一种新型无速度传感器的直接转矩控制方案

无速度传感器异步电动机的直接转矩控制系统大多采用模型参考自适应的方法来实现.基于以电机定子电流磁链为状态变量的状态方程的推导,提出了用卡尔曼滤波器方法来实现定子磁链和转速估计,并给出了卡尔曼滤波的算法.     

电动车辆感应牵引电机DTC驱动系统的设计和开发

研究和开发电动汽车三相感应电机驱动装置的直接转矩 (DTC)驱动控制系统 .采用低成本数字信号处理器 ,通过软硬件模块化结构 ,运用程序测试实现感应电机无速度传感器直接转矩全数字实时控制方案的可行性 .通过测试程序实验证明整个控制系统的硬件接口功能正常和软件的可实现性 .测试电机时 ,采用基于空间矢量脉宽调制的变频控制技术 ,电机能够正常运行 ,但以18r/min运行时 ,转矩脉动大 .在已建立的感应电机无速度传感器直接转矩控制理论基础上 ,展开其在电动汽车上的应用研究 ,侧重在转矩响应的快速性、平滑性和稳定性 ,这有利于提高电动车辆的动力性和经济性 .     

混合有源电力滤波器中无源滤波器多目标优化设计

对粒子群优化算法进行改进,引入异步时变加速系数和线性时变权重系数,提出一种改进型粒子群优化算法。将无源滤波器的滤波效果、无功补偿容量及初期投资作为优化目标,利用改进型粒子群优化算法对混合有源电力滤波器中无源滤波器参数进行优化设计。仿真验证了理论分析和设计的正确性,相关设计方法可为其它类型的混合有源滤波器中无源滤波器的优化设计提供参考。     

基于粒子群算法的自适应滤波器研究及应用

针对神经网络自适应滤波器易于陷入局部极小的缺陷,采用抑制局部最优的粒子群算法优化神经网络的权系数,设计了基于改进粒子群算法训练的三层神经网络的自适应滤波器,并将其应用于自适应噪声抵消器.仿真表明,该系统与传统自适应噪声抵消系统相比具有很好的噪声抵消能力,信噪比大大提高.     

电动车用永磁电机新型观测器设计

在电动汽车永磁同步电机的无传感器控制中,转子磁链值的参数摄动对转子速度和角度的辨识效果影响较大。为此,可以把转子磁链作为变量加入到扩展卡尔曼滤波器中进行辨识,但这会增加运算矩阵的阶数,造成实际系统运算量偏大。为解决这一问题,通过坐标变换的方法将高阶的扩展卡尔曼滤波器分解成为两个并行的低阶卡尔曼滤波器,提出一种用于永磁电机无传感器控制的非线性两段扩展卡尔曼滤波器,并在理论上分析了滤波器所需的乘法加法运算次数。仿真及实验结果表明:与原有传统卡尔曼滤波器相比,该算法减少了一定的运算量并保持了良好的辨识效果。     

基于ICPSO算法的异步电动机参数辨识与控制

对人工免疫算法、协同进化算法和粒子群算法三者相结合的免疫协同粒子群优化算法(ICPSO)进行改进,提出了一种适用于异步电动机参数辨识的ICPSO算法,并在传统的矢量控制系统基础上,运用该算法在线辨识出异步电动机参数,实时调整解耦控制器、磁链观测器和PI调节器参数,实现参数自适应,设计了基于ICPSO算法的异步电动机矢量控制系统。仿真结果表明,与传统的矢量控制系统相比,所设计的系统受电机参数变化影响较小,在磁链观测准确性、电机转速跟踪性和电磁转矩稳定性等方面有所改善。     

基于CARIMA模型GPC算法的感应电机直接转矩控制

针对感应电机直接转矩控制在低速时转矩脉动大等缺点,本文首次提出了一种基于CARIMA模型的广义控制算法,并使其应用于感应电机的直接转矩控制。该算法直接作用于直接转矩控制中的转速控制,不依赖于电机的具体模型,通过系统辨识与参数估计获得算法模型参数,具有在线辨、滚动优化和对模型的要求不高等优点。通过仿真表明,此算法提高了感应电机直接转矩控制的控制精度和低速性能。     

基于改进边缘化粒子滤波器的机动目标跟踪

为解决边缘化粒子滤波器(MPF)无法估计线性状态的难题,提出了一种改进的MPF目标跟踪算法,采用状态的预测值作为卡尔曼滤波器的量测更新,用卡尔曼滤波器估计目标的速度和加速度;用粒子滤波器(PF)估计目标的位置信息.仿真结果表明改进的MPF在保证目标状态估计精度的同时,降低了PF算法的计算复杂度,克服了PF的退化现象,较好地解决了闪烁噪声下的机动目标跟踪难题.     

基于无速度传感器的并联双感应电机矢量控制仿真研究

对基于无速度传感器控制技术的单逆变器并联双感应电机矢量控制系统进行了仿真研究,由于自适应伪降阶观测器的极点不依赖于感应电机的转速,将其应用到磁链观测中,有利于提高转速和转矩的响应速度;给出了单逆变器控制并联双感应电机的直接转子磁场定向的矢量控制方案,并推导出旋转坐标系下励磁电流分量和转矩电流分量,构建其仿真模型,并对电机参数和负载不平衡情况进行了仿真分析.仿真结果表明在电机参数和负载不平衡情况下,系统具有良好的动、稳态性能.     

改进SADE-EKF的永磁同步电机参数辨识

针对永磁同步电机（PMSM）参数辨识中扩展卡尔曼滤波（EKF）难以确定合适的系统噪声矩阵Q和量测噪声矩阵R的问题,提出了一种改进自适应差分进化算法（SADE）-EKF的PMSM参数辨识方法。首先分析了扩展卡尔曼滤波器的工作原理,建立了双线程辨识模型;然后通过改进差分进化算法（DE）的变异策略跳出局部最优,并设计了合适的适应度函数;最后,通过SADE算法对EKF的Q和R进行优化。实验结果表明,改进的SADE-EKF在辨识电机参数时比传统的EKF具有更好的收敛速度和辨识精度。     

基于粒子群算法的电力变压器噪声有源控制系统优化

误差传感器的位置对有源降噪系统理想降噪量影响很大,理论上评价降噪效果的优化准则是初级声源和次级声源的总辐射声功率最小.鉴于粒子群算法的找寻效率较高,采用粒子群算法来找寻使得总辐射声功率最小的误差传感器最佳位置.仿真研究表明,粒子群优化算法应用于误差传感器优化布放,收敛速度快,实现更灵活方便;两个误差传感器比单个误差传感器得到更高的降噪量,双次级声源比单次级声源得到更高的降噪量.对电力变压器自适应有源噪声控制系统的设计有理论指导意义.     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

一种基于粒子群优化的粒子滤波改进算法

粒子群优化粒子滤波算法能有效改善粒子退化问题,但其适应度函数受量测噪声方差影响较大,限制了滤波精度的提高.为此,提出了一种基于粒子群优化的粒子滤波改进算法.该算法给出一种新的适应度函数,用当前状态估计值与各粒子状态的差值大小作为评价标准,使得最终优化粒子受噪声方差影响减小,在量测模型精度高的场合中提高了滤波精度.理论分析及仿真结果表明,本文所提算法的滤波性能优于标准粒子滤波与粒子群优化粒子滤波算法.     

一种电网滤波器优化配置新算法

针对北碚110kV配电网谐波的特点,提出一种基于改进模拟退火一粒子群的电网滤波器优化配置算法.基于自适应惯性因子w和存储器,以滤波器一次投资最小为目标,在给定电网范围内优化配置有源和无源滤波器,使配电网中各节点的谐波畸变率满足谐波的标准要求.通过算法寻优求解,给出最优的滤波器配置方案;Matlab/Simulink仿真...     

双扩展卡尔曼滤波的无刷直流电机无传感器控制

文章研究了双扩展卡尔曼滤波器(DEKF)下的无刷直流电机(BLDCM)无位置传感器控制策略。利用带有噪声的输入信号,设计了一种DEKF观测器以实时估计无刷直流电机状态和参数。在观测器中,2个扩展卡尔曼滤波器分别作为状态滤波器和参数滤波器同时运行估计系统状态和电机参数。在任意时刻下,当前参数估计值作为状态滤波器的一个已知给定输入量,与此同时,当前状态估计值也作为参数滤波器的一个已知给定输入量。所设计的观测器对参数变化、模型不精确、过程噪声和测量噪声具有较强的鲁棒性,在稳态运行和动态运行模式下都可以获得足够精度的BLDCM状态和参数估计值。仿真研究进一步验证了所提出控制策略的可行性和有效性。     

基于Lagrange乘子法的一种新型改进粒子群优化算法

社会和生产实践中抽象出来的模型一般为非线性约束优化,而约束优化一般很难直接求解.首先,我们通过引进增广lagrange乘子法,将约束优化转化为有界约束优化,然后引入粒子群优化算法来进行求解,并且我们提出来一种嵌入了最速下降法的改进粒子群优化算法,以此来解决标准粒子群算法中收敛速度慢和精度低的问题,提高了搜索的效率,特别是局部搜索的效率.改进算法有效地结合了粒子群优化算法比较强的全局搜索能力和最速下降法的精细快速的局部搜索能力,相比于标准粒子群优化算法,克服了收敛速度慢的特点.数值实验表明,通过改进的粒子群优化算法可以找到所求优化问题的全局最优解.     

基于粒子群算法的自适应LMS滤波器设计及可重构硬件实现

自适应滤波器设计是典型的多参数组合优化问题,利用一种改进的粒子群优化算法（MPSO）来优化设计自适应LMS滤波器．将滤波器设计问题转化为滤波器参数优化的问题,利用改进的粒子群算法MPSO搜索整个参数空间,从而获得全局优化的系数．设计的滤波器应用于系统的跟踪响应中,并在基于可重构硬件的平台上实现自适应滤波器．从收敛和失调性能指标评价所设计的LMS滤波器,实验结果表明设计的LMS滤波器具有较好的性能,证明了这种方法的有效性和优越性．     

基于粒子群优化算法的集成电路无网格布线

提出了一种改进的粒子群优化算法,并将其应用于集成电路布线,建立了相应的优化模型。对于给定的版图布线平面,该算法结合无网格算法的思路,首先由障碍图形和各个线网的端点生成一个包含最短路径的无网格访问点阵,然后根据粒子群算法的思路建立初始粒子位置矩阵,并利用其全局寻优功能找到当前布线路径上的最短路径.     

异步电机无速度传感器每安培最大转矩控制

为实现对异步电机的高性能控制,结合每安培最大转矩控制方法,采用了无速度传感器技术,并给出了具体的PI调节器自适应控制方案.实验结果表明,这种无速度传感器每安培最大转矩控制,在提高电机效率与改进转速观测效果方面,具有很好的效果,为电机控制系统的设计和调试提供了新的思路.