[发明专利]一种模块化多单元永磁同步电机多参数在线辨识方法

说明书

本发明公开一种模块化多单元永磁同步电机多参数在线辨识方法，辨识方法首先采用一种适用于模块化多单元永磁同步电机的同步d轴扰动电流注入方法，联立电机正常运行电压方程与d轴扰动电流注入时段电压方程，建立参数在线辨识模型，解决传统辨识方法的欠秩问题，且不需要额外的电机参数；其次，通过采用基于平均电压补偿法的逆变器死区补偿方法，解决传统辨识方法受电流非正弦畸变影响的问题，提升电流过零点的跟踪准确度；最后，针对辨识模型求解问题，采用一种基于双曲正切函数的变步长Adaline神经网络算法，结合满秩模型，建立多参数在线辨识观测器，解决了传统定步长算法收敛速度慢、稳态误差大的问题。

技术领域

本发明涉及模块化多单元永磁同步电机技术领域，具体是一种模块化多单元永磁同步电机多参数在线辨识方法。

背景技术

为提高电动汽车动力系统及整车安全性，近年来国内外众多学者将研究焦点转移至容错电机。由于模块化多单元永磁同步电机具有结构简单，可靠性高，维修便捷等优势，成为了研究焦点。该结构电机由若干个三相电机模块组成，每个模块均为一台三相电机，目前模块化多单元永磁同步电机多参数在线辨识领域较为空白。

传统的三相永磁电机多参数在线辨识方法需要部分已知的电机参数，存在欠秩问题，为了防止逆变器上下管导通和关断的时刻发生短路，通常会设置一个死区时间以保护功率器件。但这一措施的建立，也使得电压电流信号产生了非正弦的畸变。这一畸变也使得参数辨识方程多了一个未知量，并且会对辨识模型产生干扰。针对多参数辨识模型求解算法方面，Adaline神经网络由于具有计算量小、结构简单、抗干扰能力强的特点被逐渐使用，但其步长为定值，存在收敛速度慢，稳态误差大的缺点。

发明内容

本发明的目的在于提供一种模块化多单元永磁同步电机多参数在线辨识方法，通过在不需要额外的电机参数基础上，同步d轴扰动电流注入方法能避免模块化多单元电机产生单边磁拉力，减少运行时的振动和噪声，采用的辨识模型构建方法能解决电压方程欠秩问题；通过对逆变器非线性进行建模并补偿了死区电压，解决了传统辨识方法受电流非正弦畸变影响的问题；通过提出将dq轴参考电流值做反Park变换和反Clark变换之后的三相理想电流作为过零点判断依据，大幅提升了电流过零点的跟踪准确度；通过基于双曲正切函数的变步长Adaline神经网络算法，提高了多参数辨识观测器的收敛速度，减小了稳态误差。

本发明的目的可以通过以下技术方案实现：

一种模块化多单元永磁同步电机多参数在线辨识方法，所述辨识方法包括如下步骤：

步骤1：模块化多单元永磁同步电机运行时，在各单元注入同步d轴扰动电流。

步骤2：联立电机正常运行时段电压方程与d轴扰动电流注入时段电压方程，构造电机多参数在线辨识满秩模型。

步骤3：建立模块化多单元永磁同步电机的逆变器非线性数学模型，推导出αβ坐标系下的逆变器死区补偿电压，补偿步骤2在线辨识模型死区畸变量；并将dq轴参考电流值做反Park变换和反Clark变换之后的三相理想电流作为过零点判断依据。

步骤4：构造基于双曲正切函数的变步长Adaline神经网络算法，结合满秩模型，利用Adaline神经网络建立多参数在线辨识观测器。

进一步的，所述多参数在线辨识观测器的待辨识参数包括定子电阻、电感和转子磁链。

进一步的，所述步骤1中各单元电机注入同步d轴扰动电流之后，增设一组电压方程解决欠秩问题。

所述注入同步d轴扰动电流信号相位相同，可减少各单元之间的交叉耦合；符号为负，即弱磁电流；幅值为电机额定电流的10％。

进一步的，所述注入扰动电流信号后，磁场饱和状态会发生变化，电机电感及转子磁链参数也发生变化，电机各单元结构相同，联立方程具体表现形式为：