龙伯格观测器

龙伯格观测器

龙伯格观测器（Luenberger Observer）是一种常用的状态观测器，用于动态系统的状态估计。它是在控制理论中广泛应用的一种线性观测器，特别适合于线性定常系统（Linear Time-Invariant, LTI）。龙伯格观测器通过结合系统模型和实际输出，估计系统的状态，从而实现对系统内部状态的观测，即使这些状态不能直接测量。

1. 简化的电机模型

假设使用 $d$-$q$ 轴坐标系，模型状态方程和输出方程可以表示为：

状态方程：
$$\begin{array}{rl}\frac{d{\lambda }_d}{dt}& =v_d-R_s\cdot i_d+\omega \cdot {\lambda }_q\\ \frac{d{\lambda }_q}{dt}& =v_q-R_s\cdot i_q-\omega \cdot {\lambda }_d\\ \frac{d\theta }{dt}& =\omega \end{array}$$

输出方程：
$$\begin{array}{rl}{i}_d& =\frac{{\lambda }_d}{L_d}\\ i_q& =\frac{{\lambda }_q}{L_q}\end{array}$$

其中：

• ${\lambda }_d$ 和 ${\lambda }_q$ 是$d$轴和$q$轴的磁链。
• $v_d$ 和 $v_q$ 是$d$轴和$q$轴的电压。
• $i_d$ 和 $i_q$ 是$d$轴和$q$轴的电流。
• $\theta$ 是转子角度（电角度）。
• $\omega$ 是电机的电角速度。
• $R_s$ 是定子电阻，$L_d$ 和 $L_q$ 是电感。

为了使用龙伯格观测器估算转子角度 $\theta$，我们将系统状态向量定义为 $\mathbf{x}=[{\lambda }_d,{\lambda }_q,\theta {]}^T$，输入向量为 $\mathbf{u}=[v_d,v_q{]}^T$，输出向量为 $\mathbf{y}=[i_d,i_q{]}^T$。

2. C语言实现

#include <stdio.h>

// 电机参数
#define Rs 1.0f    // 定子电阻，单位：欧姆
#define Ld 0.005f  // d轴电感，单位：亨
#define Lq 0.005f  // q轴电感，单位：亨
#define Ts 0.001f  // 采样时间，单位：秒

// 观测器增益矩阵 L
#define L11 10.0f
#define L12 0.0f
#define L21 0.0f
#define L22 10.0f
#define L31 0.1f
#define L32 0.1f

typedef struct {
    float lambda_d;  // 估算的 d 轴磁链
    float lambda_q;  // 估算的 q 轴磁链
    float theta;     // 估算的转子角度
} ObserverState;

// 电机输入结构
typedef struct {
    float v_d;  // d 轴电压
    float v_q;  // q 轴电压
    float i_d;  // d 轴电流
    float i_q;  // q 轴电流
} Motor_Input;

// 龙伯格观测器的更新函数
void LuenbergerObserver_Update(ObserverState *state, Motor_Input *input) {
    // 计算输出误差 e = y - C*x
    float e_d = input->i_d - (state->lambda_d / Ld);
    float e_q = input->i_q - (state->lambda_q / Lq);

    // 观测器状态更新方程
    float lambda_d_dot = input->v_d - Rs * input->i_d + state->lambda_q + L11 * e_d + L12 * e_q;
    float lambda_q_dot = input->v_q - Rs * input->i_q - state->lambda_d + L21 * e_d + L22 * e_q;
    float theta_dot = L31 * e_d + L32 * e_q;

    // 更新状态估计
    state->lambda_d += Ts * lambda_d_dot;
    state->lambda_q += Ts * lambda_q_dot;
    state->theta += Ts * theta_dot;

    // 保持角度在0到2*PI之间
    if (state->theta > 2 * 3.14159265359f) {
        state->theta -= 2 * 3.14159265359f;
    } else if (state->theta < 0) {
        state->theta += 2 * 3.14159265359f;
    }
}

// 主函数
int main() {
    // 初始化观测器状态
    ObserverState observer = {0.0f, 0.0f, 0.0f};

    // 初始化电机输入 (假数据)
    Motor_Input motor_input = {1.0f, 0.5f, 0.2f, 0.1f};

    // 更新观测器并输出结果
    for (int i = 0; i < 1000; i++) {
        LuenbergerObserver_Update(&observer, &motor_input);

        // 输出当前估计状态
        printf("Step %d: Estimated lambda_d = %f, lambda_q = %f, Rotor Angle (theta) = %f radians\n", 
               i, observer.lambda_d, observer.lambda_q, observer.theta);
    }

    return 0;
}

3. 代码详细说明

1. 状态方程离散化：

   • 我们采用了简单的欧拉法将连续时间的状态方程离散化。

2. 观测器增益矩阵 $L$：

   • 增益矩阵 $L$ 的设计基于系统的响应需求。一般情况下，通过极点配置或其他设计方法选择合适的增益，以确保观测误差快速收敛。

3. 龙伯格观测器更新函数：

   • LuenbergerObserver_Update 函数是观测器的核心，实现了状态估计的更新。误差反馈项用于校正状态估计，确保估计的磁链和角度准确跟随实际系统的变化。

4. 转子角度计算：

   • 观测器估算的 $\theta$ 是转子的电角度。为了保证 $\theta$ 在合理范围内，我们对其进行了限制，使其始终保持在 $0$ 到 $2\pi$ 之间。

5. 主函数：

   • 模拟了1000步观测器的运行过程，逐步更新并输出估计的磁链和转子角度。

4. 龙伯格观测器的优缺点

优点：

• 实现简单：对于线性化后的系统，龙伯格观测器的实现较为简单。
• 实时性好：计算效率高，适合嵌入式系统中的实时状态估计。

缺点：

• 线性假设：龙伯格观测器主要适用于线性系统或近似线性系统，对于高度非线性的电机模型，可能需要非线性观测器（如扩展卡尔曼滤波器）来提高精度。
• 鲁棒性有限：对系统模型准确性的依赖较大，模型误差会影响观测器的性能。

5. 总结

通过龙伯格观测器，我们可以在不直接测量转子角度的情况下，通过已知的电机电流、电压来估算转子角度。这种方法在控制理论和实际电机控制中具有广泛的应用，尤其是在传感器有限或需要提高系统可靠性的情况下。