异步     电动机      的速度控制

速度控制是生产     机械   对电动机提出的一种运行要求，目的是提高生产效率和产品质量、节约能源以及提高服务质量。根据三相异步电动机转子的转速公式：

式中n-转子转速；

n0-理想空载转速；

f-电源频率；

p-磁极对数；

s-转差率。

由公式可以得知，人为调节三相异步电动机转子转速的方法有三种：改变转差率调速、改变磁极对数调速、改变定子电源电压频率f调速。

其中，改变电动机极对数，可以改变电动机的同步转速，因而实现了调速。这种调速级差较大，不能连续调节转速，一般适用于鼠笼型电动机。实现这种调速方法是采用极对数可以改变的多速电动机。

改变转差率的调速方法有：改变定子电压、转子回路串     电阻   、转子回路引入外加电势（串级调速）、电磁转差离合器等。

随着新型电力电子器件的出现和微电子技术的发展以及现代控制理论的应用，交流调速已经获得了突破性的发展，出现了许多效率高、能耗低、性能好的调速系统。

 异步电动机的速度控制方法

1、矢量控制技术

在异步电动机中，定子     电流   不但建立旋转磁场，也建立了电机的电磁转矩。假如能定子电流的总效应等效两个虚拟的彼此垂直的直流分量，一个控制转子磁链，另一个控制电磁转矩，那么对异步电动机的控制就如同对     直流电动机   的控制一样简单了。矢量控制正是基于这一想法而提出的。矢量控制根据矢量变换理论，采用按转子磁场方向定向，把定子电流矢量分解为在同步旋坐标系中的两个互相垂直的励磁电流分量与转矩电流分量，实现了定子电流励磁分量与转矩分量的解耦；通过控制转子磁链幅值保持恒定不变，实现了转矩的线性化处理，得到了与他励直流电动机一样的线性机械特性。

异步电动机经过矢量变换控制后获得了与他励直流电动机一样的控制特性，采用矢量控制技术的交流传动系统的动、静态性能达到了直流双闭环传动系统的水平。实现矢量控制的关键是要解决沿转子磁场定向的问题，即MT同步旋转坐标M轴要沿转子磁场方向定向。直接磁场定向控制需要获得电机转子磁链的知识，一般采用磁链反馈控制方式。电机转子磁链可直接检测，或用磁链观测器得到。磁场定向是异步电动机实现矢量控制的基础，在上述的磁场定向系统中，无论采用哪种方法，均涉及到电动机参数。若参数值与实际不符，或者在运行中发生了变化，都将直接影响到磁场定向的准确性。磁场定向不准确，会使矢量控制失去原本方法上的优势，造成系统不稳定和动态性能下降。

2、直接转矩控制

直接转矩控制系统是继矢量控制系统后的又一种高动态性能的交流传动控统。其特点是在静止的两相坐标系中控制定子磁链幅值基本保持恒定并实现转矩反馈控制。其核心问题是转矩和定子磁链反馈模型，以及如何根据转矩和磁链控制信号来选择电压空间矢量控制器的     开关   状态。直接转矩控制磁场定向所采用的是定子磁链，只要知道定子电阻就可以把它观测出来，因此直接转矩控制大大减少了矢量控制技术中控制性能易受参数变化影响的问题;而且直接转矩控制直接在定子坐标系下分析交流电机的数学模型，控制电机的磁链和转矩，不需要为解祸而简化交流电机数学模型，即省掉矢量旋转变化等复杂的变换和计算。其缺点是：输出转矩有脉动，低速性能较差，限制了系统的调速范围。

3、自适应控制

具有固定的控制器参数的线性控制系统可以利用经典设计理论比较容易实现。理想状态下，矢量控制的交流传动系统可以认为是线性的，就像直流电机传动系统一样。但是在实际的工业应用中，控制对象参数很少保持不变，另外负载转矩也变动，而且结果系统性能可能恶化，在极端情况下引起不稳定，这个问题能够用自适应控制技术来解决。因此，能够克服参数变化影响的各种自适应控制便成为研究工作的重要课题。主要的自适应控制有自校正控制、模型参考自适应控制、滑模变结构控制、专家系统、模糊控制、     神经网络   控制等。

4、无速度     传感器   高动态性能控制

高精度、高分辨率的速度和     位置传感器   价格昂贵，而且在恶劣环境下无法使用。为了克服这个缺点，无速度传感器控制技术的研究进展很快。无速度传感器控制技术的核心问题是如何获取电机的旋转速度，解决的出发点是利用容易     测量   到的定子电流、定子电压量推算出速度或估计出速度，常用的方法有：

（1）利用电机模型计算转差频率，进行补偿。

（2）利用电机模型推导出转速方程式，从而计算转速。

（3）根据模型参考自适应控制理论，选择合适的参考模型和可调模型，利用自适应算法辩识转速，或者同时辩识转子磁链和转子转速。

（4）利用增广卡尔曼滤波方法。

（5）利用电机的齿谐波电势计算转速。

（6）利用滑模变结构控制，同时辨识转子磁链和转子转速。目前，已有若干品种的无速度矢量控制     变频器   问世，但是电机参数变化问题，当电动机接近零速情况下速度的正确估算，仍需要进一步研究。

5、基于人工智能的异步电动机控制

在经典和各种近代的控制理论基础上提出的控制策略都有一个共同的问题，即控制算法依赖于电机的模型，当模型受到参数变化和扰动作用的影响时，如何进行有效的控制，系统仍能保持优良的动静态性能，是困扰设计者的一大课题。专家系统、模糊控制、神经网络和     遗传算法   属于人工智能的范畴，是     计算机   科学的一个重要分支。近年来，人工智能快速的渗透到电气工程学科中，其在电力电子和传动控制方面非常有发展前途。近年来，人们提出了各种基于智能控制的电机控制策略，主要包括以下几个方面：

（1）基于智能控制的电流、速度和位置调节器。

（2）基于智能控制的参数估计和状态估计。

（3）基于模糊神经网络控制的智能     逆变器   。

（4）基于智能控制的状态监测和故障诊断。

（5）基于遗传算法的智能控制技术。虽然基于人工智能的异步电动机控制系统的研究已取得了不少成果，但是还有诸多理论和技术问题尚未解决，如智能控制器主要凭经验设计，对系统性能尚缺少客观的理论预见，且智能控制系统非常复杂，计算量大，对硬件要求高。到目前为止，仅依靠智能控制还很难理想地解决电机控制问题，一般多是和传统的异步电机控制相结合，取长补短交叉综合控制异步电动机。