具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

感应电机在αβ坐标系下的现有状态方程为：

由于温升等因素，电机在低速运行的工况下，它的参数转子电阻R_r变化较大，这会降低磁链观测器的精确度。因此如何降低转子电阻变化的影响是提升转子磁链观测精度的关键。为此将式(1)中含有转子电阻项作为扰动部分，而含有转子磁链项作为待观测部分，再将这两项合并为未知部分；

本实施方式的感应电机转速自适应观测方法以i_sα，i_sβ，z₁，z₂为状态变量，重新定义状态变量z₁，z₂：

R_r表示转子电阻，L_r表示转子电感，ω_r表示转速，ψ_rα表示转子磁链在αβ坐标系下α轴分量，ψ_rβ表示转子磁链在αβ坐标系下β轴分量，L_m表示互感，i_sα表示定子电流在αβ坐标系下α轴分量，i_sβ表示定子电流在αβ坐标系下β轴分量；

如图1所示，本实施方式的感应电机转速自适应观测方法包括：

步骤一、采集感应电机的电压信息和电流信息；

步骤二、利用二阶滑模定子电流观测器求解和和分别为z₁和z₂的估计值；

得到二阶滑模定子电流观测器的方法为：

以i_sα，i_sβ，z₁，z₂为状态变量，构建感应电机在αβ坐标系下的状态方程，将该状态方程结合ST滑模算法得到二阶滑模定子电流观测器；

步骤三、根据和获取转子磁链观测值和

步骤四、利用带有转速的观测值的转子磁链观测器得到转子磁链在αβ坐标系下α轴、β轴的转子磁链分量观测值，分别为和

步骤五、建立转速估计的自适应律，并结合S3得到的及S4得到的和得到转速的观测值转速估计的自适应律为：

K_p表示比例系数，K_i表示积分系数。

本实施方式通过重新定义状态变量将感应电机状态方程进行重构，在此基础上，结合Super-Twisting滑模算法构建二阶滑模定子电流观测器，将二阶滑模定子电流观测器作为参考模型，得到和从和中得到和建立带有转速的观测值的转子磁链观测器，作为可调模型，得到和然后基于模型参考自适应(MRAS)原理，设计转速辨识结构，如图2所示，通过转速估计的自适应律计算得到电机的实时转速。观测转速用于实现感应电机的转速闭环控制，用软件算法替代了速度编码器来获取电机的实际转速，进而实现了感应电机的无速度传感器控制。

优选实施例中，步骤一中感应电机在αβ坐标系下的状态方程为：

u_sα表示定子电压在αβ坐标系下α轴分量，u_sβ表示定子电压在αβ坐标系下β轴分量，σ＝1-L_m/(L_sL_r)，σ表示漏磁系数，R_s表示定子电阻，L_s表示定子电感。

本实施方式的定子电流和转子磁链的状态方程中都含有矩阵Z，其中z₁同时出现在了α轴的定子电流与转子磁链的状态方程中，而z₂同时出现在了β轴的定子电流与转子磁链的状态方程中。因此利用状态变量z₁,z₂将公共项替换就可以实现α轴和β轴定子电流与转子磁链的完全解耦，从而极大地简化了观测器，并且实现了独立解耦观测。

优选实施例中，结合Super-Twisting滑模算法构建二阶滑模定子电流观测器为：

分别是i_sα、i_sβ、z₁、z₂的估计值，λ₁、λ₂、σ₁、σ₂是滑模增益，s_α表示定子电流在αβ坐标系下α轴分量的估计误差值，s_β表示定子电流在αβ坐标系下α轴分量的估计误差值。

本实施方式的滑模面定义为定子电流估计误差值：

本实施方式发现：

新定义的状态变量z₁，z₂含有转子磁链的导数的相反数的数学含义。因此可以通过对 进行积分运算来得到转子磁链的观测值。由于转子电阻R_r没有显式的出现在所设计的二阶滑模定子电流观测器中，所以转子电阻R_r的变化并不会影响所设计的观测器的准确性。

当定子电流的观测值和都收敛到其真实值时，优选实施例中，由式(7)可知转子磁链的观测值可以通过如下方程获得：

然而在实际应用中，由于测量噪声、误差积累和偏移等非理想因素，少量的直流量会不可避免地出现在被积分量中并随积分过程不断地累计和放大，使转子磁链观测结果产生直流偏置现象，使转子磁链的观测值与真实值之间产生很大的误差，进而影响感应电机的控制性能，优选实施例中，步骤三分别对和进行低通滤波，获取转子磁链观测值和

因此为滤除直流成分，优选实施例中采用在积分器后串联一个高通滤波器的方法来求取转子磁链观测值和而积分器串联高通滤波器即为一阶低通滤波器，其传递函数为：

式中ω_c为低通滤波器的截止频率，s为拉普拉斯算子。

本实施方式中构建的二阶滑模定子电流观测器不包含转速变量，因此可以将其作为参考模型，同时选取含有转速变量的转子磁链观测器为可调模型。将两个模型的观测误差送入转速估计的自适应律作为可调模型的反馈输入，使可调模型逐渐趋近于参考模型，直至误差为0，以此来获得观测转速，具体过程如下：

转子磁链电流模型如下：

在式(10)中，ω_r是需要辨识的参数，优选实施例中，将λ和L_m视为常数，则转子磁链观测器为：

和分别为i_sα和i_sβ的估计值。

磁链误差方程如下：

式中

一般认为在一个采样周期内转速是不变的，因此式(12)描述的系统可以看成是由一个线性时不变系统与一个非线性反馈系统构成的。Popov超稳定性系统要求其线性时不变系统的传递函数是严格正实的，而非线性反馈系统需要满足Popov不等式：

式中V为线性时不变系统的输出，而W为非线性反馈系统的输出，γ₀为一有限实数，要求Popov不等式对任意时间成立。

其中线性时不变系统的传递函数(sI-A)^-1很容易可以证明其严格正实性，因此只需要让非线性反馈部分满足式(13)即可。

对于式(12)描述的系统，选取非线性反馈部分输入与输出变量如下：

设置转速自适应律为：

式中K_p，K_i为自适应参数，均大于0。

将式(14)与式(15)带入式(13)可以得到：

对于式(16)的第一项，由于被积函数大于0，其值一定为正数，而对于式(16)的第二项，可以利用如下的不等式：

同样地可以认为在一个采样周期内，实际转速是不变的，选取f(t)为如下形式，则式(4-25)的不等式成立。

因此，所构建的非线性反馈系统是稳定的。转速辨识结构的原理示意图如图2所示。

然而在实际系统中，转子磁链的真实值不可知，鉴于二阶滑模定子电流观测器可以使收敛到其真实值，所以可以将通过计算得到的转子磁链视为真实值，即：

经过推导，可以得到转速估计的自适应律为：

本实施方式方法的步骤以计算机程序方式存储在存储器中，处理器执行计算机程序时实现上述方法。

如图3所示，本实施方式还包括将获得的观测值与转差角频率ω_s求和后进行积分，获得磁链角的观测值

本实施方式获得转速估计后，与给定转速求差，按照如图3所示的控制过程，对感应电机进行调速控制。

本实施方式的速度辨识结构中转速的估计值并没有用于定子电流和转子磁链的观测，因此转速估计的误差并不会引起电流和磁链的观测误差。虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他实施例中。