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。     

基于EKF的感应电动机转速及负载转矩辨识

提出了一种基于扩展卡尔曼滤波(EKF)的感应电动机无传感器系统的转速和负载转矩同时估算方法.在矢量控制的基础上,将电机的运动方程作为一个状态方程,把电机负载转矩看作系统的扩展状态量,根据定子侧测最的电压、电流值,由EKF估算出电机转子磁链、转速及负载转矩.仿真结果表明无速度传感器矢量控制系统具有良好的动态控制性能,即使运行在低速情况下,EKF估计器仍然能够准确地估计转子磁链、转速及负载转矩.     

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。     

基于EKF的感应电机无传感器矢量控制

介绍了一种基于扩展卡尔曼滤波(EKF)实现感应电机转子位置和速度估计的方法。该方法通过测量电机的端电压和流过定子线圈的电流在线估计电机转子的位置和速度,实现了感应电机的无传感器矢量控制策略。感应电机无传感器矢量控制系统采用双闭环控制,仿真结果验证了该算法的可行性。     

感应电机的无速度传感器逆解耦控制

提出了一种基于扩展的Kalman滤波器的感应电机无速度传感器逆解耦控制方法.首先采用逆系统方法将感应电机的转速与转子磁链进行动态解耦,其次由扩展的Kalman滤波器(EKF)对转速及转子磁链进行实时估计,最后由线性综合方法设计转速和转子磁链闭环调节器,从而实现感应电机的无速度传感器逆解耦控制.仿真结果表明EKF可在整个调速范围内进行高精度的转速和磁链估计,系统具有优良的动态和稳态控制性能     

基于转速动态估计器的无速传感器感应电机矢量控制系统

介绍了一种直接转子磁场定向无速度传感器的感应电机矢量控制系统.该系统使用定转子自适应磁通观测器和转速动态估计器来估算转子磁通和转速,有三个PI控制器分别控制转速、转矩和磁通的电流分量,输出电压空间矢量控制电机.仿真结果表明,该系统具有较好观测精度和鲁棒性,动态和稳态性能也较好.     

一种改进的模型参考自适应多相感应电机转速估计方法

转速估计是无速度传感器矢量控制系统的关键,其精度将直接影响矢量控制系统的控制性能。将基于电机反电动势的模型参考自适应系统MRAS（model reference adaptive system）方法用于多相感应电机转速估计,对该方法进行了理论推导和稳定性分析。针对输入信号的噪声导致的估算精度降低问题,引入低通滤波器滤除噪声信号,并从理论上分析了其对稳定性的影响。在此基础上设计了变PI参数、变滤波截止频率的MRAS转速估计方法,仿真和实验结果表明优化的转速估计方法具有较好的估计精度和静、动态性能。     

基于参数跟踪的感应电机转速与磁链强跟踪滤波估计方法

针对感应电机高性能矢量控制中的转速与磁链估计问题,提出了一种包含参数跟踪的转速与磁链联合估计强跟踪滤波(STF)方法.考虑电机参数变化及模型不确定性,采用粒子群迭代学习动态优化算法实现对感应电机参数的在线跟踪,修正的STF算法用于实现对感应电机转速与转子磁链的联合估计.仿真结果表明,包含参数跟踪的STF算法能够有效实现对感应电机转速与转子磁链的高性能估计;与扩展卡尔曼滤波算法相比,包含参数跟踪的STF算法在估计精度、跟踪速度和稳定性方面得到大幅度提高,并且能够快速跟踪突变状态,尤其在低速段仍能保持较好的估计性能,有效提高了状态估计精度和模型鲁棒性.     

基于转速动态估计器的无速度传感器感应电机矢量控制系统

本文介绍了一种直接转子磁场定向无速度传感器的感应电机矢量控制系统.该系统使用定、转子自适应磁通观测器和转速动态估计器来估算转子磁通和转速,有三个PI控制器分别控制转速、转矩和磁通的电流分量,输出电压空间矢量控制电机.仿真结果表明,该系统具有较好观测精度和鲁棒性,动态和稳态性能也较好.     

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。