永磁同步电机自适应高阶滑模观测器设计与实现

1. 电机控制中的观测器技术演进与挑战

在永磁同步电机（PMSM）控制系统中，转子位置和速度的精确观测是实现高性能矢量控制的基础。传统滑模观测器（SMO）因其对参数变化和外部干扰的强鲁棒性，成为无传感器控制的主流方案之一。但工程师们在实际应用中逐渐发现，标准一阶滑模观测器存在两个致命缺陷：相位滞后和误差放大效应。

相位滞后源于观测器输出必须经过低通滤波器（LPF）处理才能提取反电动势信号。以一个典型的中功率伺服系统为例，当电机运行在3000rpm时，传统SMO的相位滞后可达5-8度，这直接导致电流环的矢量控制出现明显偏差。更棘手的是，后续使用的反正切函数会将反电动势中的微小噪声放大为明显的角度观测抖动，这种现象在低速区域尤为显著。

2010年前后，高阶滑模观测器（HSMO）的提出为这些问题提供了新的解决思路。HSMO通过将反电动势建模为系统状态变量，理论上可以避免使用低通滤波器。我在参与某工业伺服项目时曾实测对比过，HSMO将3000rpm时的相位滞后降低到了2度以内。但HSMO自身又带来了新的问题——固定增益系数导致的反电动势抖振现象。特别是在电机启动阶段，过大的增益系数会使观测角度出现明显的"锯齿"现象，而增益过小又会影响动态响应速度。

2. 自适应高阶滑模观测器的核心原理

2.1 电机数学模型重构

建立准确的数学模型是设计观测器的前提。考虑面贴式永磁同步电机（SPMSM）在α-β坐标系下的电压方程：

code复制uα = Rs*iα + Ls*diα/dt - ωe*ψf*sinθ
uβ = Rs*iβ + Ls*diβ/dt + ωe*ψf*cosθ

其中ψf为永磁体磁链，ωe为电角速度。将反电动势项定义为：

code复制eα = -ωe*ψf*sinθ
eβ = ωe*ψf*cosθ

与传统方法不同，我们将反电动势视为系统的状态变量，建立扩展状态方程：

code复制deα/dt = -ωe*eβ
deβ/dt = ωe*eα

这种处理方式使得反电动势的微分关系被显式地包含在系统模型中，为高阶滑模设计奠定了基础。

2.2 自适应增益机制设计

观测器的核心在于滑模面的设计。我们采用二阶滑模面：

code复制s = [s1, s2]^T = [iα_hat - iα, iβ_hat - iβ]^T

其中iα_hat、iβ_hat为观测电流。自适应增益k1、k2按以下规律调整：

code复制k1 = k10 + λ1*|s1|
k2 = k20 + λ2*|s2|

这里k10、k20为初始增益，λ1、λ2为自适应系数。我在多个项目实践中发现，将λ1、λ2设置为转速的函数效果更好：

code复制λ = λ_base + k_ω*|ω|

这种非线性自适应策略能在大范围调速时保持优良性能。当电机突然加速时，增益会自动增强以提高跟踪速度；进入稳态后，增益又会自动降低以减少抖振。

2.3 稳定性证明

采用Lyapunov函数进行稳定性分析：

code复制V = 0.5*(s1^2 + s2^2) + 0.5*γ1*(k1-k1*)^2 + 0.5*γ2*(k2-k2*)^2

其中k1*、k2*为理想增益，γ1、γ2为正定矩阵。通过对V求导并代入自适应律，可以证明当满足：

code复制k10 > |eα_max|, k20 > |eβ_max|
λ1 > 1/γ1, λ2 > 1/γ2

时，系统是全局渐近稳定的。这个结论保证了观测器在任何初始条件下都能收敛。

3. Simulink实现关键技术与参数整定

3.1 离散化建模要点

在实际工程中，离散化处理直接影响算法能否成功部署。采用Tustin变换（双线性变换）进行离散化：

code复制s = (2/Ts)*(z-1)/(z+1)

其中Ts为采样周期。对于额定转速3000rpm的电机，建议Ts ≤ 100μs。过大的Ts会导致：

1. 离散化误差积累
2. 数字延迟引入额外相位滞后
3. 高频振荡模式失真

在Simulink中实现时，需要注意：

1. 所有模块使用相同的采样时间
2. 避免连续-离散混合仿真
3. 使用Memory模块处理代数环

3.2 观测器模块实现细节

3.2.1 自适应增益计算模块

code复制function [k1,k2] = fcn(s1,s2,omega)
% 参数初始化
persistent k10 k20 lambda_base kw

if isempty(k10)
    k10 = 50;  % 初始增益α轴
    k20 = 50;  % 初始增益β轴 
    lambda_base = 10;
    kw = 0.05;
end

% 自适应计算
lambda = lambda_base + kw*abs(omega);
k1 = k10 + lambda*abs(s1);
k2 = k20 + lambda*abs(s2);

3.2.2 反电动势观测模块

采用改进的欧拉法进行离散积分：

code复制eα(k+1) = eα(k) + Ts*(-ωe(k)*eβ(k) - k1*sign(s1(k)))
eβ(k+1) = eβ(k) + Ts*(ωe(k)*eα(k) - k2*sign(s2(k)))

为避免符号函数引起的抖振，实际实现时采用饱和函数sat(s/φ)代替sign(s)，φ取0.05-0.1。

3.3 参数整定经验

通过大量实验总结出参数调整优先级：

1. 先调k10、k20：确保能跟踪但不过大
2. 再调λ_base：决定自适应速度
3. 最后调kw：优化全速域性能

典型参数范围：

• 中小功率电机(≤5kW)：
  k10=k20=30-80
  λ_base=5-20
  kw=0.02-0.1
• 大功率电机(>5kW)：
  k10=k20=20-50
  λ_base=3-10
  kw=0.01-0.05

调试技巧：

1. 从空载启动开始调试
2. 先观察电流跟踪误差
3. 再检查角度观测波形
4. 最后测试动态响应

4. 实测性能对比与异常处理

4.1 稳态性能对比

在1kW伺服平台上实测数据：

Adaptive_HSMO在1000rpm时角度观测标准差仅为0.3度，比HSMO提高约60%。

4.2 动态响应对比

突加负载测试结果：

Adaptive_HSMO的自适应增益在负载突变时能快速调整，显著改善了动态性能。

4.3 常见问题排查

问题1：高速时观测角度发散

可能原因：

1. 离散化误差积累
2. 采样时间过大
3. 电机参数不匹配

解决方案：

1. 检查离散化方法是否合适
2. 减小采样时间至50μs以下
3. 重新辨识电机参数

问题2：启动时角度振荡

可能原因：

1. 初始增益过大
2. 自适应速度过快
3. 反电动势幅值过小

解决方案：

1. 降低k10、k20初始值
2. 减小λ_base参数
3. 加入启动预定位策略

问题3：低速时角度抖动

可能原因：

1. 增益下限设置不当
2. 测量噪声过大
3. 饱和函数参数不合适

解决方案：

1. 设置最小增益限制
2. 增加电流滤波
3. 调整φ参数

5. 工程应用中的进阶技巧

5.1 初始位置检测改进

传统高频注入法在零速附近效果较好，但会引入额外噪声。我们采用改进的脉冲矢量法：

1. 施加特定方向的电压脉冲
2. 测量电流响应斜率
3. 通过查表法估算初始位置
4. 误差可控制在±10°以内

5.2 全速域混合观测策略

针对宽调速范围应用，建议采用：

• 零速至10%额定转速：高频注入法
• 10%-30%额定转速：改进滑模观测器
• 30%以上：自适应HSMO

这种混合策略在电梯驱动系统中实测可将低速转矩波动降低40%。

5.3 参数自整定方法

开发了基于模型参考自适应（MRAS）的在线参数整定算法：

1. 建立参考模型和可调模型
2. 设计自适应律调整观测器参数
3. 通过李雅普诺夫函数保证收敛性

该方法可在30秒内完成主要参数自动整定，大大缩短调试周期。