永磁同步电机(permanent magnet synchronous motor，PMSM)由于具有高转矩惯性比、高效率及 高功率密度，在工业驱动领域应用前景广阔[1]。通 常，位置和速度反馈需要机械位置传感器，但编码 器的使用显著降低了驱动系统的可靠性和耐用性； 而且在某些场合不允许安装编码器。安装编码器带 来的问题促使研究人员开展无速度传感器驱动技 术的研究，即通过定子电压和电流等参数辨识转子 速度和位置。文献[2-19]给出了一些在线速度辨识 方法，大致可以分为如下几类： 1）基于反电动势(Back-EMF)技术[2-3]。这种方 法的核心是反电动势的计算。由于在零速或及低速 情况下反电动势为 0 或很小，因而转子速度的估计 存在困难；此外，这种方法对电机参数高度敏感。 2）基于机械物理性能的技术[4-7]。由于转子侧 凸极效应的存在，相电感随着转子位置的变化而变 化。据此，可以通过电感获取转子位置信息，但需 要在电机定子绕组中叠加一高频的电压信号。这种 方法的优点是电机零速时可以精确辨识。文献[7] 将信号注入与 Back-EMF 技术进行结合，前者用于零速或极低速时转速估计，后者用于高速；但该方 法的准确性受永磁体位置影响严重，因而不适用于 面装式的 PMSM。该方法的不足之处是，注入信号 影响电机动态特性，同时注入信号需要增加额外的 硬件。 3）基于扩展的卡尔曼滤波器(extended Kalman filter，EKF)或基于状态观测器的方法[8-11]。近年来， 这种方法在PMSM转速估计中获得了认可，其优势 在于参数也可以被视为状态变量，并可依据速度进 行估计；但该方法存在运算量大、参数敏感性及初 始条件不利等问题，降低了其优越性。 4）基于模型参考自适应控制(model reference adaptive controller，MRAC)的技术[12-15]。在众多的 MRAC速度估计方法中，速度信息是通过两种不同 模型获取的，一种是参考模型，另一种是可调模型。 参考模型与速度无关，而可调模型包含转速信息。 两个模型输出量通过运算获得偏差信号，偏差信号 馈入自适应机构(通常自适应机构为PI调节器)。自 适应机构的输出为估计量，一方面用于调节可调模 型，另一方面作为转速反馈值。根据构成偏差信号 的量的不同，有多种MRAC方法。文献[13]基于d、 q轴磁链分量提出了一种MRAC方法，但这种方法 受定子电阻变化及积分漂移和饱和的影响。为了克 服定子电阻变化的问题，文献[14]给出了一种在线 定子电阻估计的MRAC方法。文献[15]提出了基于 无功功率的MRAS方法。在上述所有方法中，基于 无功功率的MRAC速度估计方法因与定子电阻无 关而获得广泛应用。 5）其它方法包括基于人工智能的方法[16]、变 结构技术[17-19]等。人工神经网络和模糊逻辑等基于 人工智能的方法不足之处是需要存储大量数据且 算法复杂。在众多的转子位置辨识方法中，滑模观 测器尤其获得学者们青睐，因为系统动态特性仅依 赖于滑模面的选择，不受系统结构和参数不确定性 影响，在面装式永磁同步电机中获得广泛应用。更多详细内容请见附件
永磁同步电机矢量控制双滑模模型参考自适应系统转速辨识_王庆龙.pdf
永磁同步电机转子初
