D. Sc., Director, Professor 197101, St. Petersburg
Представлен алгоритм адаптивного оценивания магнитного потока и углового положения ротора явнополюсного синхронного двигателя с постоянными магнитами. Предложена новая нелинейная параметризация динамической модели двигателя, с помощью которой задача оценивания положения преобразуется в задачу идентификации неизвестных постоянных параметров. При синтезе алгоритма оценивания допущено, что силы тока и напряжения обмоток статора, а также частота вращения ротора являются известными сигналами. Предложено два варианта адаптивного наблюдателя на основе стандартного градиентного алгоритма оценивания и алгоритма динамического расширения регрессора. Доказано, что оба варианта наблюдателя обеспечивают глобальную экспоненциальную сходимость ошибок оценивания к нулю, если соответствующая регрессионная функция удовлетворяет условию незатухающего возбуждения. Также последняя версия наблюдателя обеспечивает глобальную асимптотическую сходимость, если регрессионная функция не является квадратично интегрируемой. Результаты численного моделирования демонстрируют, что наблюдатель с динамическим расширением регрессора обеспечивает лучшее качество переходных процессов оценивания по сравнению со стандартным градиентным устройством оценки.
An algorithm of adaptive estimation of rotor flux and angular position for the salient synchronous motor with permanent magnets is presented. A new nonlinear parameterization of the dynamic motor model is proposed. Due to this parameterization the problem of position estimation is translated to the task of identification of unknown constant parameters. During the synthesis of estimation algorithm the currents and voltages of the stator windings, as well as the rotor speed, are assumed to be known signals. Two variants of the adaptive observer based on the standard gradient estimator and the algorithm of the dynamic extension of the regressor are proposed. It is proved that the both versions of the observer provide global exponential convergence of estimation errors to zero if the corresponding regression function satisfies the persistent excitation condition. Also, the latter version of the observer provides global asymptotic convergence if the regression function is square integrable. The results of numerical simulation demonstrate that the algorithm with the dynamic extension of the regressor provides a better quality of estimation transient processes in comparison with the standard gradient estimator.
The authors declare that there are no conflicts of interest present.