适用于Matlab2019a和b版本速度环模块儿分别用PI和MTPA控制策略

适用于Matlab2019a和b版本
速度环模块儿分别用PI和MTPA控制策略
基于MRAS（模型参考自适应法）的无位置传感器控制系统设计。

基于MRAS的无位置传感器控制系统设计——以Matlab2019a与b版本的速度环模块为例，探究PI和MTPA控制策略的应用。

1.需求分析

在电机控制中，无位置传感器控制系统是一种非常常见的应用场景。在许多情况下，由于安装不便或是经济成本等问题，无位置传感器控制系统是更为合理的选择。但是无位置传感器控制系统的实现过程中，必须要解决位置测量不准确的问题。

此时，MRAS模型参考自适应法就可以得到广泛应用。本文将围绕Matlab2019a和b版本的速度环模块，探讨PI和MTPA两种控制策略在MRAS无位置传感器控制系统中的应用，旨在为电机控制领域的研究者提供一种优秀的解决方案。

2.技术架构

本文所讨论的无位置传感器控制系统基于MRAS模型参考自适应法。该系统的技术架构如下图所示：

其中，系统主要分为4个模块，分别是：速度环、PI控制器、MTPA控制器和MRAS模型参考自适应法模块。

在这个架构中，速度环模块主要用于对电机的速度进行测量，并且每个速度环模块都有一个对应的PI（比例积分）控制器和MTPA（磁力转矩极自适应）控制器。MRAS模型参考自适应法模块用于解决无位置传感器控制系统中的位置测量不准确的问题。

3.具体实现

3.1 PI控制策略

PI控制器（比例积分控制器）是一种常见的电机控制策略。在无位置传感器控制系统中，通过对速度环模块进行测量，可以计算出电机的转速。然后，PI控制器可以根据转速的误差，对电机的控制信号进行调节，从而使电机的速度达到设定值。其具体实现代码如下：

Kp = 0.1; %比例控制器增益
Ki = 0.01; %积分控制器增益
e = speed_ref - speed_act; %速度误差
u = Kp*e + Ki*sum(e); %PI控制器输出

3.2 MTPA控制策略

MTPA（磁力转矩极自适应）控制器是一种更加高级的电机控制策略。在无位置传感器控制系统中，MTPA控制器可以通过对电机两相磁场的测量，通过反向计算，得到电机当前的转子位置。然后，MTPA控制器可以根据转速和转子位置，对电机的控制信号进行调节，从而使电机的速度达到设定值。其具体实现代码如下：

Km = 0.5; %磁力转矩极自适应控制器增益
theta = atan(y/x); %根据电机两相磁场计算转子位置
e = speed_ref - speed_act; %速度误差
u = Km*e*cos(theta); %MTPA控制器输出

3.3 MRAS模型参考自适应法

MRAS（模型参考自适应法）是一种广泛应用于无位置传感器控制系统中的控制方式。在无位置传感器控制系统中，MRAS通过建立一个模型，来估计电机当前的转子位置。其具体实现代码如下：

Km = 0.5; %磁力转矩极自适应控制器增益
alpha = 0.1; %MRAS控制器增益
e = speed_ref - speed_act; %速度误差
theta_hat_dot = alpha*Km*e*sin(theta_hat); %模型输出
theta_hat = theta_hat + theta_hat_dot*dt; %模型状态更新

4.实验结果

为了验证本文所提供的无位置传感器控制系统的有效性，我们进行了一系列实验。在实验中，我们使用了Matlab2019a和b版本的速度环模块，并且分别采用了PI和MTPA两种控制策略，通过MRAS模型参考自适应法来解决位置测量不准确的问题。实验结果如下图所示：

从实验结果可以看出，无位置传感器控制系统在使用MRAS模型参考自适应法的情况下，效果非常明显。当采用PI控制策略时，速度稳定性和控制精度都有所提升；当采

相关代码,程序地址：http://lanzouw.top/675795764360.html