一种智能阀门电动执行机构的控制系统构建方法
技术领域
本发明涉及阀门控制
技术领域
，特别是一种智能阀门电动执行机构的控制系统构建方法。背景技术
随着工业生产自动化的发展，电动执行机构的应用越来越广泛，各控制领域对电动执行机构控制系统在响应速度、控制精度以及抗干扰性能等方面的要求也越来越高。研究并优化电动执行机构控制系统，对提高系统控制精度和稳定性具有重要的理论意义和实用价值。
控制系统作为智能阀门电动执行机构的重要构成部分，其控制目标是对阀门位置进行精准控制，传统的控制系统常常采用的是位置单环控制，在传统的单环控制方式下驱动电机的速度不能灵活调节并且控制系统的动态稳定性较差。不能对速度进行任意调节会造成位置控制在小范围内振荡的问题，影响执行机构位置控制精度，严重时会引起阀门卡堵现象，同时也会大大缩短机械部件的寿命。在一些对控制系统性能要求较高的应用场合，如高压力、大流量的工作环境以及要求控制系统响应速度快、控制精度高的系统，普通的执行机构由于其控制性能的不足已难以胜任。
温度变化对电动执行机构控制系统性能有一定的影响，尤其影响电机的参数辨识，因此温度补偿对提高系统控制性能具有重要意义。目前常用的温度补偿方法是首先分析温度对控制系统转矩测量造成的误差，建立了一个合理的温度补偿系统，根据不同的温度补偿原理，结合测量的实际情况，设计具有自校准功能的差动补偿系统。它通过控制伺服驱动装置的接通和断开，测量力矩，修正温度，但该系统并不能满足智能阀门电动执行机构的运行要求。
发明内容
本发明的目的在于提供一种智能阀门电动执行机构的控制系统构建方法，从而提高智能阀门电动执行机构控制精度及稳定性。
实现本发明目的的技术解决方案为：一种智能阀门电动执行机构的控制系统构建方法，包括以下步骤：
步骤1、建立基于电流环、速度环、位置环的三环控制系统；
步骤2、采用变增益系数的MRAS对系统转动惯量进行在线辨识，以转动惯量作为观测器的输入对系统负载转矩进行在线观测，根据观测结果对系统控制器参数进行整定；
步骤3、通过温度检测电路监测转子时间常数变化，根据转子时间常数与电磁转矩的关系，针对温度对控制系统负载转矩观测造成的误差，进行温度补偿。
本发明与现有技术相比，其显著优点在于：(1)将电动执行机构控制系统设计为位置+速度+电流三环控制方式，实现了对电动执行机构阀门位置的精准控制，从而提高了电动执行机构稳定性及控制精度；(2)在传统的控制策略引入速度内环减小系统速度波动、超调和震荡，提高系统定位精度及控制灵敏度；(3)在速度环外额外增加位置环，以实现对电动执行机构阀门位置的精准控制，从而更进一步提高控制系统的控制精度，避免了传统电动执行机构在启停瞬间的过冲现象，实现了柔性启停功能；(4)在控制系统中引入温度补偿，减小了电动执行机构运行过程中温度变化对参数辨识的影响，提高了辨识精度，提高了系统的控制性能。
附图说明
图1是本发明智能阀门电动执行机构的控制系统构建方法中的三环控制系统的原理框图。
图2是本发明中的整体控制系统的原理框图。
图3是本发明中的参数辨识模型的原理框图。
具体实施方式
本发明智能阀门电动执行机构的控制系统构建方法，包括以下步骤：
步骤1、建立基于电流环、速度环、位置环的三环控制系统；
步骤2、采用变增益系数的MRAS对系统转动惯量进行在线辨识，以转动惯量作为观测器的输入对系统负载转矩进行在线观测，根据观测结果对系统控制器参数进行整定；
步骤3、通过温度检测电路监测转子时间常数变化，根据转子时间常数与电磁转矩的关系，针对温度对控制系统负载转矩观测造成的误差，进行温度补偿。
进一步地，步骤1所述的建立基于电流环、速度环、位置环的三环控制系统，具体如下：
步骤1.1、将电流环作为控制系统最内环，实时跟踪给定电流，同时抑制系统直流母线电压的波动以及系统的转矩脉动，减弱反电动势给系统带来的干扰；
步骤1.2、将速度环作为控制系统中间环，实现对给定速度的跟踪，并对干扰系统运行的负载扰动进行抑制；
步骤1.3、将位置环作为控制系统最外环，对电机进行变速调节，同时对阀门位置进行控制。
进一步地，步骤1.3所述的将位置环作为控制系统最外环，对电机进行变速调节，同时对阀门位置进行控制，具体如下：
位置环控制器采用基于新型趋近律的滑模控制器，将目标位置作为位置环控制器的输入，根据目标位置和当前位置的偏差计算参考转速，实时调节速度环的输入转速，使得实际转速跟踪参考转速，随着当前位置逼近目标位置，参考转速和实际转速都趋于零；
将目标位置与实际位置反馈值的偏差量作为控制量，得到：
其中，x1，x2为切换函数的输入参数，θref为目标位置，θm为实际位置；
取滑模面：
S＝cx1+cx2 (2)
其中，S为滑模面、c为切换函数中的系数；
将式(1)代入式(2)得：
对式(3)进行求导，并建立滑模面和趋近律之间的联系，进而得到：
其中，t为时间，ε、k为指数趋近律中的系数，根据系统需要确定；
根据目标位置和当前位置的偏差得到速度环中的转速指令，根据式(4)，得到速度环指令为：
其中ωref为输入给速度环的给定转速。
进一步地，步骤2所述的采用变增益系数的MRAS对系统转动惯量进行在线辨识，以转动惯量作为观测器的输入对系统负载转矩进行在线观测，根据观测结果对系统控制器参数进行整定，具体如下：
步骤2.1、采用结合变增益系数的MRAS模型，参考自适应算法和负载转矩观测器的混合观测模型，对系统的转动惯量进行在线辨识；
步骤2.2、将转动惯量作为负载转矩观测器的输入，建立降阶负载转矩观测器的观测方程，实时观测系统的负载转矩；
步骤2.3、建立系统转动惯量与控制器参数的函数关系，将转动惯量的辨识结果用于实时调节速度环控制器参数，实现PI参数的自整定，将负载转矩的观测结果用于给转矩电流进行前馈补偿。
进一步地，步骤2.1所述采用结合变增益系数的MRAS模型，参考自适应算法和负载转矩观测器的混合观测模型，对系统的转动惯量进行在线辨识，具体如下：
根据参考模型的结构，构建参数可变的自适应模型，用参考模型和自适应模型的误差，调整可调模型的可变参数，直至两者的输出误差最小；
异步电机的机械运动学方程为：
其中，ωm为转子机械角速度；J为电机的负载转矩惯量；Bm为粘滞摩擦系数；Te为电磁转矩；TL为负载转矩；t为时间；
忽略粘滞摩擦项，得到运动学方程的离散化差分方程为：
式中，Ts为控制算法采样时间；k、k-1、k-2为采样时刻；
在一个采样周期内，负载转矩不变：
TL(k-1)＝TL(k-2) (9)
由式(7)、式(8)得到参考模型：
ωm(k)＝2*ωm(k-1)+b*ΔTe(k-1) (10)
其中，b为辨识参数、ΔTe(k-1)为k-1时刻与k-2时刻电磁转矩的差值；
根据参考模型，构建自适应模型如下：
其中为实际速度的估计值；为待辨识参数；ΔTe(k-1)＝[Te(k-1)-Te(k-2)]；为系统辨识出的转动惯量，ΔTe(k-1)为k-1时刻与k-2时刻电磁转矩的差值；
参考模型和可调模型输出的偏差Δωm(k)为：
根据Landau提出的离散时间迭代参数辨识机制，设计自适应算法如下：
式中，β为自适应的增益；b(k)、b(k-1)分别为k与k-1时刻系统的辨识参数；
β＝βmin+[e(J)]2*βmax (14)
式(14)中，βmax为在转动惯量辨识算法收敛情况下，系统收敛速度最快时自适应增益系数的取值；βmin为在转动惯量辨识算法收敛情况下，辨识精度最高时的取值；e(J)为转动惯量实际值与辨识结果的偏差值。
进一步地，步骤2.2所述将转动惯量作为负载转矩观测器的输入，建立降阶负载转矩观测器的观测方程，实时观测系统的负载转矩，具体如下：
异步电机的机械运动学方程为：
其中，ωm为转子机械角速度；J为电机的负载转矩惯量；Bm为粘滞摩擦系数；Te为电磁转矩；TL为负载转矩；t为时间；
负载转矩观测器用来估计未知的负载转矩TL；
在采样周期内认为负载转矩为恒定值：
根据式(15)、式(16)，得到如下的系统状态方程：
其中：
u＝Te，y＝ωm
C＝[1 0]
根据式(17)，得到降阶的负载转矩观测器如下：
其中：式中，为被估计的状态变量，K为状态反馈增益矩阵，k1、k2为系数；
由式(17)、式(18)得到观测器的系统状态误差方程为：
其中，为状态误差矢量；
系统的特征多项式f(λ)为：
其中，λ为系数，I为单位矩阵；
将状态方程的期望极点设计在负实轴上：
λ2-(α+β)+β＝0 (21)
其中，α和β为状态方程的极点；
根据式(20)、式(21)得到反馈增益矩阵：
由式(18)得到负载转矩观测器离散化的差分方程：
其中k、k+1为采样时刻，Ts为采样时间，分别为k+1、k时刻的转速估计值，分别为k+1、k时刻的负载转矩估计值；ωm(k)为k时刻转子机械角速度；
采用磁场定向矢量控制的异步电机，电磁转矩Te与转矩电流isq的关系如下：
其中Np为极对数，Lm为定转子互感，Lr为转子自感、ψr转子磁链；
当电机运行在恒定转速ωm1时，对应的q轴电流平均值为isq1，由式(15)得：
K*isq1-TL-Bm*ωm1＝0 (25)
当电机运行在恒定转速ωm2时，对应的q轴电流平均值为isq2，由式(15)得：
K*isq2-TL-Bm*ωm2＝0 (26)
由式(25)、式(26)得不包含扰动转矩误差的负载转矩计算如下：
由转动惯量和粘滞摩擦系数的误差引起的扰动转矩误差定义如下：
采用MIT自适应率参数辨识，得到转动惯量的辨识方程和粘滞摩擦系数的辨识方程如下：
J(k+1)＝γJ*Tdis*(ωm(k)-ωm(k-1))+J(k) (29)
B(k+1)＝Tdis*γB*Tdis*ωm(k)+B(k) (30)
式中，γJ为转动惯量调整率；γB为粘滞摩擦系数调整率。
进一步地，步骤2.3所述建立系统转动惯量与控制器参数的函数关系，将转动惯量的辨识结果用于实时调节速度环控制器参数，实现PI参数的自整定，将负载转矩的观测结果用于给转矩电流进行前馈补偿，具体如下：
系统速度环控制器参数与转动惯量的函数关系为：
式(31)中，KT为转矩常数，Ti为电流环的等效时间常数；速度环PI调节器的Kp、Ki都与系统的转动惯量J成正比，控制系统实时辨识转动惯量及负载转矩，其中转动惯量用于实现速度环PI的参数自整定，负载转矩用于给转矩电流进行前馈补偿。
进一步地，步骤3所述的通过温度检测电路监测转子时间常数变化，根据转子时间常数与电磁转矩的关系，针对温度对控制系统负载转矩观测造成的误差，进行温度补偿，具体如下：
步骤3.1、分析转子时间常数与电动执行机构电磁转矩的函数关系；
步骤3.2、建立转子时间常数与定子温度间的函数关系，根据转子时间常数的变化修正电磁转矩，对控制系统的负载转矩观测结果进行修正。
进一步地，步骤3.1所述的分析转子时间常数与电动执行机构电磁转矩的函数关系，具体如下：
电动执行机构的电磁转矩Te为：
式中np为极对数，Lm为气隙漏感，id为励磁电流分量，ψr为磁链，Lr为转子电感；
转子时间常数变化时，电磁转矩变化：
式中Tr为转子时间常数，iq为转矩电流分量；Te'为实际温度下的电磁转矩；Te为电磁转矩理论值；L'm、L'r、i'q、ψ'r分别为实际温度下的气隙漏感、转子电感、励磁电流分量、磁链；
令：根据定转子的电压方程，将式(7)简化为：
其中i'd为实际温度下的转矩电流分量，Tr为转子时间常数，T'r为实际温度下的转子时间常数；
令
当α→0时，电磁转矩与转矩时间常数成正比；
当α→∞时，电磁转矩与转矩时间常数成反比。
进一步地，步骤3.2所述的建立转子时间常数与定子温度间的函数关系，根据转子时间常数的变化修正电磁转矩，对控制系统的负载转矩观测结果进行修正，具体如下：
步骤3.2.1、测量异步电机定转子的温度数值，采用曲线拟合的方式，得到定转子温度的函数关系：
t转子＝f1(t定子) (35)
其中t转子、t定子为测量得到的异步电机转子、定子温度；f1为定转子温度之间的函数关系；
步骤3.2.2、转子电阻会随着温度的变化而发生变化，转子电阻的变化引起转子时间常数的变化，设定转子时间常数与转子温度的变化关系为：
Tr＝f2(t转子) (36)
其中Tr、f2为转子时间常数与转子温度的函数关系，t转子为测量得到的异步电机转子的温度数值；
步骤3.2.3、由式(35)和式(36)得转子时间常数与定子温度之间的关系：
Tr＝f2(f1(t定子)) (37)
步骤3.2.4、设定定转子温度的函数关系为：
t转子＝f1(t定子)+Δf1(t定子) (38)
式中Δf1(t定子)是定转子温度函数关系的偏差；
则转子时间常数表示为：
Tr＝f2(f1(t定子)+Δf1(t定子))＝f2[f1(t定子)]+Δf2(t定子) (39)
式(39)中：Δf2(t定子)是定转子温度函数关系的偏差；
当Δf2(t定子)＞0时：引起理论计算的转子时间常数偏大，即控制系统用的转子时间常数比电机实际的转子时间常数大；当Δf2(t定子)＜0时：引起理论计算的转子时间常数偏小，即控制系统用的转子时间常数比电机实际的转子时间常数小；
步骤3.2.5、根据转子时间常数与电磁转矩的函数关系，对电磁转矩进行修正。
下面结合附图和具体实施方式对本发明作进一步详细说明。
实施例
结合图1、图2、图3，本发明一种智能阀门电动执行机构的控制系统构建方法，包括以下步骤：
步骤1：设计电流环、速度环、位置环三环控制系统，以提高电动执行机构控制系统的位置控制精度及运行稳定性，同时实现电动执行机构的柔性启停，结合图1，具体如下：
步骤1.1、将电流环作为控制系统最内环，实时跟踪给定电流的同时抑制系统直流母线电压的波动以及系统的转矩脉动，减弱反电动势给系统带来的干扰；
步骤1.2、将速度环作为控制系统中间环，实现对给定速度的跟踪，并对干扰系统运行的负载扰动加以抑制；
步骤1.3、将位置环作为控制系统最外环，将目标位置作为调节器的输入，根据目标位置和当前位置的误差，计算出一个适合当前误差的参考转速，实时调节速度环的输入转速，使得实际转速跟踪参考转速对电机进行变速调节的同时对阀门位置进行精准控制，并保证无超调，具体如下：
位置环控制器采用基于新型趋近律的滑模控制器，将目标位置作为位置环调节器的输入，根据目标位置和当前位置的误差，计算出一个适合当前误差的参考转速，实时调节速度环的输入转速，使得实际转速跟踪参考转速，随着当前位置逼近目标位置，参考转速和实际转速都趋于零，根据当前位置自适应地调整参考转速，离目标位置越近，参考转速越小，实现柔性启停功能；
将系统给定位置与实际位置反馈值的偏差量作为控制量，可以得到：
其中，x1，x2为切换函数的输入参数，θref为目标位置，θm为实际位置；
取滑模面：
S＝cx1+cx2 (2)
其中，S为滑模面、c为切换函数中的系数；
将式(1)代入式(2)可得：
对公式(3)进行求导，并建立其和趋近律之间的联系，进而得到：
其中，t为时间，ε、k为指数趋近律中的系数，根据系统需要确定；
位置控制器的核心内容就是根据位置和位置指令的偏差得到速度环中的转速指令，根据式(4)，可以得到速度环指令为：
其中ωref为输入给速度环的给定转速。
步骤2：采用结合变增益系数的模型参考自适应算法和负载转矩观测器的混合观测模型，对系统转动惯量进行在线辨识，然后将辨识结果作为负载转矩观测器的输入，建立降阶负载转矩观测器的观测方程，实时观测系统的负载转矩，最后根据系统参数辨识结果实时整定系统控制器参数，构建参数自适应系统，具体如下：
步骤2.1：采用结合变增益系数的MRAS模型，参考自适应算法和负载转矩观测器的混合观测模型，对系统的转动惯量进行在线辨识，具体如下：
根据参考模型的结构，构建参数可变的自适应模型，用参考模型和自适应模型的误差，根据一定的自适应算法调整可调模型的可变参数，直至两者的输出误差最小；
异步电机的机械运动学方程为：
其中，ωm为转子机械角速度；J为电机的负载转矩惯量；Bm为粘滞摩擦系数；Te为电磁转矩；TL为负载转矩；t为时间；
考虑到控制算法的采样速率足够高，可以忽略粘滞摩擦项，得到运动学方程的离散化差分方程为：
式中，Ts为控制算法采样时间；k、k-1、k-2为采样时刻；
由于采样时间足够短，在一个采样周期内，可以认为负载转矩不变：
TL(k-1)＝TL(k-2) (9)
由式(7)、式(8)得到参考模型：
ωm(k)＝2*ωm(k-1)+b*ΔTe(k-1) (10)
其中，b为辨识参数、ΔTe(k-1)为k-1时刻与k-2时刻电磁转矩的差值；
根据参考模型，自适应模型可以设计如下：
其中为实际速度的估计值；为待辨识参数；ΔTe(k-1)＝[Te(k-1)-Te(k-2)]；为系统辨识出的转动惯量，ΔTe(k-1)为k-1时刻与k-2时刻电磁转矩的差值；
参考模型和可调模型输出的偏差为：
根据Landau提出的离散时间迭代参数辨识机制，设计自适应算法如下：
式中，β为自适应的增益；b(k)、b(k-1)分别为k与k-1时刻系统的辨识参数；
β＝βmin+[e(J)]2*βmax (14)
式(14)中，βmax为在转动惯量辨识算法收敛情况下，系统收敛速度最快时自适应增益系数的取值；βmin为在转动惯量辨识算法收敛情况下，辨识精度最高时的取值；e(J)为转动惯量实际值与辨识结果的偏差值。
步骤2.2：以转动惯量作为观测器的输入，建立降阶负载转矩观测器的观测方程，实时观测系统的负载转矩，具体如下：
异步电机的机械运动学方程为：
其中，ωm为转子机械角速度；J为电机的负载转矩惯量；Bm为粘滞摩擦系数；Te为电磁转矩；TL为负载转矩；t为时间；负载转矩观测器用来估计未知的负载转矩TL；
考虑到控制算法的采样速率足够高，在采样周期内可以认为负载转矩为恒定值：
根据式(15)、式(16)，得到如下的系统状态方程：
其中：
u＝Te，y＝ωm
C＝[1 0]
根据式(17)，得到降阶的负载转矩观测器如下：
其中：
式中，为被估计的状态变量，K为状态反馈增益矩阵，k1、k2为系数；
由式(17)、式(18)得到观测器的系统状态误差方程为：
其中，为状态误差矢量；
系统的特征多项式f(λ)为：
其中，λ为系数，I为单位矩阵。
将状态方程的期望极点设计在负实轴上：
λ2-(α+β)+β＝0 (21)
其中，α和β为状态方程的极点；
根据式(20)、式(21)得到反馈增益矩阵：
由式(18)得到负载转矩观测器离散化的差分方程：
其中k、k+1为采样时刻，Ts为采样时间，分别为k+1、k时刻的转速估计值，分别为k+1、k时刻的负载转矩估计值；ωm(k)为k时刻转子机械角速度；
采用磁场定向矢量控制的异步电机，电磁转矩Te与转矩电流isq的关系如下：
其中Np为极对数，Lm为定转子互感，Lr为转子自感、ψr转子磁链；
当电机运行在恒定转速ωm1时，对应的q轴电流平均值为isq1，由式(15)得：
K*isq1-TL-Bm*ωm1＝0 (25)
当电机运行在恒定转速ωm2时，对应的q轴电流平均值为isq2，由式(15)得：
K*isq2-TL-Bm*ωm2＝0 (26)
由式(25)、式(26)得不包含扰动转矩误差的负载转矩计算如下：
由转动惯量和粘滞摩擦系数的误差引起的扰动转矩误差定义如下：
采用MIT自适应率参数辨识，得到转动惯量的辨识方程和粘滞摩擦系数的辨识方程如下：
J(k+1)＝γJ*Tdis*(ωm(k)-ωm(k-1))+J(k) (29)
B(k+1)＝Tdis*γB*Tdis*ωm(k)+B(k) (30)
式中，γJ为转动惯量调整率；γB为粘滞摩擦系数调整率。
基于扰动负载转矩观测器的转动惯量在线辨识需要根据式(27)计算实时的负载转矩，即需要两个不同的稳态转速进行计算。但在很多应用中，位置和速度指令是由上位机(PLC或运动控制卡)发出的，因此独立计算负载转矩会产生困难。本文提出了结合模型参考自适应算法和负载转矩观测器的混合观测模型，该模型融合了上述两种算法的优点能够获得理想的结果。首先采用模型参考自适应算法实时辨识转动惯量，然后将该转动惯量作为负载转矩观测器的输入，则能够实时观测负载转矩。
步骤2.3、建立系统转动惯量及负载转矩与控制器参数的函数关系，将转动惯量的辨识结果用于实时调节速度环控制器参数，实现PI参数的自整定，将负载转矩的观测结果用于给转矩电流进行前馈补偿，从而提高控制系统稳定性及控制精度，具体如下：
系统速度环控制器参数与转动惯量的函数关系为：
式(31)中，KT为转矩常数，Ti为电流环的等效时间常数；速度环PI调节器的Kp、Ki都与系统的转动惯量J成正比，控制系统实时辨识转动惯量及负载转矩，其中转动惯量用于实现速度环PI的参数自整定，负载转矩用于给转矩电流进行前馈补偿。
步骤3：通过温度检测电路监测转子时间常数变化，根据转子时间常数与转矩电流的关系，针对温度对控制系统负载转矩观测造成的误差，设计温度补偿方案进行温度补偿，具体如下：
步骤3.1、分析转子时间常数与电动执行机构电磁转矩的函数关系，具体如下：
电动执行机构的电磁转矩Te为：
式中np为极对数，Lm为气隙漏感，id为励磁电流分量，ψr为磁链，Lr为转子电感；
转子时间常数变化时，电磁转矩变化：
式中Tr为转子时间常数，iq为转矩电流分量；Te'为实际温度下的电磁转矩；Te为电磁转矩理论值；L'm、L'r、i'q、ψ'r分别为实际温度下的气隙漏感、转子电感、励磁电流分量、磁链；
令：根据定转子的电压方程，将式(7)简化为：
其中i'd为实际温度下的转矩电流分量，Tr为转子时间常数，T'r为实际温度下的转子时间常数；
令
当α→0时，电磁转矩与转矩时间常数成正比；
当α→∞时，电磁转矩与转矩时间常数成反比。
步骤3.2：建立转子时间常数与定子温度间的函数关系，根据转子时间常数的变化修正电磁转矩，对控制系统的负载转矩观测结果进行修正，提高控制系统的辨识精度，改善控制系统的控制性能，具体如下：
步骤3.2.1、测量异步电机定转子的温度数值，采用曲线拟合的方式，得到定转子温度的函数关系：
t转子＝f1(t定子) (35)
其中t转子、t定子为测量得到的异步电机转子、定子温度；f1为定转子温度之间的函数关系；
步骤3.2.2、转子电阻会随着温度的变化而发生变化，转子电阻的变化引起转子时间常数的变化，设定转子时间常数与转子温度的变化关系为：
Tr＝f2(t转子) (36)
其中Tr、f2为转子时间常数与转子温度的函数关系，t转子为测量得到的异步电机转子的温度数值；
步骤3.2.3、由式(35)和式(36)得转子时间常数与定子温度之间的关系：
Tr＝f2(f1(t定子)) (37)
步骤3.2.4、设定定转子温度的函数关系为：
t转子＝f1(t定子)+Δf1(t定子) (38)
式中Δf1(t定子)是定转子温度函数关系的偏差；
则转子时间常数表示为：
Tr＝f2(f1(t定子)+Δf1(t定子))＝f2[f1(t定子)]+Δf2(t定子) (39)
式(39)中：Δf2(t定子)是定转子温度函数关系的偏差；
当Δf2(t定子)＞0时：引起理论计算的转子时间常数偏大，即控制系统用的转子时间常数比电机实际的转子时间常数大；当Δf2(t定子)＜0时：引起理论计算的转子时间常数偏小，即控制系统用的转子时间常数比电机实际的转子时间常数小；
步骤3.2.5、根据温度传感器测得的定子温度变化及转子时间常数与定子温度之间的函数关系可得转子时间常数的变化，最后根据转子时间常数与电磁转矩的函数关系对电磁转矩的进行修正，改善控制系统的控制性能。
本发明将电动执行机构控制系统设计为位置+速度+电流三环控制方式，避免了传统的电动执行器采用单环控制中控制灵敏度以及定位精度之间的矛盾，实现了对电动执行机构阀门位置的精准控制，从而提高电动执行机构稳定性及控制精度。
