六、BLDC矢量控制基础知识:滑膜观测器原理

这篇具有很好参考价值的文章主要介绍了六、BLDC矢量控制基础知识:滑膜观测器原理。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

滑膜观测器原理

这是一篇关于滑膜观测器原理的学习笔记



前言

当无刷电机使用FOC控制时,需要获得转子位置和角速度信息,当没有传感器的时候,已经有大量的算法用于解决这一问题,有一类处理办法是使用观测器来估计转子的位置,在众多解决方案中滑膜观测器有着广泛的应用。下面将我一个小白从无到有的学习过程分享一下。
这里学习到的滑膜观测器的知识来源于《彻底吃透滑模观测器(PMSM无感算法)(理论精讲+推导+算法+调参+硬件运行)》,感谢大佬的分享。


一、估计转子位置的基本逻辑, α , β \alpha,\beta α,β坐标系

当没有位置检测传感器的时候,我们需要估计转子的位置等信息。通过查找网上的资料,了解到普遍的做法是在两相静止坐标 α , β \alpha,\beta α,β下来估测转子角度。开始我也不太明白是怎么回事,后来过了很久才反应过来,最终理清了其中的逻辑:
首先,我得想明白 α , β \alpha,\beta α,β坐标系下的电压电流虽然不是直接可测的,但三相电压电流确实实实在在可测的物理量,我们只需要通过一个Clarke变换就可以得到 α , β \alpha,\beta α,β坐标系下的电压电流,而Clarke变换确实与转子角度无关的变换。
其次,由于 α , β \alpha,\beta α,β d q dq dq坐标就是一个旋转的关系,因此可以利用这层关系估计转子的位置和角速度。

二、从 α , β \alpha,\beta α,β电压方程到状态方程

通过前面的努力(参考《五、BLDC矢量控制基础知识:BLDC模型的基本方程》),我们已经得到 α , β \alpha,\beta α,β下的电压:
α β \alpha\beta αβ坐标混合电压方程完整形式:
[ u α u β ] = R [ i α i β ] + [ L d 0 0 L d ] d d t [ i α i β ] + [ 0 ω ( L d − L q ) − ω ( L d − L q ) 0 ] [ i α i β ] + [ E α E β ] … … 1 \begin{aligned} \begin{bmatrix}u_\alpha\\u_\beta\end{bmatrix} &=R\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix}+\begin{bmatrix}L_d&0\\0&L_d\end{bmatrix}\frac{d}{dt}\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix}+\begin{bmatrix}0&{\omega}(L_d-L_q)\\-{\omega}(L_d-L_q)&0\end{bmatrix}\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix}+\begin{bmatrix}E_\alpha\\E_\beta\end{bmatrix} \end{aligned} ……1 [uαuβ]=R[iαiβ]+[Ld00Ld]dtd[iαiβ]+[0ω(LdLq)ω(LdLq)0][iαiβ]+[EαEβ]……1
其中:
[ E α E β ] = ( ω ψ f + ( L d − L q ) ( ω i d − d i q d t ) ) [ − s i n θ c o s θ ] … … 2 \begin{aligned} \begin{bmatrix}E_\alpha\\E_\beta\end{bmatrix}=(\omegaψ_f+(L_d-L_q)({\omega}i_d-\frac{di_q}{dt}))\begin{bmatrix}-sin\theta\\cos\theta\end{bmatrix} \end{aligned} ……2 [EαEβ]=(ωψf+(LdLq)(ωiddtdiq))[sinθcosθ]……2
根据方程1的物理意义,也可以称该项为反电动势项。

在讨论之前,我们可以明显看出方程2可以用来计算转子旋转角度 θ \theta θ

把方程1写成状态方程的样子:
d d t [ i α i β ] = [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i α i β ] + 1 L d [ u α u β ] − 1 L d [ E α E β ] \begin{aligned} \frac{d}{dt}\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} =\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}i_\alpha\\i_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}u_\alpha\\u_\beta\end{bmatrix} -\frac{1}{L_d}\begin{bmatrix}E_\alpha\\E_\beta\end{bmatrix} \end{aligned} dtd[iαiβ]=[LdRLdω(LdLq)Ldω(LdLq)LdR][iαiβ]+Ld1[uαuβ]Ld1[EαEβ]

三、滑膜观测器

现代控制理论中,对于不能直接观测的量一般使用观测器进行来估计状态,这里先构造一个用于估计的观测器方程:
d d t [ i ^ α i ^ β ] = [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i ^ α i ^ β ] + 1 L d [ u α u β ] − 1 L d [ v α v β ] \begin{aligned} \frac{d}{dt}\begin{bmatrix}\hat{i}_\alpha\\\hat{i}_\beta\end{bmatrix} =\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\hat{i}_\alpha\\\hat{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}u_\alpha\\u_\beta\end{bmatrix} -\frac{1}{L_d}\begin{bmatrix}v_\alpha\\v_\beta\end{bmatrix} \end{aligned} dtd[i^αi^β]=[LdRLdω(LdLq)Ldω(LdLq)LdR][i^αi^β]+Ld1[uαuβ]Ld1[vαvβ]

其中:
i ^ \hat{i} i^是观测器估计出来的电流
v v v是输入控制量
我们的依据是通过控制开关量 v α , β v_{\alpha,\beta} vα,β,让观测器估计出来的电流 i ^ α , β \hat{i}_{\alpha,\beta} i^α,β趋向于 i α , β i_{\alpha,\beta} iα,β,那么平均来看,可能应该有 v α , β → E α , β v_{\alpha,\beta}{\rightarrow}E_{\alpha,\beta} vα,βEα,β吧。

为了仔细分析观测器的行为,我们用下面的式子和上面的式子相减,并记 i ~ = i ^ − i \tilde{i}=\hat{i}-i i~=i^i,表示观测器控制得到的电流和实际电流的差值。则得到下面的式子:
d d t [ i ~ α i ~ β ] = [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i ~ α i ~ β ] + 1 L d [ E α − v α E β − v β ] … … 3 \begin{aligned} \frac{d}{dt}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix} =\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}E_\alpha-v_\alpha\\E_\beta-v_\beta\end{bmatrix} \end{aligned} ……3 dtd[i~αi~β]=[LdRLdω(LdLq)Ldω(LdLq)LdR][i~αi~β]+Ld1[EαvαEβvβ]……3
首先可以看到,如果已经有, i ~ α , β = 0 \tilde{i}_{\alpha,\beta} = 0 i~α,β=0,则真的有 v α , β → E α , β v_{\alpha,\beta}{\rightarrow}E_{\alpha,\beta} vα,βEα,β
观察上述方程,如果对控制原理有所了解,一定可以注意到:要达到我们的目的,需要一个策略把 i ~ α , β \tilde{i}_{\alpha,\beta} i~α,β控制在0附近了。这里采用一个非常暴力的控制方法(也可以说成是鲁棒性很强的控制):
1.如果观测器估计的电流 i ^ α , β \hat{i}_{\alpha,\beta} i^α,β大于了实际电流 i α , β i_{\alpha,\beta} iα,β,则我们给出足够大的负向控制量,这个控制量将把 i ^ α , β \hat{i}_{\alpha,\beta} i^α,β的微分变成负的,从而试图把估计电流降低到实际电流处。
2.如果观测器估计的电流 i ^ α , β \hat{i}_{\alpha,\beta} i^α,β小于了实际电流 i α , β i_{\alpha,\beta} iα,β,则我们给出足够大的正向控制量,这个控制量将把 i ^ α , β \hat{i}_{\alpha,\beta} i^α,β的微分变成正的,从而试图把估计电流提升到实际电流处。
这个控制方法从概念上理解起来非常直观了,这样的控制方法应该就是滑膜控制了,为什么叫滑膜?可能是因为在相图上控制了相点的滑动方向吧。所以基于这种控制方法的观测器就叫滑膜观测器吧。

作为实际技术的原理,我们需要给出一个实际的滑膜控制方法,并且事先证明它的稳定性。
根据人云亦云做法,我准备设控制输入:
[ v α v β ] = h [ s i g n ( i ^ α − i α ) s i g n ( i ^ β − i β ) ] = h [ s i g n ( i ~ α ) s i g n ( i ~ β ) ] … … 4 \begin{aligned} \begin{bmatrix}v_\alpha\\v_\beta\end{bmatrix}=h\begin{bmatrix}sign(\hat{i}_\alpha-i_\alpha)\\sign(\hat{i}_\beta-i_\beta)\end{bmatrix}=h\begin{bmatrix}sign(\tilde{i}_\alpha)\\sign(\tilde{i}_\beta)\end{bmatrix} \end{aligned} ……4 [vαvβ]=h[sign(i^αiα)sign(i^βiβ)]=h[sign(i~α)sign(i~β)]……4

稳定性证明:
做李亚普洛夫函数: V ( i ~ α , i ~ β ) = 1 2 ( i ~ α i ~ α + i ~ β i ~ β ) V(\tilde{i}_\alpha,\tilde{i}_\beta)=\frac{1}{2}(\tilde{i}_\alpha\tilde{i}_\alpha+\tilde{i}_\beta\tilde{i}_\beta) V(i~α,i~β)=21(i~αi~α+i~βi~β)
显然上述函数是正定的,那么我们来对它求导:
d V d t = i ~ α d i ~ α d t + i ~ β d i ~ β d t \frac{dV}{dt}=\tilde{i}_\alpha\frac{d\tilde{i}_\alpha}{dt}+\tilde{i}_\beta\frac{d\tilde{i}_\beta}{dt} dtdV=i~αdtdi~α+i~βdtdi~β
带入3式得到:
d V d t = [ i ~ α i ~ β ] d d t [ i ~ α i ~ β ] = [ i ~ α i ~ β ] [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i ~ α i ~ β ] + 1 L d [ i ~ α i ~ β ] [ E α − v α E β − v β ] = [ i ~ α i ~ β ] [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i ~ α i ~ β ] + 1 L d [ i ~ α i ~ β ] [ E α E β ] − 1 L d [ i ~ α i ~ β ] [ v α v β ] = [ i ~ α i ~ β ] [ − R L d − ω ( L d − L q ) L d ω ( L d − L q ) L d − R L d ] [ i ~ α i ~ β ] + 1 L d [ i ~ α i ~ β ] [ E α E β ] − h L d ( i ~ α s i g n ( i ~ α ) + i ~ β s i g n ( i ~ β ) ) … … 5 \begin{aligned} &\frac{dV}{dt}=\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\frac{d}{dt}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix}\\ &=\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}E_\alpha-v_\alpha\\E_\beta-v_\beta\end{bmatrix}\\ &=\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}E_\alpha\\E_\beta\end{bmatrix} -\frac{1}{L_d}\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}v_\alpha\\v_\beta\end{bmatrix}\\ &=\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}-\frac{R}{L_d}&-\frac{{\omega}(L_d-L_q)}{L_d}\\\frac{{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\tilde{i}_\alpha\\\tilde{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}\tilde{i}_\alpha&\tilde{i}_\beta\end{bmatrix}\begin{bmatrix}E_\alpha\\E_\beta\end{bmatrix} -\frac{h}{L_d}(\tilde{i}_{\alpha}sign(\tilde{i}_{\alpha})+\tilde{i}_{\beta}sign(\tilde{i}_{\beta})) \end{aligned} ……5 dtdV=[i~αi~β]dtd[i~αi~β]=[i~αi~β][LdRLdω(LdLq)Ldω(LdLq)LdR][i~αi~β]+Ld1[i~αi~β][EαvαEβvβ]=[i~αi~β][LdRLdω(LdLq)Ldω(LdLq)LdR][i~αi~β]+Ld1[i~αi~β][EαEβ]Ld1[i~αi~β][vαvβ]=[i~αi~β][LdRLdω(LdLq)Ldω(LdLq)LdR][i~αi~β]+Ld1[i~αi~β][EαEβ]Ldh(i~αsign(i~α)+i~βsign(i~β))……5

观察5式,它右边前两项都是有限项,而第三项括号中无论何总情况都是正数,所以只要h足够大,我们就可以使得整个式子为负定的,这个控制系统是渐进稳定的。
也就是随着我们控制的进行,一定有 i ^ α , β → i α , β \hat{i}_{\alpha,\beta}{\rightarrow}i_{\alpha,\beta} i^α,βiα,β,我们的想法就得以实现,具体的h值确定,可以依据5式来估计。

我们还有我们从3式,得到 v α , β → E α , β v_{\alpha,\beta}{\rightarrow}E_{\alpha,\beta} vα,βEα,β,但我们实际的控制方式式开关控制(4式),所以并不能完全得到这个关系,我们只能说 v α , β v_{\alpha,\beta} vα,β对时间取平均值后 → E α , β {\rightarrow}E_{\alpha,\beta} Eα,β,就像PWM调制那样。不过这已经不是什么大的问题了,不是吗?

四、关于观测方程中的角速度的疑问

到目前为止我们已经理清了获取反电动势 E α , β E_{\alpha,\beta} Eα,β的步骤,这样就可以通过各种手段获得 θ ^ , ω ^ \hat{\theta},\hat{\omega} θ^,ω^
但回过头仔细审查我们建立的观测器的过程,观测器方程还是知道电角速度 ω \omega ω。呃咋办???
首先当使用表贴的电机时,有 L d = L q L_d=L_q Ld=Lq,观测器方程中不会要求使用 ω \omega ω,上面的理论肯定是有效的。
问题在于使用凸极电机时, L d ≠ L q L_d≠L_q Ld=Lq,观测器方程会使用 ω \omega ω,这样就麻烦了。当然我们仍然可以使用估计的角速度 ω ^ \hat{\omega} ω^来计算观测器方程,这时观测器方程右边的项会有变化,如下所示:
d d t [ i ^ α i ^ β ] = [ − R L d − ω ^ ( L d − L q ) L d ω ^ ( L d − L q ) L d − R L d ] [ i ^ α i ^ β ] + 1 L d [ u α u β ] − 1 L d [ v α v β ] \begin{aligned} \frac{d}{dt}\begin{bmatrix}\hat{i}_\alpha\\\hat{i}_\beta\end{bmatrix} =\begin{bmatrix}-\frac{R}{L_d}&-\frac{\hat{\omega}(L_d-L_q)}{L_d}\\\frac{\hat{\omega}(L_d-L_q)}{L_d}&-\frac{R}{L_d}\end{bmatrix}\begin{bmatrix}\hat{i}_\alpha\\\hat{i}_\beta\end{bmatrix} +\frac{1}{L_d}\begin{bmatrix}u_\alpha\\u_\beta\end{bmatrix} -\frac{1}{L_d}\begin{bmatrix}v_\alpha\\v_\beta\end{bmatrix} \end{aligned} dtd[i^αi^β]=[LdRLdω^(LdLq)Ldω^(LdLq)LdR][i^αi^β]+Ld1[uαuβ]Ld1[vαvβ]

仿效前面的分析过程,我们用它和状态方程相减

通过前面的稳定性分析过程可知,当然和之前一样只要控制增益 h h h足够大,控制规律仍然可以保证 i ^ α , β → i α , β \hat{i}_{\alpha,\beta}{\rightarrow}i_{\alpha,\beta} i^α,βiα,β,但问题在于这样做,如何保证 ω ^ → ω \hat{\omega}{\rightarrow}\omega ω^ω
希望大牛看到能指点一二。

五、估计角度和角速度

这一点理解起来不难,我们已经得到 v α , β → E α , β v_{\alpha,\beta}{\rightarrow}E_{\alpha,\beta} vα,βEα,β,那么通过2式用分量相比的方法利用反正切求出角度,并且得到角度后我们通过一定的时间就可以获得角速度。
另外还有类似于PLL的很多其他的方法来解算角度和角速度,这里就不献丑了。


总结

通过学习滑膜观测器的工作原理,虽然有的地方还有一定的疑问,但大体上已经理解的整个观测器的运行原理。文章来源地址https://www.toymoban.com/news/detail-433623.html

到了这里,关于六、BLDC矢量控制基础知识:滑膜观测器原理的文章就介绍完了。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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • TCP的拥塞控制_基础知识_四种拥塞控制方法

    在某段时间,若 对网络中某一资源的需求超过了该资源所能提供的可用部分,网络性能就要变坏 ,这种情况就叫作 拥塞 。 计算机网络中的链路容量(带宽)、交换节点中的缓存和处理机等都是网络的资源 若出现拥塞而不进行控制,整个网络的吞吐量将随输入负荷的增大而下

    2024年01月19日
    浏览(44)
  • 固定时间收敛的控制器设计(基础知识)

    本篇文章主要描述在设计固定时间控制器时,所采用的一些引理。 考虑如下非线性自治系统 x ˙ = f ( x ) , x ( 0 ) = x 0 dot{x}=f(x),quad x(0)=x_0 x ˙ = f ( x ) , x ( 0 ) = x 0 ​ 其中 x ∈ R n xinmathbb{R}^n x ∈ R n 表示状态; f : D → R n f:mathbb{D}tomathbb{R}^n f : D → R n 表示在原点的开邻域

    2023年04月10日
    浏览(72)
  • 电脑入门:路由器访问控制列表基础知识

    路由器访问控制列表基础知识                             1、什么是访问控制列表?              访问控制列表在Cisco              IOS软件中是一个可选机制,可以配置成过滤器来控制数据包,以决定该数据包是继续向前传递到它的目的地还是丢弃。             

    2024年02月09日
    浏览(74)
  • 无人机基础知识:多旋翼无人机各模式控制框图

    无人机(Unmanned Aerial Vehicle),指的是一种由动力驱动的、无线遥控或自主飞行、机上无人驾驶并可重复使用的飞行器,飞机通过机载的计算机系统自动对飞行的平衡进行有效的控制,并通过预先设定或飞机自动生成的复杂航线进行飞行,并在飞行过程中自动执行相关任务和

    2023年04月09日
    浏览(139)
  • 控制系统中的AI、AO、DI、DO是什么意思——控制系统基础知识

      控制系统中AI、AO、DI、DO是集散控制系统中模块上常见的一些基本标注,好处就是便于分清什么类型量的设备,方便前期的产品选型及后期的维修与保养。   同时将现场模拟量仪表和开关量设备等进行清晰分类,便于后期仪表和设备的弱电信号接线。 其实很简单,AI、

    2024年01月20日
    浏览(45)
  • 【正点原子】STM32电机应用控制学习笔记——2.直流无刷电机基础知识

    没有电刷,无换向器的电机,也称为无换向器电机。 主要是定子和转子,而直流有刷电机多的是换向器和电刷。 而直流有刷的定子是N和S的永磁体,而无刷是三个线圈饶阻。 直流有刷是定子是饶阻,无刷的定子是N和S的永磁体。两者的转子和定子恰好是相反的。也是他们最大

    2024年02月03日
    浏览(71)
  • 控制器局域网(CAN)物理层调试的基础知识和实例分析

    控制器局域网的概念 控制器局域网是国际上应用最广泛的现场总线之一。CAN被设计作为汽车环境中的微控制器通讯,在车载各电子控制装置ECU之间交换信息,形成汽车电子控制网络。比如:发动机管理系统、变速箱控制器、仪表装备、电子主干系统中,均嵌入CAN控制装置。

    2024年02月07日
    浏览(52)
  • 【运维知识高级篇】34道Shell编程练习题及答案(从基础到实战:基础+计算+判断+循环+控制与数组+实战进阶)

    ​本篇文章几乎涵盖了绝大部分的Shell语法练习,用一个个实战练习,巩固Shell的学习,话不多说,直接开始。 练习1:按照时间生成文件\\\"2018-05-22.log\\\"将每天的磁盘使用状态写入到对应日期的文件 练习2:统计Nginx日志中每个IP的访问量有多少,日志格式如下 练习3:写一个脚本

    2024年02月14日
    浏览(62)
  • [Python物联网]Python基础知识和语法--控制流和函数--Python快速上手开发物联网上位机程序

    目录 一、前言         二、条件语句 三、循环语句         1.for循环         2.while循环 四、函数 五、总结         Python的控制流语句允许程序根据特定条件执行不同的代码块。Python中的常见控制流语句包括 条件语句 和 循环语句 。在本篇文章中,我们将讨论

    2024年02月04日
    浏览(68)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包