永磁同步电机全速度范围无传感器矢量控制：从脉振高频注入到改进SMO的奇妙之旅

RZcKUXIhvPR

110人浏览 · 2026-03-15 20:15:00

RZcKUXIhvPR · 2026-03-15 20:15:00 发布

永磁同步电机的全速度范围无传感器矢量控制：脉振高频注入（方波注入）切换到改进SMO。低速段采用HFI脉振高频注入启动，中高速段采用基于转子磁链模型的SMO，切换方法为加权系数。改进的SMO不使用低通滤波器，可以有效抑制电机带载运行时的转速抖动。

在永磁同步电机（PMSM）的控制领域，实现全速度范围的无传感器矢量控制一直是研究的热点。今天咱们就来聊聊一种挺有意思的控制策略，也就是从脉振高频注入（方波注入）切换到改进滑模观测器（SMO）的方法。

低速段：脉振高频注入（HFI）启动

在低速段，电机的反电动势非常小，传统基于反电动势的观测方法就不太好使了。这时候，脉振高频注入（HFI）就派上用场啦。这里我们以方波注入为例，简单来说，就是往电机里注入一个高频的脉振信号。这个高频信号会在电机中产生一个高频的响应，通过对这个响应的分析，我们就能获取电机转子的位置信息。

假设我们用MATLAB来模拟这个过程，代码大概像这样：

% 定义电机参数
p = 4; % 极对数
Ld = 0.008; % d轴电感
Lq = 0.008; % q轴电感
Rs = 2.875; % 定子电阻
psi_f = 0.175; % 永磁体磁链
% 注入高频信号参数
wh = 2*pi*1000; % 高频注入角频率
Ah = 10; % 高频注入幅值

% 时间参数
dt = 0.00001; % 时间步长
t = 0:dt:0.1; % 时间向量

% 初始条件
theta_e = 0; % 电角度初始值
omega_e = 0; % 电角速度初始值

for k = 1:length(t)
    % 生成高频方波注入信号
    if mod(k, 2) == 1
        vh_d = Ah;
        vh_q = 0;
    else
        vh_d = -Ah;
        vh_q = 0;
    end
    
    % 计算电压方程（简化模型）
    v_d = Rs * id + p * omega_e * Lq * iq + Ld * didt;
    v_q = Rs * iq - p * omega_e * (Ld * id + psi_f) + Lq * diqt;
    
    % 实际注入电压
    v_d = v_d + vh_d;
    v_q = v_q + vh_q;
    
    % 更新电角度和角速度（简单积分）
    omega_e = omega_e + alpha * dt; % alpha 为给定的加速度
    theta_e = theta_e + omega_e * dt;
end

在这段代码里，我们首先定义了电机的基本参数，还有高频注入信号的参数。然后在循环里，交替生成正负的高频方波信号，并叠加到正常的电压方程计算出来的电压上。通过这样的高频注入，电机就会产生特定的响应，我们后续就能从这个响应中提取转子位置信息。

中高速段：基于转子磁链模型的SMO

当电机转速升高到中高速段，反电动势变得足够大，这时候基于转子磁链模型的滑模观测器（SMO）就更适用了。SMO通过构建观测模型，利用电机的电压、电流等容易测量的量来估计转子磁链和转速。

来看一段简单的基于SMO的转速估计代码框架（以C语言为例）：

// 定义电机参数结构体
typedef struct {
    float Rs;
    float Ld;
    float Lq;
    float psi_f;
    float p;
} PMSM_Params;

// 定义滑模观测器结构体
typedef struct {
    float alpha;
    float beta;
    float gamma;
    float omega_est;
    float theta_est;
    float lambda_d_est;
    float lambda_q_est;
} SMO;

// 初始化SMO参数
void SMO_Init(SMO *smo, float alpha, float beta, float gamma) {
    smo->alpha = alpha;
    smo->beta = beta;
    smo->gamma = gamma;
    smo->omega_est = 0;
    smo->theta_est = 0;
    smo->lambda_d_est = 0;
    smo->lambda_q_est = 0;
}

// 更新SMO估计值
void SMO_Update(SMO *smo, PMSM_Params *params, float v_d, float v_q, float i_d, float i_q) {
    // 滑模面方程
    float s_d = v_d - params->Rs * i_d - smo->alpha * (smo->lambda_d_est - params->Ld * i_d);
    float s_q = v_q - params->Rs * i_q - smo->alpha * (smo->lambda_q_est - params->Lq * i_q);
    
    // 滑模控制律
    float us_d = -smo->beta * sign(s_d);
    float us_q = -smo->beta * sign(s_q);
    
    // 更新估计的磁链
    smo->lambda_d_est = smo->lambda_d_est + dt * (v_d - params->Rs * i_d + us_d);
    smo->lambda_q_est = smo->lambda_q_est + dt * (v_q - params->Rs * i_q + us_q);
    
    // 估计转速
    smo->omega_est = smo->gamma * (smo->lambda_d_est * i_q - smo->lambda_q_est * i_d);
    
    // 更新估计角度
    smo->theta_est = smo->theta_est + smo->omega_est * dt;
}

在这段代码里，我们先定义了电机参数结构体和滑模观测器结构体。初始化函数设置了SMO的一些基本参数，而更新函数则根据输入的电压、电流值，通过滑模面方程、滑模控制律来更新估计的磁链、转速和角度。

切换方法：加权系数

从低速的脉振高频注入切换到中高速的SMO，可不是简单的一刀切，这里用到了加权系数的方法。通过设定一个与转速相关的加权系数，我们可以让两种控制方式平滑过渡。比如，当转速较低时，脉振高频注入的权重高；随着转速升高，SMO的权重逐渐增加。

% 定义权重系数与转速关系
omega_threshold1 = 200; % 切换起始转速
omega_threshold2 = 300; % 切换结束转速
for k = 1:length(t)
    if omega_e < omega_threshold1
        w1 = 1;
        w2 = 0;
    elseif omega_e > omega_threshold2
        w1 = 0;
        w2 = 1;
    else
        w1 = (omega_threshold2 - omega_e) / (omega_threshold2 - omega_threshold1);
        w2 = 1 - w1;
    end
    
    % 根据权重计算最终的控制量
    control_signal = w1 * control_signal_HFI + w2 * control_signal_SMO;
end

在这段MATLAB代码里，我们根据当前转速omegae和预先设定的两个转速阈值omegathreshold1和omegathreshold2来计算加权系数w1和w2，然后用这两个系数对脉振高频注入（controlsignalHFI）和SMO（controlsignal_SMO）得到的控制量进行加权求和，得到最终的控制信号。