1 介绍 交流电机由于其结构简单、鲁棒性高、可靠性低、价格高、效率高等优点，在工业应用中一直被用作主力。交流电机驱动已广泛应用于许多需要高性能工业和工艺应用。基于场方向原理的矢量控制技术已广泛应用于工业中，用于交流电机驱动器的高性能控制。在工业应用中，使用了不同的矢量控制方法。传统的矢量控制方法需要电机转速作为反馈信号。采用轴安装的解析器或数字轴位置编码器等换能器来获取真实速度信息。向量控制技术易于实现且独立于机器操作条件。面向场控制(FOC)算法的基本思想是将定子电流分解为磁通和转矩产生分量。分解后，这两个组件都可以单独控制。然后电机控制器的结构与单独激发的直流电机的结构一样简单。向量控制的目的是实现产生高动态性能的控制方案，类似于用于控制直流电机的控制方案。交流电机驱动器的控制性能取决于暂态中不适当的场取向的机械参数变化、外部转矩扰动、电阻变化、测量噪声、摩擦变化和系统不确定性。

速度可以通过使用空间矢量角波动(SVAF)信号来估计，用于Ref中的逆变器驱动感应电机。这种速度估计算法可用于实时估计电机速度，而无需速度传感器。该算法需要两个定子电流信号，并采用DSP技术对速度相关的谐波进行滤波和操作。在直接场方向的感应电机的无传感器速度控制中，转子磁通和速度信息取决于观测器。然而，构建观察者的参数的确切值很难根据操作条件进行测量和更改。改进了自适应滑模通量和速度观测器，根据参数变化进行磁通和速度估计。参数偏差对转子磁通观测器的影响可以通过电流滑模观测器的相互作用来降低。提出了一种新的单元来估计感应电机驱动器的速度和转子电阻。该单元基于一种新的自适应线性神经元 (ADALINE) 结构，仅适用于单个输出系统。在参考文献中开发了一种递归最小二乘估计器和卡尔曼估计器来估计矢量控制感应电机驱动器的参数、通量和速度。递归最小二乘估计器基于平稳两轴参考系中的连续时间感应电机模型。这种开发方法的估计误差低于 6% 值。在参考文献中。设计了一种基于高增益速度估计的感应电机的无速度传感器间接场控制。为此，基于转矩电流调节误差实现了一种新的高增益速度估计器。该方法具有感应电机无速度传感器控制器可实现的动态性能。在这项研究中，人工神经网络 (ANN) 获得了在没有传感器的情况下控制矢量控制异步电机所需的转子速度信息的过程。首先，对转子转速估计进行了q轴电流 -转子转速和q轴电压 -转子转速的测量。然后利用人工神经网络估计转子转速。利用DSP应用电路研究得到的数据，研究了速度估计器的性能。实验结果表明，该方法在估计矢量控制松鼠笼异步电机转子转速时响应速度快、性能准确。

2  面向场的鼠笼异步电机矢量控制

松鼠笼异步电机在所有电源中都简单、持久、维护自由和最便宜的电机。出于这个原因，矢量控制异步电机将利用微电子领域的快速发展，在未来的不需要高精度伺服控制应用中代替直流电机。即使在不需要高动态性能的应用程序中，在可靠性和节能方面，也是首选的传统方法。由于三相异步电机定子和转子相之间的磁耦合，在三轴系统中对其动态行为进行建模是可能的，可变系数微分方程随时间变化，并且出现了非常复杂的模型结构。出于这个原因，平衡三相频率变换器馈电的异步电机的动态行为在由d-q轴组成的双轴系统中建模。在这个系统中，消除了时间变化的参数，所有参数和变量都定义在正交d和q轴上，彼此解耦。机器的动态模型可以在恒定或旋转的轴系统中定义。在恒定轴系统中，d^s 和 q^s 参考轴由定子处于恒定位置。在旋转轴系统中，d^s 和 q^s 参考轴以转子速度或同步速度旋转。

在用于分析异步电机动态性能的电压方程中，可以看出异步电机的一些电感随时间变化。换句话说，这些电感是转子循环的函数。微分方程的系数随时间变化，除非转子停止。通过将（定义）变量与其他变量更改为来减少微分方程的复杂性。这个过程被定义为转换。一般来说，机器的真实变量可以在其他参考平面上定义。通常，这个平面是任意参考平面。所有已知的转换都可以从这种一般转换中获得。为此，仅知道要使用的参考平面的转速就足够了。

2.1.克拉克变换

空间向量，具有两个 (a-b) 轴，可以转移到其他参考平面。“a”轴和轴可以通过给出的向量图中以相同的方向考虑来显示。

2.2  帕克变换

这种转换是向量转换中最重要的部分。实际上，这将投影转换为 d-q 旋转参考平面上的两相系统。如果我们考虑 d 轴与转子轴进行调整。

这些组件取决于当前向量 (a-b) 和转子通量位置的分量。如果已知正确的通量位置，在该投影上，d-q 元素将是恒定的。在这里，一个独立于 id（通量分量）和 IQ（矩分量）和直接矩控制可能并且很容易获得的时间的两个协调系统。

2.3 逆Park变换

控制后，为了将d, q平面上得到的两个电压向量(vd, vq)转换为三相电机电压，首先，我们必须将其从两轴任意参考平面转换为两轴常数参考平面(va, vb)。对于这个过程，首先使用反向 Park 变换。

2.4 反克拉克变换

下一步是从三轴常数参考平面 (va, vb) 到三相参考平面 (va, vb, vc) 的转换。对于这个过程，使用了反向 Clarke 变换中的表达式。

3 向量控制方法

向量控制可以通过两种方式应用；直接向量控制和间接向量控制。在直接矢量控制中，转子磁通的位置直接用传感器测量。在间接向量控制中，使用了转子速度和滑动速度，不需要特殊的结构。它们只能通过使用速度反馈来计算。在矢量控制中，选择机器的矩表达式是非常重要的。转子磁通产生的定子电流和定子磁通或力矩表达式将被选为力矩表达式。在这种方法中，可以很容易地获得定子电流，只有磁通形成问题。如果力矩表达式所涉及的通量可以保持恒定(定子或转子磁通)，力矩只能与q轴上的定子磁通分量线性控制。在该控制过程中，通量不得像自由刺激直接电流机一样变化。这只能通过在转子磁通上实现的控制来实现。当通过定子保持定子磁通不变来进行力矩控制时，因为磁通将受到该控制的影响，不会发生线性控制。当转子磁通保持不变时，q轴定子电流与力矩之间的相关性是线性的。因此，控制通量和力矩的定子电流分量相互垂直，可以相互独立控制。它们之间不存在磁相互作用。

3.1 直接向量控制方法

在直接向量控制中，通量是通过直接测量确定的。在测量方法中，使用了放置在气隙中的磁通传感器，专门放置在定子或观测器模型的磁通。如果通量传感器受到热量的影响或脆弱，则它是不利的。

3.2 间接向量控制方法

在直接向量控制中，在单位向量的形成中，遇到了一些困难。在间接向量控制中，通过考虑 ds 的原理，iqs 耦合只定义了一个滑动角频率，可以通过计算来确定转子磁通矢量的角位置。通过使用电机方程和速度反馈，建立了电压的有效值、频率和相位相关控制幅度。

4 鼠笼异步电机同步参考系(d-q)动力学模型

确保在任何参考帧上分析电机的 d-q 变换。给出了同步平面上松鼠笼异步电机的动态模型等效电路：

5 人工神经网络

人工神经网络已成功应用于日常技术中的控制、早期检测电气机器故障和数字信号处理等领域。神经网络的记忆在于权重和偏差。根据权重和偏差如何，神经网络可以分为三类得到：固定权重、无监督和有监督的网络。在本文中，使用了监督网络。在监督网络中，权值和偏差通过学习机制自适应训练，该机制一直是神经模型发展的主流。最流行的学习算法称为反向传播。利用每个输入的最小值和最大值，随机创建反向传播网络的最佳初始权重和偏差。第i个神经元的第j个权值更新方程如式所示:

6 实验系统设置和提出的速度估计方法

在这项研究中，它旨在估计矢量控制松鼠笼异步电机的速度信息，而无需通过人工神经网络使用传感器。为此，使用了Microchip公司的电机控制开发板。在接下来的段落中，将介绍用于该目的的dsPIC微处理器、控制卡和三相50 Hz、0.55 kW、2-极点松鼠笼异步电机(ASM)。矢量控制松鼠笼异步电机和系统组件的框图。