摘 要: 運用基于 id = 0 的矢量控制策略對永磁同步電機的模型進行了分析。針對電機轉動慣量不易測量的問題，將慣量辨識問題轉化為啟發式尋優問題，提出了一種利用罰函數改進的粒子群算法進行轉動慣量辨識，得到了電機轉動慣量的最優近似值，并通過 Matlab 仿真環境得到辨識算法的實驗結果。

　　關鍵詞: 轉動慣量; 罰函數; 粒子群算法

　　交流伺服系統作為機電一體化的系統，在對電機要求高性能、高可靠性以及高穩定性的領域中占有極其重要的地位0。由于永磁同步電機相比于其他電機來說可靠性更高，因此在伺服領域中的運用已經越來越廣泛。在實際的伺服系統應用中，長時間運行的電機工況復雜，導致電機的某些參數發生改變，從而影響系統的控制性能，所以，對電機參數進行實時辨識顯得尤為重要，而電機的轉動慣量又是其中的關鍵參數2。因此，能夠實時辨識得到電機的轉動慣量，對保證伺服系統穩定性以及提高控制性能具有重要的研究意義。

　　由于永磁同步電機自身的強耦合，需要對其進行控制，矢量控制策略用坐標變換的方式將電機的三相定子電流分解成直軸分量和交軸分量，再分別進行獨立控制，由直軸分量來控制磁通，交軸分量來控制轉矩，從而實現對定子電流的解耦[。慣量辨識方法總體上可分為兩種，離線辨識方法包括直接計算法加減速法、人工軌跡法等[1;而在線辨識方法包括最小二乘法、卡爾曼濾波法、狀態觀測器法以及人工智能算法等[。通過分析永磁同步電機矢量控制系統模型，在基于解決啟發式尋優問題的粒子群算法上進行了改進，提出了利用罰函數改進的粒子群算法來進行實時辨識轉動慣量。

　　1永磁同步電機模型分析

　　考慮到永磁同步電機的強耦合問題，采用了矢量控制方法來進行對永磁同步電機的控制[-2。矢量控制的思想是將電機的三相定子電流形成的靜止abe坐標系通過Clark坐標變換為兩相靜止a3坐標系，再通過Park變換為兩相旋轉的dy坐標系。同電機以下簡稱PMSM.

　　2 轉動慣量辨識原理

　　根據前文對 PMSM 模型的分析，得到了其運動學方程，在一個時鐘周期內負載轉矩基本上是沒有變化的，這樣可以把負載轉矩在每個時鐘周期內的變化量作為零來處理，并且在不計摩擦系數 B 的情況下，則式 ( 2) 可簡化為:

　　由于系統中的9軸電流，，是由電流傳感器進行脈沖采樣得到，因為電磁擾動使得電流信息存在擾動誤差，而電機的位置信息經過光電編碼器采集后進行速度計算時也會產生誤差，所以，得到的采集點是離散的，上述的線性方程實際上只是一條近似直線，不能通過簡單的二點法求直線方程的方法得到，只能用線性回歸的方式擬合出一條近似直線。

　　3粒子群算法基本原理

　　針對上述問題，也就是對離散的點進行擬合出近似直線，我們提出的方法是啟發式尋優算法中的粒子群優化算法。它的思想是來源于受鳥群覓食行為啟發的群體智能尋優算法，算法模型將研究對象模擬成一群粒子，并且每個粒子都是抽象的，代表著所求問題的一個可行解，通過跟蹤粒子的位置和速度兩個特征來進行算法迭代，直至找到最佳位置，即為最優解t-12粒子群算法的實現過程是，首先在一個搜索空間內對一群粒子進行隨機初始化，每個粒子都獲得初始信息，分別是初速度和初始位置，同時確定粒子所滿足的目標函數來得到粒子的適應度值。粒子的適應度值是通過適應度函數來確定的，適應度函數為最小方差公式，即為[1：

　　由式中可知，粒子的速度由三部分決定。第一項是上一時刻粒子的速度慣性，即為當前

　　時刻粒子的初速度; 第二項是粒子自身的學習行為，即粒子向當前搜索到的最佳位置靠近，是全局搜索;第三項是粒子群體的學習行為，即粒子向整個群體當前搜索到的最佳位置靠近，是局部搜索。

　　粒子群算法思想適合解決當前的尋優問題，但在實現過程中會存在著問題: 粒子在進行搜索時，如果粒子當前的速度太大，則會跑出搜索空間，粒子的位置也就離最佳位置越來越遠，所以對粒子的速度需要限定在 [Vmin，Vmax] 內，粒子的位置也是限定在 [Xmin，Xmax] 內，這樣就對粒子自身和粒子群體的學習行為進行了約束，使得粒子盡可能在可行域中進行搜索。因此，在這里引入了罰函數。罰函數的目的是為了解決非線性約束問題，在目標函數上加入一種帶有懲罰性質的函數，來進行懲罰違反約束條件的迭代點，而可行點即滿足條件的點不予懲罰，從而使迭代點能夠保持在可行域內或者無限趨向于可行域，直到尋優問題找到最優解，從而將非線性約束條件優化問題轉化為無約束優化問題[13]。

　　罰函數是一種用以度量是否違背約束條件的懲罰策略，使無約束問題的極值點能夠一直保持在可行域內移動，或者無限地向可行域移動，直到收斂到所求約束問題的極值點，在這里提出了一種罰函數形式為[14]:

　　4仿真分析

　　PMSM轉動慣量的辨識步驟為：@初始化轉動慣量J和負載轉矩T，的預估值：②通過采樣采集光電編碼器信息和q軸電流信息：③對(2)中采集的信息經過計算濾波后得到離散數據點：④執行辨識算法，得到J和T，的輸出值;⑤判斷是否收斂，判斷條件是算法連續10步的波動都小于收斂誤差;⑥如果未收斂，則返回到(2)后重新執行：如果收斂，則算法執行結束。

　　在Matlab/Simulink仿真環境中建立PMSM伺服系統的模型，仿真模型如圖1所示。

　　圖2橫軸為迭代次數，縱軸為適應度值，可以看出，在10代以內，粒子的學習能力較強，移動較快，10代以后粒子移動開始變慢，粒子開始向全局最佳位置移動，50代以后粒子的適應度逐漸趨于零，說明粒子搜索到了全局的最優解。

　　從圖3可知，在辨識過程進行到50步之后逐漸趨于穩定，仿真實驗對轉動慣量的辨識結果約為2.6x10-3 kg.m2，與額定轉動慣量的J--2.5x10-3 kg.m2誤差在5%以內，可以滿足伺服系統的精度要求。

　　為了驗證該方法的辨識精度，又通過改變額定轉動慣量值來進行重復實驗，辨識結果的誤差未超過5%，沒有造成太大的偏差，證明該方法能夠有效地得到伺服電機的轉動慣量。

　　5結語

　　通過對永磁同步電機伺服系統轉動慣量的模型分析，將對PMSM轉動慣量辨識問題轉化為對近似直線的離散點進行線性回歸的問題，以此將復雜的系統模型參數問題轉化為易于理解的數學模型問題，隨后提出了利用罰函數改進的粒子群算法來進行慣量辨識。實驗結果表明，所提出的轉動慣量辨識策略在誤差允許的范圍內進行了較為精確的辨識，誤差能夠控制在5%以內，并且在經典的粒子群算法上有了一定的進步，避免了粒子群算法中出現的粒子跳出搜索范圍的問題，驗證了方法的可行性和有效性，并在實際的伺服系統中具有重要的指導意義。

　　參考文獻：

　　[1]張晗交流伺服系統速度環自整定技術研究[D].哈爾濱：哈爾工業大，2018.

　　[2]王澤宇表貼式永磁同步電機參數辨識研究[D].西安：西安科技大，，2019.

　　[3]王朔，于東，王志成，等交流伺服系統實時慣量辨識方法綜述[].組合機床與自動化加工技術，2017(10)：1-5

　　[4]Omar Avalos，Erik Cuevas，Jorge Gálvez，et al.Induction Motor Parameter Identification Using a Gravitational Search Algorithm[].Computers，2016，5(2)：6

　　[5]張紹同無位置傳感器PMSM矢量控制系統的研究[D].淮南：安徽理工大學，2019

　　[6]黃鳳翔.永磁同步電機伺服系統參數辨識方法研究[D].哈爾濱：哈爾濱工業大學，2014.

　　[7]Yang Yu，Zengqiang Mi，Xudong Guo，et al.Low speed control and implementation of permanent magnet synchronous motor fo mechanical elastic energy storage device with simultaneous variations of inertia and torque[].IET Electric Power Applications2016，10(3)：172-180

　　[8]王飛字永磁同步電機伺服系統轉動慣量辨識及控制器參數優化[D].上海：上海電機學院，2017.

　　[9]王朔高性能伺服裝置負載慣量辨識方法的研究與實現[D].沈陽：中國科學院大學(中國科學院沈陽計算技術研究所)，2018.

　　[10]曹雪景基于遺傳粒子群算法的永磁同步電機多目標優化設計[D].合肥：安徽大學，2017

　　[11]Zhenglong Xiang，Daomin Ji，Heng Zhang，et al.A simple PID-based strategy for particle swarm optimization algorithm[]Information Sciences，2019(502)：558-574

　　[12]Mengmei Zhu，Guangxu Zhou，Dongdong Hou，et al.Moment of Inertia Identification based on Particle Swarm Optimization Model Reference Adaptive for Pemanent Magnet Synchronous Motor[].IOP Conference Series Earth and Environmental Science，2019，223(1)：012011.

　　[13] 賈善坡，伍國軍，陳衛忠.基于粒子群算法與混合罰函數法的有限元優化反演模型及應用[J].巖土力學，2011，32( S2) :59.

　　[14] 韓亞波. 基于自適應罰函數優化粒子群的 WSN 定位算法[D].贛州: 江西理工大學，2019.

　　Abstract: In this paper, a vector control strategy based on i,=0 is used to analvze the model of PMSM. Aiming al the problem that the moment of inertia of motor is not easy to measure, the moment of inertia identification problem is turned into a heuristic optimization problem, and a particle swarm algorithm modified by using a penalty function isproposed to carry out identification on the moment of inertia, the optimal approximation of the moment of inertia of motor is got, and the experimental result of the identification algorithm is obtained by Matlab simulation environment.

　　Keywords: moment of inertia; penalty function; particle swarm algorithm

期刊VIP網，您身邊的高端學術顧問

文章名稱： 伺服電機轉動慣量辨識方法的研究

文章地址： http://www.kg120.com/mianfeiwx/58931.html