交流伺服电机系统中的控制策略

交流伺服电动机驱动控制策略

以永磁同步电动机为代表的交流伺服电动机模型是强耦合、时变的非线性系统，其控制策略比较复杂，所以交流伺服系统的性能与它所采用的控制策略有着直接的关系。优良的控制策略不但可以弥补硬件设计方面的不足，而且能进一步的提高系统的性能，控制策略在交流伺服中发挥着至关重要的作用。高性能交流伺服系统对控制策略的要求可概括为：不但要使系统具有快的动态响应和高的动、静态精度，而且系统要对参数的变化和扰动具有不敏感性。

具有代表性永磁同步电机的控制策略有以转速开环恒压频比（u/f=常数）控制、经典pid控制、磁场定向控制（矢量控制）为代表的传统控制策略、以直接转矩控制、滑模变结构控制、自适应控制、非线性反馈线性化理论等为代表的现代控制策略和以模糊控制、神经网络控制为代表的智能控制等。

传统控制策略

（1）恒压频比控制

带定子压降补偿的恒压频比控制保证了同步电动机气隙磁通恒定，调节频率给定实现同步改变电机的转速。此种控制策略为开环控制，只控制了电机的气隙磁通，不能调节转矩，容易产生转子振荡和失步等问题。同时由于恒压频比控制依据的是电机的稳态模型，其动态控制性能不高，不适合具有高性能要求的伺服驱动控制场合。

为了获得良好的动态性能，必须依据电机的动态数学模型。由于交流永磁同步电动机动态数学模型是非线性、强耦合、时变的多变量系统。要得到良好的控制性能，需对角速度和电流进行解耦控制，即矢量控制技术。

（2）经典pid控制

pid控制器就是利用比例、积分、微分对系统的误差进行计算得出控制量从而对被控对象进行控制。pid控制器是目前应用最为广泛的调节器，具有结构简单、稳定性好、工作可靠、调整方便等优点，一直以来是工业控制的主要技术之一，能够满足多数伺服控制应用领域。

但是经典的交流伺服同步电动机的三环pid调节控制方式仍然存在一些问题，如调节器参数整定繁琐且误差较大，对系统模型及参数的依赖性较强等，在一些高精度应用场合，很难满足系统要求。

（3）磁场定向控制（id=0）

矢量控制是建立在被控对象准确的数学模型上，使交流电机控制由外部宏观稳态控制深入到电机内部电磁过程的瞬态控制。矢量控制通过坐标变换将交流电机内部复杂耦合的非线性变量变换为相对坐标系为静止的直流变量（电流、磁链、电压等），实现近似解耦控制，并从中找到约束条件，获得某一目标的最佳控制策略，id=0控制是矢量控制的一种特定的控制策略，在转子坐标系内实现永磁同步电机交直轴电流解耦，由于id、iq双电流闭环的存在，使电机iq电流动态跟随系统力矩给定（te=ktiq，kt为电机力矩系数），实现电机电磁力矩控制。

该控制策略使电机系统具有较好输出力矩线性度，并可获得最大线性转矩。同时由于全部电流均用来产生电磁力矩，可以充分利用电机过载能力，提高电机启、制动速度，保证电机具有优良的启、制动性能。

矢量控制技术经历二十多年研究完善历程，在调速系统中应用所获得的性能优异，不论在低速（恒转矩控制模式）还是在高速（恒功率控制模式），其抗扰特性、启制动特性、稳速特性均达到或者超过直流调速系统。但是矢量控制模型及算法比较复杂，实现时需要进行坐标变换等，很难保证电机系统的电压、电流在直、交轴的完全解耦，进而会影响电机系统的动态和效率等指标。

现代控制策略

传统的交流伺服电机驱动控制策略多用于被控对象模型确定、不变化且为线性，以及操作条件、运行环境确定不变的条件下。但交流永磁同步电动机动态数学模型是非线性、强耦合、时变的多变量系统，在高性能要求的场合，就必须考虑各种非线性的影响、对象的结构与参数变化、运行环境的改变以及环境干扰等时变和不确定性因素。现代控制理论的发展与应用，一定程度上弥补了经典控制理论对时变非线性随机系统无能为力的缺点。

（1）直接转矩控制

直接转矩控制理论是在20世纪80年代由德国鲁尔大学m.depenbrock教授和日本学者i.takahash分别提出的一种高性能的交流电机控制策略，其控制策略也是基于被控对象精确的数学模型，但是与矢量控制不同，它直接在定子坐标系下分析交流电动机的数学模型，无需复杂的坐标变换。

采用定子磁场定向，无需解耦电流，转矩和磁链都采用直接反馈的双位式砰砰控制，避免了将定子电流分解成转矩和励磁分量，直接对逆变器的开关状态进行最佳控制，着眼于转矩的快速响应，以获得转矩的高动态性能。直接转矩控制磁场定向所用的是定子磁链，不受转子参数的影响，只要知道定子电阻就可以把它观测出来，对电机参数不敏感。

直接转矩控制技术在感应电动机变频控制领域获得了成功应用，瑞典abb公司已推出系列产品。但目前在永磁同步电动机应用方面，直接转矩控制还存在着一些问题。

直接转矩控制采用磁链滞环，电机转矩存在脉动，直接影响电机运行的平稳性。直接转矩控制需要观测磁链和转矩，低速情况下准确性很差，致使电机低速运行性能差、电机调速范围较小。由于电机定子电感较小，电机启动和负载变动时电流冲击大，磁链和转矩脉动大。此外，由于电机静止时无法估算磁链初始位置，电机启动困难。尽管近些年国内外一些学者不断尝试和改进永磁同步电动机转矩直接控制策略，但目前这种控制方案很难满足交流伺服驱动技术要求。

（2）滑模变结构控制

变结构控制属于非线性控制范畴，其非线性表现为控制的不连续性，即一种使系统的“结构”变化的开关特性。滑模变结构控制不需要知道系统的数学模型，只需要了解系统参数及其变化的大致范围，使得变结构控制具有快速响应、对参数及扰动变化不敏感、无需在线辩识与设计等优点，具有降阶、解耦的功能，当系统进入滑模状态时，系统状态的转移就不再受系统原有的参数变化和外部扰动的影响，而是强制在开关平面附近滑动，具有完全的自适应性和鲁棒性，因而滑模变控制在永磁同步电机伺服系统中得到了成功的应用。但由于采用的是bang-bang控制，不可避免的造成抖振问题，而抖振问题是滑模变结构控制广泛应用的一个主要困难。目前在交流伺服电机系统中通过改变滑模结构，如采用高阶滑模结构及滤波处理等方法一定程度上解决了滑模变结构控制带来的抖振问题。

（3）自适应控制

自适应控制是50年代初由考德威尔（golcl-well）提出的。它将反馈控制与辨识理论相结合，针对被控对象特性的变化、漂移和环境干扰对系统的影响而提出来的，或者当对被控过程的参数了解不多或这些参数在正常运行期间有变化，特别是存在缓慢的变化因素时，通过寻求某些性能指标最优来完成对被控对象调节的。

现在应用于控制的自适应方法有模型参考自适应、参数辩识自校正控制及其新发展的各种非线性自适应控制。模型参考自适应控制系统不需要控制对象的精确数学模型，也无须进行参数辨识。其关键问题是设计自适应参数调整律，在保证系统稳定性的同时使误差信号趋于零，主要优点是容易实现和自适应速度快。但自适应算法存在一些问题，如数学模型和运算繁琐，使控制系统复杂化。又如参数辩识和校正都需要一段时间，对于参数变化较快的系统，控制性能受系统计算速度影响较大。在交流伺服驱动中应用系统硬件需要较高，一般采用32位数字信号处理器（dsp）或现场可编程门阵列（fpga）来实现。

（4）非线性反馈线性化控制

反馈线性化是一种非线性控制设计方法，其核心思想就是把一个非线性系统代数的转化为一个（全部或部分）线性系统，以便可以应用线性系统的技巧。它与普通线性化的根本区别在于，反馈线性化并不是通过系统的线性逼近而是通过状态变换和反馈得到的。近几年的非线性控制系统理论研究成果表明：采用非线性状态反馈和适当的坐标变换，在一定条件下，可以将一个仿射非线性系统进行精确线性化，并且这个状态反馈可保证控制系统的稳定性，且有好的动态品质。在精确反馈线性化控制方法的基础上，建立永磁同步电动机的线性化控制模型，采用反馈线性化控制后，能够实现d、q轴的解耦控制，电流跟踪性能好，力矩响应快，且速度阶跃响应能渐进收敛到给定值，无静差，超调小和过渡过程短等优点。

（5）智能控制策略

经典的或现代的控制策略都依赖于电机的数学模型，不能从根本上解决复杂和不确定系统的控制问题。智能控制策略具有非线性的特性，能够解决控制对象、环境和任务更为复杂的系统。智能控制摆脱了对被控对象模型的依赖，只按实际效果进行控制，在控制中可以解决系统的不确定性和不精确性问题。

智能控制策略包括模糊控制、神经网络控制、专家系统控制、以及鲁棒控制和遗传算法控制等，其中模糊控制和神经网络控制策略在永磁同步电机伺服系统应用中较为成熟。

（6）模糊控制

模糊控制是以模糊集合化、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。模糊控制将数学和模糊性统一起来，以模糊集合、模糊语言变量、模糊推理为其理论基础，即利用模糊集合来刻画人们日常所使用的概念中的模糊性，以先验知识和专家经验作为控制规则，用机器模拟人对系统的控制，能逼真地模仿熟练操作人员和专家的控制经验与方法模糊控制。

模糊推理不依赖于精确的数学模型，根据实际系统的输入输出结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制，因此适于解决非线性系统的控制问题；模糊控制的鲁棒性好、自适应性强，适用于时变、时滞系统。但是模糊控制自学习能力不强，设计时控制规则依赖经验和专家知识，易造成系统精确度不高。单纯地采用模糊控制策略需要较多的控制规则，需要工作人员的大量经验，控制精度相对较低。模糊控制技术在交流伺服电机系统电流调节器、速度调节器设计中获得较好的应用。但在动态要求较高的伺服系统中，目前该项技术还有待于进一步提高。

（7）神经网络控制

神经网络的研究从20世纪40年代初开始，80年代神经网络理论取得了突破性进展，成为智能控制的一个重要分支。

神经网络是指用工程技术手段模拟人脑神经的结构和功能的一种信息处理系统。神经网络控制将计算函数嵌入物理网络之中，在计算过程中，每一个基本操作都与之有对应的连接。神经网络模型模拟人脑神经元的活动过程，包括信息的加工、处理、存储等。每个神经元存储多种信息的部分内容，部分神经元的损坏和信息破坏只导致网络的部分功能减弱。神经网络具有信息分布存储、并行处理、非线性逼近、自学习及自组织能力强等优点，能够充分逼近任意复杂的非线性系统，能够学习和适应严重不确定性系统的动态特性，具有较强的鲁棒性，具有模拟人的形象思维的能力，适合于处理难于用模型或规则描述的系统。近年来人们开始尝试将神经网路控制技术（或称人工智能ai）应用于交流电机驱动控制系统中，用于解决传统方法难以解决的问题。使用ai调节系统具有很好的噪声抑制特性、容错性和扩展性，且对参数具有鲁棒性。是未来电机控制技术的一个重要发展方向。