差拍

無差拍直接轉矩控制（deadbeat-direct torqueand flux control）採用逆系統模型計算可以在1個控制週期內實現轉矩、定子磁鏈幅值指令的電壓矢量。控制方法中的轉矩控制方程以及定子磁鏈控制方程分別如下式所示：

式（1）、式（2）是在定子磁鏈定向的d-q座標系下推導得到的。

從式（1）可以看出，無差拍直接轉矩控制中，定子電壓指令值的計算直接使用到了異步電機的各個參數，參數誤差會影響控制算法的動態和穩態性能。因此，在控制算法中植入在線參數辨識方法可以提升控制的性能。

研究無差拍直接轉矩控制中參數辨識的實現，通過理論推導和仿真分析了控制算法的參數敏感性。基於電壓模型和電流模型2種磁鏈觀測模型，提出一種基於模型參考自適應法（MRAS）參數辨識方法，給出了辨識方法的實驗結果。

1.不考慮磁鏈觀測器的參數敏感性分析

假設產生參數誤差時，磁鏈觀測器仍可以提供準確的磁鏈觀測值。這個假設在中高速運行區是基本成立的。這種情況下，參數誤差存在時，轉矩控制方程變為下式：

表1給出了不同參數誤差情況下極點的分佈。表中參數誤差一欄給出的是參數的估計值與實際值之比。

差時轉矩控制精度的理論結果，通過仿真可得到轉矩控制精度的仿真結果。理論和仿真結果的對比如圖2所示。理論結果與仿真結果有較好的吻合度。

上述研究結果説明，當磁鏈觀測準確時，參數誤差對控制算法的性能影響十分有限。

2.考慮磁鏈觀測器的參數敏感性分析

提出一種電流、電壓混合模型—閉環磁鏈預測模型來消除無差拍直接轉矩控制中1個週期控制延時的影響，其結構如圖3所示。

常用的並聯型模型參考自適應參數辨識器結構如圖6所示，包含參考模型、可調模型以及相應的自適應規律。參考模型一般都是真實的被辨識對象，而可調模型則是包含可調參數的被辨識對象的數學模型。結合參考模型與可調模型輸出，通過自適應律來調整可調模型參數，自適應律設計合理時，可保證輸出的估計與可調模型的參數都收斂於參考模型。

首先通過實驗驗證辨識算法的動態收斂性能。在電機轉速為0.5（標幺值），輸出轉矩為0.45（標幺值）時，在不同的參數初值下，參數收斂的動態過程如圖7所示。圖7上方兩圖中曲線⑤為電壓模型給出的轉子磁鏈與轉矩估計結果，可見，即使辨識得到的參數發生變化，電壓模型的估計結果一直保持為準確值不變。隨着參數辨識結果逐漸收斂於準確值，電流模型估計結果逐漸收斂於電壓模型的估計。這與理論分析結果相符。

改變定子磁鏈幅值給定，保持輸出轉矩為0.36（標幺值）不變，不同磁鏈幅值情況下參數辨識結果如圖8所示。。

隨着定子磁鏈幅值增大，定子鐵心飽和程度上升，勵磁電感應當下降。定子磁鏈幅值增大，轉子磁鏈幅值也相應增大，如下式所示：

在輸出轉矩不變的情況下，滑差頻率，也就是轉子電流頻率下降，這使得轉子繞組集膚效應減弱，轉子電阻下降。理論分析與實驗結果一致。

改變電機輸出轉矩，保持定子磁鏈幅值為0.7（標幺值）不變，不同輸出轉矩情況下參數辨識結果如圖9所示。當轉增大時，定、轉子電流幅值均會上升，並在氣隙中產生更大的氣隙磁鏈，勵磁電感下降。由於轉矩增大，轉子的滑差頻率也會相應上升，集膚效應增強，導致轉子電阻增大。這與實驗結果也是一致的。

讓電機從靜止狀態下啓動，穩定運行在輸出轉矩為1.84（標幺值），轉速為0.5（標幺值）情況下，轉子電阻辨識結果隨着運行時間的變化規律如圖10所示。可以看到，轉子電阻的辨識結果隨着運行時間的增長逐漸變大，這是由於電機剛啓動時，轉子尚未達到熱平衡，轉子側損耗轉化為熱量積聚在轉子上，導致轉子温度上升，轉子電阻下降。轉子温度越高的情況下，其温度上升速度越慢，最終會穩定在某一個固定的值，因此轉子電阻的增大過程也表現出了一定的飽和特性。

對無差拍直接轉矩控制中一種基於模型參考自適應法的參數辨識方法進行了研究，得到了以下結論：1）在中、高速運行區域，電壓模型可以提供準確的磁鏈觀測結果，此時無差拍直接轉矩控制的動態、穩態性能對電機參數的偏差不敏感。但是在低速區運行時，由於電流模型佔據了主導地位，存在參數誤差時控制性能會有較大的下降。其中影響最大的是勵磁電感和轉子電阻這2個參數；2）利用電壓模型和電流模型磁鏈觀測器的不同特性，可以得到一種模型參考自適應參數辨識方法。該辨識方法可對勵磁電感和轉子電阻參數進行辨識，以此提高誤差拍直接轉矩控制在低速運行區的性能；3）進行實驗對該參數辨識器的性能進行驗證。實驗結果表明辨識算法具有較快的收斂速度，並且辨識結果也與理論分析相吻合，辨識算法的有效性得到了證明。 ^[1]