基于鲁棒滤波的步进电机无传感器速度估计

作     者：霍寅龙 

作者单位：上海交通大学 

学位级别：硕士

导师姓名：陈卫东;周复

授予年度：2020年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：混合式步进电机 细分驱动 无位置传感器 扩展H_∞滤波 

摘      要：两相混合式步进电机及其细分驱动系统是当前数字控制领域流行的低成本位置控制执行机构,在总线构成的机电一体化系统中,往往利用编码器监测位置实现步进驱动系统的速度反馈。由于编码器本身的不足,对无位置传感器检测步进电机的速度技术的研究具有一定现实意义,而利用扩展卡尔曼滤波算法（Extended Kalman Filter,简称EKF）的估计方案是步进电机反馈速度方案的主流。然而,步进电机存在强非线性、电感等参数随运行变化剧烈等特点,因此估计算法需要更强的鲁棒性。本文专门针对步进电机细分驱动系统提出了一套利用扩展H∞滤波器（Extended H∞Filter,简称EHF）作为的观测器实现无位置传感器速度估计的方案,用以提高对参数变化的鲁棒性。全文分三个部分:首先,建立了两相混合式步进电机及其细分驱动的数学模型。电机本体方向上,推导了最简数学模型和基于磁网络的非线性模型,着重阐述了电机相电感非线性的由来与表达式。细分驱动方向上,结合电流矢量,推导出了将电感非线性看做参数不确定性的步进电机最简模型,并分析得到不确定性的能量有界性。然后,从线性卡尔曼滤波和H∞滤波开始,推导EKF和EHF估计步进电机驱动系统的表达式,并对比研究EKF与EHF在非线性系统上的区别,得出EHF更适用于步进系统的结论与关键参数?。最后是仿真和实验。仿真部分于Matlab/Simulink环境构建两相混合式步进电机与其细分驱动,以及基于EKF与EHF的速度估计模块,比较二者的估计性能与鲁棒性。实验部分在鸣志电器STF系列开环步进电机驱动器的平台上,借助CANopen总线,在上位机上实现了利用EHF估计步进电机速度,证明了该方案的可行性。