基于EKF的双Y移30°六相PMSM无速度传感器控制系统研究

介绍了一种基于扩展卡尔曼滤波(EKF)的双Y移30°六相永磁同步电动机(PMSM)无速度传感器控制方法.本系统建立了六相双Y移30°绕组永磁同步电动机的数学模型和状态空间方程.通过选取dq旋转坐标系下的定子电流、电机转速和转子位置作为状态变量,选取定子电压和电流作为输入、输出向量,构建了EKF观测器.在dq旋转坐标下采用扩展卡尔曼滤波器获得转速和转子位置,并利用TMS320F2812型DSP芯片实现全数字控制.该方法不需要对多相永磁电机的结构作任何改变,同时适用于凸极和隐极永磁同步电机,在很宽的速度变化范围内都有较高的位置估计精度.实验表明该方法使系统具有更加良好的控制性能.     

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.     

强跟踪有限微分扩展卡尔曼滤波算法在异步电机中的应用

针对异步电机直接转矩控制低速转矩脉动大的问题,提出了一种自适应强跟踪有限微分扩展卡尔曼滤波算法(STFDEKF)。该算法采用多项式近似技术和一阶中心差分法计算非线性函数的偏导数,它具有二阶非线性近似的能力;同时引入强跟踪因子来修改状态的先验协方差矩阵。文中将STFDEKF算法扩展至感应电机参数辨识,设计了针对非线性系统的STFDEKF滤波器;同时对五个电机变量进行观测,并将观测到的转速信息引入至感应电机控制系统,组成无速度传感器控制闭环。仿真结果表明,STFDEKF算法相比扩展卡尔曼算法(EKF)和有限微分扩展卡尔曼算法(FDEKF)虽然计算过程复杂,但是该算法具有更好地跟踪能力和滤波可靠性,所以在对磁链和转速目标进行跟踪时,STFDEKF算法是一种很有效的算法。     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

基于优化EKF的永磁同步电机转速估计

为了解决在永磁同步电机无速度传感器直接转矩控制系统中,扩展卡尔曼滤波器在转速估计时系统噪声矩阵和测量噪声矩阵难以较准确获得的问题,提出了一种基于改进粒子群优化的扩展卡尔曼滤波器转速估计方法,该方法融合了粒子群算法与遗传算法的优点,经过实验仿真表明,当将此方法应用于卡尔曼滤波器系统噪声矩阵和测量噪声矩阵寻优时,与遗传算法、标准粒子群算法相比,改进粒子群优化的卡尔曼滤波器能更加迅速地找到较优解。     

基于回朔式EKF的多传感器融合在移动机器人自定位中的应用

提出了一种基于扩展卡尔曼滤波器 (EKF)的多传感器融合系统 ,用于融合多个超声波传感器及光电编码器的测量值 ,并以该融合值来复位光电编码器 ,克服其累积误差的影响 .由于扩展卡尔曼滤波器是一项耗时的计算任务 ,为了满足实时性的要求 ,采用一种基于回朔式的算法 .仿真实验表明了该算法的有效性     

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IP控制和扩展卡尔曼滤波的PMSM转速控制

为实现永磁同步电机(PMSM)的无速度传感器转速控制,提出一种基于积分比例(IP)转速控制和扩展卡尔曼滤波(EKF)转速估计的PMSM调速控制策略.以αβ坐标系下定子电压和电流为观测量,采用EKF算法对电机转速和转子位置进行实时预测和最优估计.估计转速作为反馈项与给定转速比较,所得误差值作为IP控制器的输入,对q轴电流分量进行控制,实现PMSM无传感器速度控制.针对不同电机转速和多种负载状态进行大量仿真研究,实验结果表明,该转速控制策略抗负载扰动能力强、超调量小.     

基于EKF的PMSM无电流传感器矢量控制

针对永磁同步电机伺服系统需要应用在某些低成本、高定位控制精度的场合,提出一种基于扩展卡尔曼滤波器的永磁同步电机无电流传感器矢量控制方法.在Matlab/Simulink平台上,利用电机在dq轴坐标系下的状态方程,采用卡尔曼滤波器代替电流传感器来估计定子电流,构建矢量控制模型.仿真结果表明,在增加速度与负载情况下,系统具有良好的控制性能,并且参数有较强的鲁棒性,能够满足实际要求.     

采用扩展卡尔曼滤波器对PMSM死区补偿的方法

分析了永磁同步电机矢量控制中死区效应的影响,提出了一种基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的死区补偿方法.在PWM逆变器中,死区会导致相电压产生非3整数倍的奇次谐波,进而影响电机控制性能,尤其在低速时更为明显.设计了能够估计αβ坐标系下的电流和谐波产生的电压误差的扩展卡尔曼滤波器,最终通过估算的补偿电压及电流方向确定αβ坐标系下的补偿电压.仿真和实验结果表明:该死区补偿方法可以较好地消除零电流钳位现象,有效地改善PMSM逆变器输出电流波形.     

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.     

利用系统动态模型参数“在线”诊断电机故障

为了解决电机故障的在线诊断,首先对电机的系统动态模型参数进行在线最小二乘估计,根据估计的系统模型参数的变化,利用基于模型参数估计方法实现系统故障检测。根据模型参数的检测诊断方程,识别系统的故障因素,结合应用实例,证明其方法是可行有效的。     

基于滑模自适应的永磁同步电动机无传感器控制

在永磁同步电动机控制系统中如采用传统机械式编码器检测转子位置和速度,存在着成本高、易受干扰、系统的可靠性低且难以在复杂环境中应用等问题,为了有效解决这些问题,采用了一种新型的基于滑模自适应的速度估计方法,以改善速度估计精度,提高系统鲁棒性,从而实现无传感器的电机控制。仿真结果表明:该方法可以避免传统机械式编码器带来的限制,在突加负载时,能够准确估计转子的速度和位置角。     

超级电容在汽车发动机起动系统中的应用研究

为有效提高汽车发动机的起动性能,改善蓄电池的工作状态,文章提出了一种超级电容混合蓄电池的新型汽车起动系统,并对该起动系统的参数匹配方法进行了研究.以某型1.8 L汽油机为例,对起动系统相关参数进行了设计计算,并对2套起动系统进行了对比试验;试验结果表明,新型汽车起动系统有效地提高了汽车的起动性能,延长了蓄电池的使用寿命.     

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.     

基于中心差分卡尔曼滤波的航天器视觉相对导航算法研究

在航天器视觉相对导航过程中,量测方程的非线性特性会影响航天器相对位姿的估计精度.分析了扩展卡尔曼滤波方法(EKF)将非线性模型线性化时存在的缺点,研究了中心差分卡尔曼滤波方法(CDKF),提出用中心差分卡尔曼滤波方法来解决视觉导航中两航天器的相对位姿估计问题,并给出了EKF与CDKF的仿真结果.仿真结果表明在相同条件下,CD-KF算法比EKF具有更高的精度和稳定性,该方法能够在航天器视觉相对导航中应用.     

永磁同步电机的改进扩展卡尔曼滤波测速算法

针对使用增量式编码器的永磁同步电机(PMSM)伺服系统中的传统测速算法(M算法结合低通滤波)存在的时延与不准确的问题,提出了一种改进的扩展卡尔曼滤波( EKF)测速算法.该方法在不修改原有电路的前提下,利用EKF算法抑制噪声且不产生时延的特点,针对性地设计了观测模型,并通过矩阵变换与利用定点数字信号处理器累加溢出的周期...     

非线性非高斯结构系统识别的粒子滤波方法

采用粒子滤波方法（PF方法）在非高斯噪声条件下对非线性系统进行参数识别。传统扩展卡尔曼滤波（EKF）方法具有高斯噪声假设与非线性系统线性化的缺陷,PF方法可以克服EKF方法的缺点;因此在系统识别中具有很强的鲁棒性,更适合进行非线性结构系统参数识别。数值仿真结果发现PF方法的系统识别精度高于EKF方法,证明PF方法在非线性非高斯结构系统识别中的有效性。     

一种基于扩展Kalman滤波的多径估计算法

定位系统中,噪声环境下的多径估计是消除多径干扰的前提。提出了一种基于扩展Kal-man滤波(EKF)的多径估计算法,可以有效的估计多径信号的时间延迟和幅度。分析了本地码估计偏差、EKF的估计初值、相关间距以及采样频率对多径估计性能的影响。结果表明,EKF在估计多径信号时,EKF初值不仅影响其收敛速度,而且EKF初值中的幅度初值决定其是否收敛。同时,EKF时间延迟估计误差可以通过提高采样频率和增加最大早晚码间距来减小。