双扩展卡尔曼滤波的无刷直流电机无传感器控制

文章研究了双扩展卡尔曼滤波器(DEKF)下的无刷直流电机(BLDCM)无位置传感器控制策略。利用带有噪声的输入信号,设计了一种DEKF观测器以实时估计无刷直流电机状态和参数。在观测器中,2个扩展卡尔曼滤波器分别作为状态滤波器和参数滤波器同时运行估计系统状态和电机参数。在任意时刻下,当前参数估计值作为状态滤波器的一个已知给定输入量,与此同时,当前状态估计值也作为参数滤波器的一个已知给定输入量。所设计的观测器对参数变化、模型不精确、过程噪声和测量噪声具有较强的鲁棒性,在稳态运行和动态运行模式下都可以获得足够精度的BLDCM状态和参数估计值。仿真研究进一步验证了所提出控制策略的可行性和有效性。     

电动车用永磁电机新型观测器设计

在电动汽车永磁同步电机的无传感器控制中,转子磁链值的参数摄动对转子速度和角度的辨识效果影响较大。为此,可以把转子磁链作为变量加入到扩展卡尔曼滤波器中进行辨识,但这会增加运算矩阵的阶数,造成实际系统运算量偏大。为解决这一问题,通过坐标变换的方法将高阶的扩展卡尔曼滤波器分解成为两个并行的低阶卡尔曼滤波器,提出一种用于永磁电机无传感器控制的非线性两段扩展卡尔曼滤波器,并在理论上分析了滤波器所需的乘法加法运算次数。仿真及实验结果表明:与原有传统卡尔曼滤波器相比,该算法减少了一定的运算量并保持了良好的辨识效果。     

感应电机转子磁链自适应观测及参数辨识

为了在现代异步电机高性能调速系统中实现磁链的准确观测，提出了一种基于模型参考方法的自适应转子磁链观测器.在电机运行过程中，以电机为参考模型，以观测方程为可调系统，建立了一个模型参考自适应系统(MRAS)，对电机的转子磁链进行了实时观测，并对电机参数进行了在线辨识.设计了电机参数的自适应律，证明了磁链观测器的收敛性.仿真结果表明，当电机参数未知或者电机参数变化时，观测器能够准确观测电机的转子磁链；在电机的激励电压满足持续激励的条件下，观测器能够快速准确地辨识出电机参数.     

基于H_∞鲁棒SUKF算法的永磁同步电机转速观测器设计

为了解决永磁同步电机定子电阻变化对速度观测的影响,利用α-β坐标系下永磁同步电机非线性系统模型,引入H_∞鲁棒滤波算法增强观测器鲁棒性。为了解决sigma点计算量大的问题,采用超球体单形采样方法,提出一种新的非线性滤波器。最后设计了H_∞鲁棒球形无迹卡尔曼滤波观测器对永磁同步电机转速进行状态观测。当永磁同步电机定子电阻变化时,对比分析了H_∞鲁棒球形无迹卡尔曼滤波器与无迹卡尔曼滤波器、球形无迹卡尔曼滤波器在相同系统噪声和量测噪声时电机转速误差方差。H_∞鲁棒球形卡尔曼滤波器的转速误差方差接近7rad/min,明显小于后两者观测器观测值(40、20rad/min)。     

矢量控制异步电动机的转子电阻在线辨识方法

提出了一种基于扩展卡尔曼滤波器的转子电阻在线辨识方法,推导了辨识算法,并根据此算法建立了一个矢量控制仿真模型。该方法对定子参数不敏感,且运算量小。仿真结果和实验结果表明,该方法具有较好的转子磁链控制效果,是简单可行的,很容易将此算法集成到现有的矢量控制系统中。     

有横摇约束的欠驱动船舶航迹跟踪预测控制

针对欠驱动水面船舶在直线航迹跟踪中受到强烈的风、浪、流时变干扰影响时出现大幅度的摇荡运动的情况,采用自适应卡尔曼状态估计和鲁棒预测控制,提出一种具有横摇角约束的控制器综合设计方法。建立时变干扰作用下的仿射切换系统模型及测量模型;基于扩展状态的自适应卡尔曼滤波方法,对船舶模型的状态和随机干扰力矩进行估计,并对估计的干扰力矩进行前馈补偿。考虑船舶的真实状态与卡尔曼观测状态之间存在观测误差,将控制器与观测器综合考虑,提出一种基于状态观测器和H_2/H_∞混合性能指标的直接约束鲁棒预测控制,在性能指标与控制器设计中直接利用观测状态;将状态约束、鲁棒稳定性约束、性能指标转化为LMI(线性矩阵不等式)的凸优化问题。理论证明了所设计闭环系统的一致有界稳定性,并且通过仿真验证了控制器能实现直线航迹鲁棒跟踪,在保证横摇角在约束范围内,对干扰有着有效的抑制作用。     

基于扩张状态观测器的鲁棒转子磁链估计研究

提出了新型的基于线性扩张状态观测器的感应电动机转子磁链估计模型。以两个独立的线性扩张状态观测器观测定子电流,用分别被扩张的两个状态构建闭环转子磁链观测器,根据Lyapunov稳定性理论推导满足转子磁链观测器渐进稳定的反馈增益矩阵和转速估计自适应律。利用Matlab进行了仿真,分析了电机参数变化对磁链观测和转速估计精度的影响,表明了提出的模型对电机参数变化具有强鲁棒性。     

一种简便的参数实时估计方法

本文提供了一种对常系数或系数缓慢变化的线性动态系统参数实时估计的简便方法,其要点是:设未知参数为新的状态变量;利用原模型的状态方程作为新系统的基本测量方程;并通过动态变换增建起必要数量的新的独立的测量值及测量方程,以使新的系统可观测;随后,在无过程干扰及测量噪音的情况下,可利用一般状态观测器的设计方法来设计参数观测器,而在有过程干扰及测量噪音的情况下,可直接利用卡尔曼滤波器来估计未知参数。它同一般的扩展卡尔曼滤波法不同处是:只要原系统模型是线性(?),则估计器模型仍是线性的,只是新的测量方程这时是时变的。     

高频激励下永磁同步电机无传感器控制研究

针对以往电机低速运行时转子位置检测不准的问题,采用了一种新型无传感器控制技术即高频信号注入法,来检测转子速度和位置信息.基于高频信号注入法在永磁同步电机无传感器控制理论上做了详细的论述,设计了滤波环节和外差环节,并构建转子观测器以获取转子速度和位置信息.重点对低速情况进行了仿真实验.仿真所得结果表明,高频注入法于低速状态时能够适用,并且可以准确检测出转子速度和位置信息.     

基于高频方波电压注入法的SM-PMSM无位置传感器控制方法

以面贴式永磁同步电机为研究对象,建立高频信号注入时永磁同步电机的响应模型,研究基于高频方波电压信号注入的无位置传感器控制方法,并针对旋转坐标系和静止坐标系分别设计相应的转子位置观测器。这2种转子位置观测器可以有效减少低通滤波器的使用个数,保证转子位置的估计精度,提高系统的控制带宽,并加快系统的快速响应性能。MATLAB/Simulink仿真结果验证了该方法的可行性与有效性。     

捷联惯导晃动基座自对准算法比较

为了提高晃动载体的初始对准精度,分别采用了卡尔曼滤波法和H∞滤波法。高斯白噪声和随机晃动的条件下进行两种算法的仿真研究,结果表明,高斯白噪声条件下,两者的滤波效果都很好,但在加入基座周期性晃动时,卡尔曼滤波出现了明显的发散现象,H∞滤波表现出了更好的稳定性。     

卡尔曼滤波在半自磨机中的应用

本文论述了用卡尔曼滤波方法对半自磨机中不可量测的参数的估计。文中给出了描述半自磨机工作过程的数学模型和卡尔曼滤波递推算法,并对渐近预报估计器进行了仿真,编写了BASIC滤波程序,结果表明该程序是正确的和可应用的。     

基于EKF算法的交流永磁无刷同步电机参数辨识

用扩展的卡尔曼滤波算法(EKF)对表贴式交流永磁无刷同步电动机进行动态参数估计,根据电机控制系统中传感器检测到的电机定子电流、电压和转子的位置、转速等信号,推算电机定子绕组的电阻和转子的主磁通值,经过对电机模型和卡尔曼算法的分析,给出了电机控制系统的全阶卡尔曼滤波模型和经过简化处理后的降阶估计模型,用降阶的简化模型对系统进行估计后,得到了定子电阻和转子主磁通的结果,并分析了定子电阻和转子磁通估计值和实际值之间的误差,以及估计值随电机转速和负载大小变化的曲线.电机用脉宽调制(PWM)的电压源逆变器供电,用TMS320F2812系列数字信号处理器(DSP)作为控制芯片,用矢量控制的策略对电机进行转速控制.     

一种新型滤波器在电力系统中的应用

分析了卡尔曼滤波优于其他自适应滤波的特点,并针对该种新型滤波器目前在电力系统中的实际应用,以在短路事故发生后的极短时间内发现并切断电路为例,利用系统的数学模型和噪声的统计特征,给出了卡尔曼滤波方便实用的递推算法.     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型非线性滤波算法,并将EKF（ExtendedKalman Filter）、UKF（Unscented Kalman Filter）、PF（Particle Filter）等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。     

Kalman滤波在视频监控中的应用

卡尔曼滤波(Kalman)是一种根据时变随机信号的统计特性,对信号的未来值做出尽可能接近真值的一种估计方法.首先对卡尔曼滤波进行介绍,然后阐述了它在视频监控技术中的运动目标检测和运动目标跟踪两个方面的应用.     

协方差交叉在分布式传感器网络定位中的应用

节点定位的精确性在分布式传感器网络的许多应用中都起着至关重要的作用。目前较受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的,而且定位精度易受噪声影响。如果采用传统的卡尔曼滤波方式对数据加以融合,可以降低估计误差。但因假定数据间的协方差为零,使结果并非保守可靠。本文将协方差交叉算法应用于此类数据融合问题,分别在泊松分布和均匀分布情况下,对分布式传感器网络的节点定位过程加以仿真。结果显示,协方差交叉算法更加可靠,并且提高了定位精度,非常适用于分布式传感器网络。     

一种改进的卡尔曼滤波算法在非均匀校正中的应用

提出了一种改进的卡尔曼滤波算法,并将其应用于红外焦平面成像非均匀校正过程中。该算法合理的分配了传统卡尔曼滤波算法的计算量,克服了传统卡尔曼滤波算法计算量分配不均的不足,使该算法在相同的条件下不仅能更容易对非均匀校正算法进行实时处理,而且还能支持更高的分辨率。     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．