news 2026/7/27 22:01:08

永磁同步电机无传感器之龙博格观测器(Luenberger Observer)离散化推导及建模

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
永磁同步电机无传感器之龙博格观测器(Luenberger Observer)离散化推导及建模

通过i_α和i_β估计反电势e_α和e_β

  • 一、龙博格观测器简介
  • 二、状态变量推导
  • 三、实现过程
  • 四、仿真

一、龙博格观测器简介

龙博格观测器,一种典型的全维状态观测器,依赖系统的输出状态与搭建的状态误差收敛状态对状态进行观测

假设一个系统为:
{ x ˙ = A x + B u y = C x \left\{ \begin{aligned} \dot{x} &= A x + B u \\ y &= C x \end{aligned} \right.{x˙y=Ax+Bu=Cx
根据框图格式,构建观测器如下(K为增益):
{ x ^ ˙ = A x ^ + B u + K ( y − y ^ ) y ^ = C x ^ \left\{ \begin{aligned} \dot{\hat{x}} &= A \hat{x} + B u+K(y-\hat{y}) \\ \hat{y} &= C \hat{x} \end{aligned} \right.{x^˙y^=Ax^+Bu+K(yy^)=Cx^
进一步,即状态x的观测值为:
x ^ ˙ = ( A − K C ) x ^ + B u + K y (式 1 ) \ \dot{\hat{x}}= (A-KC) \hat{x} + B u+Ky \ (式1)x^˙=(AKC)x^+Bu+Ky(式1
进一步,离散化后状态x为:
x ^ ( k + 1 ) = [ ( A − K C ) x ^ ( k ) + B u ( k ) + K y ( k ) ] ∗ T s + x ^ ( k ) \ {\hat{x}(k+1)}=[ (A-KC) \hat{x}(k) + B u(k)+Ky (k) ]*T_s+\hat{x}(k)\x^(k+1)=[(AKC)x^(k)+Bu(k)+Ky(k)]Ts+x^(k)
在PMSM控制中,我们通过对输出状态i a \ i_aiai β \ i_βiβ的追踪实现对反电动势e a \ e_aeae a \ e_aea的观测,进而通过PLL可以提取PMSM的转子信息

二、状态变量推导

表贴式PMSM两相静止坐标系下电压方程:
{ u α = R s i α + L s d i α d t + e α u β = R s i β + L s d i β d t + e β \left\{ \begin{aligned} u_{\alpha} &= R_s i_{\alpha} + L_s \frac{di_{\alpha}}{dt} + e_{\alpha} \\ u_{\beta} &= R_s i_{\beta} + L_s \frac{di_{\beta}}{dt} + e_{\beta} \end{aligned} \right.uαuβ=Rsiα+Lsdtdiα+eα=Rsiβ+Lsdtdiβ+eβ
其中,反电动势为:
{ e α = − ω r ψ f sin ⁡ ( θ r ) e β = ω r ψ f cos ⁡ ( θ r ) \left\{ \begin{aligned} e_{\alpha} = -\omega_{r} \psi_{f} \sin \left( \theta_{r} \right) \\ e_{\beta} = \omega_{r} \psi_{f} \cos \left( \theta_{r} \right) \end{aligned} \right.{eα=ωrψfsin(θr)eβ=ωrψfcos(θr)
其中,ω r \ \omega_{r}ωr为电角度、θ r \ \theta_{r}θr为转子位置、ψ f \ \psi_{f}ψf为永磁体磁链

由假设近似:ω r ˙ = 0 \ \dot{ \omega_{r} }=0ωr˙=0d θ r d t = ω r \ \frac{d\theta_r}{dt} = \omega_rdtdθr=ωr从电压方程解出电流导数和反电势导数:
d i α d t = 1 L s ( u α − R s i α − e α ) \frac{di_{\alpha}}{dt} = \frac{1}{L_s}(u_{\alpha} - R_s i_{\alpha} - e_{\alpha})dtdiα=Ls1(uαRsiαeα)
d i β d t = 1 L s ( u β − R s i β − e β ) \frac{di_{\beta}}{dt} = \frac{1}{L_s}(u_{\beta} - R_s i_{\beta} - e_{\beta})dtdiβ=Ls1(uβRsiβeβ)
d e α d t = d d t ( − ω r ψ f sin ⁡ ( θ r ) ) = − ω r d d t ( ψ f sin ⁡ ( θ r ) ) ≈ − ω r e β \frac{de_{\alpha}}{dt} = \frac{d}{dt} \Bigl(-\omega_{r} \psi_{f} \sin(\theta_{r}) \Bigr) = -\omega_{r} \frac{d}{dt} \Bigl( \psi_{f} \sin(\theta_{r}) \Bigr) \approx -\omega_{r} e_{\beta}dtdeα=dtd(ωrψfsin(θr))=ωrdtd(ψfsin(θr))ωreβ
d e β d t = d d t ( ω r ψ f cos ⁡ ( θ r ) ) = ω r d d t ( ψ f cos ⁡ ( θ r ) ) ≈ ω r e α \frac{de_{\beta}}{dt} = \frac{d}{dt} \Bigl( \omega_{r} \psi_{f} \cos(\theta_{r}) \Bigr) = \omega_{r} \frac{d}{dt} \Bigl( \psi_{f} \cos(\theta_{r}) \Bigr) \approx \omega_{r} e_{\alpha}dtdeβ=dtd(ωrψfcos(θr))=ωrdtd(ψfcos(θr))ωreα
故而状态空间方程构建如下:
状态空间方程为:d d t [ i α i β e α e β ] = [ − R s L s 0 − 1 L s 0 0 − R s L s 0 − 1 L s 0 0 0 − ω r 0 0 ω r 0 ] [ i α i β e α e β ] + [ 1 L s 0 0 1 L s 0 0 0 0 ] [ u α u β 0 0 ] \frac{d}{d t}\left[\begin{array}{c} i_{\alpha} \\ i_{\beta} \\ e_{\alpha} \\ e_{\beta} \end{array}\right] = \left[\begin{array}{cccc} -\frac{R_{s}}{L_{s}} & 0 & -\frac{1}{L_{s}} & 0 \\ 0 & -\frac{R_{s}}{L_{s}} & 0 & -\frac{1}{L_{s}} \\ 0 & 0 & 0 & -\omega_{r} \\ 0 & 0 & \omega_{r} & 0 \end{array}\right] \left[\begin{array}{c} i_{\alpha} \\ i_{\beta} \\ e_{\alpha} \\ e_{\beta} \end{array}\right] + \left[\begin{array}{cc} \frac{1}{L_{s}} & 0 \\ 0 & \frac{1}{L_{s}} \\ 0 & 0 \\ 0 & 0 \end{array}\right] \left[\begin{array}{c} u_{\alpha} \\ u_{\beta} \\ 0 \\ 0 \end{array}\right]dtdiαiβeαeβ=LsRs0000LsRs00Ls100ωr0Ls1ωr0iαiβeαeβ+Ls10000Ls100uαuβ00

输出方程为:[ i α i β ] = [ 1 0 0 0 0 1 0 0 ] [ i α i β e α e β ] \left[\begin{array}{l} i_{\alpha} \\ i_{\beta} \end{array}\right] = \left[\begin{array}{llll} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \end{array}\right] \left[\begin{array}{l} i_{\alpha} \\ i_{\beta} \\ e_{\alpha} \\ e_{\beta} \end{array}\right][iαiβ]=[10010000]iαiβeαeβ

三、实现过程

仿照一、中,对上面给出的状态方程设计Lunberger观测器如下:
d d t [ i ^ α i ^ β e ^ α e ^ β ] = A [ i ^ α i ^ β e ^ α e ^ β ] + B [ u α u β 0 0 ] + K ( [ i α i β 0 0 ] − [ i ^ α i ^ β 0 0 ] ) ( 式 2 ) \frac{d}{d t}\left[\begin{array}{c} \hat{i}_{\alpha} \\ \hat{i}_{\beta} \\ \hat{e}_{\alpha} \\ \hat{e}_{\beta} \end{array}\right] = \mathbf{A}\left[\begin{array}{c} \hat{i}_{\alpha} \\ \hat{i}_{\beta} \\ \hat{e}_{\alpha} \\ \hat{e}_{\beta} \end{array}\right] + \mathbf{B}\left[\begin{array}{c} u_{\alpha} \\ u_{\beta} \\ 0 \\ 0 \end{array}\right] + \mathbf{K}\left( \left[\begin{array}{c} i_{\alpha} \\ i_{\beta}\\0 \\0 \end{array}\right] - \left[\begin{array}{c} \hat{i}_{\alpha} \\ \hat{i}_{\beta} \\0 \\0 \end{array}\right] \right)(式2)dtdi^αi^βe^αe^β=Ai^αi^βe^αe^β+Buαuβ00+Kiαiβ00i^αi^β00(2)
其中,系数矩阵A、B、C为:
A = [ − R s L s 0 − 1 L s 0 0 − R s L s 0 − 1 L s 0 0 0 − ω r 0 0 ω r 0 ] \mathbf{A}=\left[\begin{array}{cccc} -\frac{R_{s}}{L_{s}} & 0 & -\frac{1}{L_{s}} & 0 \\ 0 & -\frac{R_{s}}{L_{s}} & 0 & -\frac{1}{L_{s}} \\ 0 & 0 & 0 & -\omega_{r} \\ 0 & 0 & \omega_{r} & 0 \end{array}\right]A=LsRs0000LsRs00Ls100ωr0Ls1ωr0

B = [ 1 L s 0 0 1 L s 0 0 0 0 ] , C = [ 1 0 0 0 0 1 0 0 ] \mathbf{B}=\left[\begin{array}{cc} \frac{1}{L_{s}} & 0 \\ 0 & \frac{1}{L_{s}} \\ 0 & 0 \\ 0 & 0 \end{array}\right],\quad \mathbf{C}=\left[\begin{array}{cccc} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \end{array}\right]B=Ls10000Ls100,C=[10010000]
增益矩阵为:
K = [ K 1 0 0 0 0 K 1 0 0 K 2 0 0 0 0 K 2 0 0 ] \mathbf{K} = \left[ \begin{array}{cc} K_1 & 0 & 0& 0\\ 0 & K_1 & 0& 0\\ K_2 & 0 & 0& 0\\ 0 & K_2& 0& 0\\ \end{array} \right]K=K10K200K10K200000000
其中,K1是对电流的观测增益,K2是对反电动势的观测增益
状态变量,输入矩阵,输出矩阵分别为:

x = [ i α i β e α e α ] , u = [ u α u β 0 0 ] , y = [ i α i β 0 0 ] \mathbf{x}=\left[\begin{array}{c} i_{\alpha} \\ i_{\beta} \\ e_{\alpha} \\ e_{\alpha} \end{array}\right] ,\mathbf{u}=\left[\begin{array}{c} u_{\alpha} \\ u_{\beta} \\ 0 \\ 0 \end{array}\right] ,\mathbf{y}=\left[\begin{array}{c} i_{\alpha} \\ i_{\beta} \\ 0 \\ 0 \end{array}\right]x=iαiβeαeα,u=uαuβ00,y=iαiβ00
对(式2)离散化后,得到反电动势的龙博格观测器为:
i ^ α ( k + 1 ) = i ^ α ( k ) + T [ − R s L s i ^ α ( k ) − 1 L s e ^ α ( k ) + 1 L s u α ( k ) + K 1 ( i α ( k ) − i ^ α ( k ) ) ] i ^ β ( k + 1 ) = i ^ β ( k ) + T [ − R s L s i ^ β ( k ) − 1 L s e ^ β ( k ) + 1 L s u β ( k ) + K 1 ( i β ( k ) − i ^ β ( k ) ) ] e ^ α ( k + 1 ) = e ^ α ( k ) + T [ − ω ^ e e ^ β ( k ) + K 2 ( i α ( k ) − i ^ α ( k ) ) ] e ^ β ( k + 1 ) = e ^ β ( k ) + T [ ω ^ e e ^ α ( k ) + K 2 ( i β ( k ) − i ^ β ( k ) ) ] \begin{aligned} \hat{i}_{\alpha}(k+1) &= \hat{i}_{\alpha}(k) + T\bigg[-\frac{R_s}{L_s}\hat{i}_{\alpha}(k) - \frac{1}{L_s}\hat{e}_{\alpha}(k) + \frac{1}{L_s}u_{\alpha}(k) + K_1\big(i_{\alpha}(k) - \hat{i}_{\alpha}(k)\big)\bigg] \\ \hat{i}_{\beta}(k+1) &= \hat{i}_{\beta}(k) + T\bigg[-\frac{R_s}{L_s}\hat{i}_{\beta}(k) - \frac{1}{L_s}\hat{e}_{\beta}(k) + \frac{1}{L_s}u_{\beta}(k) + K_1\big(i_{\beta}(k) - \hat{i}_{\beta}(k)\big)\bigg] \\ \hat{e}_{\alpha}(k+1) &= \hat{e}_{\alpha}(k) + T\bigg[-\hat{\omega}_e \hat{e}_{\beta}(k) + K_2\big(i_{\alpha}(k) - \hat{i}_{\alpha}(k)\big)\bigg] \\ \hat{e}_{\beta}(k+1) &= \hat{e}_{\beta}(k) + T\bigg[\,\hat{\omega}_e \hat{e}_{\alpha}(k) + K_2\big(i_{\beta}(k) - \hat{i}_{\beta}(k)\big)\bigg] \end{aligned}i^α(k+1)i^β(k+1)e^α(k+1)e^β(k+1)=i^α(k)+T[LsRsi^α(k)Ls1e^α(k)+Ls1uα(k)+K1(iα(k)i^α(k))]=i^β(k)+T[LsRsi^β(k)Ls1e^β(k)+Ls1uβ(k)+K1(iβ(k)i^β(k))]=e^α(k)+T[ω^ee^β(k)+K2(iα(k)i^α(k))]=e^β(k)+T[ω^ee^α(k)+K2(iβ(k)i^β(k))]
T为采样时间

四、仿真

simulink搭建仿真验证如下:

选取合适增益后运行,用示波器查看i_α和hat(i_α)波形发现观测收敛,如下:


反电动势为:

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/26 7:18:00

13、Linux网络重要特性全解析

Linux网络重要特性全解析 1. 网络应用基础 在成功设置好IP和解析器后,我们需要关注通过网络提供的服务。这里将介绍一些简单网络应用的配置,包括inetd服务器和rlogin家族的程序,还会简要提及远程过程调用(RPC)接口。不过,像网络文件系统(NFS)和网络信息系统(NIS)等…

作者头像 李华
网站建设 2026/7/27 17:48:13

17、深入了解 Taylor UUCP:原理、配置与应用

深入了解 Taylor UUCP:原理、配置与应用 1. UUCP 简介 UUCP(Unix-to-Unix Copy Program)由 AT&T 贝尔实验室的 Mike Lesk 在 20 世纪 70 年代末设计,旨在通过公共电话线提供简单的拨号网络。尽管如今拨号 PPP 和 SLIP 连接到互联网很流行,但许多希望在家用机器上使用…

作者头像 李华
网站建设 2026/7/26 15:32:08

避开“入狱”陷阱:零基础网络安全入门实战指南与知识图谱

引言 随着数字化时代的到来,网络安全已成为企业和个人不可或缺的防护屏障。无论是防止数据泄露,还是抵御黑客攻击,网络安全工程师的角色越来越重要。 那么,如果你想入行网络安全,需要学习哪些知识点呢? …

作者头像 李华
网站建设 2026/7/27 4:39:01

基于深度学习的安防监控校园暴力行为检测算法研究

目录 前言选题背景数据集数据预处理方法数据分割功能模块介绍多层次门控双流网络模块多模态注意力多流网络模块实验评估模块算法理论深度学习基础理论多流网络理论注意力机制理论多模态融合理论核心代码介绍多层次时序模块代码门控连接模块代码三重注意力融合模块代码重难点和创…

作者头像 李华
网站建设 2026/7/27 18:18:55

基于STM32单片机的智能家居系统设计

基于STM32单片机的智能家居系统设计与实现 第一章 引言 随着物联网技术的发展,智能家居已从单一设备控制向多设备联动、场景化服务演进。传统智能家居方案多依赖专用网关或昂贵的嵌入式平台,存在成本高、兼容性差、二次开发难度大等问题。基于STM32单片机…

作者头像 李华
网站建设 2026/7/26 21:46:01

14、Red Hat Linux实用应用指南

Red Hat Linux实用应用指南 1. 运行命令行程序 在Red Hat Linux系统中,你可以通过GNOME运行程序菜单来运行命令行程序。具体操作步骤如下: 1. 点击GNOME主菜单按钮,选择“运行程序”。 2. 此时会弹出“运行程序”窗口,在该窗口中你可以输入任意想要执行的命令。例如,在…

作者头像 李华