劉彥呈，　劉厶源，　王川，　郭昊昊，　任俊杰，　于盈

(1.大連海事大學(xué) 輪機(jī)工程學(xué)院，遼寧 大連 116026;2.大連航標(biāo)處 交通運(yùn)輸部北海航海保障中心，遼寧 大連 116001)

?

UUV推進(jìn)電機(jī)在線參數(shù)辨識(shí)自適應(yīng)控制方法研究

劉彥呈1，劉厶源1，王川1，郭昊昊1，任俊杰1，于盈2

(1.大連海事大學(xué) 輪機(jī)工程學(xué)院，遼寧 大連 116026;2.大連航標(biāo)處 交通運(yùn)輸部北海航海保障中心，遼寧 大連 116001)

摘要:針對(duì)水下無人航行器(UUV)的推進(jìn)電機(jī)矢量控制系統(tǒng)中電流控制器性能因參數(shù)變化而下降的問題，提出一種基于智能在線參數(shù)辨識(shí)的電流環(huán)自適應(yīng)控制方法。以離散型永磁同步推進(jìn)電機(jī)動(dòng)態(tài)模型作為被控對(duì)象，采用動(dòng)態(tài)慣性權(quán)重粒子群算法對(duì)永磁同步推進(jìn)電機(jī)的定子電阻和dq軸電感進(jìn)行在線辨識(shí)，根據(jù)電流控制器工程設(shè)計(jì)方法，將辨識(shí)所得的電機(jī)參數(shù)實(shí)時(shí)用于計(jì)算電流控制器的PI值，實(shí)現(xiàn)電流環(huán)的自適應(yīng)控制。最后，通過仿真實(shí)驗(yàn)驗(yàn)證所提方法的有效性，結(jié)果表明該方法可以有效地克服水下快速洋流對(duì)推進(jìn)電機(jī)的負(fù)載擾動(dòng)，進(jìn)而實(shí)現(xiàn)永磁同步推進(jìn)電機(jī)的快速、高精確度電流控制性能。

關(guān)鍵詞:水下無人航行器；永磁同步推進(jìn)電機(jī)；矢量控制；粒子群算法；參數(shù)辨識(shí)；自適應(yīng)控制

0引言

水下無人航行器(unmanned underwater vehicle,UUV)作為海洋資源開發(fā)和海洋軍事領(lǐng)域應(yīng)用不可缺少的工具，相比于載人航行器和帶纜航行器，UUV有著安全系數(shù)高、造價(jià)低、尺寸小、重量輕、靈活性高、活動(dòng)范圍廣等獨(dú)特優(yōu)勢(shì)。UUV能夠在水中進(jìn)行長(zhǎng)期觀察、探測(cè)和打撈作業(yè)，可被廣泛應(yīng)用于眾多領(lǐng)域。在軍事領(lǐng)域，作為未來海洋戰(zhàn)爭(zhēng)的一種新型現(xiàn)代化高科技裝備，在反潛、反雷、海上封鎖和反封鎖等方面都有著重要的用途；在科學(xué)領(lǐng)域，UUV可進(jìn)行水文調(diào)查、海洋勘測(cè)和海洋觀測(cè)；在經(jīng)濟(jì)領(lǐng)域，UUV對(duì)于石油開采、海底電纜的檢測(cè)、港口建設(shè)、水下施工、海洋救援、打撈船只以及海底地形探測(cè)等方面也都有著巨大的作用。

電力推進(jìn)作為UUV的主推進(jìn)方式，是由直流供電系統(tǒng)提供電能驅(qū)動(dòng)電機(jī)帶動(dòng)螺旋槳旋轉(zhuǎn)，進(jìn)而驅(qū)動(dòng)UUV運(yùn)動(dòng)。永磁同步電機(jī)(permanent-magnet synchronous motor,PMSM)以其體積小、結(jié)構(gòu)簡(jiǎn)單、運(yùn)行可靠、效率高、損耗低等優(yōu)點(diǎn)，在數(shù)控機(jī)床、電動(dòng)汽車、機(jī)器人和電力推進(jìn)船舶等方面獲得了廣泛應(yīng)用[1]。 UUV主要采用永磁同步推進(jìn)電機(jī)(permanent magnet synchronous propulsion motor,PMSPM)作為主推進(jìn)電機(jī)，其轉(zhuǎn)子轉(zhuǎn)速和定子電流的非線性高耦合決定了系統(tǒng)的強(qiáng)非線性，特別當(dāng)系統(tǒng)存在不確定性時(shí)，PMSPM的非線性使得系統(tǒng)很難得到高精確度的控制性能。

在矢量控制系統(tǒng)中，電流環(huán)是調(diào)速系統(tǒng)中響應(yīng)最快的一環(huán)，其控制器參數(shù)的準(zhǔn)確性至關(guān)重要，這將直接影響到整個(gè)調(diào)速系統(tǒng)的性能，而電流控制器的參數(shù)主要由推進(jìn)電機(jī)的定子電阻和dq軸電感決定。推進(jìn)電機(jī)在不同工況下電流的變化所產(chǎn)生的磁路飽和程度不同，dq軸電感值也會(huì)相應(yīng)發(fā)生變化。由于渦流和磁滯引起溫度變化時(shí)，定子電阻和永磁體磁鏈也會(huì)隨之變化[2]，這些參數(shù)將導(dǎo)致電流控制器PI參數(shù)與實(shí)際運(yùn)行條件不匹配，導(dǎo)致系統(tǒng)性能明顯下降。因此，對(duì)推進(jìn)電機(jī)參數(shù)進(jìn)行準(zhǔn)確的辨識(shí)將直接決定電流控制器控制性能的好壞，進(jìn)而影響到整個(gè)系統(tǒng)的性能[6]。

本文提出一種動(dòng)態(tài)慣性權(quán)重粒子群算法對(duì)PMSPM的定子電阻、dq軸電感及永磁體磁鏈進(jìn)行在線辨識(shí)，將辨識(shí)的電機(jī)參數(shù)送入電流控制器PI參數(shù)的計(jì)算表達(dá)式，對(duì)PI參數(shù)進(jìn)行實(shí)時(shí)整定，以解決PMSPM負(fù)載突變時(shí)電流控制器PI參數(shù)與電機(jī)參數(shù)匹配問題。

1PMSPM數(shù)學(xué)模型

假設(shè)電動(dòng)機(jī)的電流為三相對(duì)稱正弦波電流，在忽略電機(jī)鐵心飽和，不計(jì)電機(jī)中的諧波、渦流和磁滯損耗的前提下，PMSPM在轉(zhuǎn)子同步旋轉(zhuǎn)坐標(biāo)系中的數(shù)學(xué)模型為[4-5]

(1)

(2)

Te=npψfiq。

(3)

式中：usd、usq、isd、isq、Ld、Lq、ψsd、ψsq分別為同步旋轉(zhuǎn)dq坐標(biāo)系中定子線圈的電壓、電流、電感和磁鏈；Rs為定子繞組每相電阻；np為極對(duì)數(shù)；Ωr為電機(jī)轉(zhuǎn)子旋轉(zhuǎn)電角速度；ψf為永磁體轉(zhuǎn)子產(chǎn)生的磁鏈幅值；p為微分算子。

為了方便起見，將待辨識(shí)參數(shù)記為

ξ=[ξ1ξ2ξ3ξ4]。

將式(1)、式(2)中的PMSPM模型離散化處理，可得離散狀態(tài)方程：

(4)

式中：ts表示采樣周期，k表示第k次采樣。

(5)

2粒子群優(yōu)化算法

粒子群(particle swarm optimization,PSO)算法是Kennedy博士和Eberhart博士于1995年提出的一種演化計(jì)算技術(shù)[9]，其源于對(duì)群體動(dòng)物覓食行為的模擬，是一種全局優(yōu)化進(jìn)化算法，最初用于處理連續(xù)優(yōu)化問題，目前已經(jīng)可以用于解決大量非線性，不可微和多峰值的復(fù)雜問題優(yōu)化，并已經(jīng)廣泛用于科學(xué)和工程領(lǐng)域。

2.1標(biāo)準(zhǔn)粒子群算法

標(biāo)準(zhǔn)粒子群算法(standard particle swarm optimization,SPSO)首先初始化N個(gè)隨機(jī)粒子以一定的速度在D維空間中運(yùn)動(dòng)，并經(jīng)過逐迭代找到最優(yōu)解。假設(shè)第i個(gè)粒子在空間中的位置為xi=(xi1,xi2,…,xid)，其運(yùn)動(dòng)速度為vi=(vi1,vi2,… ,vid)，該粒子所經(jīng)歷的個(gè)體最優(yōu)解為pi=(pi1,pi2,…,pid)，群體中所有粒子的全局最優(yōu)解為pg=(pg1,pg2,…,pgd)。其中，1≤i≤N，1≤d≤D。在每一次迭代過程中，粒子通過跟蹤當(dāng)前找到的兩個(gè)最優(yōu)解，并根據(jù)式(6)、式(7)來更新自己的速度和位置。

vi(k+1)=ωvi(k)+c1r1[pi(k)-xi(k)]+

c2r2[pg(k)-xi(k)]，

(6)

xi(k+1)=xi(k)+vi(k+1)。

(7)

其中：ω是慣性權(quán)重，通常取值為(0,1)之間的隨機(jī)數(shù)；c1和c2是學(xué)習(xí)因子；r1和r2分別是個(gè)體極值和全局極值間的均衡因子，通常取值為[0,1]之間的隨機(jī)數(shù)。

2.2動(dòng)態(tài)慣性權(quán)重粒子群算法

在PSO算法中，影響算法性能的主要因素有兩個(gè)：一個(gè)是粒子進(jìn)化速度，另一個(gè)是粒子聚集度。慣性權(quán)重ω作為最重要的一個(gè)參數(shù)，其作用是在保持原有粒子多樣性的同時(shí)保證全局和局部搜索性能的均衡。對(duì)于復(fù)雜的非線性系統(tǒng)優(yōu)化過程，粒子群的進(jìn)化速度和聚集程度的不斷變化會(huì)導(dǎo)致慣性權(quán)重隨之變化。因此，為了保證算法的全局和局部搜索性能，引入了進(jìn)化速度因子和聚集度因子，提出動(dòng)態(tài)慣性權(quán)重粒子群算法(dynamic inertia weight particle swarm optimization,DIWPSO)，從而解決非線性系統(tǒng)優(yōu)化過程后期粒子缺乏多樣性、全局搜索能力不足，易陷入局部最優(yōu)值等問題。

全局最優(yōu)值取自于個(gè)體最優(yōu)值，其變化取決于個(gè)體最優(yōu)值的變化，同時(shí)也反映了粒子群中所有粒子的整體運(yùn)動(dòng)效果。在搜索過程中，當(dāng)前迭代的全局最優(yōu)值總是要優(yōu)于或等于上一次迭代的全局最優(yōu)值。根據(jù)上述原理，通過對(duì)當(dāng)前最優(yōu)值和上一次迭代的最優(yōu)值進(jìn)行比較，以兩者之比作為速度進(jìn)化因子。

考慮到優(yōu)化過程中存在尋找極大值或極小值兩種情況，具體地，若優(yōu)化目標(biāo)是尋找極大值，F(xiàn)(pgT)≥F(pgT-1)，則定義進(jìn)化速度因子h=F(pgT-1)/F(pgT)；若優(yōu)化目標(biāo)是尋找極小值，F(xiàn)(pgT)≤F(pgT-1)，則定義h=F(pgT)/F(pgT-1)。綜合上述兩種情況，將進(jìn)化速度因子h定義為

(8)

其中:F(pgT)和F(pgT-1)分別為當(dāng)前和上一次迭代的全局最優(yōu)值。該參數(shù)不但考慮了算法運(yùn)行的歷史，還反映了粒子群整體進(jìn)化速度，即h值越小，粒子進(jìn)化速度越快。當(dāng)經(jīng)過了一定的迭代次數(shù)之后，h值保持為1，則斷定算法停滯或者找到了最優(yōu)解。

在PSO算法中，無論是早熟收斂還是全局收斂，全局最優(yōu)值總是優(yōu)于所有個(gè)體的當(dāng)前的適應(yīng)度值，粒子都會(huì)出現(xiàn)“聚集”現(xiàn)象。因此，粒子的聚集度是影響算法性能的重要因素，也是反映粒子多樣性的重要指標(biāo)。

設(shè)Fave為所有粒子當(dāng)前適應(yīng)度值的平均值，表達(dá)式為

(9)

(10)

其中，F(xiàn)(pgT)為當(dāng)前全局最優(yōu)值。該參數(shù)反映了所有粒子當(dāng)前的聚集程度，同時(shí)在一定成都上也反映出粒子的多樣性。g值越大，粒子群聚集程度也越大，粒子多樣性越小。當(dāng)g=1時(shí)，粒子群中的所有粒子具有同一性，如果此時(shí)算法陷入局部最優(yōu)，則結(jié)果不容易跳出該局部極點(diǎn)。

ω=f(h,g)。

(11)

如果粒子進(jìn)化速度較快，算法可以在較大的搜索空間內(nèi)持續(xù)搜索，粒子就可以保持大范圍的尋優(yōu)。當(dāng)粒子群進(jìn)化速度減慢時(shí)，可以減小ω的值，使得粒子群在小空間內(nèi)搜索，以便更快地找到最優(yōu)解。若粒子較分散，粒子群就不易陷入局部最優(yōu)解。隨著粒子群的聚集程度的提高，算法易陷入局部最優(yōu)，此時(shí)應(yīng)增大粒子群的搜索空間，提高粒子群的全局尋優(yōu)能力。綜上所述，ω應(yīng)該隨著粒子的聚集度的升高而增大，隨著進(jìn)化速度的降低而減小，它可以表示為

ω=ω0-hωh+gωg。

(12)

式中：ω0為ω的初始值，通常ω0=1。由于0

DIWPSO算法在運(yùn)行過程中通過更改h和s的值來動(dòng)態(tài)調(diào)節(jié)，從而改進(jìn)算法的性能。初始狀態(tài)下，置h=0，g=0，則DIWPSO算法步驟如下：

步驟1：對(duì)隨機(jī)粒子進(jìn)行位置、速度向量的初始化，計(jì)算各粒子的適應(yīng)度。

步驟2：對(duì)搜索空間中的全局最優(yōu)值pg和個(gè)體最優(yōu)值pi進(jìn)行初始化。

步驟3：在迭代過程中，如果滿足算法收斂準(zhǔn)則或者達(dá)到最大迭代次數(shù)nmax，則執(zhí)行步驟7，否則執(zhí)行步驟4。

步驟4：對(duì)搜索空間中的所有粒子的位置和速度進(jìn)行更新，并計(jì)算相應(yīng)粒子的適應(yīng)度，進(jìn)而更新所有粒子中的全局最優(yōu)值pg和個(gè)體最優(yōu)值pi。

步驟5：根據(jù)式(8)、式(10)和式(12),分別計(jì)算進(jìn)化速度因子h、聚集度因子g和慣性權(quán)重w。

圍術(shù)期疼痛管理是麻醉學(xué)走向圍術(shù)期醫(yī)學(xué)的重要組成部分，其管理模式正在從以“聯(lián)合阿片類藥物與NSAIDs藥物為主”轉(zhuǎn)變?yōu)椤奥?lián)合區(qū)域神經(jīng)阻滯與NSAIDs藥物” 為主。麻醉科醫(yī)師須在現(xiàn)有研究證據(jù)的基礎(chǔ)上，進(jìn)一步改進(jìn)臨床行為，積極踐行更理想的多模式鎮(zhèn)痛理念，以大幅提升中國圍術(shù)期患者疼痛管理數(shù)量與質(zhì)量以及患者遠(yuǎn)期預(yù)后。

步驟6：將迭代數(shù)加1，循環(huán)重復(fù)執(zhí)行步驟3。

步驟7：輸出全局最優(yōu)值pg，算法結(jié)束。

3自適應(yīng)電流環(huán)控制

3.1電流控制器設(shè)計(jì)

PMSPM采用自適應(yīng)矢量控制系統(tǒng)如圖1所示，通過獨(dú)立控制d軸勵(lì)磁電流分量和q軸轉(zhuǎn)矩電流分量來控制電流控制器，進(jìn)而得到的dq軸控制電壓ud和uq，經(jīng)過SVPWM調(diào)制對(duì)逆變器的高頻輸出電壓進(jìn)行控制，從而驅(qū)動(dòng)PMSPM。

圖1　PMSPM自適應(yīng)矢量控制系統(tǒng)框圖Fig.1　PMSPM adaptive vector control diagram

電流控制器參數(shù)一般只與逆變器和電機(jī)的參數(shù)有關(guān)，不受外部負(fù)載影響，所以電流環(huán)有其固定的結(jié)構(gòu)，電流控制器的參數(shù)可以按一定方法計(jì)算得到。由于PI調(diào)節(jié)器可以消除反電勢(shì)常數(shù)擾動(dòng)造成的靜差，具有較好的抗擾動(dòng)能力，因此PMSPM采用PI控制，其電流環(huán)結(jié)構(gòu)原理如圖2所示[3]。

圖2　電流環(huán)結(jié)構(gòu)原理圖Fig.2　Schematic diagram of current loop structure

圖2中idqref、udqref分別為dq軸參考電流和參考電壓。電機(jī)的電樞回路中存在電阻R和電感L，可看作一階慣性環(huán)節(jié)。TL為電磁時(shí)間常數(shù)，TL=Ldq/Rs。同理可將PWM逆變器看作具有時(shí)間常數(shù)Ts的一階慣性環(huán)節(jié)，Ts=1/fs，fs為逆變器開關(guān)元件的工作頻率。KPWM表示逆變器的放大倍數(shù)，Tif為電流反饋通道的濾波時(shí)間常數(shù)，Kif為電流反饋系數(shù)。電流環(huán)開環(huán)傳遞函數(shù)為

(13)

由于通常情況下Ts和Tif的值遠(yuǎn)小于電機(jī)的電磁時(shí)間常數(shù)TL，故用一個(gè)時(shí)間常數(shù)為Tsf的一階環(huán)節(jié)來近似代替時(shí)間常數(shù)為Ts和Tif的小慣性群，電流環(huán)的開環(huán)傳遞函數(shù)可化簡(jiǎn)為

(14)

在電流控制器設(shè)計(jì)中，需用控制器零點(diǎn)與被控對(duì)象中較大的時(shí)間常數(shù)極點(diǎn)相互抵消，以便校正成典型I型系統(tǒng)，而TL>>Tsf，故積分時(shí)間常數(shù)Tc=TL=L/R，開環(huán)傳遞函數(shù)為

(15)

由開環(huán)傳遞函數(shù)可知，該系統(tǒng)的電流環(huán)閉環(huán)傳遞函數(shù)可表示為典型二階系統(tǒng)

(16)

由工程最佳整定方法“模最佳系統(tǒng)”的參數(shù)關(guān)系可知KTif=0.5[7]，即

(17)

得到PI調(diào)節(jié)器的比例系數(shù)為

(18)

積分時(shí)間常數(shù)為

(19)

然后再將其按增量式PI調(diào)節(jié)器算法數(shù)字化，可得其積分系數(shù)為

(20)

其中，帶“^”的參數(shù)為辨識(shí)值。上述推導(dǎo)說明電流環(huán)PI參數(shù)值與電機(jī)的電感和定子電阻相關(guān)。由此可知，在運(yùn)行條件發(fā)生變化時(shí)，只要對(duì)電機(jī)參數(shù)進(jìn)行實(shí)時(shí)辨識(shí)，就能夠?qū)崟r(shí)得到電機(jī)的PI參數(shù)值。

3.2PMSPM在線參數(shù)辨識(shí)

對(duì)于PMSPM系統(tǒng)而言，參數(shù)辨識(shí)的過程可看作是一個(gè)尋優(yōu)過程，其基本思想是通過實(shí)時(shí)采集PMSPM的實(shí)際三相輸出電流，經(jīng)過坐標(biāo)變換得到dq軸定子電流isd、isq，同時(shí)實(shí)時(shí)估算PMSPM電氣模型的輸出電流，將實(shí)際電流與估算電流差方和的多次計(jì)算均值作為DIWPSO的適應(yīng)度評(píng)估函數(shù)，通過DIWPSO算法對(duì)PMSPM電氣模型不斷修正和調(diào)整，辨識(shí)出實(shí)際PMSPM的全部參數(shù)，參數(shù)辨識(shí)原理框圖如圖3所示。

基于PSO算法的基本思想，PMSPM參數(shù)辨識(shí)問題可描述成求解適應(yīng)度函數(shù)的優(yōu)化問題[8]。設(shè)從t0至t時(shí)間段的采樣個(gè)數(shù)為N，適應(yīng)度函數(shù)可設(shè)計(jì)為

(21)

圖3　參數(shù)辨識(shí)原理框圖Fig.3　Schematic diagram of parameter identification

4實(shí)驗(yàn)結(jié)果及分析

由于UUV在航行過程中會(huì)受到水下復(fù)雜流場(chǎng)的影響，對(duì)推進(jìn)電機(jī)而言，相當(dāng)于增加推進(jìn)電機(jī)的負(fù)載擾動(dòng)，因此本實(shí)驗(yàn)以負(fù)載的突卸和突加為實(shí)例，模擬UUV突遇快速洋流的工況，進(jìn)而研究推進(jìn)電機(jī)的運(yùn)行狀態(tài)變化過程。實(shí)驗(yàn)平臺(tái)原理圖如圖4所示，一臺(tái)永磁同步推進(jìn)電機(jī)(參數(shù)見表1)和一臺(tái)異步負(fù)載電機(jī)通過同軸連接器進(jìn)行機(jī)械連接組成系統(tǒng)基礎(chǔ)框架。永磁同步推進(jìn)電機(jī)和異步負(fù)載電機(jī)均采用轉(zhuǎn)子磁場(chǎng)定向矢量控制。為了準(zhǔn)確測(cè)試UUV推進(jìn)電機(jī)性能，永磁同步推進(jìn)電機(jī)采用轉(zhuǎn)速控制方式，異步負(fù)載電機(jī)采用轉(zhuǎn)矩控制方式。

圖4　UUV推進(jìn)電機(jī)參數(shù)自適應(yīng)控制實(shí)驗(yàn)平臺(tái)Fig.4　Experiment platform for parameter adaptive control of UUV propulsion motor

PMSPM參數(shù)數(shù)值定子電阻Rs/Ω2.879d軸電感Ld/mH8.5q軸電感Lq/mH8.7永磁體磁鏈ψf/Wb2.56

實(shí)驗(yàn)中DIWPSO算法的最大迭代次數(shù)nmax為2 000代，粒子數(shù)為50，辨識(shí)參數(shù)的變化范圍為實(shí)驗(yàn)參數(shù)的±100%。參數(shù)在線辨識(shí)過程如圖5所示，從圖中可清楚看到，電機(jī)各參數(shù)均在0.25 s內(nèi)收斂到穩(wěn)定狀態(tài)。

圖5　基于DIWPSO算法的PMSPM參數(shù)辨識(shí)結(jié)果Fig.5　PMSPM identified parameters based on 　　　DIWPSO algorithm

考慮到控制器參數(shù)對(duì)于電機(jī)參數(shù)的敏感度極高，故采用平均誤差率對(duì)所得辨識(shí)參數(shù)精準(zhǔn)度進(jìn)行評(píng)估。平均誤差率是通過計(jì)算辨識(shí)nmax次的總體誤差與nmax之比的百分比得到的?？傮w誤差公式為

(22)

平均誤差率公式為

(23)

表2　辨識(shí)參數(shù)平均誤差率

圖6、圖7分別是采用所提出的自適應(yīng)算法和基于模型的傳統(tǒng)算法對(duì)負(fù)載電機(jī)進(jìn)行突加和突卸負(fù)載時(shí)的實(shí)驗(yàn)結(jié)果，其中負(fù)載作用的時(shí)間為100 ms，突加和突卸的負(fù)載轉(zhuǎn)矩分別為4 N·m和-4 N·m。圖6(a)和圖7(a)分別為所提出的自適應(yīng)方法和傳統(tǒng)方法的q軸電流變化波形。在負(fù)載突加實(shí)驗(yàn)過程中，隨著電流的增加，電感有下降的趨勢(shì)[10-11]，且實(shí)際PI參數(shù)值中的比例系數(shù)應(yīng)該減小，積分系數(shù)應(yīng)該變大，但傳統(tǒng)的方法PI參數(shù)并沒有發(fā)生變化，相對(duì)來說就是比例系數(shù)Kp偏大，等效為系統(tǒng)阻尼比變小，就導(dǎo)致電流超調(diào)變大，產(chǎn)生較大振蕩。反之，負(fù)載突卸實(shí)驗(yàn)亦然。圖6(b)和圖7(b)為兩種方法的輸出轉(zhuǎn)矩變化波形。由式(3)可知，輸出轉(zhuǎn)矩與q軸電流成正比關(guān)系，因此其波形變化趨勢(shì)與q軸電流變化波形相同。圖6(c)和7(c)分別為采用所提出的自適應(yīng)方法和傳統(tǒng)方法的電機(jī)轉(zhuǎn)速變化波形。在矢量控制系統(tǒng)中，電流環(huán)作為控制內(nèi)環(huán)，其控制器的魯棒性將直接影響速度外環(huán)控制器的魯棒性。通過自適應(yīng)調(diào)節(jié)電流控制器參數(shù)減少電流超調(diào)，使得轉(zhuǎn)速超調(diào)隨之降低。

從圖6、圖7中可以清楚的發(fā)現(xiàn)，在突加和突卸負(fù)載時(shí)，PMSPM采用自適應(yīng)方法后電流超調(diào)量有明顯的縮減，電流變化平穩(wěn)，表明該方法對(duì)于負(fù)載擾動(dòng)有明顯的抑制和修正作用。

圖6　自適應(yīng)算法的響應(yīng)波形Fig.6　Waveform of current algorithm

圖7　傳統(tǒng)算法的響應(yīng)波形Fig.7　Waveform of traditional algorithm

5結(jié)論

本文提出一種動(dòng)態(tài)慣性權(quán)重調(diào)整粒子群優(yōu)化算法用于永磁同步推進(jìn)電機(jī)參數(shù)辨識(shí)，分析了永磁同步推進(jìn)電機(jī)矢量控制系統(tǒng)中電流環(huán)結(jié)構(gòu)并推導(dǎo)出電流環(huán)PI參數(shù)值計(jì)算表達(dá)式，利用辨識(shí)所得參數(shù)實(shí)現(xiàn)

控制系統(tǒng)電流環(huán)PI參數(shù)的實(shí)時(shí)更新和校正。仿真與實(shí)驗(yàn)表明該方法是可行的，且此控制策略可用于負(fù)載轉(zhuǎn)矩變化頻繁的實(shí)際場(chǎng)合，具有較強(qiáng)的魯棒性及快速響應(yīng)性。

參 考 文 獻(xiàn):

[1]唐任遠(yuǎn).現(xiàn)代永磁電機(jī)理論與設(shè)計(jì)[M].北京: 機(jī)械工業(yè)出版社,1997.

[2]WU M L,HUANG S H.Nonlinear parameters identification of PMSM[J].Transactions of China Electrotechnical Society,2009,24(8): 65-68.

[3]MACRO T,FRANCESCO P,ZHANG D Q.Real-time gain tuning of PI controllers for high-performance PMSM drives[J].IEEE Transactions on Industry Applications,2002,38(4): 1018-1026.

[4]REN J J,LIU Y C,ZHAO Y T,et al.Research on the different vector control schemes with larger power marine PMSM[J].Electric Machines and Control,2011,15(5): 32-37.

[5]PRAGASEN P.,KRISHNAN R.Modeling of permanent magnet motor drives[J].IEEE Transactions on Industry Electronics,1988,35(4): 537-541.

[6]KHWAJA M,SILVA H.Identification of machine parameters of a synchronous motor[J].IEEE Transactions on Industry Applications,2005,41(2): 557-565.

[7]JIAO Z Q,QU B D.PID parameters optimization of PMSM servo system using genetic algorithm[J].Electric Machines & Control Application,2007,34(7): 34-37.

[8]LANKARANY M,REZAZADE A.Parameter estimation optimization based on genetic algorithm[J].IEEE Transaction on Industry Applications,2006,36(6): 365-370.

[9]WANG C,LIU Y C,ZHAO Y T.Application of dynamic neighborhood small population particle swarm optimization for reconfiguration of shipboard power system[J].Engineering Applications of Artificial Intelligence,2013,26(4): 1255-1262.

[10]LI S H,LIU Z G.Adaptive speed control for permanent magnet synchronous motor system with variations of load inertia[J].IEEE Transactions on Industrial Electronics,2009,56(8): 3050-3059.

[11]馮江華,桂衛(wèi)華,許峻峰.考慮參數(shù)變化的永磁同步電動(dòng)機(jī)弱磁控制研究[J].微電機(jī),2008,41(4): 28-31.

FENG J H,GUI W H,XU J F.Flux-weakening control research of permanent magnet synchronous machines considering parameters variation[J].Micromotors,2008,41(4): 28-31.

(編輯：賈志超)

Research on online parameter identification and adaptive control of UUV propulsion motor

LIU Yan-cheng1,LIU Si-yuan1,WANG Chuan1,GUO Hao-hao1,REN Jun-jie1,YU Ying2

(1.Marine Engineering School,Dalian Maritime University,Dalian 116026,China;2.Dalian Navigation Mark,The Ministry of Transport Beihai Maritime Security Center,Dalian 116001,China)

Abstract:In vector control system of unmanned underwater vehicle (UUV) propulsion motor,due to the changes in motor parameters,current controller performance will decline.An adaptive control of permanent magnet synchronous propulsion motor current-loop based on online parameter identification is proposed.The stator resistance and dq axis inductance of the discrete dynamic of permanent magnet synchronous propulsion motor are identified by using the dynamic inertia weight particle swarm optimization,and then by the engineering procedures of the current controller,the identified motor parameters are utilized to dynamically calculate the PI value of current controller to achieve the adaptive control of current loop.Finally,the effectiveness of the proposed scheme is verified by the simulation experiments,and it follows from the results that the proposed scheme can effectively overcome the load disturbance caused by fast ocean currents such that the rapid and high precision current control performance of permanent magnet synchronous propulsion motor is achieved.

Keywords:UUV; permanent magnet synchronous propulsion motor; vector control; particle swarm optimization; parameter identification; adaptive control

中圖分類號(hào):TM 351

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1007-449X(2016)04-0034-07

DOI:10.15938/j.emc.2016.04.005

通訊作者:劉厶源

作者簡(jiǎn)介:劉彥呈(1963—)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)榇爸悄芟到y(tǒng)控制及自動(dòng)化、先進(jìn)運(yùn)動(dòng)控制系統(tǒng)；

基金項(xiàng)目：國家自然科學(xué)基金(51479018)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(313201432)

收稿日期:2014-04-10

劉厶源(1990—)，男，博士研究生，研究方向?yàn)榇巴七M(jìn)電機(jī)控制及其運(yùn)動(dòng)控制；

王川(1985—)，男，博士，講師，研究方向?yàn)殡娏ο到y(tǒng)建模及其穩(wěn)定性、智能電網(wǎng)技術(shù)；

郭昊昊(1984—)，男，碩士，助教，研究方向?yàn)殡姍C(jī)運(yùn)動(dòng)控制建模；

任俊杰(1984—)，男，博士研究生，研究方向?yàn)榇半娏ν七M(jìn)大功率永磁電機(jī)運(yùn)動(dòng)控制技術(shù)；

于盈(1979—)，女，高級(jí)工程師，研究方向?yàn)榇半姎庾詣?dòng)化。