基于双STF-UKF算法的永磁同步电机参数联合估计

针对永磁同步电机参数辨识问题,分析了永磁同步电机的可辨识模型.将参数看成缓慢的变化状态,同时考虑系统噪声和测量噪声,提出了一种基于强跟踪滤波器的无迹卡尔曼滤波算法.该算法能够同时辨识定子电阻、直轴和交轴电感、永磁体磁链,讨论分析了该算法的稳定性.为了减少算法的计算量,将4个参数分成2部分,采用2个STF-UKF滤波器交替运行辨识全部参数.仿真结果表明,该算法在PMSM不同的工况下能够有效地辨识电机的全部参数.     

基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识

转子磁链的准确辨识是实现永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)转子磁场监控,确保其驱动系统可靠运行并实现高性能控制的有效方法。为解决测量噪声、电机参数变化及辨识模型欠秩对转子磁链辨识精度影响的问题,提出了基于双无迹卡尔曼滤波（UKF）算法的PMSM转子磁链辨识方法,可在确保满秩辨识的前提下,减小测量噪声与电机参数变化对转子磁链辨识精度的影响,实现PMSM转子磁链的准确辨识,并在参数敏感性分析的基础上,降低了算法计算量,合理兼顾了辨识精度与辨识速度。对所提方法进行了仿真研究和实验验证,研究结果证实了所提方法的有效性。     

扩展卡尔曼滤波器在永磁同步电机控制中的应用

研究了一种针对内永磁同步电机（IPMSM）动态系统的非线性、时变及实时噪声干扰特点进行精确参数估计的扩展卡尔曼滤波观测器．由于内永磁同步电机q轴电感大于d轴电感，为了保证电磁转矩和负载角变化趋势一致，必须使定子磁链给定幅值限制在一定范围内．鉴于系统暂态和稳态运行的要求不同，为达到最优控制，采用控制定子磁链给定幅值以达到最大转矩／磁链（MPTF）的直接转矩控制算法对定子磁链给定幅值进行控制．仿真结果表明采用此算法可极大地提高IPMSM调速系统的运行效率．运用该方法的电机调速范围广并且在低速区运行良好．     

基于改进无迹卡尔曼滤波的内置式永磁同步电机转子位置估计

传统的扩展卡尔曼滤波和无迹卡尔曼滤波算法在估计永磁同步电机转子位置时需用到上一控制周期估计出的转子位置,而该估计值的偏差会进一步加剧估计算法的误差,甚至引起估计算法发散。针对这个问题,文中采用改进无迹卡尔曼滤波算法进行估算。该算法基于内置式永磁同步电机两相静止坐标系下的数学模型,并结合电压重构模型,使控制系统在获取无迹卡尔曼滤波算法的控制输入量与实际状态量时不再依赖算法估计出的转子位置,以避免估算值的偏差对估计算法的影响。在MATLAB/Simulink中对所提出的估计算法进行了仿真分析,并在测功机台架上进行了对比实验。实验结果表明,在适用于永磁同步电机中高速区的转子位置估计算法中,结合电压重构模型的无迹卡尔曼滤波算法响应快,其估计精度高于传统的无迹卡尔曼滤波算法。     

参数自适应的永磁同步电机无速度传感器控制

针对永磁同步电机无速度传感器控制时,模型参数变化引起观测器误差的问题,提出了一种模型参数自适应的观测器设计方法. 运用双无迹卡尔曼滤波的双估计方法,在通过模型估计系统状态的同时,利用估计所得到的系统状态再估计系统模型参数,从而实现模型参数的自适应控制. 试验结果表明,双无迹卡尔曼观测器在永磁同步电机的无速度传感器控制中,对系统状态和模型参数的估计准确有效,达到了预期的控制效果,实现了模型参数的自适应控制,使控制精度有所提高.     

永磁同步电机的非线性自适应解耦控制

为了解决电机参数变化和负载扰动的不确定性、影响基于非线性解耦控制的永磁同步电机调速系统性能的问题,提出了一种带干扰抑制的永磁同步电机调速系统非线性解耦控制方法.该方法利用非线性解耦控制理论的微分几何方法实现永磁同步电机调速系统转速和磁链子系统的动态解耦,并结合自适应策略,将参数变化和负载转矩扰动作为扰动输入,设计了动态自适应状态反馈控制律和参数自适应规律.应用Lyapunov稳定理论证明了算法的稳定性,并实现具有L2暂态性指标的渐进跟踪.仿真和试验结果表明,该控制策略能有效地改善永磁同步电机调速系统的动态性能,增强其鲁棒性和抗干扰的能力.     

一种新型永磁同步电机定子磁链观测器

定子磁链估计是直接转矩控制中不可缺少的部分,传统直接转矩控制中通过对反电动势值进行积分估计定子磁链.为了避免纯积分法的缺陷,提出定子磁链估计的改进方法,将扩展卡尔曼滤波引入到直接转矩控制中,利用扩展卡尔曼滤波估计定子磁链,研究了扩展卡尔曼滤波在定子磁链估计中的应用.仿真结果表明所提出的算法克服了传统反电动势积分法的缺陷,不仅能准确估计速度、转子位置和定子磁链,并且对电机参数具有很强的鲁棒性.     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

传感器数据异常下动力定位鲁棒状态估计方法

针对时变环境带来的传感器数据异常、未知环境干扰等影响,导致基于无迹卡尔曼滤波的动力定位状态估计方法估计精度下降的问题,提出了一种鲁棒无迹卡尔曼滤波方法,该方法通过引入一种基于指数加权的观测噪声协方差矩阵R自适应更新模块和一种基于卡方分布假设检验方法的过程不确定性识别模块处理传感器数据异常情况并估计未知环境力．最后,以某平台供应船的船模为仿真对象,进行了仿真对比实验．仿真结果表明,鲁棒无迹卡尔曼滤波能够准确及时地识别传感器数据异常情况,相较于传统无迹卡尔曼滤波而言,鲁棒无迹卡尔曼滤波状态估计精度更高,收敛速度更快,表现出较强的鲁棒性．     

基于扩展卡尔曼滤波的异步电机无速度传感器矢量控制

异步电机无速度传感器矢量控制系统需解决两个问题：转速的估计和转子磁链的观测．电机状态方程由于存在状态变量的乘积项，是一组非线性状态方程，为了对电机状态方程进行状态估计，得到电机的转子磁链和转速信号，文章采用扩展卡尔曼滤波进行状态估计．基于数字电机控制专用DSP开发系统，通过软件实现扩展卡尔曼滤波对磁链和转速的估计，获得了令人满意的实验结果．证明扩展卡尔曼滤波算法对磁链和转速的实时估计是非常准确的，由此构成的无速度传感器系统具有良好的静、动态性能．     

基于自适应迭代UKF的纯距离目标定位算法

针对迭代无迹卡尔曼滤波(IUKF)需要人工设定迭代次数的问题,引入遗传算法中适应度函数的概念,提出一种自适应迭代卡尔曼滤波的跟踪算法(AIUKF)。该算法利用观测预测值与实际观测值、系统采样点与实际观测值的适应度函数作为评价标准,根据适应度函数的比值自适应确定是否进行迭代。仿真结果表明:新算法适用于纯距离系统,可以有效解决IUKF人工设定迭代数的问题,且算法性能与IUKF性能相当,均优于UKF性能。     

混合永磁游标电机磁链观测器设计与协调控制方法

为了改善传统永磁顶驱钻井系统体积大、能耗高等问题,在顶驱钻井系统中引入混合永磁游标电机(hybrid permanent magnet vernier machine,HPMVM)构成新型直驱式顶驱系统。文章针对该电机磁链观测与驱动协调控制展开研究。首先,在两相旋转坐标下实现了永磁磁链的解耦,设计了一种超螺旋(Super Twisting Algorithm,STA)滑模永磁磁链观测器,实现了永磁磁链的准确观测。然后,建立不同速度区间与低矫顽力永磁体充/去磁状态的映射关系,提出了结合分区控制的最优转矩控制策略。在低速区内,饱和磁化状态使电机获得最优转矩;高速区内为了减少电机连续调节永磁体磁化状态带来的励磁损耗,采用分段调磁控制,并在定子电压、电流限制下,构建Lagrange辅助函数,通过对该函数求取极值获得最优转矩。最后,通过与传统弱磁控制进行仿真对比分析,表明STA滑模磁链观测器能够快速且准确辨识永磁磁链,并在全速域内实现最大转矩的输出,且降低了电机的铜耗,从而提高了整个电机系统的效率。     

基于双自适应无迹卡尔曼滤波的半挂车状态估计

针对半挂车辆状态估计过程中测量噪声不确定、累计误差影响严重、初值敏感等问题,提出一种适用于半挂车铰接角、车速等多个状态量估计的双自适应无迹卡尔曼滤波算法(FFUKF).基于搭建的半挂汽车12自由度非线性动力学模型和轮胎模型,通过测量的轮速与车辆加速度等信息,首先利用模糊控制自适应调整滑移率容差,综合判断每个车轮的稳定状态,通过轮速估算出一种车速;与此同时,模糊控制自适应调整测量噪声,利用无迹卡尔曼算法,依据动力学估计出铰接角和另一种车速;然后通过卡尔曼滤波算法融合两种方法估计的结果,实现车辆的纵向、侧向速度、横摆角速度和挂车与牵引车铰接角的实时估计.最后在Simulink/TruckSim联合仿真环境下进行多工况仿真试验,验证所提出的双自适应无迹卡尔曼估计算法(FFUKF)有较强的适应性、稳定性和鲁棒性,相比普通模糊自适应无迹卡尔曼(FUKF)有更高的估计精度,能有效克服累计误差,即便在估计初始值不准和有ABS控制输入的情况,仍可以较精确地对车速和铰接角进行实时估计.     

基于改进无迹卡尔曼滤波的多径估计算法

【目的】在导航定位系统中，基于卡尔曼滤波框架的多径误差抑制算法是提高定位精度的有效方法。但是，在算法的过程噪声和观测噪声协方差初值的选取不当时，会导致估计结果误差很大甚至发散。另外，由于此类算法是基于最小均方误差准则，算法在受到非高斯噪声干扰时尤其是重尾非高斯噪声，会出现估计精度显著下降的问题。【方法】为了在高斯噪声和非高斯噪声下都能够保持较好的多径估计结果提高定位精度，本文提出一种自适应最大相关熵无迹卡尔曼滤波(adaptive maximum correntropy unscented kalman filter, AMCUKF)多径估计算法，算法在观测更新过程中引入最大相关熵作为优化准则，以解决在非高斯噪声下的估计精度下降的问题，在噪声协方差更新过程中用观测量的残差序列对噪声协方差矩阵进行递归更新，取代过程噪声和观测噪声协方差初值的选取。【结果】在高斯噪声和非高斯噪声下分别进行了仿真实验，通过与两种基于卡尔曼滤波框架的估计算法进行对比表明，AMCUKF多径算法不仅能够在高斯噪声下保持较好的多径估计结果，而且在非高斯噪声下也能够保持更高的多径估计精度，有效抑制非高斯噪声的干扰。     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

一类线性系统卡尔曼滤波器自适应算法

为了解决实际线性系统中系统噪声方差和观测噪声方差未知的问题,提出了一种新的卡尔曼滤波自适应算法,利用新息序列的方差, 可以在系统的自身计算过程中逐步估计并校正系统噪声方差和观测噪声方差.系统模拟显示,估计的系统噪声方差和观测噪声方差均收敛于实际的系统噪声方差和观测噪声方差,而且收敛速度比传统卡尔曼滤波要快.     

基于Newton-UKF的可见光通信列车定位优化

针对基于可见光通信-接收信号强度检测(VLC-RSSI)列车定位过程中存在的噪声、其他光源干扰及测距误差,提出以接收信号强度检测值为观测量的Newton-UKF(牛顿插值-无迹卡尔曼滤波)算法．首先,利用可见光通信-接收信号强度检测获得列车初始位置,建立列车运动模型及系统的状态与量测方程;然后,以接收信号强度检测值为观测量,采用无迹卡尔曼滤波优化列车定位结果,引入牛顿插值法重新估计具有粗大误差的接收信号强度测量数据;最后,以成都地铁1号线真实线路数据和设备信息为依据,通过实验验证所提列车定位优化算法的有效性．结果表明：与无迹卡尔曼滤波相比,Newton-UKF算法的平均定位误差为4.98 cm,能降低粗大测量值造成的误差,提升列车定位精度,定位性能提升66.42%．该方法可为基于通信的列车控制系统中的列车定位提供参考．     

基于EKF感应电机直接转矩控制状态观测器的新设计

从扩展卡尔曼滤波算法原理入手,利用定子侧可测量的电流、电压,推导出一种新的无转速传感器的电机转速、磁链状态观测模型,估算出电机的转速和定子磁链.仿真结果表明这种方法能有效地解决磁链和转矩的脉动问题,从而实现电机高性能的控制.     

基于 VB-UKF 的 SINS/ GPS 自适应融合技术

针对SINS／GPS组合导航中量测噪声统计特性不准确引起卡尔曼滤波精度下降的问题,提出基于变分贝叶斯自适应无迹卡尔曼滤波（VB-UKF）的非线性融合方法．分析了线性的变分贝叶斯自适应卡尔曼滤波（VB-KF）算法的原理与性能,针对其仅适用于线性系统的问题,将VB-KF与UKF结合导出了非线性的VB-UKF算法．该算法可对系统状态和时变的量测噪声方差进行同步非线性估计,且与传统的UKF算法具有统一的形式．导航仿真结果表明：VB-UKF对于突变或慢变的量测噪声方差均能实时跟踪,较常规UKF算法可有效降低噪声统计特性不准确给系统造成的不利影响,提高定位精度．     

双自适应衰减卡尔曼滤波锂电池荷电状态估计

针对卡尔曼滤波法在锂离子电池荷电状态(SOC)估计时存在误差较大、收敛较慢等问题,提出了一种双自适应衰减扩展卡尔曼滤波荷电状态估计(DAFEKF)算法。该算法首先设计了针对动力电池的荷电状态估计观测器,利用测得的电流和电压值分别作为观测器的输入和观测值,结合双自适应衰减扩展卡尔曼滤波估计出观测器中的电池荷电状态,在卡尔曼滤波算法的基础上加入时变衰减因子来减弱过去数据对当前滤波值的影响,并自适应地调整卡尔曼算法中过程噪声和测量噪声协方差。利用DAFEKF算法估计出的SOC结果与扩展卡尔曼滤波(EKF)和自适应扩展卡尔曼滤波(AEKF)算法进行了比较,结果表明,DAFEKF方法具有较好的准确性、鲁棒性和收敛性,使SOC估计误差控制在2%以内。