永磁同步电机无感控制中的LESO技术实践

1. 永磁同步电机无感控制技术概述

永磁同步电机（PMSM）因其高效率、高功率密度等优势，在工业驱动、电动汽车等领域获得广泛应用。传统控制方案依赖机械传感器获取转子位置信息，但传感器增加了系统成本和故障率。无位置传感器控制技术通过算法估计转子位置，成为当前研究热点。

在众多无感算法中，基于扩张状态观测器（ESO）的方案展现出独特优势。我曾在多个工业伺服项目中使用滑模观测器（SMO），其固有的抖振问题常导致转速波动。后来转向线性ESO（LESO）方案后，发现其对电机参数变化的鲁棒性显著提升。特别是在电机温升导致参数漂移的工况下，LESO仍能保持稳定观测。

2. LESO核心原理与实现

2.1 扩张状态观测器设计思路

LESO的核心思想是将系统内部不确定性和外部扰动统一视为"总扰动"，通过扩张状态变量进行实时估计。对于PMSM而言，反电动势（back-EMF）包含转子位置信息，传统方法需精确知道电机参数才能计算。而LESO将反电动势视为扩张状态，直接进行观测。

在α-β静止坐标系下，PMSM电压方程可表示为：

code复制u_α = R*i_α + L*d(i_α)/dt + e_α
u_β = R*i_β + L*d(i_β)/dt + e_β

其中e_α、e_β即为包含位置信息的反电动势项。LESO将其建模为系统的扩张状态，建立如下观测器模型：

matlab复制function [z1_alpha, z1_beta, z2_alpha, z2_beta] = LESO_Update(i_alpha, i_beta, u_alpha, u_beta)
    persistent z1_alpha z1_beta z2_alpha z2_beta
    beta1 = 100;  % 观测器带宽参数
    beta2 = 5000;
    Ts = 1e-4;    % 控制周期
    
    % 状态更新方程
    z1_alpha = z1_alpha + Ts*(z2_alpha + beta1*(i_alpha - z1_alpha) + u_alpha);
    z2_alpha = z2_alpha + Ts*(beta2*(i_alpha - z1_alpha));
    
    z1_beta = z1_beta + Ts*(z2_beta + beta1*(i_beta - z1_beta) + u_beta);
    z2_beta = z2_beta + Ts*(beta2*(i_beta - z1_beta));
end

关键参数说明：

• beta1和beta2决定观测器动态特性，需满足beta2 > beta1²/4的稳定性条件
• 采样周期Ts通常与控制系统周期保持一致
• z1跟踪电流，z2即为估计的反电动势

2.2 参数整定经验

通过多个项目实践，我总结出以下参数调整经验：

1. 带宽比选择：保持beta2/beta1≈50可获得较好动态性能。比值过小导致收敛慢，过大则引入噪声

2. 抗扰权衡：beta1增大可提高扰动抑制能力，但超过2000后对高频噪声敏感

3. 工程调试法：

   • 先设beta1=100，beta2=5000
   • 阶跃响应测试中，逐步增大beta1直至电流跟踪出现超调
   • 最后回调10%作为安全裕度

实测案例：在400W伺服电机上，最终采用beta1=120，beta2=6000的组合，在0-3000rpm范围内位置误差<0.5度。

3. 位置信息提取技术

3.1 锁相环设计要点

从估计的反电动势中提取位置信息，我推荐采用二阶锁相环（PLL）结构。其核心是通过正交乘积解调获得位置误差：

c复制void PLL_Update(float epsilon_alpha, float epsilon_beta) {
    static float theta_hat = 0.0;
    float sin_theta = sinf(theta_hat);
    float cos_theta = cosf(theta_hat);
    
    // 正交解调误差计算
    float error = epsilon_alpha * cos_theta - epsilon_beta * sin_theta;
    
    // 控制器参数
    float Kp = 50.0;
    float Ki = 3000.0;
    
    // 积分抗饱和处理
    static float integral = 0.0;
    integral += Ki * error * Ts;
    integral = (integral > 1000) ? 1000 : (integral < -1000) ? -1000 : integral;
    
    // 更新估计值
    omega_hat = Kp * error + integral;
    theta_hat += omega_hat * Ts;
    
    // 角度归一化
    if(theta_hat > 2*PI) theta_hat -= 2*PI;
    if(theta_hat < 0) theta_hat += 2*PI;
}

3.2 过零点处理技巧

PLL在反电动势过零点附近容易失锁，通过以下方法改善：

1. 动态增益调整：检测到|e_α|+|e_β|<阈值时，临时降低Ki值
2. 预测补偿：根据当前转速预测下一周期位置，作为PLL初始值
3. 滑动平均滤波：对error信号进行5点移动平均

实测表明，结合这三种方法可使低速(<5%额定转速)位置误差降低60%。

4. 系统启动策略

4.1 初始位置检测

LESO在零速时无法观测反电动势，需要特殊启动策略：

python复制def startup_sequence():
    if speed_cmd < 0.05*rated_speed:
        # 高频注入阶段
        inject_high_freq_signal(1kHz, 5%Vdc)
        estimated_pos = process_hfi_response()
        set_initial_angle(estimated_pos)
        
        # 强拖启动
        ramp_speed(0 to 5%rated, 0.5s)
    else:
        # 正常切换
        fade_out_hfi()
        enable_leso()

4.2 切换过程优化

高频注入与LESO的平滑切换是关键难点：

1. 重叠过渡法：在2-5%额定转速区间，同时运行两种算法，加权融合输出
2. 参数渐变：逐步调整LESO带宽，避免动态突变
3. 转矩补偿：根据切换瞬时的位置误差，注入补偿电压

某风机应用案例显示，采用重叠过渡法可使切换过程转矩波动降低至直接切换的1/3。

5. 鲁棒性验证与调试

5.1 参数失配测试

为验证算法鲁棒性，我设计了以下测试方案：

5.2 现场调试要点

1. 示波器监测点：

   • 实际电流vs观测电流
   • 估计反电动势波形
   • PLL误差信号

2. 典型问题处理：

   • 高频振荡→降低beta2
   • 低速抖动→调整PLL参数
   • 切换冲击→优化过渡曲线

3. 自动化测试脚本：

   matlab复制function run_robustness_test()
       for L_var = 0.7:0.1:1.3
           set_motor_param('L', L_var*L_nom);
           execute_speed_ramp(0 to 100%);
           record_position_error();
       end
   end
   

6. 仿真与实机对比

6.1 MATLAB仿真建模

建议采用以下仿真框架：

1. 电机模型：包含饱和效应和温度影响
2. 逆变器：设置死区时间和开关损耗
3. 控制周期：与实际DSP保持一致(通常100μs)

关键仿真参数配置示例：

matlab复制paras.R = 0.5;    % 绕组电阻(ohm)
paras.Ld = 5e-3;  % d轴电感(H)
paras.Lq = 5e-3;
paras.Psi = 0.1;  % 永磁体磁链(Wb)
paras.J = 1e-4;   % 转动惯量(kg·m²)

6.2 实机调试差异

仿真与实机主要差异点：

1. 噪声影响：

   • 仿真中忽略的采样噪声
   • 实际存在的PWM谐波

2. 非线性因素：

   • 逆变器死区效应
   • 电机齿槽转矩

3. 处理延迟：

   • 实际芯片的计算延时
   • 采样保持时间

针对这些差异，建议在仿真中主动加入10%的参数偏差和20ns级延迟，提高仿真可信度。

7. 进阶优化方向

7.1 自适应LESO设计

传统固定参数LESO在宽速域表现受限，可采用：

1. 带宽自适应：

   c复制if(speed < 0.2*base_speed) {
       beta1 = 80;
       beta2 = 3200;
   } else {
       beta1 = 120 + 50*(speed/base_speed);
       beta2 = 6000 + 20000*(speed/base_speed);
   }
   

2. 扰动补偿：

   matlab复制z2_alpha = z2_alpha + disturbance_compensation;
   

7.2 混合观测器架构

结合高频注入的优点：

1. 低速段：高频注入+位置观测
2. 中高速段：LESO+PLL
3. 过渡区：加权混合输出

实测表明，这种架构在0-3000rpm全速域可将位置误差控制在±1°内。

在完成多个项目后，我深刻体会到ESO方案的最大价值在于其"以不变应万变"的哲学。通过将各种不确定性统一视为扰动来处理，大大降低了控制系统对精确模型的依赖。特别是在批量生产时，即使电机参数存在批次差异，同一套LESO参数仍能保持稳定控制，这显著减少了现场调试工作量。