双UKF算法及其在感应电机矢量控制中的应用

在无轨迹卡尔曼滤波器(UKF)算法的基础上,建立应用于感应电机矢量控制系统的双UKF算法,实现电机状态和参数的同时观测.电机模型选择以定、转子磁链为状态变量的降阶方程,从而有效避免了数值计算的不稳定性.利用Simulink建立感应电机矢量控制系统,通过仿真比较了双UKF与扩展卡尔曼滤波器(EKF)两种算法的性能.实验结果表明,双UKF算法能有效提高状态估计和参数辨识的精度和收敛速度.     

粒子群算法优化扩展卡尔曼滤波器电机转速估计

转速估计的精度直接影响无速度传感器矢量控制的效果,针对感应电机扩展卡尔曼滤波器(EKF)转速估计中难以取得系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的EKF转速估计方法.该方法利用改进的粒子群算法对EKF中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的EKF应用于感应电机转速估计.仿真试验表明,与试探法、标准粒子群算法及遗传算法比较,该方法能有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的性能.     

采用抗差扩展卡尔曼滤波器的感应电机转速估计方法

扩展卡尔曼滤波器(extended Kalman fileter,EKF)已广泛应用于无速度传感器矢量控制转速估计。尽管扩展卡尔曼滤波器具有较强的抗干扰能力,但是面对粗差时仍然会出现较大的抖动,影响系统的控制性能。提出了一种基于抗差扩展卡尔曼滤波器的转速估计方法,分析了粗差对扩展卡尔曼滤波器估算精度的影响,探讨了在应用于感应电机转速估计时抗差EKF能否同样取得良好的估计精度,以及优于EKF的抗粗差性能。通过仿真与实验,对比了遇到较大外部干扰和估算误差干扰时抗差EKF与EKF的转速误差和磁链变化。仿真与实验结果表明,抗差EKF较EKF而言具有更好的抗粗差性能,可以使系统遇到干扰时更快收敛。     

感应电机无速度传感器控制系统的仿真研究

针对一种基于扩展卡尔曼滤波器(EKF)的感应电动机无速度传感器直接转矩控制系统负载转矩和转速同时估计进行仿真。在直接转矩控制的基础上,通过定子侧可测量的电压、电流值,转速和转矩作为扩展状态量,构建一种无速度传感器的感应电机转速、磁链状态观测器,估算感应电机的负载转矩和转速。该方法能准确估算电机的真实状况,并对负载扰动、电机参数变化具有较强的鲁棒性。仿真结果表明,无速度传感器系统具有较强的动态控制性能,该系统具有抗干扰能力强、超调量小、响应快。     

基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法

为了减弱固定的先验噪声模型对扩展卡尔曼滤波器(EKF)状态估计的影响,提出一种基于粒子群优化的感应电机模糊EKF(PFEKF)转速估计方法。通过将粒子群优化(PSO)算法引入模糊控制器,监视实际残差与理论残差的偏离程度,自适应选择模糊调整因子,在线递推修正测量噪声协方差矩阵的加权值,使其逐渐逼近真实噪声水平,从而使滤波器进行优化估计,并减小外部干扰和时变测量噪声对系统性能的影响。仿真和实验结果验证了基于PSO的感应电机模糊EKF转速估计方法的正确性与有效性。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

多尺度分析在感应电动机故障诊断中的应用

在对感应电机进行故障诊断的时候,扩展卡尔曼滤波器(EKF)只能在时域上估计电机转子的位置和速度.针对这一不足,提出了一种基于EKF和小波变换的多尺度诊断方法;通过测量电机的端电压和定子线圈电流在线估计电机转子的位置和速度.新算法结合了EKF和小波变换的优点,不仅能够分析出系统在频域上的特性,而且估计精度还要优于EKF.仿真结果说明了新算法的正确性和有效性.     

基于EKF的感应电动机无速度传感器调速系统改进研究

根据M-T同步旋转坐标系感应电动机转子T轴磁链为零的性质,设计了在M-T坐标系下,基于扩展卡尔曼滤波器(EKF)算法来实现对感应电动机的转速观测系统.较传统的α-β静止坐标系下转速估算法,改进的方法降低了系统的阶次,大大简化了转速估算中的迭代过程.同时在Matlab/Simulink环境下建立了无速度传感器矢量调速系统,对感应电动机不同运行状态下的速度估算进行仿真,仿真结果表明,该系统具有较强的抗噪声干扰能力和优良的动、静态性能.     

永磁同步电动机转速的变参数EKF估算方法

针对扩展卡尔曼滤波器(EKF)估算永磁同步电动机(PMSM)转速时,协方差矩阵选用一组固定的随机参数难以兼顾动态和稳态性能,结合最优状态估计原理,提出了一种变参数EKF的估算方法.在动态和稳态过程中分别采用不同的矩阵参数,给出了变参数的判据,并推导了标幺制下的EKF估算模型.仿真和实验结果证明,该方法保证了EKF良好的估算性能,能够同时满足系统动态过程和稳态运行时的应用要求.     

无速度传感器感应电机动态滑模调速系统研究

针对感应电机矢量调速系统中存在的受速度传感器限制以及系统动静态性能受参数变化和外加扰动影响大等问题,设计了一套无速度传感器感应电机动态滑模调速系统.在d-q同步旋转坐标系下,首先基于扩展卡尔曼滤波器对感应电机转子转速进行估算,在此基础上,利用动态滑模控制来实现转速的闭环调节.仿真结果验证了该系统的有效性.     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

Accurate tracking of harmonic signals in VSC-HVDC systems using PSO based unscented transformation

This paper presents the estimation of harmonics in a voltage source converter based HVDC (VSC-HVDC) system for designing AC side filters. The extended Kalman filter (EKF) is well known for estimating amplitude, phase, frequency, and harmonic content of a signal corrupted with noise. However, the EKF algorithm suffers from instability due to linearization and costly calculation of Jacobian matrices, and its performance deteriorates when the signal model is highly nonlinear. This paper, therefore, proposes an unscented Kalman filter (UKF) to overcome these difficulties of linearization and derivative calculations for robust tracking of harmonics in VSC-HVDC system. The model and measurement error covariance matrices Q and R along with the UKF parameters are selected using a modified particle swarm optimization (PSO) algorithm. To circumvent the problem of premature convergence and local minima, a dynamically varying inertia weight based on the variance of the population fitness is used. This results in a better local and global searching ability of the particles, which improves the convergence of the velocity and better accuracy of the UKF parameters. Various simulation results for harmonic signals corrupted with noise obtained from VSC-HVDC system reveal significant improvement in noise rejection and speed of convergence and accuracy.     

三电平扩展卡尔曼滤波异步电机滑模控制

传统异步电机闭环控制中转速和磁链外环采用比例积分(PI)控制,针对其有超调和动态响应慢等问题,提出了一种新型的滑模控制器用于外环转速和磁链控制,改善了动态性能.采用五阶扩展卡尔曼滤波(EKF)来估计转速和磁链并用于闭环反馈,进一步研究了引入转矩观测后的六阶EKF,考察了转动惯量对速度估计的影响,在三电平逆变器驱动异步电机平台上进行了各种实验.结果表明,基于EKF和滑模控制的无速度传感器控制系统在较宽的速度范围内具有良好的动静态性能.     

永磁直线同步电动机无位置传感器控制系统的研究

永磁直线同步电动机直接驱动系统的无位置传感器控制中，需要实现电机的位置及速度估计。针对直线电机直接驱动系统具有强非线性，将一种新的滤波方法--Unscented卡尔曼滤波(UKF)应用于直线电机无位置传感器驱动系统的非线性状态估计中。UKF采用确定性采样策略,通过UT变换实现状态均值和方差的非线性传播，避免了扩展卡尔曼滤波(EKF)产生的线性化误差，并且无需计算雅可比矩阵。同时，采用Cholesky因式分解等方法保证滤波递推过程中协方差矩阵的半正定性，有效地避免滤波的发散，提高算法的计算精度。数值仿真及实验结果表明，所给出的算法是可行而有效的。     

基于EKPF的机电暂态过程动态状态估计

根据暂态期间发电机的转子动态特性建立了动态状态估计（DSE）模型,针对扩展卡尔曼滤波（EKF）一阶线性化导致的滤波精度下降甚至滤波发散问题,结合粒子滤波（PF）提出了一种基于扩展卡尔曼粒子滤波（EKPF）的机电暂态过程动态估计方法,采用重采样策略选择粗糙采样以防止样本退化。利用WSCC三机九节点系统实现了EKF、无迹卡尔曼滤波（ＵＫＦ）和EKPF 3种算法的DSE,仿真结果说明了EKPF算法的有效性,且暂态期间其估计效果明显优于另2种方法。     

基于遗传算法辨识噪声模型的异步电机闭环卡尔曼速度估计

用扩展的卡尔曼滤波器(EKF)估计异步电机闭环矢量控制系统中速度变量／转子磁链的难点是,系统运行的消息噪声和测量噪声模型不易准确获得,而滤波估计的精度和收敛性主要受其影响。为此,提出了一种基于遗传算法(CA)的磁场定向闭环系统噪声协方差全局寻优方法,解决了噪声模型难以辨识的实际问题。仿真结果验证了该方法的有效性。     

基于UKF的永磁同步电机无位置传感器控制研究

提出了一种基于Unscented Kalman非线性滤波（UKF）的永磁同步电机无位置传感器控制方法。利用易于检测的电机端电压和端电流,采用UKF算法实时地估计电机的转速和磁极位置,得到矢量控制系统转速反馈信号和矢量变换角度。永磁同步电机无位置传感器转速控制仿真结果表明．本文提出的估计算法既具有较高的估计精度又具有相对少的计算量,可以满足永磁同步电机伺服系统无位置传感器控制需要。