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EKF的感应电机无速度传感器矢量控制系统

给出了一种基于扩展卡尔曼滤波(EKF)的感应电机无传感器矢量控制系统转速和负载转矩同时估算的方法.在矢量控制的基础上,将电机的运动方程作为一个状态方程,把电机负载转矩看作系统的扩展状态量,根据定子侧测量的电压、电流值,由EKF估算出电机转子磁链、转速及负载转矩.在此基础上,采用负载转矩前馈控制型转速控制器,提高系统抵御负载扰动的能力.仿真结果表明,无速度传感器矢量控制系统具有良好的动态控制性能,所提出的EKF估计器能够准确地估计转子磁链、转速及负载转矩.     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

PMSM线性卡尔曼滤波结合扰动转矩观测器无速度传感器控制

传统扩展卡尔曼滤波算法在线计算量大,对处理芯片的要求高。针对这一问题,设计了一种新型降阶卡尔曼滤波算法,减少调节参数,以简化算法和。另外,为提高传统矢量控制系统动态响应能力及抗负载扰动能力,设计了一种扰动转矩观测器,并结合前馈补偿控制方法对速度环施加前馈补偿。仿真和实验结果表明,提出的新方法能准确估计电机转子位置和转速,并提高负载扰动抑制能力。     

异步电动机自适应非线性解耦控制

针对转子电阻变化和负载转矩扰动会破坏异步电动机非线性解耦控制系统的解耦性 ,使动态性能降低这一问题 ,采用降维转矩观测器和自适应转子电阻估计器分别对负载转矩和转子电阻进行观测和估计 ,实时地对非线性状态反馈解耦控制律进行调整 ,实现异步电动机系统的动态精确解耦 ,提高了系统鲁棒性 ,改善了系统动态性能     

基于EKF的PMSM无机械传感器矢量控制

为了准确估计永磁同步电机(PMSM)的转子位置和转速,并实现无机械传感器矢量控制,提出了一种基于扩展Kalman滤波器(EKF)的转子位置和转速观测器,适合于求解永磁同步电机的非线性方程。观测器状态方程采用转子磁链定向的同步旋转坐标系下的电压方程,电感等参数为常数,可以应用于凸极机和隐极机。对扩展Kalman滤波器进行了算法简化,使它可以实用化。把负载转矩作为状态变量,观测器可以同时观测负载转矩,并把观测转矩用作前馈补偿,提高了系统的动态性能。通过实验验证了系统的性能。     

基于粒子滤波参数估计的混沌保密通信系统

针对混沌参数调制保密通信系统中扩展卡尔曼滤波算法和无味卡尔曼滤波算法对混沌系统的状态和参数估计性能较差的问题,提出了用粒子滤波算法估计混沌系统参数的方法。在系统的发送端,通过待发送的二进制符号调制混沌系统的参数进而产生混沌信号。在接收端,粒子滤波器用接收到的混沌信号估计出相应的混沌系统参数,从而恢复出发送端的二进制符号。仿真结果表明,较扩展卡尔曼滤波和无味卡尔曼滤波,粒子滤波算法在估计混沌系统参数时具有更短的收敛时间和更小的估计误差,能更有效地实现混沌保密通信。     

用微机实现双通道改善直流拖动系统性能的研究

本文提出用双通道原理来改善SCR—D双环调速系统抗负载干扰性能,前馈通道由外扰负载估计器与补偿器组成,负载转矩估计器由Z80单板机实现,文中介绍了微机实现负载转矩估计器原理及方法,并作了模拟实验,分别得出了负载转矩工作特性与系统抗扰实验曲线,获得了明显的缩短扰动后的恢复时间与减小动态速降的效果。文中还对负载转矩数字估计器的鲁棒性进行了初步讨论。     

基于无迹卡尔曼滤波的汽车状态参数估计

由于部分汽车状态参数无法直接通过传感器获得,为了提高这些参数的估计精度以准确判断汽车行驶过程中的状态变化,增强控制系统的鲁棒性,文中提出了基于无迹卡尔曼滤波的汽车状态参数估计方法.该方法在传统卡尔曼滤波算法的基础上,采用无迹卡尔曼滤波算法对汽车质心侧偏角、横摆角速度、路面附着系数等状态参数进行估计,并运用Simulink与Carsim进行联合仿真.结果表明,无迹卡尔曼滤波算法响应快,估计精度较扩展卡尔曼滤波高,能满足车辆高级动力学控制系统的控制需要.     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

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。     

基于近似贝叶斯计算的HMM隐状态估计

为了得到似然函数不解析可得的 HMM 隐状态估计,将HMM 隐状态估计看成一个贝叶斯最优滤波问题,采用基于近似贝叶斯计算的离子滤波算法对此类问题进行求解,从而解决了一些常用算法如卡尔曼滤波、扩展卡尔曼滤波及离子滤波等都不能解决的似然函数不解析可得的滤波问题。     

基于量子遗传算法的RBF神经网络智能滤波组合导航算法

组合导航中标准卡尔曼滤波和扩展卡尔曼滤波存在容错性和鲁棒性不足,处理非线性信号能力较弱的缺点.提出了基于量子遗传算法的RBF神经网络的智能滤波组合导航算法,通过RBF神经网络调节卡尔曼滤波增益,而神经网络参数由量子遗传算法进行调整优化.对捷联惯导系统(SINS)/全球卫星定位系统(GPS)组合导航系统进行了仿真实验,结果表明:该算法提高了导航定位的精度、鲁棒性和可靠性.     

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。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

基于UKF算法的无刷直流电机转子位置和速度的估计

针对无刷直流电机（BLDCM）非线性严重而导致控制困难的问题,利用无轨迹卡尔曼滤波（UKF）算法设计了观测器,以估计无刷直流电机的转子位置和角速度,分析了在BLDCM系统负载变化、负载扰动、参数变化以及低转速情况下的估计结果,同时讨论了噪声统计参数的变化对估计效果的影响由此可知,良好的估计效果与UKF算法中各个参数的设置有重要的关系．仿真和实验结果表明,该转子位置观测方法可以比较正确地给出电机换相信号,实现电机的无位置传感器控制．     

基于蚁群优化FEKF算法的汽车状态估计

针对汽车状态估计过程中观测噪声时变问题,提出一种双重迭代自适应滤波算法—蚁群优化模糊逻辑扩展卡尔曼滤波(FEKF)算法.建立考虑Fiala轮胎模型的汽车二自由度非线性动力学模型,利用模糊逻辑对扩展卡尔曼滤波(EKF)算法估计过程中的观测噪声水平进行在线修正,同时引入蚁群优化算法对模糊逻辑中的输入输出隶属度函数进行优化,得到的双重迭代算法对处理强时变观测噪声水平下滤波估计过程具有很强的自适应性.最后通过建立虚拟仿真试验来验证该蚁群优化FEKF新算法的估计精度,结果显示,蚁群优化FEKF算法相比较于FEKF算法估计精度更高,鲁棒性更强.     

基于扩展集员估计的气体源定位方法

提出一种基于扩展集员滤波框架的室内气体源分布式定位方法。相对于基于随机模型的统计估计方法(扩展卡尔曼滤波和无迹卡尔曼滤波),此方法只需要知道未知噪声的边界,不考虑噪声的随机性。利用静态湍流模型迭代计算定位误差边界,将位置状态真实值有效地包含在估计范围内,从而能达到的定位可信度。同时引入最小二乘法进行初步定位,以克服扩展集员滤波的初始点选取问题。最后通过基于无线电子鼻的室内定位仿真实验,证明算法的可行性和有效性。     

基于集员估计的光电系统目标状态预测方法研究

在光电跟踪系统目标状态估计过程中,噪声统计特性不确定是导致滤波精度下降的主要原因之一。针对该问题,研究了一种基于扩展集员估计的目标状态估计方法,并与扩展卡尔曼滤波算法做了比较。结果表明,在保证滤波精度前提下,基于噪声特性未知但能量有界(Unknown but Bounded-UBB)假设的扩展集员估计方法能有效克服噪声统计特性不确定造成的影响,具有较强的工程实用性。     

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．