异步电机驱动系统的无初始条件限制预设性能速度控制

《World Electric Vehicle Journal》：Prescribed Performance Speed Control Without Initial Condition Restrictions for Asynchronous Motor Drive Systems

　　

异步电机因其结构简单、成本低、可靠性高而广泛应用于电动汽车驱动系统。精确的速度跟踪和平滑的瞬态响应在启动、加速和减速过程中至关重要。然而，传感不确定性和传感器故障可能会影响测量信号并降低控制性能。在本研究中，研究人员开发了一种用于异步电机速度调节的自适应预设性能控制（PPC）方法。利用非线性映射和改进的切线型障碍李雅普诺夫函数（BLF）来消除初始跟踪误差必须位于预设性能界内的要求。径向基函数神经网络用于逼近未知非线性项。稳定性分析表明，所有闭环信号保持有界，且跟踪误差在初始扩张阶段后进入并保持在预设性能区域内。在不同初始电机转速、所考虑的传感器故障条件和负载扰动下进行了仿真。在采用的比较条件下，所提出的方法分别将收敛时间、稳态误差、最大跟踪误差和恢复时间减少了69.5%、93.4%、92.2%和49.4%。结果表明，所提出的方法改善了异步电机驱动系统的瞬态响应、跟踪精度和扰动恢复能力。

**论文解读：异步电机驱动系统的无初始条件限制预设性能速度控制**

**研究背景与问题**

异步电机（Asynchronous Motor）因其结构简单、成本低、可靠性高，被广泛应用于电动汽车驱动系统。在电动汽车应用中，驱动电机需要在启动、加速和减速过程中实现精确的速度跟踪和平滑的瞬态响应。然而，传统的控制方法如比例-积分-微分（PID）控制器受电机非线性特性影响，调节时间较长；滑模控制（SMC）虽能改善响应，但存在高频抖振问题，导致机械磨损。此外，现有预设性能控制（PPC）方法通常要求初始跟踪误差位于预设性能界内，这限制了电机初始运行范围，且传感器故障或测量噪声会进一步降低控制性能。因此，亟需开发一种不受初始条件限制且能应对传感不确定性的PPC方法，以提升异步电机驱动系统的动态性能。该研究论文发表在《World Electric Vehicle Journal》。

**主要关键技术方法**

研究人员采用了以下关键技术方法：首先，利用非线性映射（nonlinear mapping）将初始跟踪误差转换到有界区间，从而消除初始条件限制；其次，引入改进的切线型障碍李雅普诺夫函数（tangent-type Barrier Lyapunov Function, BLF）直接约束跟踪误差，避免误差变换带来的奇异性问题；再次，采用径向基函数神经网络（Radial Basis Function Neural Network, RBFNN）逼近电机耦合项、负载效应和未建模非线性动态；最后，通过基于Lyapunov的递归设计（backstepping）构造虚拟控制律和实际控制输入，并设计自适应律在线估计神经网络权重。仿真中采用电机参数和负载扰动模型，未提及具体样本队列来源。

**研究结果**

* **基本跟踪性能与信号有界性（Section 4, 图1-5）**：仿真结果表明，所提出的控制器能准确跟踪参考速度，跟踪误差在初始阶段位于预设界外，但在指定时间内进入预设性能区域；转子磁链、d-q轴电流、控制电压输入及自适应参数估计均保持有界，验证了稳定性分析结论。

* **不同初始电机转速下的性能（Section 4, 图6）**：设置三种不同初始转速（Case 1: 0 rad/s, Case 2: 20 rad/s, Case 3: -20 rad/s），在相同参数下，跟踪误差均能进入预设性能界，证明预设性能设计独立于初始转速跟踪误差。

* **传感器故障条件下的性能（Section 4, 图7）**：采用考虑增益故障和偏置故障的传感器故障模型（测量信号_m(t) = g(t)ω(t) + b(t)），仿真显示在增益误差、偏置误差和测量噪声下，跟踪误差在短暂瞬态后仍能保持在预设性能界内，无显著振荡。

* **负载扰动下的对比性能（Section 4, 图8及表1）**：与文献[25]的自适应控制器对比，在负载扰动和模型摄动下，所提出方法将收敛时间、稳态误差、最大跟踪误差和恢复时间分别降低了69.5%、93.4%、92.2%和49.4%，表明其具有更快的收敛速度、更高的稳态精度和更好的扰动恢复能力。

**结论翻译与讨论**

**结论部分翻译**：在本研究中，研究人员开发了一种用于异步电机速度调节的自适应PPC方法。利用非线性映射和改进的切线型BLF来消除初始跟踪误差必须位于预设性能界内的限制。因此，预设性能函数可以独立于初始电机转速进行选择。稳定性分析表明，所有闭环信号保持有界，且跟踪误差在初始扩张阶段后进入并保持在预设性能区域内。在不同初始电机转速、所考虑的传感器故障模型和负载扰动下的仿真验证了所提出方法的有效性。在采用的比较条件下，与参考方法相比，所提出方法将收敛时间、稳态误差、最大跟踪误差和恢复时间分别减少了69.5%、93.4%、92.2%和49.4%。这些结果表明，所提出的控制器提供了更快的响应、更高的跟踪精度和更好的扰动后恢复能力。然而，所提出的方法仅通过数值仿真验证，且所考虑的扰动和传感器故障模型相对简单。未来工作将侧重于在更真实的扰动、传感器故障、参数变化和输入约束下进行实验验证。