⚡ electrical engineering

An Algebraic State Observer for a Self-Sensing Active Magnetic Bearing System

Diese Arbeit präsentiert einen neuartigen global stabilen algebraischen Zustandsbeobachter für selbstsensorische aktive Magnetlagerungssysteme, der ausschließlich Strom- und Spannungsmessungen nutzt, um eine algebraische Beziehung zwischen nicht messbaren Zuständen und gefilterten Ein- sowie Ausgängen herzustellen, und dehnt dieses Design anschließend zu einem robusten asymptotischen Beobachter aus, der durch Simulationen validiert wird.

Ursprüngliche Autoren: Olga Zarina, Natalya Martyuhova, Alexey Bobtsov, Romeo Ortega

Veröffentlicht 2026-06-10

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Olga Zarina, Natalya Martyuhova, Alexey Bobtsov, Romeo Ortega

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Der „unsichtbare“ Rotor

Stellen Sie sich eine hochtechnologische rotierende Maschine vor, wie etwa eine Turbine oder einen Generator, die in der Luft schwebt, ohne etwas zu berühren. Dies ist ein aktives Magnetlager (Active Magnetic Bearing, AMB). Anstelle von Öl oder Fett halten starke Magnete den rotierenden Teil (den Rotor) an seinem Platz.

Normalerweise muss der Computer genau wissen, wo sich dieser Rotor befindet, um zu verhindern, dass er gegen die Wände prallt. Um dies zu erreichen, nutzen herkömmliche Systeme physische Sensoren (wie eine Kamera oder ein Lineal), um die Position des Rotors zu messen.

Das Problem: Diese physischen Sensoren sind zerbrechlich, teuer und können extremen Umgebungen (wie einem Vakuum oder extremer Hitze) nicht standhalten. Das Ziel dieses Papers ist es, diese Sensoren vollständig zu entfernen.

Die Herausforderung: Wenn man den Sensor entfernt, wie weiß der Computer dann, wo sich der Rotor befindet? Er hat nur Zugriff auf zwei Dinge:

Die Spannung, die er an die Magnete sendet (den „Druck“).
Den Strom, der durch die Magnete fließt (die „Anstrengung“).

Die Forscher wollten einen mathematischen „Detektiv“ (einen Beobachter) entwickeln, der die Spannung und den Strom betrachtet und die verborgene Position und Geschwindigkeit des Rotors ermittelt, ohne jemals einen physischen Sensor zu benötigen.

Die Lösung: Zwei Arten von „mathematischen Detektiven“

Das Paper schlägt zwei verschiedene Wege vor, um dieses Rätsel zu lösen. Betrachten Sie sie als zwei unterschiedliche Strategien, um eine geheime Zahl zu erraten.

1. Der „Sofort-Rechner“ (Der algebraische Beobachter)

Die Forscher versuchten zuerst, einen „perfekten“ Detektiv zu erschaffen. Sie wollten eine Formel, die die aktuelle Spannung und den aktuellen Strom nehmen, eine spezifische mathematische Berechnung durchführen und sofort die exakte Position des Rotors ausspuckt.

Die Analogie: Stellen Sie sich vor, Sie versuchen, das Gewicht eines Geheimnisvollen Kartons zu erraten. Sie haben eine Formel, die besagt: „Wenn ich die exakte Kraft kenne, mit der Sie ihn gehoben haben, und die exakte Geschwindigkeit, mit der er sich bewegt hat, kann ich das Gewicht sofort berechnen.“
Der Haken: In der realen Welt bewegt sich der Rotor oft gar nicht oder sehr gleichmäßig. Das ist so, als würde man versuchen, das Gewicht eines Kartons zu erraten, der sich überhaupt nicht bewegt. Die Mathematik setzt voraus, dass der Karton ein wenig „wackelt“ (Anregung/Excitation), damit es funktioniert. Wenn der Rotor zu ruhig ist, tritt bei der Formel ein „Division durch Null“-Fehler auf und sie bricht zusammen. Es ist, als würde man versuchen, ein Puzzle zu lösen, bei dem ein entscheidendes Teil fehlt.

2. Der „Geduldige Lerner“ (Der asymptotische Beobachter)

Da der „Sofort-Rechner“ manchmal versagt, wenn die Maschine zu ruhig ist, entwickelten die Forscher einen zweiten Detektiven: den asymptotischen Beobachter.

Die Analogie: Anstatt die Antwort sofort zu verlangen, sagt dieser Detektiv: „Ich weiß vielleicht gerade in diesem Moment nicht die exakte Position, aber ich werde die Spannung und den Strom genau beobachten. Im Laufe der Zeit, während ich mehr Daten sehe, wird meine Schätzung immer näher an die Wahrheit heranreichen, bis sie perfekt ist.“
Wie es funktioniert: Er beginnt mit einer Schätzung und korrigiert sich ständig selbst. Er benötigt nicht so viel „Wackeln“ vom System wie der erste Detektiv. Er vermeidet die mathematischen Fehler (Singularitäten), die den ersten Detektiven zum Absturz gebracht haben.

Wie sie es getestet haben

Die Forscher haben keine physische Maschine für dieses Paper gebaut; sie haben eine Computersimulation erstellt. Sie erstellten ein virtuelles Magnetlager und speisten es mit verschiedenen Arten von elektrischen Signalen:

Konstanter Druck: Sie gaben den Magneten eine konstante, unveränderliche Spannung.
- Ergebnis: Der „Geduldige Lerner“ funktionierte, aber er brauchte eine Weile, um sich einzupendeln.
Wackeliger Druck: Sie gaben den Magneten eine vibrierende, wellenförmige Spannung (wie eine Sinuswelle).
- Ergebnis: Dies „regte“ das System an. Der „Geduldige Lerner“ ermittelte die Position viel schneller und genauer. Dies bewies, dass das System am besten funktioniert, wenn die Maschine sich leicht bewegt oder vibriert.

Das Fazit

Das Paper behauptet, erfolgreich ein neues mathematisches Werkzeug entwickelt zu haben, das in der Lage ist, die Position eines schwebenden magnetischen Rotors allein mithilfe elektrischer Signale (Spannung und Strom) zu schätzen, ohne dass physische Sensoren benötigt werden.

Sie haben einen „perfekten“ Sofort-Rechner erstellt, aber dieser ist fragil und bricht zusammen, wenn die Maschine zu ruhig ist.
Sie haben eine „geduldigere“ Version geschaffen, die im Laufe der Zeit lernt, was robuster ist und auch funktioniert, wenn die Maschine ruhig ist.

Was sie nicht getan haben:

Sie haben noch kein reales Prototyp-Modell in einer Fabrik oder einer Vakuumkammer gebaut (sie haben nur simuliert).
Sie haben nicht behauptet, dass dies bereits für medizinische Geräte oder andere spezifische Branchen funktioniert; ihr Fokus lag rein auf der Mathematik für diesen speziellen Typ von Magnetlager.
Sie gaben zu, dass die Mathematik zwar funktioniert, die Version des „Sofort-Rechners“ jedoch immer noch Schwierigkeiten hat, wenn dem System die „Anregung“ (Bewegung) fehlt, weshalb sie auf die Version des „Geduldigen Lerners“ angewiesen sind.

Kurz gesagt: Sie haben einen cleveren Weg gefunden, den unsichtbaren Rotor allein durch Elektrizität „zu sehen“, was den Weg zu günstigeren, robusteren und sensorfreien magnetischen Maschinen ebnet.

Technische Zusammenfassung: Ein algebraischer Zustandsbeobachter für ein selbstsensorisches aktives Magnetlager-System

Problemformulierung
Diese Arbeit befasst sich mit dem Entwurf eines global stabilen Zustandsbeobachters für ein einachsiges aktives Magnetlager-System (Active Magnetic Bearing, AMB), das in einer selbstsensorischen Konfiguration arbeitet. In diesem Szenario ist das System lediglich mit Messungen der Ströme ( $y$ ) und Spannungseingängen ( $u$ ) ausgestattet; Wegsensoren fehlen. Das Ziel ist die Schätzung des vollständigen Zustandsvektors $x = \text{col}(\phi_1, \phi_2, q, p)$ , bestehend aus Flussverknüpfungen, Rotorposition und Impuls, unter Verwendung dieser verfügbaren Signale und bekannter Systemparameter ( $c_1, c_2, R, N$ ).

Die Autoren grenzen ihren Ansatz von der Standard-Beobachterkonstruktion ab. Anstatt ein dynamisches System zu konstruieren, bei dem der Zustandsschätzwert asymptotisch gegen den wahren Zustand konvergiert, besteht das primäre Ziel darin, eine algebraische Relation zwischen dem unmessbaren Zustand und gefilterten Versionen der Eingangs- und Ausgangssignale herzustellen, die für alle $t \geq 0$ gilt.

Methodik
Die vorgeschlagene Methodik stützt sich auf eine neuartige Anwendung des Swapping-Lemmas (Lemma 3.6.5 in [14]), einer Technik, die zuvor in [13] für andere Systeme eingesetzt wurde. Das Vorgehen erfolgt in zwei Stufen:

Algebraic Swapping Lemma Observer (ASLO):
Die Autoren leiten eine explizite algebraische Abbildung $\mathcal{O}$ her, sodass $x(t) = \mathcal{O}[u(t), y(t), \mathcal{F}[u](t), \mathcal{F}[y](t)]$ . Diese Ableitung erfolgt durch die Definition eines zeitinvarianten linearen Filters (LTI-Filter) $\mathcal{F}(p) = \frac{\lambda}{p+\lambda}$ und die Konstruktion eines Satzes messbarer Signale ( $z_i, w_i$ ) durch dynamische Erweiterungen unter Einbeziehung des Filters und der Systemeingangs-/ausgangssignale. Die endgültige Zustandsschätzung für die Flusskoordinaten wird über eine Matrixinversion mittels eines skalaren Signals $\Delta(t) = w_3 w_6 - w_4 w_5$ gewonnen.
Asymptotic Algebraic Swapping Lemma Observer (A-ASLO):
Die Autoren identifizieren eine kritische Einschränkung des ASLO: Die Anforderung, dass $\Delta(t) \neq 0$ für die Gültigkeit der Matrixinversion gelten muss. In AMB-Anwendungen führen die Betriebsbedingungen oft zu unzureichender „Anregung“, was zu Singularitäten führt, bei denen $\Delta(t)$ gegen Null geht. Um dies zu überwinden, schlagen die Autoren eine asymptotische Version (A-ASLO) vor.
- Für die Flusskoordinaten ersetzt der A-ASLO die algebraische Inversion durch einen dynamischen Schätzer, der durch die Differenz zwischen der algebraischen Lösung und der aktuellen Schätzung getrieben wird, wodurch die Konvergenz gewährleistet ist, sofern $\Delta(t) \notin \mathcal{L}_2$ gilt.
- Für die Positions- und Geschwindigkeitskoordinaten wird ein separater dynamischer Beobachter unter Verwendung der geschätzten Flüsse konstruiert, wobei die Konvergenz unter der generischen Annahme sichergestellt ist, dass die geschätzte Flussgröße ungleich Null ist.

Wesentliche Beiträge

Erster algebraischer Beobachter für AMBs: Diese Arbeit präsentiert den ersten algebraischen Zustandsbeobachter, der speziell für aktive Magnetlager-Systeme entwickelt wurde.
Neuartige Ableitungstechnik: Die Arbeit führt die Verwendung des Swapping-Lemmas zur Ableitung einer exakten algebraischen Relation für den Zustand ein und vermeidet dabei die sukzessive Signaldifferenzierung, wie sie bei anderen als „algebraisch“ bezeichneten Ansätzen üblich ist (welche als praktisch unzulässig angemerkt werden).
Robustheit gegenüber mangelnder Anregung: Durch den Übergang vom exakten ASLO zum asymptotischen A-ASLO adressieren die Autoren die Singularitätsprobleme, die dem algebraischen Ansatz bei geringer Systemanregung inhärent sind – ein häufiger Zustand im AMB-Betrieb.

Simulationsergebnisse
Die Leistung des A-ASLO wurde durch Simulationen eines 2-DOF AMB-Systems mit den Parametern $R=1.6$ , $N=321$ , $c_1=c_2=293.5$ und $m=2.5$ evaluiert.

Konstante Eingänge: Unter konstanten Eingangssignalen ( $u_1=u_2=1$ ) demonstrierte der Beobachter eine Konvergenz der Schätzfehler für Fluss, Position und Geschwindigkeit, wobei das Transientenverhalten je nach Verstärkungsparametern ( $\gamma_1, \gamma_2$ ) und dem Filterparameter $w_0$ variierte.
Sinusförmige Eingänge: Wenn das System mit sinusförmigen Eingängen angeregt wurde ( $u_1 = 50\sin(5t), u_2 = 30\sin(7t)$ ), zeigten die Simulationsergebnisse einen „positiven Effekt der Systemanregung“, was zu einem verbesserten Transientverhalten und einer schnelleren Fehlerkonvergenz im Vergleich zum Fall mit konstantem Eingang führte.

Bedeutung und Behauptungen
Das Paper behauptet, einen grundlegend anderen Ansatz zur Zustandsbeobachtung in AMBs zu bieten, indem es eine algebraische Identität für den Zustand etabliert, anstatt sich rein auf die asymptotische Konvergenz zu verlassen. Die Autoren äußern sich jedoch bescheiden hinsichtlich der unmittelbaren Praktikabilität der reinen algebraischen Lösung (ASLO). Sie stellen explizit fest, dass die Leistung des ASLO aufgrund der typischen AMB-Betriebsbedingungen mit „unzureichender Anregung“ „unterdurchschnittlich“ ist.

Folglich liegt die primäre Bedeutung der Arbeit in der Ableitung des A-ASLO, der das theoretische Fundament des algebraischen Ansatzes beibehält, aber gleichzeitig die Singularitätsprobleme vermeidet, die eine rein algebraische Lösung in Szenarien mit geringer Anregung unpraktikabel machen. Die Autoren merken an, dass dieses Singularitätsproblem in früheren Anwendungen derselben Technik auf andere Systeme (z. B. PMSMs, Induktionsmotoren, Ball-and-Beam-Systeme) nicht beobachtet wurde, was die spezifischen Herausforderungen der AMB-Dynamik hervorhebt.

Zukünftige Richtungen
Die Autoren skizzieren drei spezifische Richtungen für zukünftige Forschungsarbeiten:

Entwicklung einer adaptiven Version des ASLO zur Schätzung unbekannter Parameter, insbesondere des Widerstands ( $R$ ) und externer Störkräfte ( $f_e$ ).
Durchführung einer experimentellen Validierung der vorgeschlagenen Ergebnisse.
Untersuchung von Methoden zur Verbesserung der ASLO-Leistung, potenziell durch Nutzung alternativer Variationen des Swapping-Lemmas, die in [19] berichtet wurden.