王輝，馬軍，劉紅霞,2

（1.鄭州輕工業(yè)學院機電工程學院，河南鄭州 450002；2.信陽工業(yè)學校，河南信陽 465150）

基于智能滑模觀測器的PMLSM調(diào)速系統(tǒng)研究

王輝1，馬軍1，劉紅霞1,2

（1.鄭州輕工業(yè)學院機電工程學院，河南鄭州 450002；2.信陽工業(yè)學校，河南信陽 465150）

針對由于傳統(tǒng)滑模觀測器存在而引起系統(tǒng)抖振較大的問題，設計了一種可在線學習BP神經(jīng)網(wǎng)絡滑模觀測器，以減小系統(tǒng)抖振和提高永磁直線電機伺服控制系統(tǒng)的性能。通過設計滑模觀測器進行電流估計，獲得反電勢大??；將BP神經(jīng)網(wǎng)絡與傳統(tǒng)滑模觀測器相結(jié)合，并將電機定子電流估計值與實測值間的誤差作為性能指標函數(shù)，實現(xiàn)權(quán)值的在線學習，達到滑模觀測器增益參數(shù)最優(yōu)化自整定目的；引入鎖相環(huán)技術(shù)達到對電機動子位置和速度的辨識。仿真實驗結(jié)果表明，基于BP神經(jīng)網(wǎng)絡的滑模觀測器能夠?qū)崿F(xiàn)對電機動子位置和速度的準確觀測，且系統(tǒng)響應快速，穩(wěn)態(tài)精度高。

永磁直線同步電機；滑模觀測器；BP神經(jīng)網(wǎng)絡；鎖相環(huán)

1 引言

動子位置的精確檢測是實現(xiàn)永磁直線電機高性能伺服控制的重要條件，傳統(tǒng)的檢測方法主要通過光柵尺等機械式傳感器。雖然傳統(tǒng)的檢測方法原理簡單，但制造工藝復雜，增加了系統(tǒng)成本和維護費用，同時也降低了系統(tǒng)的可靠性，進而影響了永磁直線電機的微型化，在一定程度上限制了永磁直線同步電機的應用［1］。

無位置傳感器檢測與控制技術(shù)則不需要機械式傳感器，有利于改善永磁同步電機驅(qū)動系統(tǒng)可靠性，并可減少系統(tǒng)成本，降低運行環(huán)境要求，具有重要研究意義［2-3］。目前，主要檢測方法有：基于數(shù)學模型的開環(huán)估計法、高頻信號注入法、模型參考自適應控制、狀態(tài)觀測器法、以及卡爾曼濾波器等［4-5］。作為常用的一種狀態(tài)觀測器，雖然滑模狀態(tài)觀測器能夠?qū)崿F(xiàn)對電機轉(zhuǎn)子位置的無傳感器檢測，但由于IGBT等功率器件的高頻開關(guān)及實際應用中干擾的存在，這均使得系統(tǒng)存在嚴重的抖振現(xiàn)象，同時反電勢是通過低通濾波器環(huán)節(jié)對高頻信號進行濾波得到的，這樣就存在相位延遲，所以需要相位補償環(huán)節(jié)，這樣影響了控制系統(tǒng)的精度，增加了能耗和系統(tǒng)的復雜性［6-7］。

為減小抖振的影響，提高系統(tǒng)的綜合性能，本文將神經(jīng)網(wǎng)絡引入系統(tǒng)，實現(xiàn)對滑模觀測器參數(shù)的自調(diào)節(jié)，利用鎖相環(huán)技術(shù)觀測永磁直線電機動子位置和速度，以實現(xiàn)對永磁直線電機的精確控制。

2 滑模觀測器設計

電機運行時，定子電壓與電流是可測量量，因此可把定子電壓與電流作為觀測器的輸入項，以電機實際模型作為參考模型，而利用滑模理論建立的觀測器模型則作為可調(diào)模型，利用觀測器估算出電流值，與測量電流值進行比較。通過不斷調(diào)整滑?？刂戚斎肓康闹?，使得實際電流測量值與估計值間的誤差最小，這時的控制輸入量即為反電勢的大小。

2.1 滑模觀測器模型

為便于設計滑模觀測器，永磁直線電機在α-β坐標系下的定子電壓方程為［8-9］

則電流狀態(tài)方程為

將定子電流作為觀測量，根據(jù)滑模變結(jié)構(gòu)理論，滑模觀測器模型為

式（3）減去式（2）可得電流誤差方程為

選擇滑模面，令s=es，根據(jù)滑?？刂评碚摰目刂屏壳蠼夥椒?，可得出

2.2 位置與速度估計

根據(jù)文獻［10］，K的取值要大于2個軸上反電勢的最大值。由于反電勢中包含有動子位置信息，但是由于切換函數(shù)的高頻切換，觀測器估算出來的反電勢中包含有大量高頻分量，雖然通過一個低通濾波器可以濾除部分高頻成分，但最終估算出的反電勢中還會存在部分高頻分量，如果采用直接計算的方法，則結(jié)果中將會引入高頻噪聲，導致檢測結(jié)果不精確。借助于通信系統(tǒng)中的外差法，并利用鎖相環(huán)技術(shù)，則可減少高頻噪聲影響。

假設鎖相環(huán)輸出的被估算動子位置電角度為θ＾e，則令

當Δθe足夠小時，則式（6）可近似變?yōu)?/p>

于是利用鎖相環(huán)可估算出動子的位置?；阪i相環(huán)的動子位置估計原理圖如圖1所示。

圖1 基于鎖相環(huán)的動子位置估計原理圖Fig.1 The principle diagram of mover position estimation based on PLL

3 滑模觀測器的神經(jīng)網(wǎng)絡控制

在式（5）中，K值大小主要影響趨近速度和抖振幅值，通常希望在距離切換面較遠時，K取較大的值，以增加到達滑模面的速度，而當接近切換面時，K取較小的值，以減小抖振影響，提高系統(tǒng)控制精度。這就需要系統(tǒng)能夠根據(jù)系統(tǒng)運動狀態(tài)，對K值進行動態(tài)調(diào)整。本文通過引入神經(jīng)網(wǎng)絡進行滑?？赜^測器的參數(shù)自整定，以提高觀測精度。基于神經(jīng)網(wǎng)絡的滑模觀測器原理見圖2。

圖2 基于神經(jīng)網(wǎng)絡滑模觀測器原理圖Fig.2 The principle diagram of SMO based on the neural network

圖2中BPNN為神經(jīng)網(wǎng)絡控制模塊，分別將實際電流、估計電流及它們的誤差作為神經(jīng)網(wǎng)絡的輸入，輸出為滑模增益K，具體算法如下。

1）輸入層。輸入層神經(jīng)元的輸出等于輸入，即

式中：(k)為各輸入層神經(jīng)元的輸出，其中，上標I表示輸入層，下標i表示所在層神經(jīng)元的位置；xi(k)為輸入層所包含神經(jīng)元的輸入，即：x(k)=[x1(k)x2(k)x3(k)1]，k為當前時刻。

2）隱含層。隱含層各神經(jīng)元的輸入和輸出為

3）輸出層。輸出層各神經(jīng)元的輸入和輸出為

式中：上標O表示輸出層；HO表示隱含層與輸出層間關(guān)系；下標j表示隱含層第j個神經(jīng)元；N為隱含層神經(jīng)元的個數(shù)；φ[INO(k)]為輸出層神經(jīng)元的激活函數(shù)，取φ(k)=[1+tanh(k)]/2。

為實現(xiàn)滑模觀測器參數(shù)的最優(yōu)自整定，BP神經(jīng)網(wǎng)絡需利用誤差反傳的方法，達到權(quán)值自調(diào)整。將電流實際測量值與觀測器的觀測值之間的誤差作為誤差性能函數(shù)，則α坐標軸上的電流誤差性能函數(shù)為

則性能函數(shù)對權(quán)值的導數(shù)為

根據(jù)delta法則，并考慮動量項的影響，應用于輸出層權(quán)值調(diào)整的學習算法為

式中：η為學習速率；α為動量因子。

隱含層權(quán)值調(diào)整學習算法為

β坐標軸上的電流觀測器的滑模增益調(diào)節(jié)算法與α坐標軸類似，這里不再重復分析。

4 仿真與結(jié)果分析

為驗證基于神經(jīng)網(wǎng)絡的滑模觀測器性能，對該觀測器進行仿真研究，永磁直線同步電機的主要參數(shù)為：電感L=Ld=Lq=0.002 67 H，動子質(zhì)量m=28 kg，電阻R=2.65 Ω，定子永磁體磁鏈Ψr=0.303 03 Wb，極距τ=0.016 m。圖3為永磁直線同步電機無傳感器矢量控制原理圖，電流環(huán)和速度環(huán)均采用PI控制器，速度環(huán)反饋所需的速度值則通過基于神經(jīng)網(wǎng)絡的滑模觀測器進行估算獲得。

圖3 無傳感器矢量控制原理圖Fig.3 The principle diagram of the sensorless vector control

在給定速度下，分別對空載和加載兩種情況進行仿真研究，結(jié)果如圖4、圖5所示。

圖4 空載時的響應曲線Fig.4 The response curves under no load condition

圖5 加載時的響應曲線Fig.5 The response curves under load condition

從圖4圖5中可知，無論是空載還是加載條件下，速度響應曲線都能在很短時間內(nèi)到達設定值；在過渡過程，觀測器估算出的速度值經(jīng)過短暫的調(diào)整后，很快就能跟蹤上電機速度實測值；由于切換函數(shù)的存在，觀測器估算出的速度值存在一定的抖振。從dq軸電流響應曲線可以看出，穩(wěn)態(tài)時d軸電流接近零值，符合d軸電流為零的矢量控制策略；而在加載條件下，q軸電流保持一定的電流值。從位置響應及其誤差曲線可知，在兩種條件下，觀測器估計值都能很好地跟蹤實測值，且誤差較小。

5 結(jié)論

本文針對有傳感器永磁直線同步電機調(diào)速系統(tǒng)的缺陷，將神經(jīng)網(wǎng)絡與滑模觀測器相結(jié)合，利用神經(jīng)網(wǎng)絡實現(xiàn)對滑模增益的自整定，以提高傳統(tǒng)滑模控制算法的收斂速度，減小抖振，提高精度。仿真實驗結(jié)果表明，本文提出的基于神經(jīng)網(wǎng)絡滑模觀測器無傳感器矢量控制系統(tǒng)，響應速度快，穩(wěn)態(tài)精度高，觀測器能很好地實現(xiàn)對電機速度和位置的跟蹤。

［1］ 王輝，王長松，鐘黎萍，等.基于滑模觀測器的永磁同步電機低速下無傳感器轉(zhuǎn)子位置檢測的研究［J］.微電機，2011，44（1）；61-64.

［2］ Raggl K，Warberger B，Nussbaumer T，et al.Robust Angle-sensorlessControlofaPMSMBearinglessPump［J］.IEEETrans-actions on Industrial Electronics，2009，56（6）：2067-2085.

［3］ 王高林，張國強，貴獻國，等.永磁同步電機無位置傳感器混合控制策略［J］.中國電機工程學報，2012，32（24）：103-111.

［4］ 紀歷，徐龍祥.基于假定旋轉(zhuǎn)坐標的高速永磁同步電機無傳感器控制［J］.電工技術(shù)學報，2012，27（11）：55-62.

［5］ 王杰，歐陽紅林，張鵬，等.凸極式永磁同步電機無速度傳感器控制［J］.電力電子技術(shù)，2011，45（10）：122-124.

［6］ 朱喜華，李穎暉，張敬.基于一種新型滑模觀測器的永磁同步電機無傳感器控制［J］.電力系統(tǒng)保護與控制，2010，38（13）：6-11.

［7］ 陳長龍，樊貝，胡堃.永磁同步電動機新型滑模觀測器無傳感器控制［J］.微特電機，2013，41（3）：44-47.

［8］ 郭慶鼎.直線交流伺服系統(tǒng)的精密控制技術(shù)［M］.北京：機械工業(yè)出版社，2000

［9］ 舒志兵，翟正磊，章杰，等.基于滑模觀測器的PMSM無傳感器控制［J］.電氣傳動，2012，42（11）：7-10.

［10］賀建軍，段勇，喻壽益.基于滑模觀測器的SPMSM位置速度估計［J］.控制工程，2012，19（3）：527-530.

修改稿日期：2014-03-14

Research of Speed Regulating System Based on Intelligent SMO for PMLSM

WANG Hui1，MA Jun1，LIU Hong-xia1，2
（1.Mechanical and Electrical Engineering Institute，Zhengzhou University of Light Industry，Zhengzhou450002，Henan，China；2.Xinyang Industrial School，Xinyang465150，Henan，China）

For reducing the chattering phenomenon generated by the conventional sliding mode observer（SMO），a new SMO based on the BP neural network was designed to improve the servo control system performance of the permanent magnet linear synchronous motor（PMLSM）.A SMO was designed to estimate the stator currents to obtain the back EMF.The BP neural network was introduced into the SMO to realize the self-optimization of the SMO’s gain parameters，the error between the estimated current and measured current as the performance index function to realize the on-line weight learning.The phase locked loop technology（PLL）was applied to estimate the mover velocity and position.The simulation results show the new SMO may accurately observe the mover position and speed，and the control system has quick response and high stability accuracy.

permanent magnet linear synchronous motor；sliding mode observer；back propagation neural network；phase locked loop

TM351

A

國家科技支撐計劃資助項目（2012BAF12B13）；河南省重點科技攻關(guān)項目（132102110057）；鄭州市科技攻關(guān)項目（131PPTGG411-3）；鄭州輕工業(yè)學院博士科研基金資助項目（000346）

王輝（1977-），男，博士，講師，Email：bjwh520@163.com

2013-08-05