方桂花 王鹤川 高 旭

(内蒙古科技大学 内蒙古 包头 014010)

0 引 言

内置式永磁同步电机(IPMSM)因功率密度大、体积小、效率高等优点被广泛应用于电动车辆的动力系统[1-2]，然而在车辆行驶过程中，IPMSM的环境温度变化较大，导致电机参数存在一定程度的变化。为了确保IPMSM控制系统的高精度控制以及应对参数变化能力，提高在线识别电机参数算法的精度与抗干扰能力成为关键研究内容[3-4]。

目前应用在IPMSM控制系统的参数辨识算法主要有最小二乘法、卡尔曼滤波法、模型参考自适应法、人工智能识别法。文献[5]提出了一种高效率的递归卡尔曼滤波法，能够将系统信号与不完全噪声有效分离开，在参数识别算法的抗干扰能力上取得了有效进展，但目标函数不易确定、算法设计难度大等缺点较为明显；文献[6]设计了一种模型参考自适应算法辨识表贴式永磁同步电机参数，与卡尔曼滤波算法相同的是，算法易于实现的特点需要建立在d轴电感与q轴电感相等的条件下，当模型待辨识参数较多时，自适应律的确定变得十分困难。这两种算法在IPMSM控制系统中应用受到极大限制。文献[7]设计了一种变步长的Adaline神经网络参数识别算法，将步长与瞬时误差的二次方建立对应关系，在提高收敛速度的同时增加了系统稳态误差，并且容易存在较大的失调。

递推最小二乘法(RLS)以结构简单、识别精度高、收敛速度快等优点在IPMSM参数在线识别中得到广泛应用。文献[8]在RLS算法的基础上加入遗忘因子，降低数据储存量的同时，提高了算法的跟踪性能，同时在一定程度上降低了算法的抗干扰能力。……