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。     

基于多参数辨识MRAS的三相PMSM无传感器控制系统研究

针对永磁同步电机在线辨识存在变参数、相互耦合、方程欠秩问题。提出一种基于Popov超稳定性理论的多参数辨识方法,首先确定交直轴电感和转子磁链参数,去辨识定子电阻和电角速度,待定子电阻稳定后,再辨识转子磁链,这样解决了转子磁链在起始时不稳定难以辨识的问题,大大提高了辨识的精度。最后待转子磁链稳定后,去辨识交直轴电感。结果表明,此设计方法提高了系统的快速性,增强了系统跟踪精度。     

基于改进型指数趋近率的永磁电机滑模控制研究

永磁电机(PMSM)是典型的非线性、多变量的耦合系统,其对外部干扰及内部定子电感等参数的变化十分敏感。其中,电机定子电感参数的变化情况可通过有限元分析获得。为提高PMSM驱动性能,在控制系统中引入了滑模控制策略,并在分析原趋近率的基础上,提出了一种改进型指数趋近率,对其进行了仿真分析。结果表明:由改进型指数趋近率搭建的速度控制器提升了系统动态响应性能,增强了PMSM驱动系统鲁棒性。     

永磁同步电机的哈密顿系统建模与控制

针对永磁同步电机（PMSM）负载转矩已知、未知和定子电阻不确定情况,采用一种新的能量成形和端口受控哈密顿（PCH）系统方法,研究了PMSM的建模与速度控制问题,并建立了PMSM的PCH模型,给出了闭环系统期望的哈密顿函数,设计了系统的控制器和负载转矩观测器,分析了系统平衡点的稳定性。仿真结果表明,所提出的方案对负载扰动和定子电阻变化具有很强的鲁棒性。     

基于自适应逆控制的永磁同步电动机控制系统

为进一步提高交流永磁同步电动机控制性能,本文提出了基于自适应逆控制的永磁同步电动机控制系统,采用基于递推最小二乘BP（RLS-BP）算法,对永磁同步电动机系统的进行建模、逆建模和自适应控制器的设计。提高了永磁同步电动机系统建模和逆建模的辨识收敛速度以及辨识精度和系统控制精度。仿真结果表明,基于本文提出的自适应逆控制方法的永磁同步电动机系统,具有良好的动态响应,并且在电机参数摄动情况下具有较强的鲁棒性。     

基于PCH控制的永磁同步电动机自适应L2扰动抑制

针对隐极永磁同步电动机（permanent magnet synchronous motors,PMSM）速度控制易受定子电阻、定子电感、负载转矩变化的影响,采用端口受控哈密顿（port—con—trolled hamiltonian,PCH）控制与自适应L2扰动抑制相结合的方法设计了PMSM的速度控制器。应用L2增益控制原理对负载扰动进行有效地抑制,在L2增益控制的基础上,引入自适应方法,减小PMSM定子电阻和电感变化的影响。文中建立了基于状态误差PCH控制的PMSM自适应L2扰动抑制仿真模型。仿真结果表明,用L2扰动抑制可以对负载扰动进行有效抑制,更好的减小误差,获得的效果更佳。     

内嵌式永磁同步电机永磁磁链在线辨识研究

针对内嵌式永磁同步电机永磁磁链辨识存在的问题,采用一种基于滑模变结构的永磁磁链参数辨识方法。首先,通过选择磁场同步旋转坐标系下定子电流和电感的乘积作为状态变量,构造内嵌式永磁同步电机永磁磁链辨识的状态方程;然后,利用滑模变结构与该模型相结合的方法,构造滑模观测器,并采用Lyapunov稳定性理论证明该观测器的稳定性和待辨识磁链参数的收敛性;最后,以仿真结果验证了该方法对永磁同步电机永磁磁链辨识的可行性。     

基于模糊自适应的永磁同步电机矢量控制系统

提出了一种基于模糊自适应的永磁同步电机(PMSM)矢量控制系统的速度控制器的方案。模糊自适应控制器由模糊逻辑控制器和传统的PI控制器组成,采用模糊自适应控制器的输出对传统PI参数进行实时调整,使其具有模糊逻辑在处理不确定信息方面的能力和PI控制在线性系统中的良好性能。Matlab的仿真结果表明,采用模糊自适应建立的永磁同步电机的速度控制器,在系统参数发生变化或者受到外部扰动的情况下,PMSM矢量控制系统具有较好的动态响应特性。     

电主轴定子电阻混合智能辨识方法

目的研究不同工况下电主轴定子电阻变化规律,找寻有效的定予电阻辨识方法,提高电主轴直接转矩控制（DTC）系统性能和定子电阻辨识精度．方法实验检测电主轴不同工况下定子电阻,分析影响定子电阻的主要因素,将影响定子电阻变化的变量作为辨识系统的输入,建立人工神经元网络（ANN）与案例推理（CBR）联合组成的混合式智能定子电阻辨识的模型．结果单纯地通过人工神经元网络方法对定子电阻进行辨识,辨识的误差可以达到±0．005Q;利用案例推理技术对神经元网络的辨识结果进行修正后,定子电阻辨识的误差减小到±0．002n．结论基于神经元网络及案例推理相结合的定子电阻辨识方法与单纯的神经元网络辨识相比,可将定子电阻辨识精度提高60％,将辨识以后的定子电阻导入到电主轴直接转矩控制系统中,大大地提高了系统的控制性能．     

基于随机子空间的同步发电机参数辨识方法

从同步发电机建模的角度出发,针对传统的同步发电机参数辨识方法存在辨识精度低、抗干扰能力差的不足,提出了随机子空间的同步发电机参数辨识方法.将采集到定子电流信号构成Hankel矩阵,经矩阵QR分解和特征值分解（SVD）,得到系统矩阵的特征值,进而得到定子电流中直流分量和基频分量的衰减系数,再通过最小二乘拟合得到各分量的幅值和相位,从而实现同步发电机的参数辨识.通过仿真验证了该方法的有效性.     

异步电机定子电流内模自适应控制及实现

针对转子磁场定向下的异步电机定子电压方程中存在着励磁电流和转矩电流分量的交叉耦合,使得转矩电流的调节受到励磁电流的影响,提出了异步电机定子电流的内模自适应控制及其在转子磁场定向矢量控制中的实现方法.根据内模控制(IMC)原理设计异步电机电流调节器,用矩阵奇异值分析了IMC电流调节器的鲁棒性;用最小二乘法对模型参数进行辨识;将其应用于异步电机转子磁场定向的矢量控制中.通过对电流调节器传递矩阵函数的仿真及用DSP实现的异步电机矢量控制,验证了自适应IMC电流调节器的良好性能.     

A comparative study of different online model parameters identification methods for lithium-ion battery

Precise states estimation for the lithium-ion battery is one of the fundamental tasks in the battery management system (BMS), where building an accurate battery model is the first step in model-based estimation algorithms. To date, although the comparative studies on different battery models have been performed intensively, little attention is paid to the comparison among different online parameters identification methods regarding model accuracy, robustness ability, adaptability to the different battery operating conditions and computation cost. In this paper, based on the Thevenin model, the three most widely used online parameters identification methods, including extended Kalman filter (EKF), particle swarm optimization (PSO), and recursive least square (RLS), are evaluated comprehensively under static and dynamic tests. It is worth noting that, although the built model’s terminal voltage may well follow a measured curve, these identified model parameters may significantly out of reasonable range, which means that the error between measured and predicted terminal voltage cannot be seen as a gist to determine which model is the most accurate. To evaluate model accuracy more rigorously, battery state-of-charge (SOC) is further estimated based on identified model parameters under static and dynamic tests. The SOC prediction results show that EKF and RLS algorithms are more suitable to be used for online model parameters identification under static and dynamic tests, respectively. Moreover, the random offset is added into originally measured data to verify the robustness ability of different methods, whose results indicate EKF and RLS have more satisfactory ability against imprecisely sampled data under static and dynamic tests, respectively. Considering model accuracy, robustness ability, adaptability to the different battery operating conditions and computation cost simultaneously, EKF is recommended to be adopted to establish battery model in real application among these three most widely used methods.

     

车用永磁同步电机MT坐标系下DTC控制

针对直接转矩驱动技术在电动汽车动力系统应用中存在的低速转矩脉动和该动力系统对恒功率调速范围要求较高的问题,提出了一种新型永磁同步电机MT坐标系下直接转矩控制系统.该系统工作在与定子磁链同步旋转的参考坐标系中,采用改进式MTPA控制实现参考磁链的计算,利用定子磁链控制器所产生的磁链误差积分实现磁链估算.采用不同的电压矢量对逆变器的电压饱和所产生的磁链估算误差进行补偿,从而提高磁链估算精度.仿真结果表明,该系统有效减小了低速转矩脉动,拓宽了调速范围.     

基于单霍尔传感器的PMSM位置检测方法

为了解决永磁同步电机矢量控制需要高精度位置传感器的问题,提出了一种基于单个霍尔传感器的永磁同步电机转子位置检测方法.对基于单个锁定型霍尔元件的转子位置、速度预估算法及其误差进行了分析,为了提高动态过程中的预估精度采用了一阶速度预估.采用一路方波信号模拟霍尔输出信号对该检测方法进行了实验验证.最后将该方法用于一台高速永磁同步电机驱动,实现了高速永磁同步电机的矢量控制.实验证明该方法具有较高的静态和动态精度,可工作于较宽的速度范围,适合于永磁同步电机矢量控制.     

超级电容动态参数等效电路模型及实时辨识方法

针对超级电容传统静态参数等效电路模型不能有效反映其动态工作特性问题,提出一种包含动态充放电内阻和电容参数的二阶梯形等效电路模型,利用递推最小二乘法对二阶梯形等效电路模型参数进行初步离线辨识.进一步,考虑超级电容参数的动态变化,将离线辨识模型参数作为初值,引入带遗忘因子的递推最小二乘法对动态参数进行实时辨识.搭建超级电容仿真模型和实验测试平台,通过仿真和实验结果对比验证动态参数二阶梯形等效电路模型和实时辨识方法的有效性和准确性.结果表明：动态参数二阶梯形等效电路模型可以有效反映超级电容的动态充放电工作特性,与传统静态参数的三分支等效电路模型和二阶梯形等效电路模型相比,模型的精度分别提高2.08和3.56个百分点.     

基于磁链估计的PMSM无传感器矢量控制

针对永磁同步电机的无传感器矢量控制,利用对磁链的估计,提出了一种转子位置、速度的估计方法.该方法通过测量的相电流和端电压估计电机的定子磁链,再利用定子磁链对估计位置进行校正.针对二阶多项式曲线拟合位置估计方法所存在的问题,又提出了引入锁相环结构来减小稳态估计误差.理论分析和仿真结果表明,所提出的永磁同步电机无速度传感器控制方法在低速和高速时都能精确辨识出转子的位置和速度,系统具有较好的鲁棒性和良好的动静态运行性能.     

基于高斯牛顿迭代的MIMU误差参数辨识

为了减小微惯性器件在制造和安装过程中出现的误差对微机械惯性测量单元(MIMU)测量精度的影响,对MIMU进行了误差参数辨识.介绍了一种新型的MIMU误差参数描述数学模型(包括零偏、灵敏度、圆锥角和方位角),提出了一种基于高斯牛顿迭代的适用于该误差参数模型的寻优方法,并利用实验室高精度转台完成了相关的参数辨识实验.仿真结果表明,与传统标定方法相比,该参数标定可以有效提高MIMU的测量精度,具有一定的实用价值.     

基于改进多新息扩展卡尔曼滤波的电池SOC估计

为了提高SOC估计精度,提出基于遗忘因子改进多新息扩展卡尔曼滤波（FMIEKF）方法. 建立锂离子电池的双极化等效电路模型,开展开路电压测试. 通过递归最小二乘法,实现电池模型参数在线辨识. 提出FMIEKF进行SOC估计,该方法在融合多新息辨识理论和卡尔曼滤波基础上,引入遗忘因子削弱历史数据修正权重,解决数据过饱和问题. 通过实验和硬件在环进行验证. 结果表明,FMIEKF具有较高的准确性和收敛性,最大估计误差为0.948%,平均误差为0.214%,在不同SOC初值下20 s内收敛,可以适用于实际的电池管理系统中.