永磁同步电机无传感器控制与离散化龙贝格观测器设计

今忱

1. 永磁同步电机无传感器控制概述

在工业驱动和新能源汽车领域，永磁同步电机（PMSM）因其高效率、高功率密度等优势已成为主流选择。传统控制方法需要机械传感器提供转子位置信息，但这增加了系统成本和故障率。无传感器控制技术通过算法估算转子位置，成为近年来的研究热点。

我从事电机控制算法开发已有8年，在实际项目中尝试过多种无传感器方案。离散化龙贝格观测器因其独特的优势，在多个工业项目中表现优异。相比滑模观测器（SMO），它完全消除了高频抖振问题，特别适合对噪声敏感的应用场景。

2. PMSM数学模型与观测器基础

2.1 dq坐标系下的电机方程

建立准确的数学模型是观测器设计的基础。在转子同步旋转的dq坐标系下，PMSM的电压方程可表示为：

code复制V_d = R*i_d + L_d*di_d/dt - ω_e*L_q*i_q
V_q = R*i_q + L_q*di_q/dt + ω_e*(L_d*i_d + ψ_f)

其中各参数含义：

V_d/V_q：d/q轴电压（V）
i_d/i_q：d/q轴电流（A）
L_d/L_q：d/q轴电感（H）
R：定子电阻（Ω）
ω_e：电角速度（rad/s）
ψ_f：永磁体磁链（Wb）

实际工程中需要注意：L_d和L_q会随电流变化，在高精度场合需考虑磁饱和影响。我在某电动汽车项目中实测发现，在150%额定电流时，q轴电感变化可达20%。

2.2 状态空间方程构建

将上述方程改写为状态空间形式：

code复制dx/dt = A*x + B*u
y = C*x

其中状态变量x=[i_d; i_q]，输入u=[V_d; V_q]，输出y=[i_d; i_q]。系数矩阵为：

code复制A = [-R/L_d, ω_e*L_q/L_d;
     -ω_e*L_d/L_q, -R/L_q]
B = [1/L_d, 0;
     0, 1/L_q]
C = [1, 0;
     0, 1]

3. 离散化龙贝格观测器设计

3.1 连续系统离散化方法

数字控制系统需要在离散时间域实现。采用零阶保持器法（ZOH）进行离散化：

code复制G = e^(A*Ts)
H = ∫[0→Ts]e^(Aτ)Bdτ = A^(-1)*(G-I)*B

其中Ts为采样周期。在实际编程中，我推荐使用scipy的expm函数计算矩阵指数：

python复制import numpy as np
from scipy.linalg import expm

def discretize(A, B, Ts):
    G = expm(A * Ts)
    H = np.linalg.solve(A, (G - np.eye(2))) @ B
    return G, H

采样周期选择经验：通常取控制周期的1/5~1/10。我在某伺服系统中使用Ts=100μs（10kHz），实现了0.5°的位置估算精度。

3.2 观测器增益设计

龙贝格观测器方程为：

code复制x̂(k+1) = G*x̂(k) + H*u(k) + K*(y(k) - C*x̂(k))

增益矩阵K的设计直接影响观测器性能。我通常采用极点配置法：

确定期望极点位置（通常比系统极点快3-5倍）
使用place函数计算K矩阵：

matlab复制desired_poles = [0.2, 0.15];  % 示例值
K = place(G', C', desired_poles)';

4. 位置与速度估算实现

4.1 反电势提取与处理

观测器输出的状态估计包含反电势信息：

code复制e_α = -ω_e*ψ_f*sinθ
e_β = ω_e*ψ_f*cosθ

通过反正切计算位置初值：

python复制theta_est = np.arctan2(-e_alpha_hat, e_beta_hat)

4.2 锁相环(PLL)设计

标准二阶PLL实现：

c复制// 离散化实现
void PLL_update(float e_alpha, float e_beta, float Ts) {
    static float theta_hat = 0, omega_hat = 0;
    float sin_theta = sin(theta_hat);
    float cos_theta = cos(theta_hat);
    
    float error = -e_alpha*sin_theta + e_beta*cos_theta;
    
    // PI调节器
    omega_hat += Kp_pll*error*Ts;
    omega_hat += Ki_pll*error*Ts;
    
    theta_hat += omega_hat*Ts;
    theta_hat = fmod(theta_hat, 2*PI);
}