原文传递
基于参数辨识的车用永磁同步电机矢量控制研究
| 论文题名： | 基于参数辨识的车用永磁同步电机矢量控制研究 |
| 关键词： | 电动汽车;永磁同步电机;参数辨识;矢量控制;控制策略 |
| 摘要： | 随着纯电动汽车近几年的快速发展，内置式永磁同步电机(Interior Permanent Magnet Synchronous Machine，IPMSM）由于其优异的性能越来越多被用做纯电动汽车的驱动电机。电机控制器的控制品质影响着汽车的安全性、舒适性和动力性。面对汽车复杂的行驶工况，能够精确平稳且快速响应的输出汽车在行驶中所需求的转矩是非常重要的。所以高效的控制方法和电机参数辨识等技术成为了电动汽车电控系统的研究热点，本论文以某款车用IPMSM为被控对象对以下问题展开研究。 首先，本文针对课题内容检索了大量相关的数据库，收集了很多资料，并且对PMSM参数辨识方法进行了概括，同时分析了国内外研究现状。根据电动汽车的运行特点，建立了IPMSM的数学模型，确定了本论文车用IPMSM的矢量控制策略，即最大转矩电流比控制（Maximum Torque Per Ampere,MTPA）和弱磁控制，并对其进行了深入的分析研究。另外，搭建电流环、速度环双闭环电机控制系统，进而通过仿真试验证明了控制策略和模型的有效可行性。为 IPMSM的参数辨识方法的设计提供了理论支持和模型载体。 其次，在数学模型的基础上给出了车用IPMSM参数离线辨识的方法，并且借助Popov超稳定性理论和模型参考自适应系统(Model Reference Adaptive System,MRAS)推导出IPMSM参数在线辨识的自适应律，在不需要额外测试信号的情况下，实现了车用IPMSM定子电阻、直交轴电感和磁链四个参数精确、快速的在线辨识，通过仿真实验对该方法的理论正确性和可行性进行验证。 由于基于 MRAS的 IPMSM参数辨识速度较慢，本文提出了两种基于 MRAS改进的方法。一种是通过利用上述的MRAS辨识方法和神经网络相结合，首先以MRAS算法辨识的结果作为训练样本来训练神经网络，而后用训练成熟的模型对车用IPMSM的参数进行在线辨识。另外一种方法是利用了人工神经网络（Artificial Neural Network，ANN）来代替 MRAS的可调模型，用权值调整来代替了自适应机构，也就是用误差反传算法替代了自适应机构，而且这个参数辨识的过程就是神经网络的学习过程，不用提前离线训练。通过对以上三种在线辨识方法的仿真结果进行分析，发现第三种方法的参数辨识结果更加快速和精确。然后，分析了电感和磁链变化对 MPTA控制策略的影响，同时将辨识量反馈到电机控制的模型当中。 最后，搭建以英飞凌TC1782为核心控制芯片的IPMSM驱动控制系统实验平台，包括控制系统软件和硬件的开发实现，通过实验证明设计的辨识方法的可行性和矢量控制的精确性。 |
| 作者： | 高梦春 |
| 专业： | 车辆工程 |
| 导师： | 周雅夫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
