(2)瞬时转速估计法,主要包括基于转子磁通估计和基于转子反电势估计。它们都以电机模型为基础,而且以完全知道电机参数为前提。这种方法算法简单,但无任何误差校正环节,抗干扰性能差,对电机参数变化敏感,尤其是低速时定子电阻变化的影响较为严重。
(3)PI控制器法,利用电机某些量的误差项,通过PI调节器获得转速信息。T.Ohtani采用了转矩电流的误差项,而M.Tsuji则采用了转子q轴磁通的误差项。此方法利用了自适应思想,鲁棒性上较瞬时转速估计法强,是一种结构简单、性能良好的速度估计法。
(4)扩展卡尔曼滤波法[9],是将电机转速视为一个状态变量,将原状态向量增广,得到一个新的5阶非线性状态方程表示的电机模型,采用扩展卡尔曼滤波法在每一估计点将模型线性化来估计转速。这种方法可有效抑制噪声干扰,提高转速估计的准确度。但是, 估计精度同样受电机参数变化的影响,而且存在计算量太大的缺点,即使在采用降阶模型的情况下这一问题仍然突出。
(5)基于神经网络的方法[10],主要是受MRAS速度估计的启发,用神经网络替代电流模型转子磁链观测器,用误差反传算法取代比例积分自适应律进行转速估计,网络的权值为电机参数。网络无需事先离线学习与训练,在线学习的过程就是速度估计过程。目前,基于神经网络的转速估计方法尚处于起步阶段,其理论研究和企业应用尚不成熟,各种方法仍处在不断探索与完善之中。
尽管目前已有很多方法可以实现速度辨识,但仍存在许多问题待解决,如系统精度、复杂性和可靠性之间的矛盾,低速性能的提高等。今后,无速度传感器控制的研究方向应为:提高转速估计精度的同时改进控制性能,增强系统抗参数变化、抗噪声干扰的鲁棒性,降低系统的复杂性,追求简单性和可靠性。
3 同步电动机传动系统的控制策略
同步电动机的特点是转速与电源频率严格同步,其转子的转速等于旋转磁场的转速,转差Δω恒等于零,没有转差功率。因此,改变同步电动机转速的主要方法是改变供电电源的频率,即变频调速,从控制方式上又可分为他控式变频调速和自控式变频调速。
同步电动机控制策略是异步电动机控制策略的一种特例,其变压变频的原理、方法和装置均与异步电动机基本相同。它也可以象异步电动机那样采用开环恒压频比控制,用和异步电动机传动系统一样的独立的变压变频装置供电。这种控制方式多用于化纺工业的小容量多电机传动系统,但存在同步电动机转子振荡和失步的隐患,用途