¼¼.Σð Þ ð Þ工程科学与技术，国际期刊34（2022）101087完整文章基于递推最小二乘参数估计MikailKovagari，Osman Emre ÖzçiflikçiKirsehir Ahi Evran大学，电气和电子工程系，Kirsehir 40100，土耳其阿提奇莱因福奥文章历史记录：2021年7月9日收到2021年10月8日修订2021年12月16日接受2022年1月25日在线提供保留字：IPM驱动MTPARLS参数估计电动汽车A B S T R A C T内部安装的永磁（IPM）电机具有优越的功能相比，其对应部分的电动汽车牵引应用。具有较高的效率、高的转矩和功率密度、低的转矩脉动和不需要定期维护等优点。众所周知，在实际的IPM驱动器中，精确的转矩控制高度依赖于机器参数的准确知识，即，电感值和磁链。这些机器参数在实时操作中根据制造公差、操作温度、电感饱和度、负载转矩等而显著变化。众所周知，满载操作时的d轴和q轴电感和磁链可能分别比空载操作时的实际值低约20%、35%和20%。在牵引应用的文献中还公知的是，与诸如定子电阻变化的其他系统非线性相比，这些变化（考虑宽范围操作）对驱动系统效率和输出扭矩产生具有很大影响。本文利用递归最小二乘（RLS）算法，实现了这些参数的在线估计，并对每个参数都有相当高的精度通过使用4.1 kW原型的非线性机器模型进行广泛的现实模拟，验证了所提出的驱动器实现相当高的输出扭矩（约为峰值扭矩的28.7%）的专为牵引应用而设计和制造的IPM机器。提出的战略和先进的驱动器之间的优势进行了详细讨论。©2021 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍利用可再生和可持续能源技术在应对全球变暖等全球环境问题方面发挥着重要作用[1]。交通运输是消耗不可再生能源的主要部门之一。可以通过用电动车辆代替传统的基于内燃机的车辆来减轻使用传统的基于内燃机的车辆进行运输所引起的环境问题，电动车辆促进使用可再生和可持续能源技术而没有碳排放[2，3]。内置式永磁同步电机（IPMSM）具有功率密度高、体积小、效率高、转矩密度大等优点，在电动汽车中得到广泛应用精确的扭矩控制*通讯作者。电子邮件地址：mkoc@ahievran.edu.tr（M. Kokkov）。由Karabuk大学负责进行同行审查因此，具有改进输出转矩产生质量的IPM驱动器对于广泛的社会来说是相当重要的研究领域在文献中广泛已知的是，当电流角为零（图1中的b1/40Ω）时，基于磁链的转矩分量最大，并且当b45Ω时，磁阻转矩分量最大。虽然最大转矩产生，并因此在恒定转矩区域的最大效率操作，可以实现当b0在表面安装的永磁电机（SPM）驱动器，因为他们没有磁阻转矩分量，在IPM驱动器的凸极有利于从磁阻转矩分量的好处，通过改变b角在线，这使得他们更高效和有吸引力的机器。因此，获得并运行在IPM驱动器中的最佳b角对于精确的转矩控制和在恒定转矩区域的效率优化操作是至关重要的。理论上，b角是dq轴电感Ldq、永磁体磁链ωWmω、定子电流大小Is和电机所需电磁转矩Te的函数[4]。因此，很明显，精确的扭矩控制和https://doi.org/10.1016/j.jestch.2021.1010872215-0986/©2021 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchM. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010872图1.一、静止和旋转坐标系中的电流、电压和定子磁通矢量利用机器参数的精确知识可以实现效率优化的操作然而，在实际应用中，这些参数可能会明显偏离其标称值，这取决于磁饱和、工作温度、制造公差、交叉耦合、材料特性变化等。根据[5]中的高保真电机建模，很明显，d轴和q轴电感值以及磁通链值在峰值电流运行时可能比空载运行时的电机参数低约20%、35%和20%因此，通过在控制器中采用恒定的机器参数来驱动机器，如[6]在实践中无法实现优化控制。因此，在实际应用中，以高精度估计变化的参数有利于以更高的效率和更高的输出转矩产生驱动机器。在文献中，参数变化可以使用在线或离线策略来解决，两者都有优点和缺点[7，8]。基于实验的离线策略需要在不同的操作点（诸如在不同的电流幅值）处进行许多先前的测试还应考虑不同的操作条件，以获得更准确的结果。例如，在特定操作温度下的精确离线策略可能与在不同温度下获得的离线策略显著可以通过测量来考虑温度变化，但是，电机内部的温度分布不均匀，磁体此外，即使是考虑到广泛的操作条件的高保真此外，离线策略需要足够的内存在处理器中存储为查找表。除此之外，离线策略对于某台机器是唯一的，即使机器类型相同，也需要为另一台机器执行所有程序。另一方面，参数估计的在线策略可用于其他机器。此外，在线策略即时处理操作条件变化，因此，考虑不同条件的先前测试是不必要的。尽管处理器上增加的计算负担可能被认为是缺点的是，在处理器负担和系统效率以及精确的转矩控制之间存在折衷。考虑到所有这些，在线参数估计策略在效率优化的机器驱动器文献中相当常见。基于模型参考自适应系统（MRAS）[9-其中，基于MRAS的参数估计是多参数识别的挑战[17，18]。例如，d轴电感在[9]中被假定为常数。类似地，磁链变化已在[11]中解决，但是，d轴和q轴电感的变化对IPM驱动器有显著影响。多参数估计已经提出了采用基于MRAS的策略，然而，该系统缺乏稳定性，并且在实践中是不可行的[8]。基于EKF的在线参数估计策略已在[12]中提出。然而，dq轴电感变化尚未处理。此外，由于逆矩阵计算，基于EKF的驱动器的计算负担随着系统阶数的增加而显著增加[8]。作者在[13]中使用APA策略获得dq轴电感变化，并使用最速下降法处理磁链变化两种不同策略的组合不仅增加了处理器的负担，而且增加了复杂性，从而增加了实现难度。[14，15，19]中基于RLS算法的参数估计未考虑磁链的变化。作者在[20]中利用RLS算法仅估计磁链和定子电阻，而电感中的在文献[21]中，利用RLS算法对各非线性参数进行了估计.作者采用了两种不同的- ent（快和慢）RLS算法，具有不同的执行速度排序的秩不足的问题。然而，由于估计速度较慢，估计参数波动较大，结果令人最近，Tinazzi等人在基于模型预测控制（MPC）的驱动中采用RLS算法处理磁链和dq轴电感变化。[16]。由于MPC依赖于机器模型，因此基于MPC的驱动器比基于PI控制器的驱动器更容易受到机器参数变化的虽然在所提出的策略中估计了参数，但是驱动器具有以下关注点。首先，逆变器的然而，在文献中众所周知的是，基于恒定开关的空间矢量PWM策略优于其对应策略，因为谐波和扭矩波动更小[22]。更重要的是，作者指出，无参数预测控制已经实现。只有当系统输入是当前命令时，该声明才为真。然而，重要的是要注意，在大多数实际应用中，系统电流命令的生成依赖于[16]中的机器参数，因此，它实际上是参数相关驱动。类似地，[23，24]中基于RLS算法的驱动器的系统输入是电流指令而不是转矩或速度。本文讨论了文学中的现代性驱动力，提出了一种新颖的IPM机器驱动器，解决了上述与现有技术控制策略有关的问题。利用RLS算法在线估计非线性dq轴电感和永磁磁链每个参数的估计精度都很高。由于采用估计参数在控制器中产生电流此外，采用解耦补偿与估计参数。通过这样做，驱动系统的瞬态性能也得到了改善。所提出的驱动器实现了恒定的开关频率为基础的操作，因此，由于可变的开关频率为基础的操作的转矩和电流纹波的增加系统的输入是转矩指令，而dq轴指令电流是利用估计的高精度参数产生的所提出的驱动器的优越性M. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010873~~~.“ÞDQ.Σ文勤0LqIq0Te¼2WmIq-Id Iq Lq-LdKVqIqdtWqWd通过采用代表参数变化的非线性机器模型进行广泛的模拟来验证2. IPM电机通过ABC坐标系方程的Clark变换和Park变换，建立了交流电机dq轴旋转坐标系模型.转子参考系中IPM电机的众所周知的峰值惯例建模如下：VdWd4. 基于递推最小二乘算法的在线参数估计策略基于[5]中的高保真机器建模，已知IPM机器在满负荷操作时的实际Ld、Lq和Wm参数可以大致为20%、35%和20%（分别为低于其在空载运行时的准确值[26]。RLS算法是非线性系统辨识的一种常用算法.因此，在建议的驱动器的非线性Ld，Lq和Wm参数将估计在线通过递归最小二乘算法。4.1. RLS的一般表达式标准技术由以下等式”[16]这是一个很好的解决办法。.ΣΣP.P.ð3Þ式中，Idq、Vdq、Wdq分别为转子架电流（A）、电压（V）和磁链（Wb）。Wm是永磁体磁链（Wb），p是极对数，R是相电阻（X），x是电角速度（rad/s），Te是电磁转矩（Nm），Ldq是dq轴电感（H），分别图1所示的最佳b角是通过使oTe/ob为零而获得的。b角是在机器参数对当前角的偏导数为零的假设下得到的。bhn1bhnK.Y-bh6Pn1I-KPn=k7其中h是未知参数向量，E是回归向量，Y是输出向量，K是卡尔曼增益，P是协方差矩阵，I是单位矩阵，k是遗忘因子（FF）。与通用表达式相关的基本理论在[16]中讨论。b¼si n-1..-WmqWm28.ffiffiLffiffiqffiffiffi-ffiffiffiffiffiLffiffidffiffiΣffiffi2ffiffiIffiffisffi2ffiffiΣω。四、Lq-Lds100万ð4Þ4.2. 拟议运动的执行战略首先，假设模型表示为：2008年1月1日3. 建议的带参数识别的驱动系统设置其中未知参数向量h包括将被估计的非线性参数。在文献中已知，在实际实验中，效率稍微偏离最佳点，其中bbh<$hbLdbLqWBMiT利用（4）获得角度。这是因为机器参数在实践中随b角变化[25]。然而，如果（4）中的参数变化可以被精确地处理，则可以实现精确的转矩控制。换句话说，当实际机器参数与（4）中所采用的参数不同时，在所需扭矩和实际扭矩之间将存在差距。同样，效率重新整理（1），可以获得用于案例识别研究的输出和回归向量，如下所示：YVωd-RId10Vωq-RIq与优化点的偏差可能增加。降低效率-可以通过以下方式来实现效率偏差和关闭转矩间隙0£¼-we Iq0#Qð11Þ准确地估计和使用机器参数，（4）.因此，在所提出的驱动器的参数估计的RLS算法和精确的转矩控制实现。所提出的系统的原理框图如图所示。 二、 电流误差通过两个PI控制器驱动到零，并且（1）中的机器模型中的耦合项通过控制器中的解耦来补偿，如图所示。 二、在（2）中采用估计的参数进行解耦补偿。在旋转dq坐标系中产生的指令电压在被馈送到SVPWM策略之前被转换到静止ab坐标为了避免过调制，采用了限圆策略.因此，驱动器不需要高于可用DC链路电压的电压幅值，并且操作保持在线性区域中。准确的位置角是在建议的驱动器中获得的，并在坐标变换中采用参数识别策略的细节如图所示。 2将在下一节中讨论，并且可以在[4]中找到根据扭矩命令的电流命令近似的细节。weIdI0we其中I0和I0分别表示dq轴流的导数表达式，它们可以通过欧拉近似表示为Idn1-IdnT -s1和Iqn1-IqnT -s1，其中Ts是采样时间。然后，通过以下方式应用更新算法：如图3所示的（5）-（7），以通过加权最小二乘代价函数递归地估计非线性参数。4.3. 系数调整和估计器初始化k是参数估计过程中唯一需要调整的系数。它也被称为加权系数，因为它在估计中对旧数据进行加权。理论上，k在0和1之间调整，其中1意味着最早的测量值具有相等的权重。因此，当k接近1时，新测量数据的影响减小，因此估计过程相对较慢。相反，当k接近时，最旧测量的权重减小我3个p“DM. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010874！ð Þ¼¼图二. 建议的驱动系统示意图。图三.建议驱动中基于RLS的参数识别示意图。到零，并且新的测量数据的影响增加，但是结果可能显著波动。国王！0：快速响应，但估计参数波动。k1：估计参数变得平滑但响应缓慢。考虑到上述情况，基于快速响应和平滑估计过程之间的权衡来调谐k。值得注意的是，当k接近于一个[16]。通常，作为初始条件不可用的估计器初始化的常见解决方案，该过程可以从零参数向量和单位协方差矩阵开始。然而，在所提出的驱动器中，由于图2所示的MTPA块中的零划分问题，不能使用空参数向量。因此，可以采用接近于零的非零元素作为h的初始条件。 初始协方差是P0I，其中I是3*3单位矩阵.通过将高频小电流信号注入dq轴电流命令来整理与秩不足相关的问题，其细节可以在[27]中找到。5. 验证拟议的驱动器通过对4.1 kW样机的大量真实仿真，验证了所提策略的有效性和优越性电机（图4）的设计和制造的研究和发展，在电动汽车牵引应用和结果进行了详细讨论。机器规格见表1。驱动器中的实际机器参数已通过模拟参数非线性（如[5，28]所示）进行了有意更改。逆变器开关频率设置为5 kHz，参数的初始条件为10-6。名义机器参数也可以作为参数向量的初始条件，但实际上这对结果的影响可以忽略不计。正如已经讨论过的，k是唯一的系数，需要调整的参数估计过程中，其影响所提出的驱动系统进行了研究。当机器以1000rpm机械速度操作时，在0.25 s处将从5 Nm到10 Nm的电磁转矩命令的阶跃变化施加到驱动器，并且遗忘因子对参数估计的所得调谐影响在图5中示出。可以看出，当调谐k时，在快速响应和平滑估计过程之间存在折衷。从图5中可以看出，遗忘因子k1/40： 999实现了足够的响应时间，具有平滑估计。因此，在本文的其余部分中，遗忘因子被调整为k0：稳态和瞬态改进分别在第5.1节和第5.2节中进行了验证5.1. 参数变化的耐用性验证传统的驱动器，在控制器中采用恒定的机器参数，和所提出的驱动器，其中参数的变化是在控制器中在线处理，已经在1000 rpm的机械速度下运行，而扭矩从空载增加到满载操作点。结果如图6所示。很明显，当实际机器参数偏离控制器中所采用的参数时，在常规驱动中不能实现精确的转矩控制。然而，当参数变化可以被准确地估计时，在所提出的驱动中，机器可以产生精确的转矩命令。由于参数变化在线处理并在控制器中使用，因此实现了精确的转矩控制。可以看出，当机器参数随MTPA轨迹变化时，M. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010875见图4。 IPM样机及其横截面模型（36槽，8极）。表1样机规格。类型IPM相/极数八分之三标称速度2500 RPM@120 V DC连续转矩15.7 Nm@51.6臂连续功率4.1千瓦@120 V DC标称dq-轴电感0.282 mH/0.827 mH标称PM磁通连接0.0182 Wb标称相电阻惯性0.0463X0.0072千克2图五. 遗忘因子对参数估计的调谐影响。见图6。在恒速、变转矩运行下的性能改进验证。M. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010876~见图7。 在变速和变转矩操作下对所提出的驱动器进行验证。如在实际实验中，采用恒定机器参数的驱动器不能实现精确的扭矩产生，并且产生的扭矩可能比所需的峰值扭矩低28.7%。所提出的驱动器还在变化的负载和变化的速度条件下进行了验证，如图7所示，表示阶跃和斜坡变化。可以看出，驱动器对参数变化是鲁棒的，并且在从空载到峰值扭矩的宽范围内以变化的速度实现了精确的扭矩控制。虽然转矩和速度的阶跃变化在实际操作中是不可能的，但是在图7中明显的是，所提出的驱动器对于转矩和速度的甚至阶跃变化是鲁棒的。虽然机器参数的阶跃变化在实践中是不可能的，但所提出的估计策略以快速响应（以毫秒计）识别参数的突然变化。值得注意的是，图7中的估计的响应时间可以通过考虑图7中的折衷而减小遗忘因子的值来改进。 五、5.2. 解耦补偿（1）中的耦合项可能会恶化驱动系统的瞬态在（1）和（2）中很明显，解耦补偿依赖于机器参数的准确知识。估计的参数已被用于解耦补偿，如图2所示。当机器以2500 rpm运行时，扭矩指令已在0.2 s时从15 Nm降至10 Nm阶跃变化，图2中的PI控制器已按照[29]进行调整。为了更好地说明解耦补偿对系统动态性能的影响，在仿真驱动中特意去除了调制策略和电力电子模块。改进的动态性能在所提出的驱动器已被验证图。8 .第八条。见图8。瞬态性能改进验证与建议的补偿策略。6. 结论本文详细讨论了与现有驱动器相关的问题，并提出了一种新型的IPM电机驱动器。采用递推最小二乘算法在线估计电机非线性参数（dq轴电感和永磁磁链），具有较高的精度，并将估计的参数应用于控制器中，实现了精确的转矩控制和解耦补偿。实施和初始化策略所提出的技术与系数调整已M. Kobiang和O.埃姆雷·厄兹奇夫利克奇工程科学与技术，国际期刊34（2022）1010877分析和讨论。非线性机器模型已被用于模拟驱动器中，如在现实生活中的实验和28.7% Nm的高输出扭矩已实现在满载扭矩操作相比，驱动器中采用恒定的机器参数的控制器。该驱动器的有效性和优越性已通过高保真的机器模型的4.1千瓦的原型IPM机设计和制造的研究和开发的电动汽车牵引应用。竞争利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。确认本研究得到了土耳其科学技术研究委员会（TUBITAK）通过科学技术研究项目资助计划（1001）的支持，项目编号为118E858。引用[1] S. Turkdogan，住宅电力负载和燃料电池电动车的完全可再生混合能源系统的设计和优化，工程。Sci. 技术人员：Int. J. 24（2）（2021）397-404。[2] M.U. Cuma，D. Unal，M.M. Savrun，电动公交车单踏板驱动算法的设计和实现，工程科学。技术人员：Int.J.24（1）（2021）138-144.[3] C.切拉斯瓦米湖Balaji，T.李文，基于可再生能源的全电动汽车自动充电机构，中国科学院动力学研究所。技术人员：J. 23（3）（2020）555-564。[4] M. Kobarn，S. Emirog. Tamyürek，分析和模拟效率优化的IPM驱动器在恒定转矩区减少计算负担，土耳其。 J. 电 . Eng. Comput. Sci.29（3）（2021）1643-1658。[5] X.陈杰，王建，B. Sen，P. Lazari，T.孙，考虑磁饱和、空间谐波和铁损效应的内部永磁电机的高保真和计算高效模型，IEEE Trans. Ind. 62（7）（2015）4044-4055.[6] H. Patel，H.李伟，无刷直流电机驱动器中转矩脉动衰减的改进正弦脉宽调制技术的仿真和实验验证，工程科学。技术人员：J. 24（3）（2021）671-681中所述。[7] M.S. Rafaq，J. W. Jung，宽速度范围内永磁同步电机参数估计技术的综合评述，IEEE Trans. 印第安纳INF. 16（7）（2020）4747-4758.[8] Z.Q. Zhu，D. Liang，K. Liu，永磁同步电机的在线参数估计：概述，IEEE Access9（2021）59059-59084。[9] N.金角，澳-地Zhu、Z. Zhang， Y. Zhou，基于自适应参数辨识的内部PMSMMTPA轨迹跟踪控制，Int. J. Control Automation 9（4）（2016）395-404。[10] I. 韦 斯 利 湖 Vesely ， Z. Bradac ， 永 磁 同 步 电 机 参 数 的 MRAS 识 别 ， IFAC-PapersOnLine 51（6）（2018）250-255。[11] O.C. Kivanc，S.B.张文，基于多参数估计的无位置传感器永磁同步电机驱动系统，北京，中国电机工程学会。23（3）（2018）1326-1337。[12] X. 利河，巴西-地Kennel，基于卡尔曼滤波器的VSI馈电PMSM在线参数识别方法的一般公式，IEEE Trans. Ind. Electron. 68（4）（2021）2856-2864。[13] S.- Y.周，W.- G. Shin，J.- S.公园，W.- H.金，一种考虑永磁体温度大范围变化的永磁同步电机转矩补偿控制方案，IEEE Trans. 玛格 55（2）（2019）1-5。[14] S. Kim 等 人 ， 考 虑 磁 饱 和 参 数 的 内 置 式 永 磁 同 步 电 机 转 矩 脉 动 改 善 ，IEEETrans.Magn.45（10）（2009）4720-4723。[15] Y. Inoue，Y. Kawaguchi，S. Morimoto，M.陈志荣，无感测器永磁同步马达驱动器在低速区域之效能改善，国立成功大学电机工程研究所硕士论文。印第安纳Appl.47（2）（2011）798-804。[16] F. Tinazzi，P.G. Carlet，S. Bolognani，M. Zigliotto，通过递归最小二乘自调试模型实现同步电机的无电机参数预测电流控制，IEEE Trans. Ind. Electron. 67（11）（2020）9093- 9100。[17] X.马角，澳-地Bi，永磁同步电机参数在线辨识技术，CES。马赫4（3）（2020）237- 242.[18] A.皮波湾陈志荣，无感测器永磁同步电动机驱动器之马达参数调整，电机工程与电子工程学报，第45卷，第1期，2009年，第203-212页。[19] A. Brosch，S. Hanke，O.王文，永磁同步电动机模型预测电流控制的数据驱动递归最小二乘估计，IEEE Trans. 电力电子 36（2）（2021）2179-2190。[20] W. Xu，R.D. Lorenz，基于高频注入的定子磁链和转矩估计，用于在IPMSM上实现DB-DTFC，考虑交叉饱和效应，IEEE Trans. 印第安纳Appl.50（6）（2014）3805-3815。[21] S.J. 安德 伍德 岛 Husain ， 永磁 同步电 机的 在线 参数 估计 和自适 应控 制， IEEETrans.Ind.Electron.57（7）（2010）2435-2443。[22] Y.-- C.权，S。金，S.- K. Sul，永磁同步电机瞬时电流控制的六步运行，Ind. 应用程序、IEEE Trans. 50（4）（2014）2614-2625。[23] G. Feng角北卡罗来纳州黎Kar，一种新的基于电流注入的永磁同步电机在线参数估计方法，考虑磁饱和，IEEE Trans. Magn.52（7）（2016）1-4.[24] G. Feng角赖氏K.北卡罗来纳州慕克吉Kar，使用电流和电压直流分量的PMSM驱动器的基于电流注入的在线参数和VSI非线性估计，IEEE Trans.Transp。电气2（2）（2016）119-128.[25] T.孙，M。王俊，基于虚拟信号注入的永磁同步电机驱动器的MTPA控制，电机工程学报。65（8）（2018）6089-6098。[26] M. Kokerman，电动汽车牵引用内置永磁电机的效率优化控制在线论文，电子与电气工程，谢菲尔德大学，白玫瑰，2016年，第101页。 219.[27] S. Nalakath，M. Preindl，A.周文，有限控制集模型预测控制在永磁电机驱动系统中的应用。电源应用 11（2017）944-951。[28] X. Chen，J. Wang，A. Griffo，电动汽车牵引应用中内部永磁电机的高保真度和计算效率高的电热耦合模型，IEEE Trans.Transp。电气1（4）（2015）336-347。[29] S.- H. Kim，第6章-交流电动机的电流调节器，在：S.-H. Kim（编辑）， 电动机控制，Elsevier，2017年，pp. 247-264。
我的内容管理
展开
