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。     

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。     

基于模糊神经网络的感应电动机转速估计方法

根据感应电动机的数学模型,提出一种基于模糊神经网络的感应电动机转速估计的方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电动机实际转速的变化,具有良好的性能。     

带有相电压补偿基于EKF的无传感器感应电机转速估计

在VSI系统中,由于死区时间、传递环节以及VSI非线性特性使实际相电压与目标相电压产生误差而导致相电流的畸变,影响了基于扩展卡尔曼滤波转速估计方法的精度,从而提出带有相电压补偿的基于扩展卡尔曼滤波算法的无传感器感应电机转速估计方法。首先对相电压进行补偿,通过简单硬件电路实时地对VSI的输出进行反馈,得到精确的补偿电压幅值。同时,利用经过滤波的励磁电流分量、转矩电流分量对相电流进行重建,准确地对电流方向进行判断,得到相电压补偿极性;再利用补偿后的相电压和相电流进行基于扩展卡尔曼滤波的转速估计。仿真和实验结果验证了带有相电压补偿的基于扩展卡尔曼滤波的转速估计结果比传统转速估计结果具有更高的精度。     

用神经网络实现对感应电机转速估计

根据数学模型．提出了一种利用神经网络进行感应电机转速估计的新方法。方法是采用一个3层神经网络作为速度估计器来估计转速。仿真结果表明，这种基于人工神经网络的转速估计模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

基于改进MRAS观测器无速度传感器感应电机转速估计方法

为了提高无速度传感器感应电机矢量控制系统的低速性能,提出了一种改进的转速估计方法.由于转速自适应观测器是一个具有非线性并且较复杂的模型,将两相静止坐标系中的观测器输出误差系统变换到转子磁场旋转坐标系中,通过推导出的单输入单输出误差系统来得到满足观测器稳定性条件.同时对定子电阻进行在线辨识以提高系统的鲁棒性,采用了一种改进的定子电阻自适应率.通过11 kW感应电机无速度传感器转子磁场定向矢量控制实验平台验证了所提出方案的有效性.     

基于MRAS同时估计感应电机转子转速和时间常数

文章基于MRAS的感应电机全阶观测器数学模型,介绍了一种利用观测器误差信号同时估计感应电机转子转速和时间常数的算法,分析了该算法在李雅普诺夫意义下的稳定性。仿真结果表明该算法是有效和稳定的。     

感应电机无速度传感器控制的自适应转速估计

文章分析了感应电机无速度传感器控制中在同步转速为零且带负载状态下自适应磁链观测器（AFO）观测状态和估计转速的渐进稳定性。设计了基于模型参考自适应系统（MRAS）全速域渐近稳定的状态观测和转速估计算法，仿真结果表明所设计的算法是有效的。     

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。     

基于定子电流的模型参考自适应感应电机转速估计

为改善无速度传感器感应电机矢量控制系统的低速性能,提出一种基于同步坐标系下定子电流的模型参考自适应感应电机转速估计方法。该方法以感应电机本身为参考模型,电机定子模型与转子磁链电流模型组合作为可调模型进行电机转速估计。将电流模型由静止坐标系变换到同步旋转坐标系以解决在低速情况下系统的交流信号受噪声影响严重,信号测量、滤波、计算和控制困难的问题。在定子模型中增加一个增益为实常数的补偿环节以克服转子电阻变化对磁链观测的影响。仿真分析结果表明同步坐标系下的模型参考自适应方法在低速估计性能方面更具优势,可获得较好的低速估计精度,具有良好的动态和稳态性能,且对电机参数变化具有较强的鲁棒性。     

基于遗传算法辨识噪声模型的异步电机闭环卡尔曼速度估计

用扩展的卡尔曼滤波器(EKF)估计异步电机闭环矢量控制系统中速度变量／转子磁链的难点是,系统运行的消息噪声和测量噪声模型不易准确获得,而滤波估计的精度和收敛性主要受其影响。为此,提出了一种基于遗传算法(CA)的磁场定向闭环系统噪声协方差全局寻优方法,解决了噪声模型难以辨识的实际问题。仿真结果验证了该方法的有效性。     

一种基于增量式卡尔曼滤波器的PMSM转速滤波算法

为了滤除永磁同步电机转子转速测量环节存在的量化误差等噪声,提出一种基于增量式卡尔曼滤波器的转子转速滤波算法.该算法通过两个相邻周期的离散运动方程相减的方式消除负载转矩项,根据卡尔曼滤波器原理,推导出基于增量式卡尔曼滤波器的永磁同步电机转子转速滤波算法,并与低通滤波器的滤波效果进行比较分析.研究表明,基于增量式卡尔曼滤波器的滤波算法可以在不带来延时的前提下有效滤除转速测量噪声,并且计算负荷显著减少,对电机参数依赖度低.仿真和实验结果验证了所提算法的有效性.     

感应电机模糊滑模控制器的新型设计方法

针对感应电机定子电阻和转子时间常数受外界因素干扰影响其矢量控制系统稳定性和精确度的问题,提出了一种感应电机模糊滑模矢量控制方法。根据感应电机的模型,设计了滑模速度控制器和转子时间常数观测器。利用模糊控制方法改进了滑模切换函数,从而实现切换函数的连续化实时整定,削弱了符号切换函数的高频抖动效果。仿真和dSPACE实验结果表明,控制系统能够稳定运行,动、静态性能良好,抗参数变化和负载突变能力强。     

异步电动机速度辨识方法的研究

在直接计算法基础上应用递推最小二乘法 (RLS)在线辨识异步电机转速和转子电阻。转速的辨识精度与转子电阻无关。仿真结果表明该方案的有效性     

Exponential convergence of the Kalman filter based parameter estimation algorithm

In this paper we shall present a new method to analyse the convergence property of the Kalman filter based parameter estimation algorithms. This method for convergence analysis is mainly based on some matrix inequalities and is more simple than some of the existing approaches in the literature. This method can simultaneously provide both lower and upper bounds on the exponential convergence rate as the functions of bounds of the related matrices, such as the covariance matrices. A simulation example is provided to illustrate the convergence property of the Kalman filter based algorithms. Copyright © 2003 John Wiley & Sons, Ltd.     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。     

基于自适应理论的新型无速度传感器转速估算法

阐述了一种利用PI控制来直接消除估算转速和实际转速误差的自适应估算转速法。在高速时,其动态和静态性能较好,估算转速能与实际转速基本重合;在低速时,整个系统性能稳定,估算转速也能实时跟随到实际转速。     

双UKF算法及其在感应电机矢量控制中的应用

在无轨迹卡尔曼滤波器(UKF)算法的基础上,建立应用于感应电机矢量控制系统的双UKF算法,实现电机状态和参数的同时观测.电机模型选择以定、转子磁链为状态变量的降阶方程,从而有效避免了数值计算的不稳定性.利用Simulink建立感应电机矢量控制系统,通过仿真比较了双UKF与扩展卡尔曼滤波器(EKF)两种算法的性能.实验结果表明,双UKF算法能有效提高状态估计和参数辨识的精度和收敛速度.     

无轨迹卡尔曼滤波器在感应电机转速估计中的应用研究

无轨迹卡尔曼滤波器(UKF)作为扩展卡尔曼滤波器(EKF)的进化算法在许多非线性估计问题上取得了成功的应用.探讨了在感应电机转速估计领域引入UKF是否能获得明显优于EKF的估计性能这一问题.通过仿真及实验对比,分析了采样周期以及滤波器参数对UKF及EKF估计性能的影响,从各个方面评估、比较了UKF与EKF的转速估计性能.仿真及实验结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF,EKF仍旧是这一特定问题的最有效和最可行的算法.