永磁同步電機(permanent magnet synchronous motor，PMSM)由于具有高轉矩慣性比、高效率及 高功率密度，在工業驅動領域應用前景廣闊[1]。通 常，位置和速度反饋需要機械位置傳感器，但編碼 器的使用顯著降低了驅動系統的可靠性和耐用性； 而且在某些場合不允許安裝編碼器。安裝編碼器帶 來的問題促使研究人員開展無速度傳感器驅動技 術的研究，即通過定子電壓和電流等參數辨識轉子 速度和位置。文獻[2-19]給出了一些在線速度辨識 方法，大致可以分為如下幾類： 1）基于反電動勢(Back-EMF)技術[2-3]。這種方 法的核心是反電動勢的計算。由于在零速或及低速 情況下反電動勢為 0 或很小，因而轉子速度的估計 存在困難；此外，這種方法對電機參數高度敏感。 2）基于機械物理性能的技術[4-7]。由于轉子側 凸極效應的存在，相電感隨著轉子位置的變化而變 化。據此，可以通過電感獲取轉子位置信息，但需 要在電機定子繞組中疊加一高頻的電壓信號。這種 方法的優點是電機零速時可以精確辨識。文獻[7] 將信號注入與 Back-EMF 技術進行結合，前者用于零速或極低速時轉速估計，后者用于高速；但該方 法的準確性受永磁體位置影響嚴重，因而不適用于 面裝式的 PMSM。該方法的不足之處是，注入信號 影響電機動態特性，同時注入信號需要增加額外的 硬件。 3）基于擴展的卡爾曼濾波器(extended Kalman filter，EKF)或基于狀態觀測器的方法[8-11]。近年來， 這種方法在PMSM轉速估計中獲得了認可，其優勢 在于參數也可以被視為狀態變量，并可依據速度進 行估計；但該方法存在運算量大、參數敏感性及初 始條件不利等問題，降低了其優越性。 4）基于模型參考自適應控制(model reference adaptive controller，MRAC)的技術[12-15]。在眾多的 MRAC速度估計方法中，速度信息是通過兩種不同 模型獲取的，一種是參考模型，另一種是可調模型。 參考模型與速度無關，而可調模型包含轉速信息。 兩個模型輸出量通過運算獲得偏差信號，偏差信號 饋入自適應機構(通常自適應機構為PI調節器)。自 適應機構的輸出為估計量，一方面用于調節可調模 型，另一方面作為轉速反饋值。根據構成偏差信號 的量的不同，有多種MRAC方法。文獻[13]基于d、 q軸磁鏈分量提出了一種MRAC方法，但這種方法 受定子電阻變化及積分漂移和飽和的影響。為了克 服定子電阻變化的問題，文獻[14]給出了一種在線 定子電阻估計的MRAC方法。文獻[15]提出了基于 無功功率的MRAS方法。在上述所有方法中，基于 無功功率的MRAC速度估計方法因與定子電阻無 關而獲得廣泛應用。 5）其它方法包括基于人工智能的方法[16]、變 結構技術[17-19]等。人工神經網絡和模糊邏輯等基于 人工智能的方法不足之處是需要存儲大量數據且 算法復雜。在眾多的轉子位置辨識方法中，滑模觀 測器尤其獲得學者們青睞，因為系統動態特性僅依 賴于滑模面的選擇，不受系統結構和參數不確定性 影響，在面裝式永磁同步電機中獲得廣泛應用。更多詳細內容請見附件
永磁同步電機矢量控制雙滑模模型參考自適應系統轉速辨識_王慶龍.pdf
永磁同步電機轉子初
