CW32电机控制基础--无刷电机无位置传感器的转子位置检测技术

无位置传感器的无刷直流电机的位置估计方法可以从5个方面来论述：反电动势法、电流法、状态观测器法、人工智能法和磁链法。这几种方法的研究相对比较成熟，且都已得到一定程度的应用。CW32生态社区在方波控制的相关应用和Demo中多使用反电动势法，因此，重点讲述反电动势转子位置检测技术。

一、反电动势法

无刷直流电机中，受定子绕组产生的合成磁场的作用，转子沿着一定的方向连续转动。电机定子上放有电枢绕组，因此，转子一旦旋转，就会在空间形成导体切割磁力线的情况，根据电磁感应定律可知，导体切割磁力线会在导体中产生感应电势。所以，在转子旋转的时候就会在定子绕组中产生感应电势，即运动电势，一般称为反电动势或反电势。

对于稀土永磁无刷直流电机，其气隙磁场波形可以为方波，也可以是梯形波或正弦波，与永磁体形状、电机磁路结构和磁钢充磁等有关，由此把无刷直流电机分为方波电机和正弦波电机。对于径向充磁结构，稀土永磁体直接面对均匀气隙，由于稀土永磁体的取向性好，所以可以方便地获得具有较好方波形状的气隙磁场，对于方波气隙磁场的电机，当定子绕组采用集中整距绕组，即每极每相槽数q＝1 时，方波磁场在定子绕组中感应的电势为梯形波，如图1 所示。

图1方波气隙磁场与梯形波反电势

对于两相导通星形连接、三相六状态控制的无刷直流电机，方波气隙磁密在空间的宽度应大于120°电角度，在定子绕组中感应的梯形波反电势的平顶宽也应大于 120°电角度。方波无刷直流电机一般采用方波电流驱动，即与 120°导通型逆变器相匹配，由逆变器向方波电机提供三相对称的、宽度为 120°电角度的方波电流。方波电流应与反电势相位一致或位于梯形波反电势的平顶宽度范围内，这样才满足“最佳换相逻辑”[10]。

当BLDCM 的某相绕组反电势过零时，转子直轴与该相绕组轴线恰好重合，因此只要检测到各相绕组反电势的过零点，就可获知转子的若干个关键位置，再根据这些关键的转子位置信号，做相应的处理后控制 BLDCM 换相，实现 BLDCM 连续运转，这就是“反电势法”BLDCM 控制。

从图1中可以看出wt=30°电角度为A相反电势过零点时刻，控制电路检测到这一时刻，延时30°电角度，到60°电角度时切换到A相导通，A相导通120°电角度后，到 180°电角度时关断A相，切换到B相导通。依此类推，就可以实现电机的连续运转，并且满足“最佳换相逻辑”。

无刷直流电机绕组反电势的过零点严格的反映转子磁极位置，因此，只要能够准确的检测到绕组反电势的过零点信号，就可以判断出转子的关键位置，经过30电角度延时处理后，就可以作为绕组的换相时刻，再根据功率管的导通顺序触发相应的功率管，就能够实现无刷直流电机的换相操作，保证电机按固定的方向连续旋转。这样可以保证电机换相满足“最佳换相逻辑”，减小转矩脉动。无感反电势电机运行的具体实现方法详见社区开源案例。

为了确定电机转速和反电势大小的关系，同时为无位置传感器电机的“三段式”起动技术提供理论依据，这里来推导 BLDCM 反电势的计算公式，分析无刷直流电机的反电势特性。

为了便于分析，公式推导过程中忽略开关管动作的过渡过程和电枢绕组的电感。单根导体在气隙磁场中感应的电势为：

无刷直流电机的反电势计算公式和一般直流电机相同，反电势大小与每极磁通量及转速有关。如保持每极磁通量不变，无刷直流电机的反电势便和转速成正比；反之，如保持转速不变，无刷直流电机的反电势将和每极磁通量成正比。从公式（8）中也可以看出，当电机静止或转速很低时，反电势为零或很小，无法利用绕组反电势获得转子位置信号，电机无法自起动。因此“反电势法”无刷直流电机控制必须采用其他方法来使电机起动，这将在后面章节中作详细介绍。

二、其它检测方法

电流法

直接反电动势法是通过测量三相绕组的端点电位及与中性点间的电压来实现的，当某端点电位与中性点电位相等时，则认为此刻该相反电动势过零，再延时30个电角度去触发功率开关管进行换向。

由于端电压检测受速度变化、电机换向、低通滤波以及定子电阻电感存在的干扰，使得依赖端电压的测量来估算转子位置信号的准确性和精确性都受到不同程度的影响。而这些因素对电流的影响相对较小。与之对应出现了根据电机相电流信号来估计转子位置信息，进而控制无刷直流电机的换向方法，如直接电流检测法、电流变化率检测法和续流二级管法等。这种控制方法的精确性受处理器速度和功率管开关频率的限制，容易造成电流和反电动势不同相位运行，导致电机故障。

状态观测器法

用卡尔曼滤波器估计转子位置和转子速度的方法最早是由M.Schroedl于1988年提出的。根据卡尔曼状态方程，应用电机测量电压和测量电流就可得到转子位置的初步估测。根据这种方法来预测转子位置和转子速度时，其运行范围主要受电压、电流传感器的测量精度来确定。

人工智能方法

人工智能技术具备一定的智能行为，能够产生合适的求解问题的响应。随着人工智能技术的蓬勃发展和研究的深入，很多学者已经尝试着将人工智能的方法应用于电机控制中，神经网络是人工智能控制的一个方向，它具有很强的自适应性和自学习能力，因此将神经网络技术引入到无刷直流电机控制中进行转速估算和位置估算是很自然的一步。用这种方法预测转子位置时，运行范围主要受电压和电流的检测精度影响。

磁链法

通过建立不依赖于转子速度但是和转子磁链直接相关的磁链函数来获得转子位置的信号。该函数在每个周期内对应6个峰值，通过检测峰值来获得转子的换相信号，可保证电机在 470～35000r/min范围内有效运行。类似的检测转子位置的方法，如在永磁转子的表面粘贴一些非磁性材料，利用定子绕组高频开关工作时非磁性材料的涡流效应，使开路相电压的大小随转子位置角发生变化，从而可通过检测开路相电压来判断转子位置。这种方法完全排除了使用反电势，因而能保证起动和低速运行时可靠地工作。