基于MRAS算法的永磁同步电动机无传感器自适应预测控制

摘要

为了保证传统形式的模型参考自适应方法(Model Reference Adaptive System, MRAS)在永磁同步电动机(Permanent Magnet Synchronous Motor, PMSM)的控制过程中保持良好的动态性能和快速的响应策略,本文提出一种基于MRAS经典策略的综合算法模型。此方法使用扩展卡尔曼滤波(Extended Kalman Filter, EKF)技术来代替MRAS传统形式的自适应律,同时综合了一种线性的神经网络(Back-Propagation Network, BPN),通过逆向传播策略对MRAS自适应律结果进行优化补偿,扩展了卡尔曼滤波算法对PMSM辨识目标的估算范围;最后通过MATLAB/Simulink仿真环境对二者进行了仿真结果对比。结果表明,与经典的MRAS算法相比,改进之后的MRAS综合算法模型在无传感器控制过程中,对PMSM控制参数采集的准确性和动态响应过程均有所提升,进一步证明了MRAS综合算法模型在永磁同步电动机拖动控制系统中的应用价值。