永磁同步電機（permanent magnet synchronous motor, PMSM）以其結構簡單、功率密度高、控制性能好等優(yōu)點得到廣泛應用。電機的高性能運行需要獲取精確的定子電阻Rs、dq軸電感Ld、Lq以及轉子磁鏈值，但這些電磁參數(shù)會隨電機負載以及溫度改變而發(fā)生變化，嚴重時會導致電機系統(tǒng)故障。

例如在電機實際運行過程中，電機散熱或其他損耗因素導致電機運行溫度升高，從而導致定子電阻阻值增加、磁鏈值減少，降低電機的控制效果甚至造成電機的永久損壞。獲取準確的電機參數(shù)可以改善電機的控制性能，提高電機的運行效率。

準確獲取定子電阻值與電感值可以實現(xiàn)比例積分控制器（proportional-integral controller, PI）參數(shù)的整定計算，電機電感與磁鏈值的精確獲取有利于提高電機解耦控制的解耦效果。因此，實現(xiàn)電機參數(shù)實時精確獲取對PMSM控制系統(tǒng)安全可靠運行起著至關重要的作用。

PMSM參數(shù)變化原因

電機控制系統(tǒng)高性能運行需要獲取精確的參數(shù)，電機參數(shù)會因其運行溫度而改變，其中定子電阻、鐵磁材料的磁導率與溫度有非線性關系，在對功率密度要求較高的領域，電機溫度的變化會導致電樞電阻出現(xiàn)20%～40%的變化以及永磁體磁鏈出現(xiàn)20%的變化，溫度變化范圍較大時，甚至導致永磁體失磁。

另外電機合成磁場諧波產(chǎn)生的渦流也會引起永磁體永久失磁。除了溫度的影響外，磁路飽和程度對電機參數(shù)的影響也逐漸得到關注，磁路飽和會對Ld、Lq產(chǎn)生影響。

綜上所述，由于溫度以及磁路飽和造成電機參數(shù)改變導致PMSM控制性能下降，因此電機參數(shù)精確辨識并通過控制器自適應更新可以實現(xiàn)電機高性能運行。PMSM參數(shù)辨識方法主要分為離線辨識與在線辨識。

技術特點

離線辨識需要電機保持靜止狀態(tài)時對電機參數(shù)進行辨識，但在實際的應用過程中，電機的溫度隨負載的變化而改變，因此離線辨識對電機穩(wěn)定運行時參數(shù)辨識意義不大。

永磁電機在線辨識的幾類方法中，最小二乘法辨識過程簡單且計算量適中，但在參數(shù)辨識時存在目標函數(shù)對電機參數(shù)求導的過程，噪聲或者電機轉速波動都會對求導過程造成影響。模型參數(shù)自適應法具有算法簡單和易于實現(xiàn)的優(yōu)點，但可調的自適應模型復雜不易建立。

擴展卡爾曼濾波雖然克服了卡爾曼濾波僅適用于線性系統(tǒng)以及噪聲敏感的問題，但由于其每一步都要進行矩陣和矢量運算，導致辨識過程中計算量巨大且當辨識參數(shù)較多時計算非常復雜。智能算法在參數(shù)辨識中有良好的辨識結果，但智能算法存在前期需要數(shù)據(jù)量大、計算復雜度很大和對硬件的要求很高等問題，普通的控制器達不到理想效果。綜上所述，現(xiàn)有的永磁電機參數(shù)辨識算法均存在優(yōu)勢與不足，適用于不同的電機運行領域。

發(fā)展方向

PMSM參數(shù)辨識還存在一些問題：①PMSM辨識方程欠秩導致參數(shù)結果不惟一，而且在辨識過程中易陷入局部最優(yōu)；②人工智能算法存在需要數(shù)據(jù)量大和辨識過程計算量大的問題；③參數(shù)辨識精度和魯棒性問題。

1）構建全秩PMSM辨識方程

PMSM辨識方程欠秩是造成參數(shù)辨識過程不惟一的主要原因。目前多數(shù)學者通過注入特定的激勵電流來構建全秩辨識方程，但注入的小擾動電流會影響辨識精度。雖然有學者[26]提出采用兩組交軸電壓、電流以及電角速度代入離散化電壓方程構建全秩辨識方程，但該方法其他參數(shù)對辨識估算值產(chǎn)生影響。因此構建全秩PMSM辨識方程仍然是需要關注并深入研究的方面。

2）降低人工智能算法計算量

智能算法因較強的非線性尋優(yōu)能力得到廣泛的關注，但該類算法存在計算量巨大和數(shù)據(jù)處理負擔過重的問題。Bharadwai[27]首先利用輸入和輸出變量參數(shù)對神經(jīng)網(wǎng)絡進行離線訓練，然后再將神經(jīng)網(wǎng)絡用于電機參數(shù)實時辨識，此方法雖然降低了神經(jīng)網(wǎng)絡的計算量，但沒有考慮自身的穩(wěn)定性，不能保證辨識結果的收斂性，因此降低人工智能算法的計算量仍然需要進一步的研究。

3）提高參數(shù)辨識精度

電機的實際運行過程中，存在開關延時、死區(qū)時間和開關管壓降等非線性問題，使得參數(shù)的辨識精度不高。大多數(shù)學者通過死區(qū)補償來消除這些因素的影響，目前死區(qū)補償方法有基于硬件的補償算法和基于軟件的補償算法。

基于硬件的補償算法，有學者采用簡單實用的諧波電流監(jiān)測來對系統(tǒng)的非線性因素進行補償?；谲浖难a償算法不增加系統(tǒng)成本，不改變系統(tǒng)現(xiàn)有的結構，但是在大部分的軟件補償算法中，由于實際系統(tǒng)會有采樣干擾以及零電流鉗位情況，這給電流方向的確定帶來了很大的困難，因此如何利用補償算法提高參數(shù)辨識精度仍然需要研究。

4）提高電機參數(shù)的魯棒性

基于永磁同步電機有限集模型預測已經(jīng)取得了一些研究成果，其中，在保證系統(tǒng)穩(wěn)定前提下，提高預測電流控制對電機參數(shù)的魯棒性是目前研究的熱點。預測電流控制是一種依賴模型準確度的控制策略，參數(shù)失配時系統(tǒng)控制性能變差，傳統(tǒng)的延時補償環(huán)節(jié)補償結果不準確，可以將在線參數(shù)辨識和前饋控制器相結合，加強補償?shù)臏蚀_性，提高系統(tǒng)魯棒性。

本文編自2020年第8期《電氣技術》，標題為“永磁同步電機參數(shù)辨識研究綜述”，作者為劉偉、王俊。