无位置控制方法研究
1.无位置控制技术研究现状
2.反电动势过零检测法
3.反电动势三次谐波积分检测法
4.续流二极管法
5.磁链法
6.扩展卡尔曼滤波算法（EKF）
7.基于扩展卡尔曼滤波算法（EKF）的转速及位置估算
8.电感测量法
9.涡流效应检测法
10.人工智能法
11.电流法
1.无位置控制技术研究现状
无传感器控制通过电机的电压或电流反馈计算得到当前转子位置或速度信息，并将其用于电机系统的闭环控制。在无传感器控制方式下，电机的位置检测和控制是一个统一的整体，因此无传感器控制也常被称为自检测控制 (Self-Sensing Control)。永磁同步电动机的无传感器控制理论已有近四十年的发展历史，并已有高频注入、扩展反电势、磁链观测、模型参考自适应等多种位置检测方法。这些方法基于不同的理论实现，但是具有共同的研究目标，即实现更广的适应范围、更强的鲁棒性、更好的检测精度及更低的运算成本。
在现有的无传感器控制方法中，转子初始位置检测和低速运行时的转子位置检测仍是国内外研究的重点和难点问题。转子初始位置检测指控制器在电机未上电运行前，对电机的转子位置所进行的检测。按应用系统的不同，电机的初始状态可包括高速旋转、低速旋转和静止等多种状态。单一的检测方案难以适应于在所有初始状态下的转子位置检测，尤其是对于成本主导应用的电机系统而言，为了实现系统成本的降低，控制器往往不含电机的端电压传感器，而仅采用直流母线电压传感器和相电流传感器进行转子位置的估算。由于没有电机的端电压传感器，电机在高、低速旋转等状态下的转子初始位置检测就变得极为困难。
目前，已经有学者提出反电势检测法、续流二极管检测法、磁链法、电感法、观测器法等多种无位置检测方法。
相比于低速和静止时的转子位置检测，电机在中高速运行时的转子位置检测可以通过电机的基波模型进行实现。基波模型的转子位置检测方法有扩展反电势、磁链观测、模型参考自适应等。这类方法无须向电机绕组注入额外的激励信号，而仅依据电机在正常运行时的电压和电流信息计算得到转子位置。然而，现有的基波模型的方法难以实现电机在静止或极低速旋转情况下的转子位置检测。提高转子位置观测的准确性.改善低速运行时的观测效果、降低算法的复杂度是目前基波模型方法的主要研究方向。
因此，完整的电动机无转子位置传感器控制系统包括转子初始位置检测、低速运行时的转子位置检测、中高速运行时的转子位置检测等多部分内容。对于风机、水泵或牵引系统，电机在上电前的初始状态可能为正向或反向高速旋转，如何判别出电机是否处于高速旋转状态，以及获得在高速旋转状态下的转子初始位置信息，是这类无传感器控制系统的重要研究内容。
2.反电动势过零检测法
使用反电动势检测法对无刷直流电机的转子进行位置检测一直是国内外学者研究的重点内容。关断相反电动势的过零点和电机换相点的位置关系如图所示。从图中可以看出过零点超前电机换相点 30°电角度，所以只要检测到过零点，便可以估算出电机的换相点。
三相电枢绕组的感应电动势方程：
实际应用中：
但反电动势信号难以直接获取，现有方法都是通过间接方式获得反电动势信号。通过对无刷直流电机进行建模，建立电流电压方程，推导得出反电动势等于非导通相端电压和电机中点电压二者之差。通过比较非导通相端电压与电机中位点电压间接获得反电动势信号。但是实际应用中电机的中线一般不会引出，所以这种检测方法的应用场景有限。
针对常见的星型绕组电机，利用三相电机对称的原理，建立星型电阻网络构造出电机虚拟中点，通过比较虚拟中点的电压与关断相端电压得到反电动势信号。但是构造的虚拟中点并不是实际的电机中点，只有在过零点时刻二者的值才是一致的。另外，这种方法还需要额外的电阻网络，外围电路较为复杂。
经过理论推导发现反电动势信号同样可以通过端电压与母线电压比较来获取。这种方法不需要使用电阻网络构造虚拟电机中点，减了外部电路的复杂度。但是当母线电压很大时，电路的安全性难以保证。并且在低速时，反电动势信号检测效果不理想。
从线电压中得到反电动势信号是真实信号的两倍，所以线电压检测法在低速区性能很好但是高速区需要采取安全措施防止过高的线反电动势信号损害电路。
虽然反电动势检测法易于实现，但是仍然存在一些不足。在使用脉冲宽度调制(Pulse Width Modulation, PWM)技术控制无刷直流电机时，获取的反电动势信号中含有高频开关噪声，通常使用低通滤波器滤除开关噪声。但是引入低通滤波器会造成反电动势信号相移和幅值损失，通常使用软件算法进行合理补偿。此外，关断相的续流过程也会带来换相干扰噪声，这些问题也是众多学者研究的重点。
根据滤波电路带来滞后角的不同，设计了“60°- a”和“120°- a”两种换相模式，并利用软件进行补偿。但是滞后角度与工作状况相关，难以得到精确的值，无法进行精确补偿。
分析低通滤波器的频率响应特性，通过合理选择特性曲线设计最佳滤波器。使反电动势信号的滞后角度与转速成线性关系，降低了软件算法补偿的难度，但是这种方法对滤波电路设计要求很高。
在 PWM 关断时刻，关断相的端电压与反电动势电压具有线性关系，提出了在 PWM关断阶段对关断相端电压进行采样的方法。该方法不再需要低通滤波器，因此不存在过零点相移问题。但是由于端电压检测依赖 PWM 低电平的时间，所以该方法不适合在电机高速运行时使用。此外该方法受关断相续流影响严重，需要合理选择采样点。
还有一种 PWM ON PWM的调制方式，每个开关管在导通周期内的前后 1/4 个周期进行 PWM 调制，中间的 1/2个周期处于恒通状态。该方法虽然消除了非导通相续流，但是在开关管导通期间需要切换两次 PWM信号的状态，增加了电机的控制难度。
对研究现状进行总结，如表所示。经过许多学者的研究，反电动势检测法已经很成熟。但是依然存在着一些问题，比如关断相的续流。
3.反电动势三次谐波积分检测法
三相无刷直流电机的反电动势波形为梯形波，包含基波和三次谐波分量等各次谐波分量。检测出其中三次谐波分量并对其进行积分，当积分值为零时即可得到功率开关器件的开关状态。常见方法是在星型连接的定子绕组三端并联一组星型连接的电阻，两个中性点之间的电压即为三次谐波分量。这种方法比反电动势过零检测法有更宽的运行范围，可在较低转速下稳定运行，而反电动势过零检测法必须在转速达到一定值时才可有效使用。但当无刷直流电机没有中心点引线或不方便引线时，反电动势三次谐波法不宜被用于转子位置检测。
其中 ex是定子反电动势，Ux是相电压，ix是相电流，ex包含基波、三次谐波和一些高频谐波。三相反电势可以表示为:
谐波幅值占基波幅值的百分比为: 三次谐波为 22%，五次谐波为 4%，七次谐波为 2%，随着谐波次数越来越高，而其幅值所占的比例越来越小，五次及以上谐波的影响可以忽略。将三相反电势相加可得:
相加后抵消了基波、五次谐波、七次谐波、十一次谐波、十三次谐波等，只剩下了三次谐波、九次谐波、十五次谐波等。相加后的三次谐波的幅值占基波幅值 66%。三相相电压之和:
由上式可看出，无刷直流电机其定子三相相电压之和就等于定子绕组中反电势之和，可分解为 3 次谐波和3 的奇次高频谐波倍数之和。由图 1.1 可看出其对应关系。因此只要检测到3 次谐波的过零点就可知道转子的位置，从而换相。
4.续流二极管法
在实际工作中，电机处在在 120°导通方式时，非导通相的绕组电流有一个续流的过程，如果知道并联在六个功率管上的二极管电流的导通情况，便可以得到六个功率管的开关顺序。该方法在运用中可扩宽电机的调速范围，当电机处于低速时使用这种方法可有效的检测转子的位置信息。但是这种方法对于逆变器的PWM 工作方法有限制，即功率模块的上下功率管交替处于 PWM 斩波方式。
这种控制方式不仅使控制难度增加，而且如果二极管存在无效信号和毛刺干扰等，则会造成误导通，并且这种干扰不好滤除。其实使用这种方法造成的误差较大，反电势系数、绕组电感等电机参数不是常数、反电动势波形不是标准的梯形波,这些因素都会产生转子位置误差，因此就需要一定的补偿措施。
续流二极管法是从电流的角度考虑以此来反映电动势的过零点,灵敏度较高扩宽了电机的调速范围，但需要附加续流二极管检测电路。硬件电路较为复杂这种方法在国内应用其实并不广泛，相对来说技术也不是很成熟。
续流二极管检测法的优点是具有较好的低速性能，拓宽了系统的调速范围。缺点是该方法需要开环起动和特定的PWM 调制方式;还需要六路检测电路，增加了硬件电路的复杂性;而且该方法在电机低速运行时转子位置估算误差较大。所以基于以上缺点，限制了续流二极管检测法的广泛应用。
5.磁链法
磁链法主要通过检测直流无刷电机定子绕组中的电流和电压信号，根据微机采集的电压电流信号从而计算出磁链，再根据磁链与转子位置关系从而间接计算出电机转子位置。磁链法也是一种间接估计的方法，适应用方波直流无刷电机和正弦波直流无刷电机。
磁链法采用双电流闭环检测方法，检测的电流外环完成对转子位置信息的校正，电流内环完成对磁链值估算。
直流无刷电机磁链公式为：
对公式整理得：
对公式(3-25)进行离散处理，通过迭代计算可得到每一时刻的的磁链值。由磁链及电流对应的转子位置，可以得到转子的位置变化方程：
由公式可知，可以得到每一时刻转子位置信号，测量精度也比较高。但是由于计算量较大，对处理器要求较高。
基于上述论述的几种估算转子位置信号的方法，各有优缺点，适合用于不同的要求和场合。在参考国外论著的基础上，提出基于扩展卡尔曼滤波算法(EKF)来估算转子位置和转速。
6.扩展卡尔曼滤波算法（EKF）
卡尔曼算法起源于上世纪 60年代，是一种作为最优估算的迭代算法，可实现对系统状态的最优估计，而对卡尔曼算法来说，其动态系统和量测系统都是线性的。但在实际系统中不仅状态方程是非线性的，而且量测方程也是非线性的因此需要用扩展卡尔曼算法。扩展卡尔曼算法就是将复杂的非线性控制系统线性化处理，再应用卡尔曼滤波算法。
卡尔曼滤波器主要是以直流无刷电机的线电压和相电流作为系统的输入量将直流无刷电机的转速信号和位置信号作为系统的两个状态变量，再应用 EKF对两个变量进行估算，得出无刷直流电机的转速和位置。
7.基于扩展卡尔曼滤波算法（EKF）的转速及位置估算
扩展卡尔曼滤波器主要以直流无刷电机线电压和相电流作为输入变量，使用扩展卡尔曼滤波算法进行位置估算，从而得到直流无刷电机转速信号和位置信号输出量。直流无刷电机转子位置及速度检测结构如图所示：
由于检测的电压为电机三相逆变器直流侧电压，因此需要通过线电压计算模块转换成实际的线电压。
8.电感测量法
电感法有两种应用形式:一种是用于凸极式永磁无刷直流电机，另一种是用于内嵌式水磁无刷直流电机。电感法主要是用于转子初始定位和起动加速过程，用以弥补电机静止和低速时反电势无法检测的情况,该方法主要是基于铁心线圈电感大小受电机磁路饱和影响的原理,通过在电机气隙圆周六个不同位置处施加相同直流电压，比较各个电压矢量激励下电流响应的不同来获得相应的转子初始位置信号。
9.涡流效应检测法
涡流效应检测法就是在圆柱型的转子表面粘贴上非磁性材料,该材料中所产生的涡流会改变当前转子位置下所对应的绕组电感值的大小,进而改变绕组中电流的大小，所以可以实时检测绕组中电流的变化来确定电机的转子位置。这种方法可以准确的检测永磁无刷直流电机在静止或低速运行时的转子位置，但是需要改变申机结构,对电机制作工艺要求较高，难以广泛应用。
10.人工智能法
人工智能法是近年来在永磁无刷直流电机控制领域中发展较快的转子位置估计方法之一，其控制的基本思想就是通过检测电机的相电压和相电流信号，利用一些人工智能算法来建立电机的电压、电流与转子位置之间的对应关系，进而得到无刷直流电机的转子位置信号,其中人工智能算法包括人工神经网络、模糊控制和遗传算法等将多种智能算法相结合，对无刷直流电机进行模型辨识，从而实现无位置传感器控制，并取得了较好的控制效果。
人工智能法的优点在于其控制精度高，对各种扰动具有较强的鲁棒性，并且适应性好。但是这些人工智能算法在理论上不是特别成熟，还需要进一步研究，并且算法复杂，对控制器的性能要求也较高。
11.电流法
有一种定子相电流波形检测电路，可根据此电路来判断转子的位置，能在一定的范围内有效的检测换相信号使电机稳定运行。而由于电机非凸极表面的滞环电流波形与转子的位置密切相关，因此可检测滞环电流上升与下降时间来确定转子的位置称为同步偏差检测技术。文章来源：https://www.toymoban.com/news/detail-428837.html
12.参考文献：
（1）《无位置传感器无刷直流电机基于反电动势法转子位置的估计》
（2）《无位置传感器永磁无刷直流电机控制系统的设计》
（3）《无位置传感器的低压无刷直流电机控制电路设计》
（4）《永磁同步电机无位置传感器控制系统研究》
（5）《永磁同步电动机无位置传感器控制与高性能运行策略的研究》文章来源地址https://www.toymoban.com/news/detail-428837.html
到了这里，关于电机无位置控制方法研究的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
