基于UKF算法的无刷直流电机转子位置和速度的估计

针对无刷直流电机（BLDCM）非线性严重而导致控制困难的问题,利用无轨迹卡尔曼滤波（UKF）算法设计了观测器,以估计无刷直流电机的转子位置和角速度,分析了在BLDCM系统负载变化、负载扰动、参数变化以及低转速情况下的估计结果,同时讨论了噪声统计参数的变化对估计效果的影响由此可知,良好的估计效果与UKF算法中各个参数的设置有重要的关系．仿真和实验结果表明,该转子位置观测方法可以比较正确地给出电机换相信号,实现电机的无位置传感器控制．     

基于高频信号注入的永磁同步电机转子位置估计

为提升永磁同步电机无传感器控制技术在零/低速范围运行时的动态性能,提出一种改进的转子位置估计方法.首先,在α-β坐标系下建立永磁同步电机高频激励模型;其次,为提高转子位置估计性能,对基于外差法的转子位置估计方法进行分析,并提出基于补偿矩阵的转子位置估计方法;最后,在MATLAB/Simulink仿真环境下对比分析外差法与补偿矩阵两种方法的转子位置估计精度.仿真结果表明,所提出的方法不仅能获得较快的转子位置跟踪速度,而且能够保证较高的转子位置估计精度.     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

基于优化EKF的永磁同步电机转速估计

为了解决在永磁同步电机无速度传感器直接转矩控制系统中,扩展卡尔曼滤波器在转速估计时系统噪声矩阵和测量噪声矩阵难以较准确获得的问题,提出了一种基于改进粒子群优化的扩展卡尔曼滤波器转速估计方法,该方法融合了粒子群算法与遗传算法的优点,经过实验仿真表明,当将此方法应用于卡尔曼滤波器系统噪声矩阵和测量噪声矩阵寻优时,与遗传算法、标准粒子群算法相比,改进粒子群优化的卡尔曼滤波器能更加迅速地找到较优解。     

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力.最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验.仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性.     

基于位置估计的永磁同步电机全速域控制

为改进全速域内永磁同步电机(Permanent magnet synchronous motor,PMSM)转子速度估计精度,该文提出高频信号注入和自适应结合法来估计电机位置和速度,实现全速域内无传感器PMSM的控制。首先在特定高频信号激励下,利用电流响应估计PMSM的初始位置,同时通过流频法启动并控制电机低速运行。然后提出基于可调模型的自适应法估计中高速运行时的电机转速,实现电机无传感器条件下的精确控制。结果表明:提出的方法能使转子初始位置估计误差在0.3%以内和转速估计误差在0.7%以内,转速误差被控制在0.4%以内,具有良好的估计精度与稳态性能。     

基于高频注入信号瞬时频率估计的永磁同步电机转子位置检测

在永磁同步电机的控制中,无论是矢量控制还是直接转矩控制,都需要适时精确知道转子位置的信息。本文探索性地提出基于信号瞬时频率估计的方法,对永磁同步电机的高频电流响应信号进行检测和处理,通过提取谱图的峰值和相关的频率来估算出实际的瞬时频率,进而获得正确的转子位置信息。     

一种改进的永磁同步电机无位置传感器直接转矩控制

为改进永磁同步电机无位置传感器直接转矩控制,提出一种结合扩展卡尔曼滤波和滑模观测器的PMSM速度及位置估算方法.使用Matlab/Simulink建立PMSM的无位置传感器直接转矩控制系统,实现无位置传感器情况下的PMSM启动与调速仿真.仿真结果表明,该方法具有较令人满意的效果.     

无位置传感器的永磁同步电机直接转矩控制系统

介绍了永磁同步电机直接转矩控制原理,在旋转坐标系下推导出转矩的几种表达形式,以此为基础分别对隐极式电机和凸极式同步电机提出了基于定子磁链和转矩的功率角位置估算算法.该估算法先计算电磁转矩、定子磁链及其位置,根据定子磁链和电磁转矩估算功率角,再根据功率角和定子磁链位置得到转子位置.仿真表明,本文提出的功率角估计算法简单有效,能比较精确地逼近电机实际位置,系统有良好的动静态性能.     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

参数自适应的永磁同步电机无速度传感器控制

针对永磁同步电机无速度传感器控制时,模型参数变化引起观测器误差的问题,提出了一种模型参数自适应的观测器设计方法. 运用双无迹卡尔曼滤波的双估计方法,在通过模型估计系统状态的同时,利用估计所得到的系统状态再估计系统模型参数,从而实现模型参数的自适应控制. 试验结果表明,双无迹卡尔曼观测器在永磁同步电机的无速度传感器控制中,对系统状态和模型参数的估计准确有效,达到了预期的控制效果,实现了模型参数的自适应控制,使控制精度有所提高.     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

基于多传感器抗差融合的UKF弹道跟踪算法

弹道跟踪测量过程中,由于环境的复杂性和测量机制自身的问题,测量数据不可避免存在异常值等.传统的加权观测融合估计算法往往直接对来自各个传感器的测量数据进行处理,忽略了数据质量问题对滤波精度的影响.为解决此问题,在加权观测融合算法的基础上引入抗差估计理论,根据观测融合值与融合预测值,计算测量融合残差向量、抗差权重因子和融合观测向量等价协方差阵,实现了异常值的实时分离与修正,解决了融合过程中由于测量数据存在污染导致弹道数据处理精度下降的问题.同时引入平方根滤波思想,避免了常规UKF中误差协方差矩阵非正值引起的滤波散度问题.仿真结果表明该算法估计精度高,计算负担小,能有效地减小测量误差对弹道定轨精度的影响.     

基于神经网络的速度估计方法

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,以神经网络模式识别的理论为基础,结合神经网络在自动控制领域中的典型应用经验,提出了两种基于神经网络的速度估计方案,分析比较了各自的优点,并通过Matlab仿真,证明了所提方案的估计精度高,估计转速能很好地跟踪实际转速(即使负载发生变化或转速发生阶跃变化),而且对电机参数变化具有很强的鲁棒性,对考虑铁耗后所产生的影响也不太敏感,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.     

基于瞬时速度辨识的无速度传感器矢量控制系统

采用同步瞬时速度辨识的方法,以数字信号处理单元（DSP）为核心控制器件来实现无速度传感器矢量控制的交流调速系统。给出了系统的控制方案。实验结果表明,该同步瞬时速度辨识的方法和控制方案具有良好的速度辨识性能和控制效果。     

基于降阶推广卡尔曼滤波算法的交流感应电动机无速度传感器矢量控制系统

提出了一种估算交流感应电动机转子角速度和转子磁链的降阶推广卡尔曼滤波算法。该算法仅以转子磁链的2个分量作为状态变量，把转子角速度作为被估计的参数，通过定子电压参考值和定子电流测量值疾时估算转子角速度和转子磁链。估算得到的转子磁链用于交流感应电动机无速度传感器矢量控制系统的磁场定向和磁链控制，估算的转子角速度用于速度控制。仿真结果显示，转子角速度和转子磁链的估算精度较高，速度和矢量控制的性能在整个速度范围内令人满意；同时，算法阶数的降低显著地减少了运算量。本文算法能够在实际系统中实时实现。     

无速度传感器矢量控制系统转速辨识方法研究

转速辨识是无速度传感器矢量控制系统的关键问题之一.介绍了当前研究的具有代表性的异步电动机无速度传感器矢量控制系统速度辨识方法,利用MATLAB/SIMULINK建立了异步电动机无速度传感器矢量控制系统模型,对动态速度估计器、模型参考自适应、滑模观测器等几种速度辨识方法进行了仿真、比较和分析.     

带转子电阻估计的感应电机无速度传感器控制

对于转子电阻未知的感应电机提出了一种可以估计转子电阻的转速估计方法.该方法假设定子电阻已知,用改进的电压模型估计转子磁链.然后根据感应电机的静止坐标系模型推出转速和转子电阻的表达式,在已知转子磁链的情况下,将这两个表达式看作一个二元一次方程组,解出转速和转子电阻的解析表达式,分析了这两个量的表达式的成立条件.提出了感应电机的无速度传感器控制方案.仿真研究表明,本文提出的方法能准确地估计感应电机的转速和转子电阻.     

基于变结构MRAS观测器的PMSM无速度传感器矢量控制

为改善传统模型参考自适应系统(Model Reference Adaptive System, MRAS)速度观测器对电机参数和负载变化敏感的缺点,针对永磁同步电机,基于变结构技术,提出一种变结构MRAS速度观测器。该方法利用滑模变结构代替MRAS中的自适应律,利用连续的双曲正切函数Sigmoid代替符号切换函数,可以降低滑模模态的抖动。理论分析和仿真结果表明,基于变结构MRAS观测器的PMSM无速度传感器矢量控制系统具有较好的动静态性能,且具有较强的鲁棒性。