系统计算复杂度,完成对输入参考位置的跟踪,但是没有把发生变化的电机参数实时反映到被控对象中。研究了基于一种对于轴向移动系统在输入饱和情况下的反步控制方法,但是缺少对系统参数变化所引起动态响应变慢的问题的分析处理。传统控制方法在低速状态下的稳定性问题被研究,提出了对于五项感应电机在低速状态下的反步控制方法,但是在该方法中只分析了速度控制方法,没有考虑到系统参数变化所产生的影响。针对反步控制的计算复杂度巨大的问题,提出了一种应用命令滤波器的方法并通过设计一个模糊逻辑系统实时识别运行中的未知非线性项,但是被控对象数学模型变化因素没有被考虑在内。将扩张状态观测器和转动惯量识别结合在一起降低内外部干扰对PMSM速度响应的干扰,并提出了基于模糊理论的反馈补偿增益自调节方法,但采用PI控制器的速度跟踪响应不佳。Ramezani, Z et al.针对单输入单输出非仿射系统研究了基于一种在未知增益符号情况下的神经网络反步控制方法,但是只针对外部干扰使用RBF神经网络进行了估计,缺少对系统参数变化所引起动态响应问题的分析处理。
(2)滑模控制
滑模变结构控制的基本策略是根据系统状态(通常为误差及其各阶导数)设计一个滑模面,并迫使系统状态趋近滑模面,当穿过滑模面时会使系统结构发生开关变化,进而是系统状态在--定特性下沿规定的状态轨迹作小幅度、高频率的上下运动,即滑动模态或“滑模”运动。由于滑模面可以进行设计,且仅与选择的系统状态误差有关,与对象参数与扰动无关,故而使滑模控制的具有对参数不敏感,对扰动具有鲁棒性的优点。对于电机这一参数不确定控制系统,滑模控制成为一个良好的选择。滑模控制与常规控制的区别在于控制的不连续性,一个理想的滑模系统(切换过程具有理想开关特性,系统状态精确无误)滑动模态最终会稳定于原点,但在现实中,滑模系统的不连续的开关特性会引起系统的抖振,这是滑模变结构控制由其基本原理导致的弊端,并且抖振不可消除,只能在一定程度上进行削弱,削振问题成为滑模控制研究的突出障碍。设计了一种基于终端滑模观测器的PMSM参数估计方法,观测器在有限时间内准确跟踪系统状态,同时提出了效果等同于低通滤波器的一种新型二阶滑模控制方法,平滑滑模控制的切换项,减小滑模抖振。针对 PMSM参数不确定和不同的干扰提出了一种新型滑模趋近律,能够随着系统变化自适应调节滑模切换增益,同时结合扩张滑模扰动观测器补偿较大扰动,减小滑模抖振保持高性能跟踪效果。提出了一种将定子电流和扰动观测器结合起来的永磁同步电动机无差拍预测电流控制,针对参数不匹配且有一拍延迟控制的PMSM系统,设计了基于指数滑模趋近律的扰动观测器预测定子电流并将预测电流作为无差拍预测控制的采样电流,最优化系统电流控制性能。
(3)卡尔曼滤波器
扩展卡尔曼滤波器由于其能够显著减小复杂干扰对系统带来的影响,优良的的收敛速度和算法可靠性,广泛应用于复杂多干扰环境下系统状态以及未建模动态的估计。其基本原理为结合非线性递推寻求最优卡尔曼滤波器从而得到估计结果。然而,扩展卡尔曼滤波器所需计算量极大,给控制器以很大的计算负担,在通用控制芯片上难以高效地实现。为了在不影响转子位置估计准确度的前提下减少计算量降低算法复杂度,研究了一种通过并行处理和降阶结合的方法简化传统卡尔曼滤波器的算法,从而使扩展卡尔曼滤波器估计算法能在FPGA上实现。但其局限在于没有考虑电机参数变化造成的影响,在参数摄动情况下,算法计算量会增大,从应用角度来看,该方法仍难以在通用控制芯片如STM32上实现。
(4)模型参考自适应控制
模型参考自适应(MRAS)控制--种常用方法。该方法用己知部分参数的自适应模型去逼近参考模型的参数,通过系统状态的误差设计Lyapunov 函数,根据Lyapunov稳定性定理得到合适的自适应律,实现系统渐进稳定的同时完成可调模型对实际模型的逼近,最终实现未知系统状态的估计。提出了一种基于模糊PI控制器的模型参考自适应方法,可以实现宽范围可调速度的快速响应。提出了一种基于反步控制方法的实时非线性控制方法,其中模型参考自适应方法被应用于估计由输入-输出反馈线性化算法构建的非线性系统的状态。模型参考自适应估计方法的关键在于自适应律的设计,Lyapunov 稳定性理论被广泛应用于模型参考自适应律的设计。
(5)自抗扰控制
自抗扰控制通过微分环节,扩张状态观测器和非线性反馈三个部分实现了不依赖于系统模型的鲁棒控制。其中,由扩张状态观测器对系统的内外扰动进行估计,并将其反馈到非线性反馈部分对输出控制律进行补偿,最终实现对扰动的抑制。该方法实现简单,计算复杂度低,但对于非线性自抗扰控制器来说,其可调参数较多且不易整定。研究了一种自抗扰PMSM控制策略,与之前对电机d-p模型的处理方式不同,通过电机机轴角位移代替未知的角位置来计算出d-q数学模型,提出了基于高增益广义比例积分观测器的自抗扰控制器。针对受到动力学和稳态行为的严格要求的感应电机拖动系统提出了一种增强磁场定向控制方法,设计自抗扰控制器分别控制转子磁链环和速度环,同时为了实现全局.稳定,考虑到控制增益中的扰动估计误差和不确定性,设计了一种基于滑模的分量。提出了一种将线性自抗扰技术应用于内置式PMSM无传感器控制的策略,为了实现全速度范围位置估计,在低速范围采用高频电流注入法,高速范围采用反电动势估计方法,通过线性扩张状态观测器实现了高性能位置估计。针对存在未知的、时变的和负载转矩输入,未知的系统参数,以及缺乏对初始角位置信息的情况下,研究了基于高增益广义比例积分观测器的自抗扰控制器,控制器基于系统的微分平整度和系统平整度输出的可直接测量性而合成的,实现了基于角位移的d-q轴电流计算。
|