感应电机无速度传感器控制系统的仿真研究

针对一种基于扩展卡尔曼滤波器(EKF)的感应电动机无速度传感器直接转矩控制系统负载转矩和转速同时估计进行仿真。在直接转矩控制的基础上,通过定子侧可测量的电压、电流值,转速和转矩作为扩展状态量,构建一种无速度传感器的感应电机转速、磁链状态观测器,估算感应电机的负载转矩和转速。该方法能准确估算电机的真实状况,并对负载扰动、电机参数变化具有较强的鲁棒性。仿真结果表明,无速度传感器系统具有较强的动态控制性能,该系统具有抗干扰能力强、超调量小、响应快。     

永磁同步直驱伺服电动机的模型校正控制

针对直驱电动机的特点,提出了模型校正控制策略,利用基于卡尔曼滤波器的状态观测器和数字低通滤波器的结构组合对控制系统模型进行校正,同时对观测的负载转矩进行补偿。理论和实验均表明该策略能够有效消除控制系统中的高阶成分、非线性因素、高频噪声及负载转矩变化的影响,提高直驱伺服系统的稳定性、鲁棒性和抗干扰能力。     

采用抗差扩展卡尔曼滤波器的感应电机转速估计方法

扩展卡尔曼滤波器(extended Kalman fileter,EKF)已广泛应用于无速度传感器矢量控制转速估计。尽管扩展卡尔曼滤波器具有较强的抗干扰能力,但是面对粗差时仍然会出现较大的抖动,影响系统的控制性能。提出了一种基于抗差扩展卡尔曼滤波器的转速估计方法,分析了粗差对扩展卡尔曼滤波器估算精度的影响,探讨了在应用于感应电机转速估计时抗差EKF能否同样取得良好的估计精度,以及优于EKF的抗粗差性能。通过仿真与实验,对比了遇到较大外部干扰和估算误差干扰时抗差EKF与EKF的转速误差和磁链变化。仿真与实验结果表明,抗差EKF较EKF而言具有更好的抗粗差性能,可以使系统遇到干扰时更快收敛。     

基于ESO的磁悬浮直线同步电机变增益自适应迭代学习控制

对于可控励磁磁悬浮直线同步电机(CEMLLSM),常规迭代学习控制(ILC)精度低、抖振大,且抗外部扰动能力差。为提高跟踪精度,设计了一种基于扩张状态观测器(ESO)的变增益自适应ILC算法。首先,研究CEMLLSM的工作原理及数学模型。其次,设计基于ESO的变增益自适应迭代学习控制器,为控制器中固定增益部分引入指数可变增益,增加自适应迭代项对控制律中的未知参数进行迭代学习,从而减小系统抖振与误差并加快系统收敛速度。通过引入ESO观测系统的外部干扰,对控制量进行补偿,进而提高系统的抗扰动能力。最后,用MATLAB对控制系统进行仿真分析,仿真结果表明该算法能够有效减小跟踪误差,并对扰动有良好的抑制作用。     

基于粒子群算法和卡尔曼滤波器的PID控制

针对PID控制系统中存在参数的整定和控制干扰信号和测量噪声信号问题,提出基于粒子群算法和卡尔曼滤波算法的PID控制方法。利用粒子算法优化PID参数,通过卡尔曼滤波器抑制控制干扰信号和测量噪声信号。仿真结果表明具有响应速度快、抗干扰能力强等特点,且达到了全局最优PID参数整定,有效地剔除系统的控制干扰和测量噪声信号,具有比传统PID控制方法更好的动态和静态控制性能,控制品质有较大的改善和提高。为PID控制系统的研究提供了一种新方法。     

基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法研究

针对直线伺服系统存在非Lipschitz连续的摩擦扰动问题,分析了摩擦扰动对系统的影响。基于迭代学习控制与自适应控制理论,提出了一种自适应迭代学习算法,并利用Lyapunov能量函数证明了该算法的稳定性。采用DSP控制器,设计了直线伺服控制系统并给出了控制系统结构框图。最后针对摩擦扰动抑制方法的有效性和可行性进行了仿真和实验分析。仿真和实验结果表明:基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法可以有效地减小位置误差和速度误差,提高了系统的稳定性,能够抑制摩擦扰动对系统的影响。     

扰动补偿的陀螺稳定平台单神经元自适应PI控制

针对陀螺稳定平台受未知非线性干扰的影响,提出了一种基于扰动补偿的单神经元自适应PI控制策略.利用扰动观测器观测出各种扰动,将其作为补偿信号前馈到控制输入端,提高平台的抗干扰能力;同时利用神经元的自学习和自适应力对PI参数进行在线调整,保证了平台在外界扰动和系统参数变化情况下对目标稳定跟踪的能力.通过在某型号实验装置上的试验结果表明,该方法对不确定扰动具有较强的抗干扰能力,提升了稳定平台的自适应性和鲁棒性.     

并联混合型有源滤波器电流跟踪的迭代学习控制

在并联混合型有源电力滤波器控制中,由于传统PI控制只能对直流给定信号进行无差调节,对周期量谐波滤波效果不够理想。该文根据稳定性负载电网谐波具有重复周期性特点,提出了PI型迭代学习控制算法,并引入遗忘因子学习律,增强系统鲁棒性。同时通过模糊推理构造参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度。该控制方法计算量小,易于实现。仿真分析与现场运行结果表明了该控制方法的有效性。     

基于迭代学习与小波滤波器的永磁直线伺服系统扰动抑制

针对迭代学习控制(ILC)算法抑制永磁直线同步电机(PMLSM)周期性扰动时存在非周期分量影响问题,提出一种迭代学习控制算法与小波滤波器相结合的扰动抑制方法。通过重构输入误差信号,剔除非周期分量,从而使设计的PMLSM伺服系统迭代学习控制器快速收敛,减少了迭代次数。提出通过实验确定ILC中L形滤波器参数的方法。实验结果表明,与不带小波滤波器及传统PID比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹。     

基于迭代学习与FIR滤波器的PMLSM高精密控制

针对永磁直线同步电机(PMLSM)运行时易受端部效应、摩擦力、负载扰动、参数变化等不确定性因素的影响而难以达到高精度跟踪控制的问题,提出一种基于迭代学习与有限冲击响应(FIR)滤波器的控制方案。PMLSM伺服系统执行重复任务时,迭代学习控制(ILC)可有效地抑制重复性扰动,具有很高的控制精度,但执行非重复性任务时很难获得较高的控制精度。为了进一步改善基于ILC的PMLSM伺服系统运行迭代1次的跟踪精度,利用ILC的输出信息来设计FIR滤波器,进而用FIR滤波器来代替ILC,使控制系统达到最优的ILC,以提高系统的跟踪精度。采用滑模控制(SMC)对FIR滤波器进行补充,使位置误差快速收敛到一定的界限内,以提高系统的抗扰能力。实验结果表明,所提出的控制方案使系统具有很高的位置跟踪精度和很强的鲁棒性。     

基于迭代学习的矿井提升系统跟踪控制

矿井提升机在煤矿开采和生产过程中发挥着至关重要的作用。针对矿料提升过程具有较强重复性的特点,提出迭代学习的提升机速度和位置跟踪控制方法。设计了提升机的D型迭代学习控制器,同时考虑运行过程中出现的非重复性干扰设计了带有滤波器型迭代学习控制器。并采用λ范数证明了系统的收敛性,理论结果表明矿井提升机位置与速度跟踪误差可以收敛到0。同时仿真结果表明,经过30次运行后,跟踪误差几乎收敛到0,迭代学习控制算法可利用矿井作业的重复运行特性可以有效提高提升机的跟踪性能,带有滤波器的迭代学习控制算法可较好地抑制了非重复扰动的影响。     

基于相关性分布式卡尔曼滤波的谐波检测方法

微电网谐波问题严重。针对微电网谐波动态特性复杂的特点,探索了一种基于相关性分布式卡尔曼滤波的微电网时变谐波检测方法。首先,针对微电网系统相邻母线的谐波在一定程度上是相关的特点,提出了代表邻居节点间相关程度的邻节点相关系数这一概念,并给出一种微电网谐波测量邻节点间的量测值和协方差矩阵逆的两个融合变量计算方法;其次,对邻节点间估计值作了分布式融合处理,从而保证了邻节点间估计结果具有一致相关性;再者,通过重构迭代过程,简化了该算法的计算过程。通过在IEEE-14节点系统的仿真实验结果表明,该方法可实现多个检测点分布协同地完成微电网多母线谐波电压的状态估计,且相比传统卡尔曼滤波算法具有更好的估计精度和抗扰动性能,实时性和动态性也表现出较好的性能。     

基于扰动观测的永磁同步电机单环预测控制

针对模型预测控制算法应用于永磁同步电机的控制过程中,存在电磁、机械参数变化导致电机模型设定值可能与实际值不匹配或负载扰动等所引起的非线性扰动现象,造成算法存在预测误差进而影响控制系统动态稳定性的问题。提出了一种基于同步旋转坐标系下具有扰动观测器的转速-电流单环模型预测控制方法。首先,根据永磁同步电机的数学模型,设计单环模型预测控制器,进而降低控制器参数整定难度。其次,设计基于卡尔曼滤波算法与无偏模型预测控制方法相结合的扰动观测器,用于反馈补偿控制,通过估计预测量和输出量中的扰动项和状态量,来消除模型不匹配和负载扰动等影响。最后,仿真结果和实验验证均表明,所提出的具有扰动观测的单环模型预测控制方法,改善了电机参数的不确定性和外部扰动所带来的鲁棒性问题。     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square- root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

基于LQEKF的机载光电平台的模型预测控制

为了提高机载光电平台对目标稳定跟踪控制性能，提出一种基于线性二次增强卡尔曼滤波器的机载光电平台模型预测控制算法。建立机载光电平台的动力学模型，在卡尔曼滤波状态估计的基础上，引入线性二次调节器增益减小估计状态的相位延迟，使状态估计值更为精确，利用估计的状态设计模型预测控制器，减小目标跟踪误差。跟踪目标仿真实验结果与卡尔曼滤波状态估计结果最大误差减小了58.14%，与扩展卡尔曼滤波状态估计最大误差减小了52.62%，表明本算法能够有效提高机载光电平台对目标的跟踪控制性能，实现了机载光电平台对目标的稳定跟踪控制。     

采用扩展卡尔曼滤波磁链观测器的永磁同步电机直接转矩控制

提出利用卡尔曼滤波(extended Kalman filter,EKF)观测器对永磁同步电机(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的方法。通过检测定子电压和电流,应用EKF观测器精确估计电机的定子磁链、电机转速和转子位置,间接估计转矩,近而实现PMSM的无速度传感器控制;同时改进常规的EKF估计状态方程,提高速度估计的精确性,并证明了基于EKF的控制系统的稳定性定理。仿真结果表明该方法减小了系统的非线性、参数变化以及干扰带来的影响,EKF能够准确估计状态变量,提高了直接转矩控制的性能。     

卡尔曼滤波理论在电力系统中的应用综述

现代电力系统中,由于可再生能源输出功率、负荷变化以及其他随机过程的存在,使得系统状态参数中往往混杂着噪声,因此有必要采取适当的方法,从随机干扰的观测信号中提取有效的系统状态参数。首先对卡尔曼滤波基本理论进行了介绍,给出了卡尔曼滤波的基本过程。然后主要综述卡尔曼滤波及其扩展形式在电力系统短期负荷预测、动态状态估计、电能质量分析、继电保护、风电场风速预测、电机状态和参数估计等方面的应用。最后给出了卡尔曼滤波在电力系统中应用的相关结论及其未来发展趋势。     

混合有源电力滤波器的新型电流迭代学习控制

混合有源电力滤波器可以动态抑制电网谐波电流和补偿容性无功功率,改善电网电能质量。针对传统PI型迭代学习控制算法在并联有源电力滤波器应用中的不足,算法收敛性严重依赖于学习控制的初始输入,迭代学习控制器的参数是定常值,会影响有源滤波系统的控制性能。本文提出一种新型PI迭代学习控制算法,将其应用于混合有源电力滤波器系统的电流反馈控制中,得到了应用迭代算法的收敛性条件,并采用一种改进的Ziegler-Nichols方法对控制器参数进行了优化,以提高系统的控制精度。为了提高系统的动态响应性能,提出一种谐波电流误差的反馈-前馈控制策略,其中电流误差信号的D型前馈控制环节用于实现滤波器系统的电流快速补偿,同时利用一个三层BP神经网络对前馈控制增益进行优化。仿真和实验结果证明了该迭代算法及控制策略的可行性与有效性。     

智能断路器抗EFT/B干扰滤波器设计

为了提高智能断路器抗电快速瞬变脉冲群(EFT/B)干扰性,依据EFT/B形成和作用机理分析,建立EFT/B干扰源等效电路模型,给出电路状态方程;基于泰勒展开公式,提出了一种Levenberg-Marquardt优化扩展卡尔曼滤波算法,给出了方法的理论推导过程,并通过EFT/B干扰电流互感器系统仿真实验,给出了该方法与扩展卡尔曼滤波(EKF)仿真结果,并分析了跟踪性能和均方根误差.实验结果表明:改进的卡尔曼滤波器(NIEKF)具有更高的估计精确度和稳定性,该方法设计的扩展卡尔曼滤波器可有效提高智能断路器抗电快速瞬变脉冲群干扰能力.