无轨迹卡尔曼滤波器在感应电机转速估计中的应用研究

无轨迹卡尔曼滤波器(UKF)作为扩展卡尔曼滤波器(EKF)的进化算法在许多非线性估计问题上取得了成功的应用.探讨了在感应电机转速估计领域引入UKF是否能获得明显优于EKF的估计性能这一问题.通过仿真及实验对比,分析了采样周期以及滤波器参数对UKF及EKF估计性能的影响,从各个方面评估、比较了UKF与EKF的转速估计性能.仿真及实验结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF,EKF仍旧是这一特定问题的最有效和最可行的算法.     

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。     

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.     

基于扩展卡尔曼滤波器的感应电机转子断条故障检测

根据扩展卡尔曼滤波器的原理,推导出用感应电机端电压、线电流信号估计电机转速的方法,还对扩展卡尔曼滤波器的参数进行了优化,提高了辨识的精度和收敛的速度.对电机转速进行FFT频谱分析,并以此为基础进行电机转子断条故障的在线检测.该方法不仅较以往电流检测方法更有利于克服边频带效应带来的影响,同时也避免了精密的转速测量装置的使用,因此具有广泛的实用价值.实测结果表明该方法是正确有效的.     

基于扩展卡尔曼滤波器的异步电机转速辨识

在异步电机控制基础上 ,利用扩展卡尔曼滤波器将转子转速看成系统的一个状态量 ,根据定子侧可以测量的电流、电压值 ,逐步估计出转子转速 ,为研制无速度传感器控制打下基础。     

基于改进模糊卡尔曼滤波的感应电机转速估计策略研究

针对感应电机转速估计过程中,采集数据易受到外界干扰,导致的转速估计值出现较大偏差的问题,提出采用基于模糊自适应卡尔曼滤波的感应电动机无速度传感器控制策略.通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高转速估计精度.仿真及实验结果表明,提出的改进模糊卡尔曼估计器,对随机的测量噪声具有较强的抑制能力.能够准确估计电机转速,抗差能力较好,满足工程实际需求.     

基于扩展卡尔曼滤波器的永磁同步电机转速估计方法研究

研究了利用扩展卡尔曼滤波器(extended kalman filter, EKF)对永磁同步电机(permanent magnet synchronous motor, PMSM)矢量控制系统进行参数精确估计的方法。通过引入定子电流和电压,在线估计电机的定子磁链、电机转速和转子位置,进而实现永磁同步电机的无传感器控制。仿真结果表明EKF准确地观测了电机转速和磁链,所构建的无速度传感器矢量控制系统具有良好的控制性能。     

基于新息理论的EKF感应电机转速估计方法

提出了一种基于新息理论的自适应扩展卡尔曼滤波(IT-AEKF)感应电机转速估计方法,实现了优化的感应电机无速度传感器矢量控制。该转速估计方法使用新息序列对系统噪声协方差矩阵进行在线估计和自适应调节,实时地跟踪系统模型的变化,使系统模型与实际模型更加匹配。所提出的方法提高了系统模型对于实际系统以及外部环境变化的适应性,也满足对于低速的估计要求,进而提高系统的稳态精度和抗粗差性能,使系统遇到干扰时更快收敛。实验结果验证了算法的正确性和有效性。     

用神经网络实现对感应电机转速估计

根据数学模型．提出了一种利用神经网络进行感应电机转速估计的新方法。方法是采用一个3层神经网络作为速度估计器来估计转速。仿真结果表明，这种基于人工神经网络的转速估计模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

感应电机无速度传感器控制的自适应转速估计

文章分析了感应电机无速度传感器控制中在同步转速为零且带负载状态下自适应磁链观测器（AFO）观测状态和估计转速的渐进稳定性。设计了基于模型参考自适应系统（MRAS）全速域渐近稳定的状态观测和转速估计算法，仿真结果表明所设计的算法是有效的。     

STEKF协同残差归一化的感应电机转速辨识方法

为了提高感应电机无速度传感器矢量控制系统的性能,提出了一种强跟踪扩展卡尔曼滤波(STEKF)协同残差归一化(NR)的自适应转速估计方法。通过将渐消因子引入到状态预测协方差矩阵中,实时在线调整增益矩阵,强迫输出残差序列保持相互正交。同时,通过对残差进行归一化处理,自适应地调节渐消因子,消除由残差本身数值差异引起的信息不对称。该文提出的方法提高了系统模型对于实际系统以及外部环境变化的适应性,有效降低了估计误差,满足对于低速的估计要求。对基于STEKF协同残差归一化观测器的感应电机无速度传感器矢量控制系统进行了实验验证,实验结果证明了算法的正确性和有效性。     

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。     

基于扩展卡尔曼滤波的无速度传感器无刷双馈感应电机直接转矩控制

本文提出了一种基于扩展卡尔曼滤波的无速度传感器无刷双馈感应电机直接转矩控制策略。通过对三相无刷双馈感应电机在转子速度坐标系下的数学模型进行分析,推导出系统的状态方程和观测方程,实现基于扩展卡尔曼滤波算法的转子速度和功率及控制绕组磁链的估计。根据磁链的估计值计算出电磁转矩,并通过对控制绕组磁链进行定向和逆变器开关状态的判定实现无刷双馈感应电机的转矩控制。仿真结果表明,在速度给定阶跃变化、负载突变的情况下,所提控制策略均能实现对转速和磁链的精确估计,系统运行稳定。     

基于优化新EKF的直线感应电动机速度估计

采用一种新颖的扩展卡尔曼滤波器(EKF)实现了对直线感应电动机的速度检测,并考虑边端效应的影响进行了修正.采用模拟退火遗传算法(SAGA)对EKF性能进行优化,并与遗传算法(GA)优化的EKF进行了比较,表明SAGA具有更强的寻优能力.包括电机参数变化、负载扰动等情况下的仿真结果证明了该方案的有效性.     

异步电机矢量控制中扩展卡尔曼滤波器的优化研究

利用扩展卡尔曼滤波器,将转速看成一个状态量,根据定子的电流和电压值估算转速.通过仿真对滤波器初值的选取进行了研究,得到优化的卡尔曼滤波器.试验结果表明,速度估算的准确性高,系统对于电机参数的变化不敏感,具有较强的鲁棒性.     

基于AEKF的永磁同步电机转速估计算法研究

针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。     

基于I/F起动和扩展卡尔曼滤波的永磁同步电机全速域无传感器控制方法

针对永磁同步电机(PMSM)全速域范围内无速度传感器运行时,电机低速起动位置估计困难的问题,提出了一种恒电流变频(I/F)和扩展卡尔曼滤波器(EKF)相结合的控制方法。在低速采用恒电流变频比起动,中高速切换为EKF进行位置和速度的估计。为解决切换过程不稳定的问题,利用电机转矩-功角自平衡特性,在切换过程中以两种控制方法给定的角度差作为反馈输入信号来减小切换前给定电流,在角度差接近零时切换电流和位置给定,使切换前后给定电流和给定位置基本保持不变。最后通过仿真验证该方法的可行性。