何 建，李 波

(電子科技大學(xué)自動(dòng)化工程學(xué)院 成都 611731)

能源短缺、環(huán)境污染問題日益嚴(yán)重，世界各國開始重視具有低噪聲、零排放、高效和節(jié)能等顯著優(yōu)點(diǎn)的電動(dòng)汽車的研究和開發(fā)。電動(dòng)汽車系統(tǒng)結(jié)構(gòu)復(fù)雜，需要應(yīng)對(duì)各種情況和突發(fā)事件，這就要求電動(dòng)汽車擁有足夠的可靠性和安全性。并且，隨著控制系統(tǒng)自動(dòng)化程度的提高，容錯(cuò)控制成為近年來的一個(gè)熱點(diǎn)。對(duì)于電動(dòng)汽車而言，容錯(cuò)控制包括執(zhí)行器故障容錯(cuò)、控制器故障容錯(cuò)和傳感器故障容錯(cuò)。執(zhí)行器故障如具有容錯(cuò)能力的電機(jī)或是逆變器，控制器故障容錯(cuò)如采用冗余控制系統(tǒng)雙芯片控制器，傳感器故障容錯(cuò)如用狀態(tài)觀測(cè)器代替?zhèn)鞲衅?。傳感器故障容錯(cuò)控制不需要改變電機(jī)和控制器結(jié)構(gòu)，很容易實(shí)現(xiàn)并應(yīng)用到現(xiàn)有電動(dòng)汽車中。本文主要針對(duì)電機(jī)轉(zhuǎn)速估計(jì)的常見方法進(jìn)行綜述。目前，已有一些關(guān)于電機(jī)轉(zhuǎn)速估計(jì)的綜述類文獻(xiàn)，這些文獻(xiàn)對(duì)現(xiàn)有的估算方法的分析與論述各有側(cè)重，或是針對(duì)不同類型的電機(jī)[1]；或是針對(duì)不同的速度辨識(shí)方法分類說明現(xiàn)有的估算算法[2]；或是基于不同的控制算法；或是針對(duì)電機(jī)低速運(yùn)行。本文對(duì)目前常見的無速度傳感器電機(jī)控制方法進(jìn)行了一個(gè)較為全面的介紹，包括了近年的一些新型算法，并對(duì)未來的發(fā)展趨勢(shì)做出展望。

電機(jī)作為一個(gè)復(fù)雜的非線性控制對(duì)象，獲得其準(zhǔn)確的物理參數(shù)比較困難，物理參數(shù)包括定子電阻、電感、轉(zhuǎn)動(dòng)慣量等，永磁電機(jī)還包括永磁體磁鏈。而觀測(cè)器所建立的數(shù)學(xué)模型精度與這些參數(shù)的準(zhǔn)確程度有關(guān)，并且影響到估算的準(zhǔn)確性。同時(shí)，高性能控制要求控制系統(tǒng)具有一定的抗噪能力。因此，將常見的轉(zhuǎn)速估計(jì)算法按照其參數(shù)的魯棒性和系統(tǒng)抗干擾能力分類：1)完全依賴電機(jī)參數(shù)和電磁方程；2)部分依賴電機(jī)參數(shù)和電磁方程；3)獨(dú)立于電機(jī)參數(shù)和電磁方程。

1 完全依賴電機(jī)參數(shù)和電磁方程

根據(jù)電機(jī)的電壓方程和檢測(cè)到的電流電壓值，基于電機(jī)的電磁模型計(jì)算反電動(dòng)勢(shì)，然后通過反電動(dòng)勢(shì)求得轉(zhuǎn)子位置和速度。這一類算法通過直接計(jì)算得到反電動(dòng)勢(shì)，因此不需要比例積分控制器(PI)或是自適應(yīng)閉環(huán)調(diào)節(jié)控制，屬于轉(zhuǎn)速開環(huán)估算，容易實(shí)現(xiàn)，但是參數(shù)魯棒性差。并且采用正切函數(shù)獲得轉(zhuǎn)子位置，導(dǎo)致算法的抗噪能力弱。

以永磁電機(jī)為例，式(1)給出電機(jī)在靜止坐標(biāo)系下的電磁方程，下標(biāo)αβ表示靜止坐標(biāo)系，dq表示旋轉(zhuǎn)坐標(biāo)系，Rs為定子電阻，ωr和θ分別表示轉(zhuǎn)速和轉(zhuǎn)子位置。式(1)中只有轉(zhuǎn)速和轉(zhuǎn)子位置是未知量，如果知道轉(zhuǎn)子初始位置，知道一個(gè)轉(zhuǎn)速和轉(zhuǎn)子位置就能計(jì)算出另外一個(gè)。

2 部分依賴電機(jī)參數(shù)和電磁方程

轉(zhuǎn)速的開環(huán)估算靜差大，對(duì)參數(shù)變化和環(huán)境噪音敏感，而基于自適應(yīng)原理的轉(zhuǎn)速觀測(cè)器能夠提高參數(shù)魯棒性和系統(tǒng)抗噪能力?；谧赃m應(yīng)原理的估算算法主要有：1) 模型參考自適應(yīng)(MRAS)；2) 龍伯格觀測(cè)器(LO)；3) 擴(kuò)展的卡爾曼濾波(EKF)；4)滑模觀測(cè)器(SMO)。

2.1 模型參考自適應(yīng)

基于模型參考自適應(yīng)法的基本原理是用包含待估計(jì)變量的可調(diào)模型按一定的自適應(yīng)律跟隨參考模型，其基本原理框圖如圖1所示。當(dāng)兩個(gè)模型的輸出相等時(shí)，就認(rèn)為兩個(gè)模型等價(jià)，并且認(rèn)為此時(shí)轉(zhuǎn)速的估算值是準(zhǔn)確的。其中，自適應(yīng)律依據(jù)Popov穩(wěn)定性原理給出，以保證系統(tǒng)的收斂性和全局穩(wěn)定性。

兩個(gè)模型的輸出誤差是判斷MRAS估算是否準(zhǔn)確的依據(jù)，轉(zhuǎn)子磁鏈[3]、反電動(dòng)勢(shì)[4]、無功功率和電流都可以作為狀態(tài)量輸出。MRAS適用于異步和永磁同步電機(jī)，其中永磁電機(jī)多采用電流量作為可調(diào)模型的輸出量。

可調(diào)模型按照實(shí)際電機(jī)模型建模，因此電機(jī)模型參數(shù)的準(zhǔn)確性決定MRAS轉(zhuǎn)速估算的準(zhǔn)確程度，從而影響到無速度傳感器算法的控制精度。盡管自適應(yīng)算法使得系統(tǒng)具有一定的參數(shù)魯棒性，但是MRAS對(duì)參數(shù)的變化仍然十分敏感，尤其是定子電阻。由于電機(jī)運(yùn)行過程中參數(shù)受到溫度環(huán)境等多方面的影響會(huì)與標(biāo)稱值不符，使得MRAS算法在低速時(shí)估算誤差較大?？梢酝ㄟ^對(duì)定子電阻進(jìn)行在線辨識(shí)，以提高控制精度和系統(tǒng)穩(wěn)定性，并且使算法能夠適用于低速區(qū)。

本文在MATLAB/Simulink環(huán)境下，對(duì)采用基于矢量控制的MRAS無速度傳感器控制算法的1.1 kW的永磁同步表面式電機(jī)進(jìn)行仿真。額定期望轉(zhuǎn)速下電機(jī)的實(shí)際轉(zhuǎn)速和估算轉(zhuǎn)速如圖2a所示。當(dāng)期望轉(zhuǎn)速給定為150 rad/s時(shí)，仿真結(jié)果如圖2b，可以看出，在較低轉(zhuǎn)速區(qū)電機(jī)轉(zhuǎn)子位置估算誤差明顯增大，動(dòng)態(tài)性能下降。隨著期望轉(zhuǎn)速的進(jìn)一步下降，估算誤差增大，系統(tǒng)可能趨于不穩(wěn)定狀態(tài)。

與MRAS不同，其他類型的轉(zhuǎn)速觀測(cè)器的速度估算多是基于反電動(dòng)勢(shì)觀測(cè)[5-7]或是磁鏈觀測(cè)[8]。當(dāng)電機(jī)轉(zhuǎn)速過低時(shí)，反電動(dòng)勢(shì)很小，此時(shí)，觀測(cè)器觀測(cè)到的反電動(dòng)勢(shì)誤差大，導(dǎo)致轉(zhuǎn)速的估計(jì)誤差增大。所以基于反電動(dòng)勢(shì)的觀測(cè)器法不適用于零速低速時(shí)的轉(zhuǎn)速估算。文獻(xiàn)[8]中采用磁鏈觀測(cè)以計(jì)算轉(zhuǎn)速，由式(2)可知基于磁鏈觀測(cè)的轉(zhuǎn)速估算也不適用于零低轉(zhuǎn)速。

2.2 龍伯格觀測(cè)器

龍伯格觀測(cè)器基于式(1)和式(2)對(duì)電機(jī)進(jìn)行狀態(tài)重構(gòu)，電機(jī)驅(qū)動(dòng)器的控制量作為觀測(cè)器的輸入，同時(shí)，觀測(cè)器中包含待估計(jì)變量轉(zhuǎn)速，于是可以得到估計(jì)的電流。由式(2)可以得到反電動(dòng)勢(shì)的估計(jì)值于是利用電流估算誤差和反電動(dòng)勢(shì)建立自適應(yīng)律，如式(3)所示。

由式(3)得到的轉(zhuǎn)速估計(jì)引回狀態(tài)觀測(cè)器中，以修正估計(jì)電流值和反電動(dòng)勢(shì)，從而形成轉(zhuǎn)速閉環(huán)估計(jì)。

2.3 擴(kuò)展的卡爾曼濾波器[9-11]

卡爾曼濾波器(KF)是一個(gè)最優(yōu)化回歸數(shù)據(jù)處理算法，適用于線性系統(tǒng)。EKF是卡爾曼濾波在非線性系統(tǒng)中的一種推廣形式，屬于非線性估計(jì)算法，對(duì)系統(tǒng)和測(cè)量噪音抗干擾能力強(qiáng)。由于EKF采用遞推算法，其濾波增益在遞推過程中自動(dòng)調(diào)節(jié)，屬于自適應(yīng)系統(tǒng)，因此也具有一定的參數(shù)魯棒性。

EKF適用于異步[10]、永磁同步和開關(guān)磁阻電機(jī)[11]。目前對(duì)基于擴(kuò)展卡爾曼濾波的轉(zhuǎn)速估計(jì)有一些新的研究方向。文獻(xiàn)[10]提出一種雙輸入卡爾曼濾波器，以克服隨著電機(jī)工作點(diǎn)而變化的定子電阻和轉(zhuǎn)子電阻對(duì)控制造成的影響。文獻(xiàn)[11]則對(duì)矩陣P、Q和R的初值的最優(yōu)選取進(jìn)行研究，以期望提高系統(tǒng)穩(wěn)定性和收斂速度，并且簡(jiǎn)化調(diào)試過程。

EKF算法復(fù)雜，需要矩陣求逆運(yùn)算，為滿足實(shí)時(shí)控制的要求，對(duì)數(shù)字信號(hào)處理器的速度和精度有一定要求。此外卡爾曼濾波器要用到隨機(jī)誤差的統(tǒng)計(jì)模型，設(shè)計(jì)的參數(shù)較多，調(diào)試工作量較大。實(shí)際應(yīng)用過程中，存在著濾波發(fā)散的問題，即實(shí)際估計(jì)誤差的方差可能趨于無窮大。

2.4 滑模觀測(cè)器

在系統(tǒng)變量從起始點(diǎn)運(yùn)動(dòng)到開關(guān)面之前，系統(tǒng)的控制結(jié)構(gòu)維持一種形式，當(dāng)系統(tǒng)變量到達(dá)滑模面后，開始自適應(yīng)地調(diào)整律控制，最終使系統(tǒng)狀態(tài)沿著滑模面一直滑動(dòng)到平衡點(diǎn)，此時(shí)的系統(tǒng)是非連續(xù)性的?；Ｓ^測(cè)器的輸出和電機(jī)對(duì)應(yīng)的狀態(tài)量的誤差經(jīng)過一個(gè)開關(guān)信號(hào)變?yōu)榛Ａ?，然后作為控制量反饋到觀測(cè)器的輸入。基于滑模觀測(cè)器的控制系統(tǒng)框圖如圖3所示。

采用滑模結(jié)構(gòu)的系統(tǒng)相點(diǎn)達(dá)到切換面后，系統(tǒng)運(yùn)行方式只取決于切換面方程，與系統(tǒng)原來的參數(shù)無關(guān)。因此滑模結(jié)構(gòu)有比MRAS更好的魯棒性和抗干擾能力?；Ｓ^測(cè)器適用于異步電機(jī)、永磁同步電機(jī)[6]、直流電機(jī)和開關(guān)磁阻電機(jī)[8]。

本文在MATLAB/Simulink環(huán)境下，對(duì)1.1 kW，50 Hz的表面式永磁同步電機(jī)基于滑模觀測(cè)器的無速度傳感器控制進(jìn)行仿真。圖4a，圖4b分別為額定工作點(diǎn)和10 rad/s時(shí)的電機(jī)轉(zhuǎn)速估計(jì)和轉(zhuǎn)子位置估計(jì)誤差。穩(wěn)態(tài)下，無論在高速還是低速滑模觀測(cè)器的觀測(cè)誤差非常小，但是在啟動(dòng)階段，估算誤差大。這是由于系統(tǒng)的初始狀態(tài)并不在滑模面上，所以系統(tǒng)從初始狀態(tài)向滑模面轉(zhuǎn)移過程的穩(wěn)定性不能保證，需要選擇合適控制量使系統(tǒng)快速移動(dòng)至滑模面。與前文提到的MRAS估算結(jié)果相比，不論是高速還是低速，SMO的穩(wěn)態(tài)估算效果都要優(yōu)于MRAS。兩種估算算法的穩(wěn)態(tài)誤差分析可參見表1。

表1 兩種估算算法的穩(wěn)態(tài)誤差分析

在實(shí)際的滑模結(jié)構(gòu)中，抖振是滑模結(jié)構(gòu)的固有問題。開關(guān)信號(hào)切換動(dòng)作是造成抖振的根本原因。受系統(tǒng)慣性的影響，使得經(jīng)開關(guān)信號(hào)切換后系統(tǒng)需要經(jīng)過一段時(shí)間的動(dòng)態(tài)調(diào)整才能到達(dá)理想點(diǎn)。因此當(dāng)系統(tǒng)的運(yùn)動(dòng)軌跡達(dá)到切換面時(shí)，慣性式運(yùn)動(dòng)軌跡穿越切換面最終形成抖振。采用積分補(bǔ)償器可以有效的減弱抖動(dòng)。文獻(xiàn)[6]提出用sigmoid函數(shù)代替開關(guān)函數(shù)以減小抖動(dòng)，并對(duì)電子電阻進(jìn)行在線辨識(shí)以提高估算精度。文獻(xiàn)[7]將切換后的增益值由常數(shù)改為變量，并由模糊算法決定，以改善抖振現(xiàn)象。

3 獨(dú)立于電機(jī)參數(shù)和電磁方程

前3類估算算法在高速時(shí)的估算性能已在實(shí)驗(yàn)和實(shí)際應(yīng)用中得到證實(shí)，但是在零低速區(qū)間受到噪音和參數(shù)誤差的影響，估算誤差大。而在現(xiàn)有的針對(duì)零速和低速電機(jī)無傳感器控制中，基于電機(jī)的凸極特性的一類轉(zhuǎn)子位置/速度估算方法最為常見[12-15]。電機(jī)凸極效應(yīng)本質(zhì)上是一種不對(duì)稱性，按產(chǎn)生的來源可以分為兩種：結(jié)構(gòu)凸極效應(yīng)和飽和凸極效應(yīng)。不管是基于哪種凸極效應(yīng)的估算算法基本原理都是相同的，都是通過測(cè)量并分析電機(jī)在特定信號(hào)激勵(lì)下的響應(yīng)信號(hào)(如三相電流、電壓值或電流微分值)來獲取電機(jī)的轉(zhuǎn)子信息。

常見的用于電動(dòng)汽車的異步電機(jī)和永磁電機(jī)以及開關(guān)磁阻電機(jī)均適用于高頻注入法。文獻(xiàn)[15]分別針對(duì)永磁電機(jī)、直流無刷電機(jī)和開關(guān)磁阻電機(jī)，介紹了一種基于定子鐵芯磁場(chǎng)飽和非線性的轉(zhuǎn)子初始位置判斷法。按信號(hào)激勵(lì)方式的不同可以分為外部高頻信號(hào)注入法[12-13]和基于PWM諧波信號(hào)激勵(lì)法[14]。兩種方法的區(qū)別在于前者注入信號(hào)頻率和幅值可自由調(diào)整，后者則受到PWM開關(guān)頻率的限制。

3.1 外部高頻信號(hào)注入

外部高頻信號(hào)注入法(以下簡(jiǎn)稱高頻注入法)是將高頻信號(hào)注入到控制系統(tǒng)中，注入信號(hào)可以是調(diào)幅或是旋轉(zhuǎn)的高頻信號(hào)；可以是電壓或電流信號(hào)；可以注入在αβ靜止坐標(biāo)系中也可以注入到dq旋轉(zhuǎn)坐標(biāo)系中。圖5是旋轉(zhuǎn)電壓矢量信號(hào)注入在αβ軸上的高頻注入法的系統(tǒng)框圖。

文獻(xiàn)[12-13]中介紹的高頻注入法根據(jù)注入信號(hào)類型、測(cè)量信號(hào)類型、信號(hào)處理方式和應(yīng)用范圍的不同而不盡相同，但是其基本原理都是通過檢測(cè)電機(jī)的凸極以獲得轉(zhuǎn)子位置信息：在高頻信號(hào)激勵(lì)下電機(jī)的電流或電壓響應(yīng)里面的高頻分量會(huì)攜帶這種凸極效應(yīng)產(chǎn)生的轉(zhuǎn)子信息。對(duì)于這種高頻分量采用合適的信號(hào)處理方式提取出來就得到了轉(zhuǎn)子位置信號(hào)，因此，高頻注入法也被稱作載波注入法。下面從注入信號(hào)類型的角度對(duì)每種方法進(jìn)行分類并加以說明。

注入信號(hào)按類型可分為旋轉(zhuǎn)電壓矢量注入和調(diào)幅電壓矢量注入。旋轉(zhuǎn)電壓矢量法其注入信號(hào)為高速旋轉(zhuǎn)的電壓矢量，旋轉(zhuǎn)頻率遠(yuǎn)高于電機(jī)基波頻率，電機(jī)的響應(yīng)信號(hào)里存在兩種可以用來提取轉(zhuǎn)子位置信息的高頻分量：零序分量和負(fù)序分量[12]，只需要分析處理任意一種即能得到轉(zhuǎn)子信息?；诹阈蚍至康墓浪惴椒冗m用于Y型連接的電機(jī)，也適用與Δ連接的電機(jī)。反序分量通常與正序分量同時(shí)出現(xiàn)，因此為獲得所需要的信號(hào)需要經(jīng)過濾波器和鎖相環(huán)提取轉(zhuǎn)子信息[12]。調(diào)幅電壓矢量注入也是旋轉(zhuǎn)電壓矢量，但是其旋轉(zhuǎn)頻率與電機(jī)電頻率相同，通常注入到參考坐標(biāo)系的橫軸或縱軸上，并且電壓幅值呈正弦變化，該正弦信號(hào)頻率為高頻，類似于調(diào)幅信號(hào)。

本文針對(duì)1.1 kW，50 Hz內(nèi)埋式永磁同步電機(jī)做了基于旋轉(zhuǎn)電壓矢量注入法的無速度傳感器仿真。給出了期望電磁轉(zhuǎn)速為10 rad/s下的電機(jī)運(yùn)行仿真結(jié)果，見圖6。

可以看出在電機(jī)轉(zhuǎn)速較低時(shí)，能比較準(zhǔn)確的估算出轉(zhuǎn)子位置和轉(zhuǎn)速。并且，轉(zhuǎn)速越高，動(dòng)態(tài)響應(yīng)越慢，位置誤差越大。這是因?yàn)楦哳l注入法的應(yīng)用要求注入信號(hào)頻率遠(yuǎn)大于電機(jī)基波頻率，并且忽略了反電動(dòng)勢(shì)。若電機(jī)處于高轉(zhuǎn)速區(qū)，此時(shí)的反電動(dòng)勢(shì)不能被忽略，高頻注入法也不再適用。此外，由于注入了外部信號(hào)，使得系統(tǒng)的信噪比下降，穩(wěn)定性降低；控制中需要濾波環(huán)節(jié)以濾去高頻信號(hào)的影響，給系統(tǒng)帶來了時(shí)延和相移。

3.2 基于PWM調(diào)制的高頻信號(hào)激勵(lì)法

在電動(dòng)汽車中，AC電機(jī)作為一類常見的驅(qū)動(dòng)電機(jī)，由車載電池供電。因此，電機(jī)驅(qū)動(dòng)需要逆變器實(shí)現(xiàn)交直流的轉(zhuǎn)換，通常采用脈沖寬度調(diào)制(PWM)[13]控制電壓的輸出，由逆變器輸出一組占空比可變且頻率等于開關(guān)頻率的方波信號(hào)。因?yàn)槟孀兤鏖_關(guān)頻率遠(yuǎn)高于電機(jī)的基波頻率，所以這組加載在電機(jī)定子上的三相方波信號(hào)下的電機(jī)響應(yīng)具有和高頻注入法下一樣的特性。不同的是，高頻注入法的注入信號(hào)頻率、幅值和方向可控，而基于PWM調(diào)制信號(hào)的“高頻信號(hào)”頻率由開關(guān)頻率決定，幅值和方向都不可控。

其中，文獻(xiàn)[14]則是基于PWM的高頻諧波，并且指出在所有PWM諧波中，二次諧波（即頻率是開關(guān)頻率的兩倍）的幅值最大，最適合用來充當(dāng)高頻信號(hào)來檢測(cè)轉(zhuǎn)子位置。文獻(xiàn)[14]所描述的方法需要同時(shí)檢測(cè)電流值和電壓值。

近幾年還有一些其他形式的高頻信號(hào)用于檢測(cè)電機(jī)凸極[13]，其基本原理與常規(guī)的高頻注入法的原理一致。如注入一個(gè)或是多個(gè)方波疊加信號(hào)代替正弦信號(hào)；或是注入頻率在幾十到幾百赫茲之間的低頻信號(hào)；或是利用零矢量在PWM的每個(gè)周期都存在，由PWM波里的零矢量充當(dāng)高頻信號(hào)注入[13]，而且與文獻(xiàn)[14]提到的基于PWM二次諧波的方法不同，文獻(xiàn)[13]只需要一個(gè)電流微分傳感器。

3.3 人工智能算法

基于智能控制算法也是近年來的熱點(diǎn)，但尚無成型的理論研究與證明。常見的智能算法[15-16]有模糊算法(FIS)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、遺傳算法(GA)、模擬退火算法(SAA)和群體算法，它們都屬于非線性算法。智能算法在電機(jī)轉(zhuǎn)速估計(jì)上的應(yīng)用通常分為兩種，一是對(duì)現(xiàn)有的經(jīng)典轉(zhuǎn)速估算算法如高頻注入法、MRAS、觀測(cè)器法等的改進(jìn)，比如增加參數(shù)在線識(shí)別，轉(zhuǎn)子位置補(bǔ)償器等。另一種是直接用智能算法實(shí)現(xiàn)轉(zhuǎn)速估計(jì)，如模糊控制算法、神經(jīng)網(wǎng)絡(luò)算法等。由于這一類算法因不需要控制對(duì)象的模型，而依賴于實(shí)驗(yàn)數(shù)據(jù)，不會(huì)受到模型精度與參數(shù)精度的限制，因而可以適用于全速度范圍。智能算法比傳統(tǒng)算法更能應(yīng)對(duì)復(fù)雜的環(huán)境因素。盡管受到計(jì)算速度和數(shù)據(jù)量的限制，但是隨著科學(xué)技術(shù)的進(jìn)步，計(jì)算速度更快，容量更大的芯片的出現(xiàn)，智能算法會(huì)受到越來越多的重視。

4 結(jié) 束 語

針對(duì)電動(dòng)汽車容錯(cuò)控制，各類算法各有優(yōu)缺點(diǎn)和適用性。MRAS和觀測(cè)器多適用于中高轉(zhuǎn)速區(qū)，并且已經(jīng)在理論和實(shí)驗(yàn)中證實(shí)其算法具有良好的穩(wěn)定性和控制精度，并且其控制性能在不同程度上與電機(jī)參數(shù)的準(zhǔn)確性相關(guān)?；谕箻O效應(yīng)和基于人工智能算法的控制策略不依賴于電機(jī)模型，具有較好的魯棒性和抗噪性。但是高頻注入法不適用于中高速區(qū)，而人工智能算法發(fā)展時(shí)間較短，設(shè)計(jì)與調(diào)試較為復(fù)雜。