摘要：简要回顾了SRD发展过程中出现的各种控制策略,分析和介绍了各控制策略的优缺点,展望了SRM控制策略的发展趋势。

　　关键词：开关磁阻电机 控制模式 控制策略

　　中图分类号：TM351 文献标识码： 文章编号：

　　KEYWORDS: switched reluctance motor control modes control strategies

　　1　引言

　　开关型磁阻电动机调速系统(Switched Re

　　luctance Drives, 简称SRD ) 是一新型的机电一体化交流调速系统, 它融新的电动机结构——开关型磁阻电动机(Switched Reluctance Motors, 简称SR电机) 与现代电力电子技术、控制技术为一体，如图1所示。

　　图1　SRD 基本构成

　　由于开关磁阻电机具有结构简单、坚固、成本低、工作可靠、控制灵活、运行效率高、适于高速与恶劣环境运行等优点,由其构成的传动系(Switched Reluctance Drives,简称SRD)具有交、直流传动系统所没有的优点[1~3]。为此,世界各国对SRD接受和感兴趣的程度呈逐年上升趋势,现已形成了理论研究与实际应用并重的发展态势。从20世纪80年代SRM问世至今,在SRM控制方面已涌现出大量先进的控制思想,并取得了有益的成果。但是,系统、完整地对其予以综述的文献却颇少,现有的文献也仅是对SRM的控制模式作了报道[4、5],并未涉及控制理论的应用。本文结合SRM的控制模式,综述比较了SRM的各种控制,力图反映SRD在控制策略方面的研究进展,限于篇幅,对各控制策略只作简要概括和必要的分析与评价。

　　2控制系统设计方面的发展

　　控制系统设计的问题是努力实现SRD系统，的参数最优化、结构最优化、功能最优化。

　　Corda J等从线性模型出发,导出用标称参数表示的转矩,电流有效值公式,研究了调压下的恒转矩控制和调开关角下的恒功率控制2 种基本控制策略[6]。由于SR电机在起动及低速运行时, 旋转电动势较小,为限制主开关器件的电流不超出规定的幅值,亦常采用电流斩波控制方法。简单地运用上述方法,难以获得理想的输出特性,文献[7]研究了SR电机各种控制方法的最佳组合,论述了电动机不同速度范围内应采用不同的运行控制方式。SR电机控制参数多,参数的优化控制是提高其性能的关键。文献[8]选取一定电流约束下输出转矩最大,效率最高为优化目标,从非线性模型出发算出θoff的最佳控制范围为20°～40°。实用中,为简化控制,可把θoff控制在最优范围内,调节θon达到调速目的。其局限性是未能将起始开通角θon对最优关断角θoff的影响以公式的形式揭示出来,获得的只是θoff的优化范围,并非θoff的优化控制规律。OrthmannR等基于SR电机线性模型,通过确定最优关断比率值, 导出CCC方式和APC方式下以输出转矩最大为优化目标的关断角最佳控制算法[9]。在常规的电压PWM控制策略,对应某一宽广的速域,起始开通角θon是固定不调节的,仅通过调节占空比调节转矩,其局限性是显然的。因为在某一速度下运行的SR电机,产生相同的转矩,θon和占空比可以有多种不同的组合,因而对应不同大小的电流有效值,所以θon固定调占空比的方法无法做到整个运行速域内损耗最小、效率最优。针对这一问题, KjaerPC等提出电压PWM 方式下效率最优控制策略[10]: 电机运行速度对给定速度的跟踪仍通过占空比调节实现;当系统稳态运行后,则通过不断地微调θon ,使系统损耗最小。从整个SRD的研究发展情况看,对其控制系统的分析、综合比起对电机、功率变换器的研究,相对地要不充分得多,这在SRD发展初期更为明显。由于SRD具有显著非线性特性及变结构、变参数特点,近年来,国内外发表了一些基于现代控制理论和智能控制技术建立SRD动态模型和系统设计的文献。由于人工神经网在数学本质上属于非线性动态系统, 具有很强的自学习、自适应能力, 所以人工神经网络理论在SRD 中的应用大有可为。模糊控制器是一种语言控制器, 采用模糊集理论, 无需被控对象的精确数学模型, 即能实现良好的控制;它是一种采用比例因子进行参数设定的控制器,有利于自适应控制;模糊控制器本质上是一种非线性控制,具有较强的鲁棒性,当对象参数变化时有较强的适应性。模糊控制器的这些特点,从原理上保证了在非线性、变结构SRD中引入模糊控制能够改善其调速性能,近年来,应用模糊控制理论设计SRD已受到重视。但模糊控制与常规控制一样,其动、静态特性之间存在一定的矛盾,采用固定的参数难以获得满意的性能,为此,文献[11,12]引入比例因子自调整模糊控制器来保证SRD系统快速响应,且超调小,即比例因子的选择可以根据速度偏差和速度偏差微分的变化在线调整。总之，SRD可控参数多，控制方法灵活，决定了采用微处理器构成控制器的必然性，例如目前流行的单片机和DSP芯片组成的控制器。

　　3 SRM的控制策略

　　3.1 线性化控制

　　考虑到SRM为耦合非线性多变量系统,

　　Marija Ilic' -Spong等人首次将非线性控制的微分几何方法应用于SRD[13],对SRM实现了非线性状态反馈线性化控制,很好地补偿了SRM的非线性特性,解耦了定子相电流在磁阻转矩产生中的影响,在机器人的轨迹跟踪中SRM作为直接传动执行元件取得了优良性能,系统结构如图1所示。但是,系统的实现需要知道电机的所有参数,而且需要全状态(转子位置、转速、加速度、定子电流)可测。

　　文献[14]采用单相参考转矩为梯形的转矩分

　　配函数,使换相期间的原导通相转矩线性减小,新导通相转矩线性增大,并应用非线性转矩控制补偿反电势与电感的非线性特性,从而使原非线性系统线性化,改善了系统性能,减小了转矩脉动。文献[13、14]都表明,基于线性控制律的反馈线性化控制器比PID控制器能提供更好的动、静态性能,但是单纯基于线性控制律的反馈线性化控制器不足以处理SRM模型中的不确定性,在实现时系统性能很难被保证。为了增强系统的鲁棒性,文献[15、16]针对SRM速度跟踪应用,考虑到模型具有不确定性,基于Lyapunov第二方法设计了鲁棒的反馈线性化控制器,文献[15]为仿真结果,文献[16]为其实现。通过考虑系统模型的不确定性,虽使SRD系统的暂态、稳态性能及鲁棒性有所改善,但是转矩脉动仍然较大,而且在额定负载下存在7%的速度误差。Taylor D.G.等人则将反馈线性化技术

　　和奇异摄动技术应用于SRM的控制[17],通过减小转矩脉动实现了SRD的高动态性能,但是这种方法使用的是SRM的降阶模型,而且它要求知道转矩-位置-电流特性的先验知识,要求复杂的线性化和解耦变换电路。L.Ben Amor基于SRM电动态及机械动态的全阶参数化非线性模型,将非线性自适应反馈线性化控制应用于3相SRM[18],这种方法减小了系统建模误差的影响,使用参数的在线估计避免了预先测试,在位置控制的应用中显示了系统的高性能,即转矩脉动大大减小,具有强的抑制干扰能力,而且无需测量电机的加速度,无需先验知识,实现容易。但是,它使用的模型忽略了磁饱和效应,这虽然简化了磁链、电感与相电流间的关系,可同时又带来了不小的误差。Scott A.Bortoff研究了低速、高转矩运行模式下SRM的非线性自适应控制[19],结合B样条基函数与Fourier正弦基函数,建立了SRM电磁转矩、转子位置及相电流间的动态模型,基于该模型设计了自适应反馈线性化控制器,实现了位置轨迹的渐近跟踪,缺点是大量参数导致瞬态性能差。

 1/2    1 2 下一页 尾页