无刷直流电机无位置传感器控制下的转矩波动抑制新策略

永磁无刷直流电机位置传感器和转矩波动的存在限制了它的应用范围．为扩大无刷直流电机在精度较高的伺服系统中的应用，提出在实现无位置传感器控制的同时，减少转矩波动的新策略．无刷直流电机转子位置与电机的电压、电流之间以及电机电流与转子位置、转矩之间都存在着一定的非线性对应关系，通过对两个径向基函数(RBF)神经网络按自适应训练算法进行训练，训练后的两个RBF神经网络分别实现了无刷直流电机转子位置和最大转矩运行时参考电流的在线估计．根据估计的参考电流对绕组的实际电流进行调节，最大限度地抑制了因电流波形不理想引起的转矩波动，为无刷直流电机在高性能伺服系统中的应用提供了保证．实验结果表明了此控制策略的有效性．     

基于改进型滑模观测器的无位置BLDCM控制

永磁无刷直流电机是多变量、强耦合的非线性系统,为进一步深入研究无位置BLDCM控制方法,以解决估算转子位置以及传统滑模观测器的抖振等问题,提出基于改进型滑模观测器的无位置BLDCM控制方法,引入正弦函数的[-π/2,π/2]部分作为滑模观测器的控制函数,以削弱抖振;同时构建反电动势观测器直接提取反电动势信号,并利用李雅普诺夫理论证明其稳定性,引入CORDIC算法以获取电机转子位置和转速.仿真实验结果表明,该控制策略能够准确估计电机转子位置,同时削弱观测器的抖振问题,提高系统精度和可靠性.     

基于模糊PID模型的无刷直流电机转速控制

摘要：无刷直流电机（BLDCM）是一种多变量、强耦合、非线性、时变的复杂控制系统,采用传统的PID控制很难实现无静差控制。本文针对无刷直流电机（BLDCM）提出了一种基于PID模型的转速控制方案,利用无刷直流电机的电压与转矩转速方程,通过调节PID参数来实现转速控制,采用模糊原理对PID参数进行模糊化,根据电机参数的变化,对PID参数进行在线调整,取得了高精度的转速控制。仿真和实验结果表明,采用本文提出的模糊PID控制方法控制无刷直流电机,能够实现响应速度快、无超调、控制精度高,且系统对干扰和参数变化具有较强的鲁棒性,动、静态性能均优于传统的PID控制和单纯的模糊控制。     

无位置传感器无刷直流电机开环起动的实现方法

针对具有梯形反电势波形的无位置传感器无刷直流电机（BLDCM）的开环起动控制，提出一种基于AT89C2051芯片的软件实现方法．此种方法能有效的克服无位置传感器无刷直流电机在起动和低速运行时，由于反电势过小而带来的运行困难．并通过实验验证了这种方法的可行性．     

用EKF估计无刷直流电动机转子位置和转速

无位置传感器控制方案是目前无刷直流电动机(BLDCM)控制的研究热点之一。该文给出了一种利用扩展Kalman滤波器(EKF)估计无刷直流电动机转子位置和转速的方法。该方法仅需三相定子反电势反馈即可实现EKF控制,所需计算量小,易于实现低成本系统。推导了基于EKF的转子位置和转速估计数学模型,并分析了转子位置初始误差和噪声统计特性变化对EKF估计效果的影响。仿真和基于数字信号处理器(DSP)的BLDCM调速系统上的实验研究证明,该方法能在初始位置误差不超过π/3电角度时保证电动机正常起动,并准确地估计转子位置和转速。     

基于神经元网络的电机换相控制

无刷直流电机(BLDCM)一般是通过位置传感器产生正确的换相信息实现控制,而在无位置无刷直流电机中,一般通过检测反电动势过零点间接获得换相时刻,但是由于电机的非线性动态特性、温度、转速等因素的影响,难以得到准确的信息.本文利用神经网络的非线性任意逼近特性,提出一种基于神经元网络的电机相位补偿控制.首先由硬件电路获得有效的反电动势信息,再利用BP神经网络的方法进行正确的补偿相位,实现无位置无刷直流电机的控制.     

模糊自适应PID控制器在无刷直流电机控制系统中的应用研究

对于具有多变量、时变性、非线性、强耦合等特性的无刷直流电机(BLDCM)控制系统,传统的PID控制很难实现良好的控制效果.基于无刷直流电机(BLDCM)的数学模型,提出一种基于模糊自适应PID控制的速度控制方案.该算法根据电机转速变化,采用模糊控制原理对PID的参数进行在线整定,实现优化控制.仿真结果表明,模糊自适应PID控制具有转速响应快,超调量小等优点,使系统对扰动和参数变化都具有较强的鲁棒性,控制效果优于传统的PID控制.     

基于硬件的无位置传感器无刷直流电机启动新方法

针对传统的无位置传感器无刷直流电机控制的起动需采用复杂的软件、成本高、定位不准确、容易堵转的缺陷,提出了一种通过检测线电压差获得转子位置的方法。提出的方法能在2%的额定转速下准确检测到转子位置,从而可以利用简单硬件电路实现电机的快速启动。理论分析和实验表明:提出的方法与霍尔传感器一样能保证无刷直流电机快速大转矩、小抖动、无堵转的平滑启动。     

微机控制的无位置传感器无刷直流电机驱动系统

详细介绍了无位置传感器无刷直流电机的微机控制系统，永磁转子的位置检测是通过检测定子绕组的三相端电压来实现的，起动时让电机按照他控式同步电动机方式运行，实现了无刷直流电机在开环控制、转速负反馈控制，电压负反馈加电流正反馈控制３种方式下的运行。     

直接检测无刷直流电机转子位置信号的方法

为了实现无刷直流电机的无位置传感器控制,提出了一种新颖的转子位置信号检测方法,该方法通过比较逆变器直流环中点电压和电机断开相绕组端电压的关系,直接检测到断开相绕组反电动势的过零点,再将该过零点延迟30°电角度即可获得无刷直流电机绕组换相所必须的转子位置信号。实验证明,当电机运行在低速时该检测方法可以良好地工作,因此应用此检测方法构成的无刷直流电机无位置传感器控制系统可以运行在很宽的速度范围内。文中对该检测方法的原理进行了分析,得到了检测电路的结构图并通过实验验证了该方法的正确性和可行性。     

基于关键参数反馈的神经元放电模式控制

针对神经元数学模型中相关参数的异常变化问题, 先通过无迹Kalman滤波器（unscented Kalman filter）对这些关键参数进行实时估计, 再使用这些参数作为控制器的反馈信号完成神经元放电的有效闭环控制. 使用该方法对Pinsky Rinzel（PR）神经元由于关键参数（胞体和树突间的电导gc及树突刺激电流Ic）的病变导致的异常放电进行MATLAB仿真控制, 分别实现了单参数病变及两个参数同时病变引起的异常放电控制. 实验结果证明了该方法的有效性.     

基于传感器网络的分布式生化气体源参数测定算法

针对生化气体源参数测定问题,提出了一种基于传感网络的分布式贝叶斯迭代估计算法,该算法在给定气体物理分布扩散模型条件下,通过传感器节点获取气体浓度,并基于分布式扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）实现气体源的坐标定位和释放率估计.通过仿真实验对两种分布式算法进行性能分析,结果表明,UKF算法在参数估计成功率和参数估计误差两个方面均要好于EKF算法,分别可以提高约50%和70%,其收敛速度快,使用节点少,更有助于节省网络能量消耗,并延长其生存周期.     

模糊PID控制器在无刷直流电机控制系统中的应用

无刷直流电机是一种多变量、非线性的控制系统,采用经典的PID控制难以达到满意的控制效果。将模糊自适应PID控制器应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线调整。实验结果表明,较之传统的PID控制,采用模糊自适应PID控制的无刷直流电机控制系统具有更好的动态和静态性能,达到了较好的控制效果。     

基于ST72141的无位置传感器电机控制系统中检测方法的研究

对基于ST72141的无位置传感器电机控制系统中的反电动势直接检测方法进行改进，并分别给出了在低速或低压以及在高速时新方案的检测原理和方法．研究表明，采用这两种方法的结合，能够拓宽电机运转速度范围，系统稳定可靠，性能良好，应用于加工系统，可使加工精度提高一个数量级．     

基于UKF的汽轮机调节系统参数辨识方法研究

在介绍UKF（Unscented Kalman Filter）滤波算法的基础上,将其应用于汽轮机数字电液调节系统的参数辨识.通过仿真验证了方法的有效性.结果表明,UKF滤波能够得到较为满意的估计精度,是实现汽轮机调节系统参数辨识的一种有效的新方法,具有重要的工程应用前景和使用价值.     

基于平方根UKF的机载单站无源定位算法

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理,并引入一种新的基于平方根（uKF）算法．通过仿真与扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF）算法进行了比较．结果表明,新算法比EKF算法精度高,与UKF算法相比,新算法的方根形式增加了数字稳定性和状态协方差的半正定性,同时具有更快的收敛速度．     

基于鲁棒UKF 的永磁同步电机转子速度估计

针对无位置传感器直驱永磁同步电机系统(DD-PMSG: Direct-Driven Permanent Magnetic Synchronous Generator), 无迹Kalman 滤波(UKF: Unscented Kalman Filtering)方法鲁棒性不高的问题, 提出了基于一种新的鲁棒UKF 的转子速度估计方法。该方法将DD-PMSG 模型转化为由发电机机电状态与定子参数组成的增广方程形式。运用鲁棒UKF 算法, 可同时辨识发电机的机电状态和定子不确定参数动态, 使估计发电机参数不确定的鲁棒性得以改善。仿真结果表明, 与传统UKF 方法相比, 该方法对存在不确定性及非高斯噪声的系统模型具有较强的鲁棒性。     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

基于二阶滑模观测器的无刷直流电机转子位置估计

针对一阶滑模观测器(F-SMO)存在的抖振和相位延迟问题,提出了基于二阶滑模观测器(S-SMO)的线反电势(LBEMF)估计策略,将不连续控制作用在滑模变量的高阶微分上,采用超螺旋算法设计控制率,能较好地削弱抖振,得到连续光滑且无滞后的反电势估计值.针对相反电势法存在的相移问题,采用线反电势过零点直接作为换相点的换相策略.仿真和实验结果表明,所提策略能够准确估计无刷直流电机线反电势,获得准确的转子位置换相点,实现无刷直流电机的无位置传感器控制.     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。