A New Full‐Order Sliding Mode Observer Based Rotor Speed and Stator Resistance Estimation for Sensorless Vector Controlled Pmsm Drives

Sensorless control of a permanent magnetsynchronous motor (PMSM) at low speed remains a challenging task. In this paper, a sensorless vector control of PMSM using a new structure of a sliding mode observer (SMO) is proposed. To remove the mechanical sensors, a full‐order (FO‐SMO) is built to estimate the rotor position and speed of PMSM drives. The FO‐SMO, which replaces a sign function by a sigmoid function, can reduce the chattering phenomenon. In order to overcome time delay, we cancel the low pass filter. This sensorless speed control shows great sensitivity to stator resistance and system noise. To improve the robustness of sensorless vector control, a full‐order SMO technique has been used for stator resistance estimation. A novel stator resistance estimator is incorporated into the sensorless drive to compensate for the effects of stator resistance variation. The validity of the proposed FO‐SMO with a 1.1 kw low‐speed PMSM sensorless vector control is demonstrated by experiments. In this paper, experimental results for FO‐SMO, back‐EMF SMO and MRAS techniques were obtained with fixed point DSP‐based (TMS320F240).     

基于EKF的PMSM无传感器控制系统研究

文章分析了永磁同步电动机(PMSM)在d-q坐标系下的数学模型及其矢量控制原理,提出了一种将扩展卡尔曼滤波(EKF)原理应用于PMSM无传感器控制系统的方法,即在α-β和d-q坐标系下对PMSM的非线性方程进行线性化处理,利用EKF算法对PMSM的转子位置和转速进行实时在线估计,以满足实时控制要求。Matlab/Simulink仿真及dSPACE硬件平台实验结果表明,基于EKF的PMSM无传感器控制系统运行稳定,超调小,动、静态性能良好。     

基于改进的扩展卡尔曼滤波伺服系统建模技术研究

研究永磁同步电机系统建模技术问题。传统的建模技术在对系统进行建模时,由于算法复杂度较高,不利于实时控制系统,提出一种新的基于卡尔曼滤波技术构建速度观测器替代位置传感器;卡尔曼滤波技术适用于线性控制场合,针对PMSM的非线性特性,改进卡尔曼滤波算法为扩展卡尔曼滤波算法。仿真实验结果表明,利用扩展卡尔曼滤波算法构建的速度观测器准确度高,是一种有效的伺服系统建模方法。     

基于抗差扩展卡尔曼滤波器的永磁同步电机转速估计策略

通过分析粗差对扩展卡尔曼滤波器(extended Kalman filte,EKF)状态估计的影响,对无速度传感器矢量控制的永磁同步电机的转速,提出了一种基于抗差扩展卡尔曼滤波器(robust extended Kalman filter,REKF)的估计方法.建立了永磁同步电机的REKF模型,探讨了永磁同步电机在粗差干扰下引入REKF能否获得优于EKF的估计性能这一问题,比较了REKF与EKF在遇到外部粗差干扰或内部估算粗差干扰时转速和磁链的变化.仿真和实验结果表明REKF较EKF而言具有更好的抗粗差性能,使系统遇到干扰时能更快收敛.     

永磁同步电机多采样率EKF转速辨识

永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）具有响应快、高精度、高转矩比等诸多优点,同时无传感器控制策略研究能有效提高PMSM系统的简易性和鲁棒性。在分析EKF和多采样率数字控制系统的基础上,建立永磁同步电机输入多采样率EKF算法,将其用于转速估计。通过仿真和实时实验验证其算法在辨识精度及收敛稳定性方面均优于单采样率EKF算法,并和高频单采样率EKF有着一致的辨识效果,而多采样率EKF算法的数据量及运算量均小于高频单采样率EKF。     

不确定性直接转矩控制系统

在异步电动机直接转矩控制系统中,由于定子电阻变化及负载扰动的不确定性,导致定子磁链、转子转速和电磁转矩估计不准确,从而影响系统的调速性能.本文基于扩展Kalman 滤波器,引进虚拟噪声补偿技术,然后采用sage 和Husa 噪声统计估值器,构成鲁棒扩展Kalman 滤波器.并将定子电流,定子磁链,转子转速,定子电阻及负载作为状态变量,基于鲁棒扩展Kalman 滤波器进行了大量实验研究.实验结果证实：状态变量能够准确估计,且转矩脉动优于常规的直接转矩控制方案,实现了高性能无速度传感器的直接转矩控制系统.     

基于EKF和SMC的永磁同步电机无传感器矢量控制

采用扩展卡尔曼滤波(EKF)算法估计永磁同步电机(PMSM)转速和转子位置,构成转速、电流双闭环的无传感器矢量控制系统.针对扩展卡尔曼滤波为有偏估计、对模型误差鲁棒性差等问题,提出了基于指数趋近律的滑模转速控制器.为提高转速环抗负载转矩扰动能力,设计负载转矩观测器并将观测结果引入到电流控制器的输入端,作为速度控制器前馈补偿的控制输入.仿真实验结果表明,与传统采用PI(proportional-integral)转速控制器的系统相比,文中所提控制策略具有转速跟踪误差小、响应快、无超调、抗负载扰动能力强等优点.     

强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用

在强跟踪滤波(Strong track filter, STF)算法和延迟扩展Kalman滤波(Schmidt extended Kalman filter, SEKF)算法的基础上, 提出了强跟踪延迟滤波(Strong track Schmidt filter, STSF)算法, 结合感应电机降阶模型建立了电机状态估计算法, 将其应用于感应电机无速度传感器控制系统中, 并与扩展Kalman滤波(Extended Kalman filter, EKF)、SEKF和STF三种算法的状态估计性能作比较. 仿真和实验结果表明, STSF算法在估计精度、跟踪速度、抑止噪声等方面均优于EKF算法, 并且计算复杂度显著降低, 能有效在线估计电机转速和磁链.     

基于降阶EKF的永磁同步电机转速和磁链观测器

在永磁同步电机(PMSM)无速度传感器直接转矩控制中,针对扩展卡尔曼滤波(EKF)算法复杂、实时性较差等问题,提出了一种基于降阶扩展卡尔曼滤波器(REKF)的预估永磁同步电机磁链和转速的新算法。仿真结果证明该算法不仅延续了传统扩展卡尔曼滤波算法的优势,且算法更加简单,更易于数字化实现,鲁棒性好。     

无传感器PMSM中基于IGSO优化EKF的速度估计方法

为了提高无传感器永磁同步电机(PMSM)控制系统中速度控制性能,提出一种基于改进群搜索优化(IGSO)算法的扩展卡尔曼滤波(EKF)速度估计方案。首先,分析了PMSM磁场定向控制(FOC)系统模型;然后,将电机的d-q轴电压、电流和转子速度作为状态变量,构建EKF中的状态方程来估计转速和负载。同时,为了提高EKF的估计性能,以估计值与实际值的平方误差积分(ISE)作为适应度函数,通过IGSO算法来优化EKF中的噪声协方差矩阵Q和R,以此获得最优参数。仿真结果表明,提出的控制系统能够精确估计出电机转速并进行有效控制。     

无速度传感器PMSM混沌运动的非奇异快速终端滑模控制

针对永磁同步电机调速系统中速度传感器存在安装缺陷及在某些特定的参数下电机会呈现混沌特性,提出了无速度传感器永磁同步电机滑模控制混沌抑制方法．在无速度传感器运行的永磁同步电机矢量控制调速系统基本框架下,采用非奇异快速终端滑模控制方法来抑制电机的混沌运动．首先在永磁同步电机的混沌模型基础上通过仿真验证了混沌现象的存在;然后利用扩张状态观测器（ESO）估计转速,构成无速度传感器永磁同步电机矢量控制系统;在此基础上设计了非奇异快速终端滑模控制器,当电机在某些参数条件下呈现混沌现象,即刻通过控制器的切入来抑制永磁同步电机的混沌运动．最后通过仿真验证该方法的有效性,保证电机运行稳定和可靠.     

永磁同步电机系统的无速度传感器研究

为了提高永磁同步电机系统的抗干扰能力,提出一种无速度传感器方法,用于速度辨识.将滑模(SM)变结构控制与模型参考自适应系统(MRAS)方法相结合,选取电机本体作为参考模型,利用逆变器输出的电压和电流,构建基于磁链方程的可调模型,利用两模型误差运用SM变结构方法辨识速度.在Matlab仿真平台对无速度传感器方法进行了分析,研究结果表明:所提出的无速度传感器方法具有较好的动静态性能,可以实现对速度的准确辨识.     

改进UKF算法在PMLSM无位置传感控制中的应用

针对永磁直线同步电机(PMLSM)的无位置传感控制,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的永磁直线同步电机的动子速度和位置估计方法,对永磁直线同步电机的动子速度和位置进行估计.相比于传统的UKF算法,改进UKF算法在采样点的获取上进行了改进,在采样点的获取上运用了球形采样策略,而非传统的平方根对称采样策略,极大减少了采样点的数量,减少了状态估计过程中算法的计算量,在估计性能相当的情况下,改进的球形采样策略UKF算法较传统的平方根对称采样UKF算法在永磁同步直线电机无位置传感实时控制系统中有明显优势,取得良好的控制效果.     

Extended Kalman filter based speeds estimation of series-connected five-phase two-motor drive system

The multi-phase machines enables independent control of a few number of machines that are connected in series in a particular manner, and the supply is fed from a single voltage source inverter (VSI). The idea was first implemented for a five-phase series-connected two-motor drive system, but is now applicable to any number of phases. The number of series-connected machines is a function of the phase number of VSI. Variable speed induction motor drives without mechanical speed sensors at the motor shaft have the attractions of low cost and high reliability. To replace the sensor, information of the rotor speed is extracted from measured stator currents and voltages at motor terminals. Open-loop estimators or closed-loop observers are used for this purpose. They differ with respect to accuracy, robustness, and sensitivity against model parameter variations. This paper analyses operation of an EKF-based sensorless control of vector controlled series-connected two-motor five-phase drive system with current control in the stationary reference frame. Results, obtained with fixed voltage and fixed frequency supply fed and hysteresis current control, is presented for various operating conditions on the basis of simulation. The purpose of this paper is to report first time, the simulation results on a sensorless control of a five-phase two-motor series-connected drive system using EKF estimator.     

基于模型参考自适应的速度估计方法

为解决无速度传感器感应电动机矢量控制系统的速度估计问题,以模型参考自适应的理论为基础,利用感应电压矢量进行转速估计并进行仿真,转速估计结果理想,仿真实验所得到的波形与理论分析结果是一致的。并且使相应的无速度传感器矢量控制系统具有良好的静、动态性能。证明了采用模型参考自适应系统,利用感应电压矢量进行转速估计方法的正确性和可行性。     

基于D-FNN的开关磁阻无位置传感器的研究

提出了一种基于扩展径向基函数(RBF)神经网络的动态模糊神经网络(D-FNN)的开关磁阻电机无位置传感器控制的新方法。动态模糊神经网络系统以在线采样的相绕组的电流和磁链为输入,以转子位置角度为输出,从而建立起电流和磁链、转子位置角度的非线性映射关系;训练完成后,用D-FNN输出结果取代位置传感器角度信号,实现电机无位置传感器运行。仿真和实验结果表明:由D-FNN获得的角度信号和由位置传感器获得的角度信号相比误差小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好。     

基于高频注入法的永磁同步电动机无传感器矢量控制

提出了一种在零速或是低速时无传感器的永磁同步电动机矢量控制方法。该方法基于永磁同步电动机的凸极效应原理,在两相旋转坐标系中注入高频信号来获取无传感器矢量控制时所需转子的精确位置和转速,并在此基础上给出了永磁同步电动机无传感器矢量控制系统。仿真结果表明,该方法能够准确估计转子位置和速度,满足矢量控制的需要。     

动态模型偏差校正在列车组合定位中的应用

扩展卡尔曼滤波(Extended Kalman filter, EKF)的准确性依赖于观测的质量、观测对象的非线性程度及动态模型的准确性. 该方法通常假设其动态模型是不变的, 而且默认为非线性程度较弱, 这些在实际的车辆运动中都是不可靠的处理方式. 本文提出了一种利用最小二乘支持向量机(Least squares support vector machine, LSSVM)的技术增强扩展卡尔曼滤波的新算法. LSSVM改进后的EKF算法(LSSVM-EKF)一定程度上弥补了EKF处理强非线性问题的不足; 而且可以自适应地估计历史数据的动态建模偏差, 并使用估计偏差来补偿动态模型. 开发了一种引入Allan方差的K折交叉验证方法来确定LSSVM的训练参数; 将动态模型偏差通过有限数据集与LSSVM一起训练; 并引入无损变换将LSSVM与EKF进行了集成. 为了验证算法, 最后设计了车载试验, 并采用列车数据验证了文中所提的方法, 结果表明LSSVM-EKF可以较好地适应实际车辆运动环境, 可以提供一种可用的车辆定位方法.     

基于EKF和数据融合的移动台跟踪定位算法

提出一种利用扩展卡尔曼滤波(EKF)算法实现移动台跟踪定位的改进算法。该算法在已获得移动台初始位置估计的基础上,利用 EKF对移动台的运动轨迹进行多次估计,获取多条跟踪轨迹,剔除偏差较大的轨迹并进行加权平均的数据融合处理,获取一条较优轨迹。再结合距离门限值对较优轨迹的点迹进行匹配管理,实现对较优轨迹的平滑处理,获得最优跟踪轨迹。仿真结果表明,该算法计算复杂度低、鲁棒性强,定位精度明显高于传统EKF跟踪定位算法。     

基于改进容积卡尔曼的PMLSM无传感控制研究

在永磁直线同步电机(PMLSM)的无传感器控制系统中,需要对动子的位置和速度进行实时状态估计.针对标准的容积卡尔曼滤波算法在PMLSM无传感控制中存在状态协方差矩阵易失去非负定性,以及噪声统计特性未知时变导致的滤波精度降低甚至发散的问题,提出一种容积卡尔曼滤波的改进算法.该算法结合平方根滤波和改进的渐消型记忆时变噪声估...