基于多新息随机梯度永磁同步电机参数辨识

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。在永磁同步电机系统数学模型基础上,构建系统回归模型,推导得永磁同步电机多新息随机梯度参数辨识算法(MISG),仿真和实时实验结果表明由于MISG算法重复利用可测输入输出信息,较单新息随机梯度算法(SG)有着更好的参数估计收敛性,并且随着新息长度p的增加及遗忘因子引入,MISG算法辨识效果与最小二乘(RLS)算法接近。     

基于克隆选择差分进化算法的永磁同步电机参数辨识

针对永磁同步电机(PMSM)多参数高精度辨识的问题,提出了一种克隆选择差分进化(DE-IC-SA)算法,将其运用于永磁同步电机的多参数在线辨识.算法通过对差分进化算法与免疫克隆选择算法进行混合优化,提高了种群多样性,加强了局部和全局的搜索能力.通过仿真实验表明:相较于差分进化算法与粒子群优化(PSO)算法,所提算法能同...     

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。     

扩展卡尔曼滤波结合前馈补偿永磁同步电机位置估计

转速和转子位置的精确估计对建立永磁同步电机(permanent magnet synchronous moter,PMSM)转速、电流双闭环矢量控制系统非常重要.本文主要研究扩展卡尔曼滤波算法(extended Kalman filter,EKF)估计转速、转子位置问题.与传统EKF估计转子位置方法不同的是,本文采用遗传算法(GA)优化EKF的协方差矩阵,并给出P,Q,R矩阵选取过程.另外将负载转矩观测器观测的负载转矩同速度调节器的输出一起作为电流调节器的控制变量.仿真及实验结果表明:文中提出的新方法有效缩短系统协方差参数选取时间,提高转速的辨识精度和抗负载扰动能力.     

基于EKF的PMSM无传感器控制研究

针对永磁同步电机(PMSM)位置与速度传感器易受外部条件和自身精度的影响,以及PMSM无传感器控制等问题,提出了一种基于扩展卡尔曼滤波(EKF)的PMSM非线性预测无传感器控制方法。该方法具有预测性、自适应能力、抗干扰性、易于软件实现等优点。首先,详细分析了PMSM的矢量控制系统数学模型和EKF原理。其次,将EKF算法应用于PMSM的无传感器矢量控制中,即将电机αβ轴电流和电压作为输入变量,经过EKF算法运算,估算出转子转速和转子位置来代替电机的位置与速度传感器。最后,搭建基于MATLAB/Simulink的PMSM无传感器矢量控制系统仿真模型。仿真结果表明,EKF控制方法能准确估算出电机在空载和负载(随机)时的位置和转速,且具有较好的可预测性和系统响应性。在电机突加负载的情况下,也可以快速恢复到稳定状态,具有较强的抗负载性。     

基于EKF的永磁同步电机的无传感器控制研究

基于位置传感器永磁同步电机控制,一方面提高了设计成本,另一方面降低了系统可靠性。对扩展卡尔曼滤波（extended Kalman filter,EKF）原理进行分析研究,将 EKF 优化算法应用到永磁同步电机控制中,对永磁同步电机转子转速、转子位置进行预测估计。最后,基于MATLAB仿真平台,构建扩展卡尔曼滤波( EKF)仿真模型。仿真结果表明,永磁同步电机转子位置、转子转速能够被准确预测估计,表明了基于扩展卡尔曼滤波( EKF)算法仿真模型是有效的,为永磁同步电机控制系统研究提供了坚实理论基础。     

免疫协同微粒群进化算法的永磁同步电机多参数辨识模型方法

针对永磁同步电机多参数辨识问题,提出一种基于免疫协同微粒群进化(Immune co-evolution particle swarm optimization, ICPSO) 算 法的永磁同步电机(Permanent magnet synchronous motor, PMSM) 多参数辨识方法.算法由记忆种群与若干个普通种群构成, 在进化过程中普通种群中优秀个体进入记忆库种群.普通种群内部通过精英粒子 保留、免疫网络以及柯西变异等混合策略共同产生新个体,个体极值采用小波学习 加快收敛速度,免疫克隆选择算法对记忆库进行精细搜索,迁移机制实现了整个种群 的信息共享与协同进化.永磁同步电机参数辨识结果表明该方法不需要知道电 机设计参数先验知识,能够有效地辨识电机电阻、 dq轴电感与转子磁链,且能有效追踪该参数变化值.     

基于粒子群优化算法的无传感器调速系统研究

针对扩展卡尔曼滤波器(EKF)中噪声协方差阵对估计准确性影响较大,且选取较困难的问题,提出基于粒子群优化(PSO)算法优化协方差矩阵的方法.使用EKF估计永磁同步电机(PMSM)的转速,实现PMSM无速度传感器控制,并利用PSO优化噪声协方差阵.采用STM32F407ZET6作为核心控制器构建控制系统,实验结果表明:使用PSO的EKF观测器能以较高的精度估计转速,实现精确控制.     

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。     

基于EKF的永磁同步电机直接转矩控制研究

无速度传感器永磁同步电机控制中,鉴于直接计算法需要精确的数学模型、清模观测器由于开关切换动作的不连续造成的抖振问题以及智能算法特别复杂的缺点,本文对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)直接转矩控制(direct torque control,DTC)系统进行精确参数估计进而实现对无速度传感器永磁同步电机的控制的方法进行研究,并通过Madab/Simulink仿真实验验证了扩展卡尔曼滤波算法的有效性.     

基于EKF的机动目标跟踪算法的研究

假设一种机动目标运动:目标的速度大小不变,方向一直对准观测站.比较Singer模型和常速度(CV)模型,采用扩展卡尔曼滤波(EKF)算法对目标进行跟踪.仿真结果表明,在这种机动目标跟踪中,采用Singer模型比CV模型具有较快的收敛速度,而采用CV模型比Singer模型具有较高的跟踪精度.     

一种改进中心差分卡尔曼滤波方法

针对中心差分卡尔曼滤波（CDKF）跟踪时估计精度较低这一不足,提出了一种基于迭代测量更新的中心差分卡尔曼滤波（ICDKF）方法。本文将迭代滤波理论引入到中心差分卡尔曼滤波算法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出了该算法与扩展卡尔曼滤波（EKF）、中心差分卡尔曼滤波（CDKF）的仿真结果,并分析了其跟踪性能和均方根误差。实验结果表明,迭代中心差分卡尔曼滤波（ICDKF）算法不仅具有无需计算Jacobian矩阵的优点,而且具有更高的估计精度。     

基于协同PSO算法的非均匀采样系统辨识

对于非均匀采样数据的双率系统,运用提升技术,得到系统离散状态空间模型,变换得到相应的传递函数模型。讨论在有色噪声和白噪声的干扰下,提出了利用协同粒子群（Cooperative Particle Swarm Optimization,CPSO）的新颖算法,通过实验仿真对比传统的算法和协同PSO算法的精度和鲁棒性,证明新型算法的有效性和合理性。     

永磁同步电动机的直接转矩控制方法

永磁同步电动机是一种强耦合的非线性系统。该文针对永磁同步电动机的特点,对其直接转矩控制方法和调速控制原理进行了深入的研究。文中首先介绍了永磁同步电动机的基本结构,并根据电机基本原理建立了三相永磁同步电动机在转子坐标系下的数学模型,分析了该型电动机直接转矩控制的基本理论,最后给出了永磁同步电动机直接转矩控制系统的原理。仿真结果表明,不但电机的转矩响应快速而平稳,而且在不同基准速度给定下系统均具有较好的适应性。     

一种基于改进型Logistic映射的混沌信号估算跟踪方法

虽然无先导卡尔曼滤波(UKF)技术在性能上要优于一阶线性化的扩展卡尔曼滤波(EKF)技术,但是对于改进型Logistic混沌映射的扩频通信系统,UKF运算时间长,算法复杂。针对上述缺点以及改进型Logistic映射的泰勒展开式最高项为二阶的特点,提出将二阶EKF运用到接收系统中,该接收系统能精确到泰勒展开式的二阶,达到与UKF相同的性能。相比UKF的复杂算法更加简单,运算速度也更快。仿真实验表明,虽然二阶EKF与UKF的误码率相同,但在运算速度与复杂度方面均优于UKF。     

基于改进SIFT算法的双目视觉SLAM研究

SIFT算法通常用于移动机器人视觉S LAM中。但其算法复杂、计算时间长,影响视觉SLAM的性能。在两方面对SIFT改进：一是用街区距离与棋盘距离的线性组合作为相似性度量;二是采用部分特征方法完成快速匹配。应用扩展卡尔曼滤波器融合SIFT特征信息与机器人位姿信息完成SLAM。仿真实验表明,在未知室内环境下,该算法运行时间短,定位精度高。     

基于骨干粒子群的混合遗传算法及其应用

采用骨干粒子群的位置更新操作改进遗传算法的变异算子,提出一种新的混合遗传算法。利用三个benchmark函数测试了新的混合遗传算法的性能,并将测试结果与标准遗传算法进行比较。利用该方法,对聚合物驱最优控制问题的进行了仿真求解,结果表明该方法优于标准遗传算法。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

基于RBF神经网络的泰勒级数展开定位算法

泰勒序列展开定位算法在视距（LOS）环境下有着较好的定位精度,但是在非视距（NLOS）环境下,泰勒序列展开定位算法的定位精度大大下降。为了减小NLOS传播的影响,提出了基于RBF神经网络的泰勒序列展开定位算法。利用神经网络较快的学习特性和逼近任意非线性映射的能力,对NLOS传播的误差进行修正,再利用泰勒序列展开定位算法进行定位。仿真结果表明,该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于泰勒序列展开定位算法、Chan算法和LS算法。