转子位置（共5篇）
转子位置 篇1
1 高频信号注入法
高频信号注入法是永磁同步电机转子位置无传感器检测的一种行之有效的方法,理论上能够在包括零速在内的整个速度范围内检测出转子位置。其基本原理是在电机中注入特定的高频电压信号,然后检测电机中对应的电流信号以确定转子的凸极位置。注入的电压可以为旋转电压,也可以为脉动电压。其中旋转电压注入法在控制上比较容易实现,所以被较多采用。这种方法的基本步骤如图1所示[1,2,3]。
对于具有凸极效应的电机,其高频负序电流在两相坐标系d-q轴上的表达式为:
可见负序电流In是一个幅值不变的调角信号,信号的相位受到转子凸极位置的调节,与转子位置成线性关系。采用外差法可以将转子位置信息提取出来:
其中,位置估计误差Δθ=θ-θ^,θ^为估计的转子位置角。
当转子误差较小时,ipo近似正比于Δθ,即:
ipo可以直接作为PID调解器的输入,用来估计转子位置。
但在一些微型永磁电机(24 V、50 W)上做试验时,发现结果与理论不符,主要表现为:(1)负序电流并非等幅的,而是随着转子位置的改变而改变。(2)其相位也没按照式(1)所示的规律变化。图2为转子在不同位置时的负序电流。
图2所示波形是在一台微型永磁正弦波电机(24 V、50 W、4极)上实际采得的。该电机通过由TMS320F2812控制的逆变器来驱动。将电机定子电流通过带通滤波取出高频注入电流,再经过旋转坐标变换即得图示结果,其中直流量代表正序电流,正弦波是倍频后的负序电流。图a)、b)、c)代表三个不同的转子位置。可以看到,当转子位置不同时,负序电流的幅值也随着改变,在图c)所示位置,负序电流幅值接近于零。
经过分析,认为这种现象的出现,并非高频信号注入法理论上的错误,而是由于电机本身的不对称电流造成的[4,5]。
2 不对称电流的影响及产生的原因
由于凸极的存在,三相对称高频电压产生的电流是不对称的,根据电路理论,可以将其分解为正序分量和负序分量(Y形接法无零序分量)。负序分量是因为转子凸极而产生的,因此包含着转子位置信息,这就是高频信号注入法的物理机理。但是如果电机本身含有不对称电流,则这个电流将分解到负序分量中去,从而负序分量中将含有与转子位置无关的成份。以α相电流为例,不失一般性,设其负序分量中与转子位置无关的电流为:I0cos(ωt-θ0),则α相负序电流可表示成:
同理,β相负序电流可表示成:
可见,负序电流的幅值不再是定值,而是随着转子位置θ的改变而变化,最大值为I0+In,最小值为│I0-In│,特别的,当I0=In时,负序电流的幅值可能为零。负序电流的相位不再与转子位置成线性关系。这些结论与图2所示的实验结果是相符的。
不对称电流的影响主要体现在两个方面:(1)无法得到式(3)所示的估计误差信号,从而估计器得不出正确的结果;(2)更为严重的是,在某些位置,当负序电流的幅值很小甚至接近为零时(如图2 c)),很难用数字滤波器将负序分量从正序分量中取出,从而无法估计转子位置。图3示出了图2 c)的滤波结果,可见信号很差,不是理想的正弦波。
不对称电流产生的原因比较复杂,主要有以下因素:(1)电机绕组参数不对称,包括绕组电阻、平均电感等。(2)逆变器功率管的导通压降不相等,从而导致定子电压不对称。
对于一台成型电机来说,以上这些不对称因素实际上比较微弱,在大电流大电压下几乎表现不出来。但为了不影响电机转矩,高频信号注入法要求注入的信号要远小于电枢电流(1/10以下),故对于微型电机来说,所注入电压通常在1～2 V左右,产生的电流最大为几百毫安,这样,上述不对称因素的影响就不能忽略不计了。
3 不对称电流的应对策略
不对称电流对转子位置的可能产生很大的影响,必须加以抑制。最直接的思路是想办法消除不对称因素,从源头彻底摒绝不对称电流。但这实际上是做不到的,只能针对不对称电流所产生的两个方面的影响,分别采取不同的应对策略。
1)负序分量的滤波问题。前面已经指出,在某些位置,负序分量的幅值很小,几乎为零,采用高通滤波器将其从较大的直流量(此直流为正序分量经旋转变换后所得,一般比较大)中取出比较困难。其主要原因是当θ0-2θ=±π时,负序分量幅值为│I0-In│,在I0和In非常接近的条件下,其值自然很小。要改善这一情况,可以人为地增大I0的值,使I0>>In,从而增大负序分量的幅值,使滤波变得容易。具体做法是在提取出的高频电流上叠加上一个较大的不对称电流,再进行同步旋转坐标变换,这样在同步旋转坐标系中,正弦电流(即负序电流)在总电流中所占比重大大增加,很容易被提取出来。图4示出了在θ0-2θ=±π处增大不对称电流后的滤波结果,对照图3,可以发现波形得到很大改善。
2)不对称电流的消除。把负序分量分离出来后,还必须将其中与转子位置无关的成份去掉,才能送入转子位置估计器进行处理。
将式(4)、(5)所示的负序电流进行反向旋转变换,可得:
上式等号右边第一项是由不对称电流所产生,是个定值,与转子位置无关;第二项是希望得到的信号,是转子位置的余弦(正弦)函数。因此,当电机旋转一周时,i'αn(或i'βn)将围绕某个定值作余弦(正弦)变化,分别测出它们的最大值和最小值,即可消除不对称电流的影响。
对式(7)作外差计算,可得到与式(2)相同的表达式:
i'po可直接送入转子位置估计器。
4 结语
综上所述可知,运用高频信号注入法估计微型电机转子位置时,不对称电流的影响不可忽略。不对称电流与转子位置无关,但它与转子凸极效应一起产生负序电流分量,从而使负序电流分量中含有与转子位置无关的成份,与高频信号注入法所要求的经典信号不相符合,不仅造成负序分量提取的困难,而且给转子位置的估计可能带来很大误差。
针对不对称电流所产生的不同影响,应该采取不同的应对策略。在提取负序分量的滤波环节,要考虑适当增大不对称电流,以使滤波更加容易;在转子位置估计环节,则必须将所有不对称电流(电机固有的及人为施加的)完全消除,以保证估计的精度。
摘要：电机不对称因素的存在,使得基于高频信号注入法的转子位置的估计存在较大误差。分析了不对称性产生的原因及其在高频信号注入法的应用中所产生的影响,提出了通过同步旋转坐标变换来消除不对称因素对转子位置估算的影响,实验证明这些措施取得了很好的效果。
关键词：不对称性,旋转高频信号,负序电流
参考文献
[1]刘毅,贺益康,秦峰,贾洪平.基于转子凸极跟踪的无位置传感器永磁同步电机矢量控制研究[J].中国电机工程学报,2005,25(17):121-125.
[2]夏长亮,郭培建,史婷娜,王明超.基于模糊遗传算法的无刷直流电机自适应控制[J].中国电机工程学报,2005,25(11):129-132.
[3]王宏,于泳,徐殿国.永磁同步电机位置伺服系统[J].中国电机工程学报,2004,24(7):151-155.
[4]王丽梅,郑建芬,郭庆鼎.基于载波注入的凸极永磁同步电机无传感器控制[J].电机与控制学报,2005,9(4):333-335.
[5]李鸿儒,顾树生.基于神经网络的PMSM速度和位置自适应观测器的设计[J].中国电机工程学报,2002,22(12):32-35.
转子位置 篇2
开关磁阻电机( SRM) 是一种基于磁阻最小原理工作的电机,相对于传统电机而言它在结构、性能和经济方面都具有一定的优势。它以简单的结构、 较低的成本、可靠、高效的工作性能等优点获得国内外学者的广泛关注。闭环系统SRD中位置角通常是通过位置传感器直接测得,但它的存在不仅降低了系统高速运行时的可靠性,而且增加了结构的复杂性,运行的成本也因此大大增加。所以研究如何利用SRM电压、电流和位置角三者关系来间接检测出转子位置,从而替代位置检测器,使其保持优越性,成为了人们当前研究的热点。
近年来针对这一问题,许多学者提出了一些基于智能算法的无位置检测的方案。文献[1]中提出了一种基于模糊型SRM转子位置检测法,这种方法具有高精度,但其模糊规则不易调节,自适应能力相对较差。文献[2 - 4]介绍了神经网络在SRM转子位置检测中的应用,这种方法不需要建立数学模型, 且具有较强的鲁棒性和适应性。文献[5]中提出基于BP神经网络的SRM转子位置预测,虽然具有良好的预测性,但是这种算法存在过拟合、泛化能力弱,且容易陷入局部最优等问题。
针对目前BP神经网络算法收敛速度慢、精度不高、容易陷入局部最优现状,本文提出基于Adaboost算法[6]来改进RBF-BP神经网络( 下文简称Ada-RBF-BP) 的软测量模型。其中RBF-BP神经网络即具备RBF神经网络逼近速度快的有点,又兼备BP神经网络较好的预测未知样本的能力,提高预测精度。Adaboost是一种迭代算法,其核心思想是利用多个弱学习器,将其结合成强学习器,进而提高算法的预测精度和泛化性能。经验证,基于Adaboost算法改进RBF-BP神经网络的软测量模型不仅具有较强的泛化性,而且可以大大提高转子的预测精度。
1基于Adaboost算法优化RBF-BP神经网络
1.1RBF-BP神经网络
RBF-BP神经网络是由RBF和BP两个子网络组成的双隐含层神经网络,可视为由一个输入层、双隐含层和一个输出层组成的BP神经网络。RBF子网先根据样本数据进行初步训练,然后将网络训练的输出作为BP子网络的输入,再由BP子网根据期望输出加强训练,从而构成RBF-BP神经网络N1。 RBF-BP神经网络N1的输入为SRM的相磁链和相电流,输出为位置角,因此确定输入层和输出层的神经元数量分别为2、1。再根据Kolmogorov定理中确定隐层节点的方法,即一个三层网络,网络第一层有m个神经元,则隐含层有2m + 1个神经元,所以将两个隐含层的神经元数目都定为5。根据RBF-BP神经网络的需要,将第一个隐含层神经元的传递函数设置为Gauss型函数radbas; 将第二个隐层神经元的传递函数设置为Sigmoid型的正切函数tansig; 输出层神经网络选用Sigmoid型的对数函数logsig。然后用newff( ) 构建具有两个隐含层的RBF-BP神经网络,RBF-BP神经网络结构拓扑图如图1所示。
1.2Adaboost算法原理
Adaboost( Adaptive Boost) 算法[7]是一种可以提高弱学习器精度的算法,如何获得样本的权重分布是Adaboost算法思想的核心。起初,赋予所有样本相同的初始值,在随后的训练过程中,不断更新样本的权重,加强预测精度低的样本的权重,减弱预测精度高的样本的权重,最终由训练出的多个弱学习器构成强学习器。
Adaboost的算法步骤如下:
1首先给出RBF-BP弱学习算法和相应的样本集( x1,y1) ,( x2,y2) ,…,( xn,yn) ,xi∈ X,yi∈ Y, i = 1,…,n。
2初始化N个样本的权值,假设所有样本都满足均匀分布Dt( i) = 1 /N,Dt( i) 为第t次迭代时样本的权值,N为样本集中样本个数。
3利用样本权重不断训练RBF-BP弱学习器ht( x) 。
4计算RBF-BP弱学习器在各样本下的误差 εi和平均误差
5选取) 更新样本权重:
式中, Zt为归一化因子,以使
6返回到步骤3,继续下一代迭代,迭代T次后结束。
7将所训练出的多个弱学习器组合成强学习器,,结构如图2所示 。
1.3基于Adaboost算法RBF-BP神经网络的改进
用Adaboost算法将训练好的RBF-BP神经网络N1再进行训练。等到网络训练结束后,计算出参与训练的各样本预测误差,再根据所计算出的预测误差更新各样本权重和网络N1的权重。循环上述过程,直到训练出T个RBF-BP神经网络,再根据T个RBF-BP神经网络Nt和各网络权值 α( t) 进行转子预测,预测公式:
1.4离线学习
如何在离线训练过程中获得RBF-BP神经网络训练样本是一个重要的环节,通常有两种方法获得训练样本,一种是通过仿真中数学模型的计算来获得样本数据,另一种是通过对实验中所需数据的采集来获得样本数据。训练样本中,可以通过SRD仿真及实验直接获得相电流和相电压,而磁链不能直接获得,需要通过法拉第法则计算所检测到的绕组相电流和相电压来间接获得:
式中, 为相绕组磁链; v是相绕组电压; R为相绕组电阻; i为相电流。磁链预测离散化形式:
式中,Ψ( k) 为第k次磁链预测值; Ψ( k - 1) 为上一次采样时刻磁链的预测值; v( k) 为第k次电压检测值; v( k - 1) 为上一次电压检测值; i( k) 为第k次电流检测值; i( k - 1) 为上一次电流检测值; T为采样时间; R为相绕组电阻。
获得样本后,就可以按照本文所描述的方法在MATLAB中先对RBF-BP神经网络进行训练,再利用Adaboost算法对RBF-BP神经网络进行优化。
2SRM的非线性建模
为了研究SRM仿真的动态特性,必须准确地表示SRM的相电感、相电流和转子位置三者函数关系L( i,θ ) 。 具有饱和非线性磁路的SRM的相电感L( i,θ) 包含两种非线性关系: 一种是转子位置角与相电感之间关系,另一种是定子相电流与相电感之间的关系。电感与转子位置角的关系可以通过傅里叶级数近似获得:
空载时,高次谐波次数要取到24次,在负载时要取到32次。为降低分析电机性能的复杂程度,提出简化关系式:
式中,Nr是转子极数,L0取最小电感值Lmin; L1= ( Lmax- Lmin/2,Lmax为最大电感值; L2、L3分别反映定、 转子的绝对极宽和相对极宽。
综上所述,得到实际的电感解析表达式为:
式中,φ0是初始角,α1是常数。
SRM相绕组产生的电磁转矩为:
式中,ik是相绕组电流,φ0k是初始相位角。
根据上述SRM非线性数学模型,可建立起SRM动态仿真模型来进行系统仿真研究。
3实验及仿真结果
RBF-BP网络的训练和Adaboost算法对RBFBP网络的优 化都是在PC机中MATLAB完成。 图3 - 5分别为三种算法拟合图。
实验使用四相 ( 8 /6极) SRM,额定功率 为2. 2k W,额定转速为1500r / min的电机为样机。采用不对称半桥电路的功率变换器,MOSFET为主开关器件。A相和C相、B相和D相分别共用一个采样电阻进行电流采样。
图3记录了BP神经网络拟合曲线,图4记录了RBF-BP神经网络的拟合曲线。比较图3和图4,可以看出RBF-BP神经网络的拟合精度要高于BP神经网络。图5记录了Ada-RBF-BP改进神经网络的拟合曲线,比较图3 - 5,可以看出Ada-RBF-BP改进神经网络的拟合精度明显高于其他两种算法。
图6记录了在1000r/min、空载时,Ada-RBF-BP改进神经网络经过训练后输出的转子位置预测值与转子位置实际值的误差图,图7记录了在1000r min、加负载Ada-RBF-BP改进神经网络经过训练后输出的转子位置预测值与转子位置实际值的误差图。比较图6和图7可以看出加负载前后,预测值与实际值之间的误差并没有明显增大,体现了混合算法泛化能力强的特点。
表1列出了三种模型的均方根误差值和最大绝对误差值,直观的体现了Ada-RBF-BP神经网络精度要远远优于RBF-BP神经网络和BP神经网络。
4结束语
Ada-RBF-BP改进神经网络具有很强的非线性和收敛性。本文以SRM相电流、相磁链为BP神经网络输入,转子位置为输出,通过BP神经网络建立三者之间的非线性映射,再通过RBF神经网络与BP神经网络组合提高组合网络的收敛性,最终以Adaboost算法提高整个组合网络的精度和泛化能力。从而实现SRM转子位置的准确估计,进而实现SRM的无位置传感器控制。
摘要：开关磁阻电机(SRM)具有简单、高效、可靠等优点,在很多领域得到广泛的应用,但位置传感器的存在不但降低了电机的可靠性,而且增加了结构的复杂性。针对这一问题,提出一种基于Adaboost算法改进RBF-BP神经网络的软测量模型,模型首先具备BP神经网络良好的预测能力,再利用RBF神经网络优化BP神经网络的收敛性,最终通过Adaboost算法提升RBF-BP神经网络的精确性和泛化性,将该软测量模型应用于开关磁阻电机的转子位置预测中,其实验结果显示,该软测量模型能够利用少量样本准确而又快速地预测出SRM转子的位置,从而体现了新模型在SRM无位置传感器控制中的优越性。
转子位置 篇3
随着经济的发展,能源危机和环境污染问题日益加剧,人们越来越重视天然气等新能源的利用[1]。转子发动机是一种新型发动机,具有质量轻、体积小、运行平稳、噪声小、高速性能好等许多往复式发动机无法比拟的优点[2]。同时,转子发动机燃烧室内部整体的单向流动,使其更适合燃烧气体燃料[3,4]。因此,天然气转子发动机成为内燃机的重要研究方向[5]。
国内外学者对天然气转子发动机进行了探索性的研究,结果表明:点火位置对火焰燃烧速度有一定影响[6,7,8]。但是在燃烧过程中,点火位置与缸内湍流的耦合作用如何影响火焰的传播,文献中没有相关的研究。本文中基于Fluent软件进行二次开发,实现了火花点燃式天然气转子发动机的动态模拟;在此基础上,计算得到了转子发动机缸内的流场、温度场演变及火焰传播过程;并在相同点火条件下,分析了不同点火位置对缸内燃烧过程的影响。
1 物理模型的建立
1.1 计算对象
研究对象为由218系列转子发动机改造而成的预混天然气转子发动机,研究工况为:发动机转速3 600r/min,甲烷燃料预混合气燃空比为1∶22.9(当量比为0.75)。发动机基本参数见表1。
1.2 几何模型的建立与网格划分
合理的网格划分是保证计算收敛的前提,网格生成的好坏直接影响燃烧模拟的准确性。结合转子发动机的工作特点,进排气道区域是计算区域中不变的区域,设置为静态网格区域;转子机气缸与转子之间的工作区域是计算区域随时间变化的区域,设置为动态网格区域。由于动态网格的生成需要,采用了非结构的三角形网格。经过反复比较后,确定了初始网格数量为39 706。图1为二维初始网格图。
2 计算模型的建立及验证
2.1 计算模型
转子发动机缸内气体的流动十分复杂,为了实现可压缩黏性流动,基本上都具有相当高的湍流度。缸内的气体流动模拟根据质量守恒、动量守恒和能量守恒来求解平均输运方程,湍流模型选择RNGk-ε模型。由于其充分考虑了流线型弯曲、旋涡、旋转和张力快速变化,因此对于复杂流动具有更高精度预测的潜力,适用于转子发动机内部的复杂流动[9,10]。该模型的表达式为
式中,ρ为密度;t为时间;ui为速度;X为坐标;μeff为有效黏度;Gk为由于速度梯度引起的湍动能k的产生项;C1ε、C2ε和C3ε为经验常数;Gb为由浮力引起的湍动能k的产生项;YM为可压缩流中脉动扩张的贡献;σk和σε分别为与湍动能k和耗散率ε对应的Prandtl数;Sk和Sε为源项。
本文研究的发动机燃烧方式为预混型点火式燃烧,燃烧采用一步反应方程式,即
为了综合考虑转子发动机缸内,化学反应速率和湍流脉动对燃烧的影响,选择层流有限速率/涡耗散结合的计算模型,其中Arrhenius和涡耗散反应速率都进行计算,净反应取2个速率的较小值[11]。进排气口采用压力进口边界条件,由于此发动机是非增压发动机,因此进排气压力为大气压,发动机缸壁温度采用壁面边界条件,温度根据经验值设定为400K。
2.2 模型可行性验证
示功图是检验模型有效性的重要依据之一。采用本文中计算模型,对文献[12]中的预混天然气转子发动机进行了数值模拟。发动机点火提前角为1 038oCA,即42oCA BTDC,对比的范围从点火时刻到60oCA ATDC。图2为缸内平均压力曲线对比结果。由图2可见,计算结果与文献结果吻合较好,仅在压力峰值处略有差别,原因是缸壁温度采用经验值与实际情况存在误差。这表明计算模型是合理的。
3 计算结果与分析
3.1 冷拖动下工况下缸内流场及湍动能分布
计算的起始角为400oCA BTDC,结束角为200oCA ATDC。图3为不同偏心轴转角处缸内的流场和湍动能的分布。图4为缸内平均湍动能随曲轴转角的变化曲线。
结合流场和湍动能分布(图3)及湍动能变化曲线(图4)可以看出,进气阶段的前期,转子位于上止点附近,进气速度较大,在进气口两侧形成2个涡流,基于进气口右侧的容积较小,所以涡流较小,湍动能主要集中在进气口的左侧,如图3(a)所示。进气阶段的后期,随着工作容积继续扩大,靠近转子前侧由于缸内容积变大,涡流变大,转子后侧的涡流随所在区域容积变小而变小,导致湍动能主要集中在工作室的前部区域,此处流场的速度也处于最大,如图3(b)所示。
压缩过程初期,由于燃烧室凹坑与涡流的相互影响,原来位于工作室中部的一个涡流破碎发展成上下2个涡流,2个涡流中间是湍动能较强的区域,如图3(c)和3(d)所示。由湍动能变化曲线(图4)可以看出,此时由于缸内容积不断被压缩,缸内容积变小,缸内平均湍动能升高率开始持续增加。压缩过程后期,由于工作容积不断缩小,导致上部的涡流逐渐消失而下部的涡流基本集中在燃烧室的中部,湍动能也主要集中在涡流的中心区域,如图3(e)所示。在转子运动至10oCA BTDC附近时,缸内平均湍动能没有因为缸内容积的持续减小而继续增加,而是达到最大值(湍动能变化曲线的第1个峰值),然后开始下降。这主要是因为缸内涡流由于燃烧室容积太小而开始破碎,涡流的消失使得缸内湍动能开始迅速减小。此时,缸内整体流动是随转子运动的单向流动,并且工作室的前部和中后部之间的狭小区域产生速度很大的挤流。这主要是因为随转子的运动,中后部容积变小,气体被压缩,前部容积变大,气体膨胀,从而会引发从后侧向前侧运动的挤流,如图3(f)所示。
膨胀阶段前期,在60oCA ATDC由于工作容积不断增大,涡流又会重新出现,湍动能又开始变大并出现第2个峰值(图4),但强度不大,如图3(g)所示。膨胀阶段后期,湍动能逐渐变小,涡流最终会消失,形成随转子运动的单向流动,气流从排气口排出,如图3(h)所示。
从缸内流场和湍动能的变化来看,从压缩行程开始,缸内平均湍动能由于缸内容积的不断减小而持续增大。在10oCA BTDC时,湍流开始破碎,缸内湍动能开始迅速减小,此时缸内平均湍动能达到最大值(湍动能变化曲线的第1个峰值),然后开始下降。在60oCA ATDC时,由于工作容积又不断增大,涡流将会重新出现,湍动能出现第2个峰值,但强度不大,然后持续减小。整体上,转子发动机工作过程中由于转子连续地单向转动,使其内部气体整体是沿转子运动方向单向流动,但由于转子凹坑的作用,进气和压缩行程中会产生随湍动能剧烈变化的涡流和挤流。
3.2 点火位置对燃烧的影响
为了说明燃烧过程中点火位置如何影响火焰的传播,本文中研究了相同点火时刻,流场中的不同点火位置,如图5所示。其中,位置C为文献[12]中转子发动机的点火位置。缸内整个流场被分为后部的随转子运动的单向流区域、中部的涡流区域和前部的随转子运动的单向流区域3个区域。位置A位于湍动能较大的涡流中,速度很大;位置B和C位于涡流到前部单向流的过渡区域,由于位置B比位置C更加接近涡流区,所以B处速度较大,C处速度较小;位置D处位于随转子运动的前部单向流动区域。
图6为不同点火位置从42oCA BTDC(点火时刻)到60oCA ATDC的温度场及火焰的传播过程。
从计算结果分析,如图6(a)所示,火花塞点火后,曲轴转角转过5oCA后,在其附近形成一个燃烧小区域,然后火焰向四周传播,形成一个类似球面的火焰(火焰前锋),在火焰面的前方是未燃的混合气,后方是已燃的高温燃烧产物,化学反应集中在火焰前锋内进行,在边界上产生很大的温度和浓度梯度,从而产生强烈的能量和质量交换,这些热量和质量的传递又因其邻近的未燃混合气的化学反应,形成化学反应的空间传播,于是火焰会一层层地扩展至整个燃烧室。由于转子发动机工作过程中内部流场的作用,火焰的位置不同燃烧传播过程有着很大的不同。
燃烧初期,由于位置A位于涡流区域,速度很大,火花点火的能量容易散失,火焰中心的形成比较困难,这在一定程度上不利于火花塞附近未燃混合气的快速引燃。并且在火焰中心形成后,火焰前锋很快会被流速很大的涡流带回燃烧室后部,燃烧室前部的未燃混合气不会被引燃,如图6(b)中位置A所示。位置B和C位于涡流至单向流的过渡区,所以会受到涡流和前部单向流的共同作用,其火焰前锋会同时向燃烧室的前部和后部传播,相比点火位置C,由于位置B更靠近涡流中心,火花塞附近的流场速度较大,火焰传播速率较快,火焰前锋会很快被带到燃烧室的内部,即靠近转子壁面的一侧,如图6(b)中位置B和位置C所示。位置D在随转子运动的单向流动区域,火焰前锋随混合气流动方向向前传播,而不会向后传播,如图6(b)中位置D所示。
燃烧中期,点火位置为A时,由于此刻缸内流场是随转子运动方向的单向流动,火焰前锋会不断向燃烧室前部传播。同时,因为火焰前锋很难逆向向后传播,所以后部和尾部的混合气不易被引燃,如图6(c)中位置A所示。随着转子运动,后部的混合气会逐渐被引燃,原因是中后部未燃的混合燃气会被带到前部,从而被前部已燃的混合气引燃,如图6(d)中位置A所示。点火位置为B和C时,由于它们位于湍流到单向流的过渡区,随着燃烧过程的继续,火焰会同时在前部和后部传播。其中,由于位置B更接近涡流中心,火花塞附近流场速度较大,这有利于火焰的快速传播,所以整体上而言,点火位置为B时燃烧效率最快。同样与位置A的原因类似,其火焰很难向尾部转播,如图6(c)和6(d)中位置B和位置C所示。点火位置为D时,由于其位于随转子运动的前部单向流动区域,火焰很难逆向传播到中后部区域,所以只是前部的混合气会被引燃,如图6(c)和6(d)中位置D所示。
燃烧后期,点火位置为A时,由于燃烧初期火焰受到涡流的作用,被带到燃烧室后部,所以后部的混合气大部分已经被引燃,但前部的混合气很难及时燃烧,如图6(e)中位置A所示。点火位置为B和C时,前部和后部混合气大部分被引燃,由于点火位置B的燃烧速率整体上要比点火位置C快速,所以混合气的燃烧更完全,如图6(e)中位置B和位置C所示。点火位置为D时,前部混合气被完全燃烧,同时随转子的运动,后部的未燃混合气虽然会因为被带到前部而被引燃,但整体燃烧速率很低,如图6(e)中位置D所示。
从不同点火位置的燃烧过程可以看出,燃烧初期的火焰传播,对燃烧过程起决定性作用。而在燃烧初期,湍流对火焰传播影响很大,相比点火位置A和D,位置B和C合理地利用了高湍流度的涡流对火焰传播方向的引导作用,火焰向燃烧室的前后部同时传播,使燃烧速率得到了提高。而且,相对于点火位置C,位置B附近流场速度较大,所以在点火初期更有利于火焰中心的快速扩大,整体上位置B燃烧速率最大。
3.3 不同点火位置的湍动能
湍动能强度增大,可以加快火焰传播速度,由于天然气的燃烧速率慢,所以希望在燃烧过程中有较大的湍动能。图7为不同点火位置在燃烧过程中缸内平均湍动能的变化。
从湍动能曲线对比可以看出,点火位置为B时,整体湍动能值最大,燃烧过程中有利于燃烧速率的提高,所以其燃烧速率最大,位置C次之。位置A由于其附近流场速度过大,不利于燃烧初期火焰快速传播;而位置D处于前部的单向流区域,其距离湍动能较大的涡流区太远,所以这2个位置没有在燃烧初期充分利用湍动能对燃烧速率的加速作用,整体的反应速率也较低。
3.4 点火位置对示功图和NO生成量的影响
由不同点火位置的燃气消耗率曲线(图8)和缸内平均压力曲线(图9)对比可以看出,当点火位置为A时,由于其位于涡流区域,速度很大,火花点火的能量容易散失,火焰中心的形成比较困难。并且,在火焰中心形成后,火焰前锋很快会被流速很大的涡流带回燃烧室后部,燃烧室前部不会被引燃,所以整个燃烧过程持续时间太长,其压力最大值要低于其他点火位置。
当点火位置为B和C时,由于其位于湍流到单向流的过渡区,点火后火焰会同时向前部和后部传播,缸内混合气将及时燃烧,所以整个燃烧过程持续时间短,其压力曲线的峰值要明显高于位置A和D。并且,由于位置B更接近涡流中心,附近流场速度较大,有利于火焰的传播,所以整体上位置B的燃烧速率更大,其压力曲线的峰值要大于位置C。
当点火位置为D时,由于其位于随转子运动的前部单向流动区域,缸内前部的混合气容易燃烧,但后部的混合气不能及时燃烧,所以其压力曲线的峰值低于位置B和C。
从不同点火位置的缸内平均温度曲线(图10)和NO生成量曲线(图11)对比可以看出,燃烧过程中,缸内平均温度决定了NO的生成量。位置为A和D时,相比点火位置B和C,由于缸内混合气燃烧不及时,缸内平均温度低,所以NO生成量较少。
位置为B时,其燃烧速率最大,但NO生成量却比位置C少。这主要是因为燃料的快速燃烧使得燃烧持续期比位置C要短,所以在发动机的膨胀行程初期其缸内平均温度比位置C的大,但在膨胀行程后期的大部分阶段其缸内平均温度比位置C时小,所以NO生成量整体上要小于位置C。
总体而言,位置A燃烧速率最小,但相应的NO生成量也最低。位置B相对于其他点火位置既考虑了较少的NO排放量,又获得了最大的压力峰值,所以位置B最合理。
4 结论
(1)通过对Fluent软件的二次开发,不断验证符合转子发动机工作过程的湍流模型、燃烧模型等,并与已有文献数据进行对比,得到了符合火花点燃式转子发动机数值模拟的模型。
(2)转子发动机工作过程中由于转子连续单向转动,使其内部气体整体是沿转子运动方向单向流动,但由于转子凹坑的作用,进气和压缩行程中会产生随湍动能剧烈变化的涡流和挤流。
(3)点火位置和缸内湍流的耦合作用,会在很大程度上决定火焰的传播过程,为了提高转子发动机的热效率,点火位置应当位于湍流到单向流的过渡区域,并且其附近的流场速度不能太大。这是因为在此区域点火后,火焰核心较易形成并且火焰会同时向前部和后部传播,缸内混合气可以及时燃烧,其压力曲线可以有更高的峰值。
(4)点火位置为A和D时,燃烧速率较小,缸内平均温度较低,相应的NO生成量也最低。位置B相对于其他点火位置既考虑了较少的NO排放量,又获得了最大的压力峰值,所以位置B最合理。
参考文献
[1]朱剑明,彭代勇.世界能源现状与内燃机的发展机遇[J].内燃机工程,2011,32(3):80-84.Zhu J M,Peng D Y.Current world oil situation anddevelopment opportunities for IC engine[J].Chinese InternalCombustion Engine Engineering,2011,32(3):80-84.
[2]卢发,余乃彪.三角转子发动机[M].北京:国防工业出版社,1990.
[3]梁键光,杨道荫.我国转子发动机的发展与展望[J].动力工程,1997,17(5):78-83.Liang J G,Yang D Y.Prospects of development of rotaryengines in China[J].Power Engineering,1997,17(5):78-83.
[4]李立君,尹泽勇,乔渭阳,等.汽油转子发动机热力过程数值模拟研究[J].内燃机工程,2006,27(1):6-10.Li L J,Yin Z Y,Qiao W Y,et al.Study of performances ofgasoline rotary piston engine[J].Chinese Internal CombustionEngine Engineering,2006,27(1):6-10.
[5]Abraham J,Bracco F V.Comparisons of computed andmeasured pressure in a premixed charge natural gas-fueledrotary engine[C]//SAE 890671,1989.
[6]黄佐华,曾科,杨中乐.点火位置对天然气直喷燃烧的影响的基础性研究[J].内燃机学报,2003,21(2):135-144.Huang Z H,Zeng K,Yang Z L.A basic study on the sparkelectrode gap position to natural gas direct injection super-leancombustion[J].Transactions of CSICE,2003,21(2):135-144.
[7]Nobuyuki K,Eiji T.Cycle-resloved measurements of the fuelconcentration near a spark plug in a rotary engine using an insitulaser absorption method[J].Proceedings of the CombustionInstitute,2007,31:3033-3040.
[8]李立君,尹泽勇,乔渭阳,等.汽油转子发动机燃烧过程模拟技术研究[J].内燃机学报,2005,23(5):457-461.Li L J,Yin Z Y,Qiao W Y,et al.Study on mathematicalcombustion model for a gasoline rotary combustion engine[J].Transactions of CSICE,2005,23(5):457-461.
[9]Abraham J,Bracco F V.Comparisons of computed anmeasured mean velocity and turbulence intensity in a motoredrotary engine[C]//SAE 881602,1988.
[10]Grasso F.Three-dimensional computation of flows in astratified-charge rotary engine[C]//SAE 870409,1987.
[11]李晓春,潘剑锋,李德桃,等.亚毫米平行板通道内燃烧过程的数值模拟[J].小型内燃机与摩托车,2010,39(3):33-39.Li X C,Pan J F,Li D T,et al.Numerical simulation of thecombustion process in the parallel plated combustor under onemillimeter[J].Small Internal Combustion Engine and Motorcycle,2010,39(3):33-39.
转子位置 篇4
矢量控制系统中为了实现永磁同步电动机励磁和转矩的解耦控制,转子位置或者磁极位置的获得是磁场定向控制的关键技术。位置传感器是获得转子位置或者磁极位置的常用方法,但位置传感器的成本、安装以及可靠性等因素限制了永磁同步电动机的应用。在永磁同步电动机无位置传感器控制系统中,可从两个方面来对电动机转子位置进行估算。一是以电动机这个特定的控制对象为基础,利用电动机本身的各种可测量物理量,来估算转子位置的策略[1,2,3,4]。另一是将位置看成是系统的一个状态变量,利用控制理论的各种方法进行的位置估算策略[5,6,7]。传统的非线性观测器中都有一个比较大的问题是方程中都用到了电动机的转速,使得观测器的精度和性能与电动机的运行状态有关,从而使整个观测器的表达式很复杂,不利于在实际系统中的实时计算。而本文提出的非线性观测器的状态变量不含有转速,整个方程变得非常简洁,在保证全局稳定性的条件下,不仅减少了计算量,提高了估算的速度和精度,而且对在实时系统中的实现变得更加容易。
2 PMSM位置估计原理
2.1 PMSM的数学模型
为了简化三相永磁同步电动机的数学模型,可做如下假设:
(1)饱和效应忽略不计;
(2)感应反电动势为正弦波;
(3)磁滞及涡流损耗不计;
(4)励磁电流无动态响应过程。
对于隐极式永磁同步电动机,其在两相静止坐标系αβ下的电压方程为:
式中,uα和uβ为αβ坐标系下的定子电压分量;iα和iβ为αβ坐标系下的定子电流分量;R为定子绕组电阻;L0为αβ坐标系下等效的定子绕组电感;f为永久磁铁对应的转子磁链;ω为转子的电角速度;θ为转子的电角度。
若以iα和iβ作为状态变量,式(1)对应的状态方程为:
隐极式永磁同步电动机的电磁转矩Te可表示为:
式中,np表示电动机的极对数。
交流电动机是一个非常典型的非线性系统,为了能够使永磁同步电动机达到较高的性能,需要知道电动机的转子的位置。对于无位置传感器控制系统,可设计一个非状态观测器用来观测电动机转子的位置。
2.2 PMSM非线性状态观测器
为了设计一个非线性状态观测器,构造新的状态变量x=[x1x2]T:
同时构造另外一个新的等效输入y=[y1y2]T:
之所以如此构造上述状态变量的原因是一方面可以使状态方程简化,另一方面等效输入y不含有任何不能测量的物理量,因为从式(5)中可以看出其只包含电流和电压,电流一般可以通过霍尔传感器或者线性光耦测量,而电压则直接从三相逆变器的给定中获得。
经过上述构造后得到新的状态变量方程为:
从式(6)看出,在新的状态变量下电动机的方程有了一个非常简单的表达式。
定义一个R2→R2的向量函数σ(x)=x-L0x,其中i=[iαiβ]T,从式(4)可得,σ(x)的欧式范数为:
构造非线性状态观测器如下:
式中,κ是增益;是状态观测器的二维状态变量;y是输入变量。
从式(4)可以看出,,从而计算出转子位置,
为了证明上述非线性观测器的稳定性,定义一个误差,可得误差的状态方程如下:
可以证明在电动机运行的任意速度下,误差会收敛于这个区域内,同时如果电动机的速度满足如下条件,即存在两个常数K1>0和K2>0使得:
则式(10)的平衡点是指数稳定的。
2.3 PMSM控制系统结构
高性能的永磁同步电动机控制系统一般采用矢量控制方案,即通过采用坐标转换,在同步旋转坐标系下分别对电动机的励磁磁场和转矩进行控制,从而到达近似的解耦。在控制系统中将测量电动机的位置所用的位置传感器用非线性状态观测器来代替,其基本结构框图如图1所示。
在无位置传感器的控制系统中,在辨识出转子的位置θ基础上,可以很容易辨识出电动机的速度。这种方法较为简单,不仅程序量少,而且估算转子位置的程序和计算电动机速度的程序可以分开进行,但是速度的计算是一个问题。因为如果直接用转子的位置的微分ω=dθ/dt来计算速度,通常是因为噪声的存在而很难进行,一般的做法是利用一个滤波器对辨识的角度进行滤波,然后再进行微分运算,这样做虽然可以滤除噪声,但是滤波器的设计以及滤波造成的相位偏移又成为了一个问题。
本文采用一种简单的线性观测器来估算电动机转子速度,这个观测器的框图如图2所示。从图2可以看出,这个线性观测器是一个闭环的观测器,不仅对角度的噪声具有很强的抑制能力,而且可以无误差地跟踪阶跃给定。
3 实验验证
基于TI公司的数字信号处理器TMS320F2812和三菱公司的智能功率模块PS21869构成了PMSM无位置传感器控制系统平台,实验中所采用的PMSM参数见表1,非线性状态观测器增益κ的值为0.005。
图3和图4是电动机在10rpm和1000rpm两种不同转速下,采用非线性位置观测器估算的转子位置以及与采用光电编码器反馈的转子位置之间的误差的曲线。
图5和图6是利用非线性位置观测器估算的位置作为控制器的反馈角度,电动机闭环运行稳态时,电动机的转速和电流曲线。
图5和图6的曲线表明,基于非线性观测器的无位置传感器永磁同步电动机控制系统在各种不同的转速下运行稳定。在较低的转速下(30rpm)时电动机转速波动加大,这是由于辨识的角度误差比在较高转速下更大。在较低的转速下,各种其他非线性因素的影响变大。
4 结论
相比于其他的位置估算策略,所提出的非线性观测器方案不仅结构简单,容易在微处理器上实现,而且非线性状态观测器状态方程中所需要的物理量只有电动机的电流和电压,这些量在实际中容易测量,从而使这种非线性观测器不仅非常可靠而且估算的精度很高。实验结果表明,所采用的非线性观测器对转子位置的估算非常有效,同时整个控制系统在比较宽的调速范围内性能表现良好。
摘要：本文提出了一种基于非线性观测器的永磁同步电动机(PMSM)的转子位置估计方案。非线性观测器构造两个新的状态变量,利用这两个状态变量中所包含的位置信息,将电动机转子的位置估算出来。为验证此方案的稳定性和可行性,以TI公司的数字信号处理器TMS320F2812为核心搭建硬件平台,对整个控制系统进行了实验验证。实验结果表明,所采用的非线性观测器对转子位置的估算非常有效,同时整个控制系统在比较宽的调速范围内能稳定运行。
关键词：非线性观测器,永磁同步电机,位置估计
参考文献
[1]Peter Vas.Sensorless vector and direct torque control[M].New York:Oxford University Press,1998.
[2]Rik De Donker,Duco W J Pulle,Andre Veltman.Ad-vance electric drives[M].New York:Springer,2011.
[3]Song C,Zheng Z,Longya X.Sliding-mode sensorlesscontrol of direct-drive PM synchronous motors for washingmachine applications[J].IEEE Transactions on IndustryApplications,2009,45(2):582-590.
[4]Yoon-Seok H,Jung-Soo C,Young-Seok K.SensorlessPMSM drive with a sliding mode control based adaptivespeed and stator resistance estimator[J].IEEE Transac-tions on Magnetics,2000,36(5):3588-3591.
[5]Junggi L,Jinseok H,Kwanghee N,et al.Sensorless con-trol of surface-mount permanent-magnet synchronous mo-tors based on a nonlinear observer[J].IEEE Transac-tions on Power Electronics,2010,25(2):290-297.
[6]吴春华,陈国呈,孙承波(Wu Chunhua,Chen Guocheng,Sun Chengbo).基于滑模观测器的无传感器永磁同步电机矢量控制系统(Sliding mode observer for sensorlessvector control of PMSM)[J].电工电能新技术(Adv.Tech.of Elec.Eng.&Energy),2006,25(2):1-3.
转子位置 篇5
无刷直流电机以电子换向线路替代传统有刷电机的机械换向结构, 克服了机械换向火花和噪声等缺点, 广泛应用于工作环境恶劣的伺服控制系统中。电机运动过程中需要实时检测转子位置[1], 常用的转子位置测量器件有光电编码器、霍尔传感器和旋转变压器。旋转变压器具有抗震性好、耐腐蚀、耐高温和易于实现高速位置检测等优点, 因而获得广泛应用。
采用基于旋转变压器与角位速度数字转换器的设计方案[2], 利用FPGA实现主功能芯片的逻辑控制和数值滤波算法, 实现了转子位置及转速的实时测量输出。
1 正余弦旋转变压器的工作原理
旋转变压器属于精密的控制微电机, 结构和电机相似, 由定子和转子组成, 原边和副边绕组分别位于定子和转子上。原副边间的电磁耦合程度与转子转角有关, 因此输出电压也与转角有关。
旋转变压器的电气原理如图1所示, S1、S3和S2、S4为定子绕组, R1、R3和R2、R4为转子绕组, 给定子绕组施加一定频率交流激磁电压uf, 气隙中产生脉振磁场, 在R1、R3和R2、R4上感应出变压器电势。
图1旋转变压器的电气原理
设R1、R3轴线与S1、S3轴线夹角为θ, 则转子的两个绕组中的感应电势有效值为:
式中, ER=4.44f WRφf, 为转子绕组轴线与S1、S3轴线重合时感应出的最大电势有效值;f为激磁电压频率;WR为转子一相绕组的匝数;φf为定子每极脉振磁通的最大值;k为变压比;uf为激磁电压有效值。
测量转子绕组R1、R3和R2、R4上的感应电势, 并进行反三角函数运算即可得到转子相对定子转动角度[3]。
2 硬件电路设计
测量电路设计方案如图2所示, 其具体工作原理:旋转变压器与无刷直流电机同轴相连, 将电机的旋转信号转换为正余弦电压信号, 通过解码芯片转化为并行数字信号, FPGA通过对解码芯片时序控制得到转子位置及速度信号并存储在内部RAM中, 经过滤波算法处理后实时输出给电机控制器。
2.1 FPGA主控单元及其最小系统设计
FPGA逻辑功能芯片选用Altera公司的Cyclone II系列EP2C8T144C8。Cyclone II是基于Stratix II的90nm工艺推出的FPGA芯片, 具有8256个逻辑单元 (LE) , 内置36个M4K RAM块, 2个锁相环 (PLL) 以及18个乘法器模块, 提供给用户85个可用的IO管脚接口。其最小系统电路如图3所示, 主要包括FPGA芯片、10MHz有源晶振、SPX1117_3.3V和SPX1117_1.5V电源模块、JTAG仿真接口以及EPCS4配置芯片。
2.2 旋转变压器及角位速度数字转换器设计
旋转变压器采用日本多摩川的TS2620N21E11, 入力电压7VAC, 变压比0.5±5%, 误差最大±10′[4]。解码芯片选用飞博尔的12位分辨率的旋转变压器———角位速度数字转换器FB9412PB。该转换器具有10k Hz激励电源输出, 直接将旋转变压器输出的正余弦模拟信号转换为角度和速度数字信号, 并以并行口方式输出, 数据分辨率为5.3′, 精度达到±7.8′, 最大跟踪速度1000r/s。FB9412PB与旋转变压器的端子连接如表1所示。
FB9412PB输入输出电压为5V CMOS电平, FP-GA端口为3.3V TTL逻辑电平, 通过74LVC4245进行电平转换后相连, 电路连接如图4所示, J6插座连接旋转变压器接线端子。SPL的下降沿启动数据转换, EN为输出使能信号 (低电平有效) , RC为过零脉冲输出, 变压器每转过一次零位就输出一个正脉冲, PV端控制选择数据输出 (PV=0时, D1~D12输出角度数据, PV=1时, D1~D12输出速度数据) 。
3 软件设计
通过Verilog语言[5]编程实现FPGA内部控制逻辑, 内部逻辑架构如图5所示, 主要包括FB9412时序控制模块、RAM存储模块、滤波算法模块和对外接口控制逻辑。
3.1 FB9412时序控制
FB9412PB的控制时序如图6所示, SPL下降沿启动转换器进行转换, 数据转换过程中EN输出高电平, 此时D1~D16输出为高阻态, 大约1μs后, EN输出低电平, 表示转换完成, 此时数据输出有效。先拉低PV, 从D1~D16输出为角度数据, 再拉高PV, 从D1~D16输出为速度数据。
FPGA内部控制逻辑的功能仿真时序如图7所示。
3.2 数字低通滤波算法
利用数字低通滤波法模拟RC低通滤波器, 消除有用信号频率以上的周期性变化信号的干扰。
设模拟RC低通滤波器的输入电压为x (t) , 输出电压为y (t) , 根据RC微分网络有:
式 (3) 可表示为yk=Kxk+ (1-K) yk-1, 即为数字低通滤波算法表达式。
若输入为直流量, 则有xk=xk-1=xk-2=…, 由无穷级数求和公式可得yk=xk, 其直流增益为1, 与模拟滤波的效果一样。此外, 低通数字滤波的截止也是从幅值增益衰减到0.707来确定。
4 结语
该装置现已成功应用于某电动舵机控制系统中, 实际应用表明, 此测量电路精度高, 可靠性好, 扩展能力强。
摘要：设计基于FPGA和旋转变压器的无刷直流电机转子位置及转速测量电路, 利用FB9412PB将旋转变压器输出的正余弦模拟信号转换为角度和速度数字信号, 并以并行口的方式输出, 存储在FPGA内部RAM中, 通过数字低通滤波算法处理后实时输出给电机控制器。该电路现已成功应用于某电动舵机控制系统中, 具有简便、实用、可靠的特点。
关键词：FPGA,旋转变压器,FB9412PB,数字低通滤波器
参考文献
[1]秦继荣, 沈安俊.现代直流伺服控制技术及其系统设计[M].北京:机械工业出版社, 1993
[2]吴红星, 洪俊杰, 李立毅.基于旋转变压器的电动机转子位置检测研究[J].微电机, 2008, 41 (1) :1-3
[3]姜燕平.旋转变压器原理及其应用[J].电气时代, 2005, (10) :98-99
[4]姜燕平.多摩川旋转变压器原理及其解码[J].伺服控制, 2007, (01) :66-67