基于递推遗忘最小二乘的永磁同步电机参数辨识

---

前言

目前，常见的电机电气参数辨识算法有频率响应法、模型参考自适应算法、卡尔曼滤波算法、遗传算法以及最小二乘法等，每一种辨识算法各有优缺点。其中，递推最小二乘法算法简单，易于实现，辨识过程中不需要存储所有数据，一组输入输出数据值即可进行一次计算，计算量小，实时性高。本文以表贴式永磁同步电机为研究对象，基于递推最小二乘法实现了对永磁同步电机定子电阻和电感参数的辨识。

---

一、永磁同步电机基本的数学模型

为了方便研究永磁同步电机，简化复杂的数学模型，忽略铁芯饱和、涡流和磁滞损耗等因素，并假设转子每相气隙磁势在空间呈正态分布。PMSM控制系统采用id=0的矢量控制策略，则PMSM在同步旋转坐标系下的数学模型如下：

$$\begin{gathered} u_d=R{i}_d+L_d\frac{d{i}_d}{dt}-{\omega }_e{L}_q{i}_q \\ {u}_q=R{i}_q+L_q\frac{d{i}_q}{dt}+{\omega }_e\left(L_d{i}_d+{\psi }_f\right) \end{gathered}$$

二、递推最小二乘法原理

辨识的本质是按照某一个特定的辨识准则，从一组模型或者数据类中找出一个能够最好地拟合实际模型或者参数的目标。参数辨识的基本方法是通过一步一步地向真实值逼近方式去实现的。电机内部温度、定子电流、转子负载发生剧烈变化会导致电机参数出现较大改变，为实现精确控制，需要对电机的参数进行精确在线辨识。一般地，电机参数在线辨识的实时性受到辨识算法收敛速度的影响较大，因此可选择收敛速度较快的递推最小二乘辨识算法。 递推最小二乘法的基本原理与最小二乘法的原理一致，只是在最小二乘法基础上作进一步推广。

其基本思想可表示为：

$$\hat{\theta }(k)=\hat{\theta }(k-1)+\Delta (k)$$

即估计值是利用本次的观测数据对预测值进行修正得到的，这种思想借助于矩阵求逆引理可以很容易实现。设k时刻的最小二乘法估计为：

$$\hat{\theta }(k)={\left({\Phi }_k^T{\Phi }_k\right)}^{-1}{\Phi }_k^T{Y}_k$$
最终推导的递推方程：
$$\mathbf{P}(k)=\left[\mathbf{I}-\mathbf{K}(k){\phi }^T(k)\right]\mathbf{P}(k-1)$$