Наблюдатели состояния асинхронного электропривода на основе фильтра Калмана
Автор: Пахомов А.Н., Федоренко А.А., Федий К.С.
Журнал: Журнал Сибирского федерального университета. Серия: Техника и технологии @technologies-sfu
Рубрика: Исследования. Проектирование. Опыт эксплуатации
Статья в выпуске: 5 т.16, 2023 года.
Бесплатный доступ
В системах управления асинхронного электропривода для повышения динамических показателей используется векторный способ регулирования переменных. При этом с целью удешевления системы управления целесообразно применять различные наблюдатели состояния координат электропривода. Цель исследования - изучение работы фильтра Калмана в качестве наблюдателя состояния переменных асинхронного двигателя, а также проверка его чувствительности к вариациям параметров объекта управления. Для достижения поставленной цели использовались методы теории автоматического управления, в том числе метод переменных состояния. Численные исследования процессов в разрабатываемой идентификационной системе выполнены в вычислительной среде MATLAB (пакет прикладных программ SIMULINK). Проведенные исследования показали, что в качестве идентификатора состояния асинхронного двигателя, имеющего самую низкую чувствительность к вариации его параметров, является фильтр Калмана в переменных ток статора - потокосцепление ротора, что позволяет рекомендовать его для использования в качестве наблюдателя состояния в бездатчиковых системах асинхронного электропривода с векторным управлением.
Фильтр калмана, асинхронный электропривод, пространство состояний, переходный процесс, наблюдающее устройство
Короткий адрес: https://sciup.org/146282696
IDR: 146282696
Текст научной статьи Наблюдатели состояния асинхронного электропривода на основе фильтра Калмана
Цитирование: Пахомов А. Н. Наблюдатели состояния асинхронного электропривода на основе фильтра Калмана / А. Н. Пахомов, А. А. Федоренко, К. С. Федий. Журн. Сиб. федер. ун-та. Техника и технологии, 2023, 16(5). С. 575–583. EDN: EYPOUM
В настоящее время в промышленности отмечается повышенный интерес в использовании и развитии асинхронного электропривода. Повсеместное применение частотно-регулируемого электропривода обусловлено высокими показателями регулирования, возможностью автоматизации технологического процесса, повышением энергоэффективности производства.
С целью повышения динамических показателей и возможностью регулирования момента на валу асинхронного двигателя (АД) целесообразно использовать векторный способ управления переменными АД [1]. Для исключения из системы электропривода дорогостоящих датчиков координат (скорости, момента, потокосцепления и др.) используются наблюдатели (идентификаторы) состояния, что позволяет перейти к бездатчиковому векторному управлению асинхронным электроприводом [2].
В статье рассматривается применение фильтра Калмана в качестве наблюдателя состояния переменных АД. Для обеспечения универсальности электропривода и повышения его надежности ставится задача идентификации текущего значения угловой скорости ротора АД. Актуальность задачи обусловлена стремлением разработчиков асинхронного электропривода исключить датчик скорости вращения ротора АД с целью удешевления системы и повышения её отказоустойчивости. Особенностью бездатчиковых систем управления электроприводов – 576 – является повышенная чувствительность к параметрическим возмущениям [3]. Поэтому в задачи исследований входит проверка робастности бездатчиковых электроприводов с различными идентификаторами состояния при изменении параметров двигателя.
Для реализации наблюдателей используются математические модели АД, состоящие из системы нелинейных дифференциальных уравнений. Рассмотрим два варианта математических моделей АД, различие которых заключается в выборе переменных состояния. В работе используется математическая модель обобщенной электрической машины в неподвижной системе координат α, β [4]. Для упрощения записи математических моделей АД и наблюдателей применяется аппарат пространства состояний.
В первом случае используется вектор состояния X и вектор управляющих воздействий U:
X = [iSa iSв VRа VRв ю]Т и U = [uSа uSв]Т, где isа, isв, usа, usв - компоненты пространственных векторов тока и напряжения статора АД; VRа, VRв — компоненты пространственного вектора потокосцепления ротора; ю - скорость вращения вала АД.
Тогда уравнения состояния АД можно записать в виде:
— = AX + BU и Y = CX, dt где Y = [iSа iSв]Т - вектор выходных переменных; матрицы динамики A, входа B и выхода C равны:
-аи 0 а12 аи 0 |
Ьг 0 |
|||
0 -ап -аи ап 0 |
0 Ьх |
[1 0 0 0 0 |
||
А = < |
«14 0 —^15 -«16 0 |
S В = < |
0 0 |
; с = [01000 |
0 «14 «16 "«15 0 |
0 0 |
|||
0 0 0 0 0 |
0 0 |
Следует отметить, что для упрощения матриц принято допущение постоянства (стабилизации) скорости АД, т.е. d ю / dt = 0.
Коэффициенты матриц A , B, C можно определить согласно выражениям [5]:

где LS, L R , L m - индуктивности статора, ротора и контура намагничивания АД; R S , R R - активные сопротивления статора и ротора АД; Zp – число пар полюсов АД.
Второй вариант математической модели АД отличается составом переменных состояния:
X = [iSa is в iR а iR в ю]Т, где iRа, iRв - компоненты пространственного вектора тока ротора АД.
В результате меняются матрицы A и B :
А = - |
П25 ^26 ^27 ^28 ^ ^26 ^25 ^28 — ^27 ^ 0 0 0 0 0 |
> и В = < |
' ^21 0 0 621 -622 0 0 -Ь2г .° 0 > |
= |
Коэффициенты матриц A, B можно определить согласно выражениям [6]:
Rs Vs VsZp® LmRR LmLRZpto а = —— Ч---— ---* а ------— ' а =----—-— * а =-----—
-
21 L L L -£2) ’ 22 L L ’ 23 L L ’ 24 L L -L2
LmRs LsRmZp® R$Rr Rs^rZp® л =---——-— * a —-----—— * л =----——— * a =—— *
-
25 LL -L2 ’ 26 LL -L2 ’ 27 L L -L2 ’ 28 L L -L2 ’
-
b =—- +----■ ь =
-
21 L L (L L -L2} 22 L L -L2 "
LS ^sV^R^S ^m) ‘-rJ-S ^m
Уравнения наблюдателя состояния системы, выполняемого, как правило, на базе микропроцессорных устройств, включают в себя вектор измерений Y k на k -ом шаге расчета (вектор из компонентов тока статора i S α и i S β ) и имеют следующий вид:
Хк=Ак.Хк_^В-ик_х;
Xk=Xk+Kk.(Yk-C-Xk), где Хк - вектор оценки состояний системы; Kk - матричный коэффициент, определяемый фильтром Калмана на основе выполненных измерений.
Оптимальное значение коэффициентов матрицы усиления Калмана K k зависит от характера шумов и случайных возмущений и обновляется на каждом шаге с помощью специального алгоритма, который реализован в соответствии с идеей адаптивной фильтрации:
где R - матрица ожидаемой дисперсии ошибки измерений, определяемой средней погрешностью измерений тока статора σ i (при нулевом среднем дисперсия ошибки равна матожиданию погрешности во второй степени):

– предсказанная на k -ом шаге оценки матрица ковариации ошибки:
Рк =А-Рк_х-АТ ^Q
В последнем выражении используется матрица ковариации случайных воздействий Q, значения которой определяются дисперсией соответствующих случайных переменных состояния системы, и скорректированная на ( k -1)-ом шаге матрица ошибки ковариации:
РкА=РкА-Кк_х -С.Рк_х
На каждом шаге рекуррентной процедуры обновляется матричный коэффициент K k таким образом, чтобы влияние шумов процесса и измерений на качество оценки вектора Xk минимизировалось [5–7].
На рис. 1 показана схема имитационного моделирования АД (блок AD ) с наблюдателем (блок IDENT ) в программной среде MATLAB Simulink . В качестве исследуемого АД был принят двигатель типа АИР 90L4 с номинальной мощностью Р н = 2,2 кВт и синхронной частотой вращения n 0 = 1500 об/мин.
Блоки AD и IDENT созданы с помощью S -функций, содержащих уравнения АД, и наблюдателя в виде программного кода встроенного языка программирования MATLAB . В качестве математического описания АД принята классическая модель в переменных iS , ψ R [8]. На вход блока AD подаются компоненты вектора напряжения статора uS α и uS β , созданные блоком Sourse [9], а также момент нагрузки Mc . Входными сигналами для наблюдателя являются статорные напряжения u S α , u S β и токи i S α , i S β эталонной модели АД.
На рис. 2 представлены графики переходных процессов угловой скорости ω и с помощью рассмотренных вариантов фильтра Калмана при пуске вхолостую и последующем набросе номинальной нагрузки. В начале пуска видно отклонение графиков переходных процессов идентифицированной скорости от «эталонной», однако при приближении к установившемуся режиму и при набросе нагрузки фильтр Калмана достаточно точно позволяет оценить скорость АД.
Таким образом, оба варианта фильтра Калмана позволяют получить одинаковый результат идентификации скорости АД. Отклонение в динамических режимах можно объяснить отклонением стартовых значений матрицы ковариации, а также допущений, принятых при построении модели наблюдателя.
Рассмотрим работу наблюдателей при вариации параметров АД. На рис. 3 и 4 представлены графики переходных процессов оценки скорости вращения АД с помощью фильтра Калмана в переменных i S , i R при изменении на 10 % значений активных сопротивлений обмоток двигателя.
Нетрудно видеть, что при увеличении активного сопротивления статора (рис. 3б) и уменьшении сопротивления ротора (рис. 4а) фильтр Калмана в переменных iS , iR не справляется с задачей идентификации скорости АД.

Рис. 1. Схема имитационной модели в среде MATLAB Simulink
Fig. 1. The scheme of the simulation model in the MATLAB Simulink environment

Рис. 2. Переходные процессы угловой скорости АД и её оценки фильтром Калмана
-
Fig. 2. Transients of the angular velocity of AD and its estimates by the Kalman filter

Рис. 3. Переходные процессы в электроприводе с фильтром Калмана в переменных iS , iR при снижении (а) и увеличении (б) активного сопротивления статора
-
Fig. 3. Transients in an electric drive with a Kalman filter in variables iS , iR , with a decrease (a) and an increase (б) in the active resistance of the stator

Рис. 4. Переходные процессы в электроприводе с фильтром Калмана в переменных iS , iR при снижении (а) и увеличении (б) активного сопротивления ротора
-
Fig. 4. Transients in an electric drive with a Kalman filter in variables iS , iR , with a decrease (a) and an increase (б) in the active resistance of the rotor
На рис. 5, 6 представлены переходные процессы идентифицированной угловой скорости вращения вала АД фильтром Калмана в переменных i S , ψ R при изменении на 10 % значений активных сопротивлений обмоток двигателя. Оценка фильтром переходных процессов угловой скорости выполняется во всех случаях.
На рис. 7 приведены переходные процессы оценки угловой скорости вращения вала двигателя рассмотренными вариантами фильтров Калмана при увеличении эквивалентного момента инерции в 5 раз. Причиной изменения указанного параметра может послужить подключение механизма к электроприводу, работавшему на холостом ходу. Фильтр Калмана в переменных iS , iR (рис. 7а) также не справляется с задачей идентификации скорости АД. Фильтр Калмана в переменных i S , ψ R выполняет поставленную задачу.
Проведенные исследования показали, что в качества идентификатора состояния АД, имеющего самую низкую чувствительность к вариации его параметров, является фильтр Калмана в переменных iS , ψ R , что позволяет рекомендовать его для использования в качестве наблюдателя состояния АД в бездатчиковых системах асинхронного электропривода с векторным управлением.

Рис. 5. Переходные процессы в электроприводе с фильтром Калмана в переменных i S , ψ R при снижении (а) и увеличении (б) активного сопротивления статора
Fig. 5. Transients in an electric drive with a Kalman filter in variables iS , ψ R , with a decrease (a) and an increase (б) in the active resistance of the stator

Рис. 6. Переходные процессы в электроприводе с фильтром Калмана в переменных iS , ψ R при снижении (а) и увеличении (б) активного сопротивления ротора
Fig. 6. Transients in an electric drive with a Kalman filter in variables iS , ψ R , with a decrease (a) and an increase (б) in the active resistance of the rotor

Рис. 7. Переходные процессы при увеличении момента инерции в бездатчиковом электроприводе с фильтром Калмана в переменных iS , iR (а) и iS , ψ R (б)
Fig. 7. Transients with an increase in the moment of inertia in a sensorless electric drive with a Kalman filter in variables iS , iR (a) and iS , ψ R (б)
Список литературы Наблюдатели состояния асинхронного электропривода на основе фильтра Калмана
- Виноградов А. Б. Векторное управление электроприводами переменного тока. Иваново.: ГОУВПО ИГЭУ, 2008. 298 с.
- Панкратов В. В. Маслов М. О. Синтез и исследование одной структуры бездатчикового асинхронного электропривода с векторным управлением. Электротехника, 2007, № 9, 9-14.
- Ланграф С. В., Глазырин А. С., Глазырина Т. А., Афанасьев К. С., Тимошкин В. В., Козлов Л. Е. Исследования параметрической робастности бездатчикового векторного асинхронного электропривода с идентификатором Калмана. Известия Томского политехнического университета, 2010, Т. 317, № 4, 120-123.
- Копылов И. П. Математическое моделирование электрических машин. М.: Высш. школа, 2001. 327 с.
- Калачев Ю. Н. Наблюдатели состояния в векторном электроприводе. М.: ЭФО, 2015. 80 с.
- Ланграф С. В., Глазырин А. С. Применение фильтра Калмана в моментном асинхронном электроприводе с векторным бездатчиковым управлением. Известия вузов. Электромеханика, 2009, № 6, 61-64.
- Глазырин А. С. Ланграф С. В. Идентификация скорости и момента асинхронного асинхронного двигателя с применением фильтра Калмана. Электричество, 2009, № 12, 61-63.
- Пахомов А. Н., Коротков М. Ф., Федоренко А. А. Сравнительная оценка качества управления асинхронным электроприводом конденсатного насоса с подчиненным и модальными регуляторами. Вестник СибГАУ, 2016, Том 17, № 2, 423-430.
- Брылев В. Е., Пахомов А. Н. Сравнительный анализ наблюдателей состояния асинхронного электропривода. Проспект Свободный - 2022: материалы XVIII Междунар. конф. студентов, аспирантов и молодых ученых, Красноярск: Сиб. федер. ун-т, 2022, 2980-2983.