基于EKF的永磁同步电机转子位置和速度估计

提出了一种新颖的基于EKF(扩展卡尔曼滤波)实现PMSM(永磁同步电机)转子位置和速度估计的方法。利用该算法，通过测量电机的端电压和流过定子线圈的电流在线估计电机转子的位置和速度，实现了永磁同步电机的无传感器控制策略。仿真结果验证了该算法的可行性。     

PMSM无速度传感器的无源滑模控制系统

采用能量成形和互联、阻尼配置的无源性控制方法,完成了永磁同步电机的端口受控哈密顿系统(PCH)的建模。在此基础上提出了一种新的永磁同步电机的PCH双闭环调速系统。外环速度调节由滑模速度控制器实现期望的q轴电流,内环电流调节由无源控制器实现d-q旋转坐标系下的两个电压分量ud和uq。针对系统转速估计问题,利用一种基于自适应速度估计的滑模观测器观测速度,节约了成本和增强了系统的可靠性。仿真结果表明了该方法的有效性,控制系统具有良好的动静态性能。     

基于扩展卡尔曼滤波人工心脏TETS动态状态估计

由于皮肤的隔离作用,使得测量经表皮能量传输系统在体内部分的参数变得非常困难.为此,作者利用一种基于离散动态数学模型的状态估计方法(扩展卡尔曼滤波)来估计经表皮能量传输系统二次侧不易测量的电流与输出电压等变量.该方法的使用可以使人工心脏用经表皮能量传输系统的复杂度大大降低,同时,可靠性也得到很大提高.最后,采用Matlab软件对上述算法进行了仿真验证.     

基于负载转矩估计的PMSM无抖振滑模控制

针对永磁同步电动机(PMSM)转速矢量控制系统,提出一种将高阶滑模和非奇异终端滑模相结合的控制方法,在保证系统全局一致稳定情况下,消除滑模控制的抖振现象,实现快速、准确的转速跟踪控制.采用转速/电流双闭环控制结构,针对转速环,提出一种自适应负载转矩估计方法,解决了未知负载扰动问题;针对电流环,提出一种指教趋近律,提高了电流环的响应速度.仿真结果表明,与传统的PI控制方法相比,所提控制方法鲁棒性强,响应速度快,转速跟踪效果较好.     

基于Stirling插值滤波和扩展卡尔曼滤波的方位估计

插值间距的适当选择可以从某种程度上确保剩余项更接近于全Taylor级数的高阶项,因此,对大多非线性比较强的状态估计问题来说,基于Stirling插值原理的SIF要比EKF具有更大的优越性。估计方位时我们用仿真实验分别对SIF和EKF的特性进行了比较,用四元数而不用欧拉角来表示旋转量以消除方位估计的奇异性问题,状态向量包括四元数方位和旋转速度,以四元数作为测量输入,因此测量方程是线性,仿真实验结果表明:由于动态系统的准线性本质,估计四元数方位时EKF特性要比SIF好。     

基于卡尔曼滤波的多滑模面电动舵机控制

针对导弹用力矩电机的位置反馈控制,提出一种采用多滑模面自适应变结构控制法,采用卡尔曼滤波器估计状态,消除测量噪声,降低输出抖动,对多滑模面控制率的稳定与收敛性进行适当证明,通过仿真验证算法的有效性。     

基于卡尔曼滤波的动态OD矩阵估计

建立了动态OD矩阵估计的状态空间模型,通过对路段车流量和行程时间的检测以估计时变的OD数据,并对其中关键的分配矩阵给出了解析的计算公式.采用扩大状态变量的卡尔曼滤波,得到了OD估计的实时递推算法.仿真实验表明算法非常有效.     

ANFIS优化磁链滑模观测器的PMSM无传感器控制

针对永磁同步电机(permanent magnet synchronous motor,PMSM)无传感器控制中转子速度和位置的估计精度不高、系统抖振等问题,提出一种基于自适应模糊神经网络(adaptive neuro-fuzzy inference system,ANFIS)优化的磁链滑模观测器(flux sliding mode observer,FSMO)。采用经过ANFIS优化的FSMO,实现对观测器增益的在线调节,减少系统抖振;采用改进的锁相环(phase locked loop,PLL),提高对转子速度及位置的估计精度。实验结果表明：ANFIS优化的FSMO能够有效地提高PMSM无传感器控制中转子速度和位置的估计精度,减少系统抖振。     

基于EKF永磁同步电机FMRAC方法的仿真研究

结合传统模型参考自适应方法控制性能优越的特性和模糊控制不依赖对象精确数学模型的优势,将模糊控制器植入模型参考自适应控制系统构架中。主模糊控制器用于取代传统模型参考自适应控制中的反馈控制器,模糊逆模型结合自适应调整算法取代复杂的常规自适应规则,利用模糊控制良好的非线性学习特性,构建模糊自适应控制机构。以永磁同步电机为例,在MATLAB/Simulink环境下建立双闭环控制系统,基于扩展卡尔曼滤波设计速度观测器,基于模糊模型参考自适应方法设计速度控制器,仿真结果表明:控制系统运行平稳,速度跟踪快速准确,具有良好的动、静态特性。     

基于自适应卡尔曼滤波的汽车前后轴干扰力估计

针对汽车自动车道保持控制中汽车侧向干扰信息难以直接获取,提出把汽车动力学模型和自适应卡尔曼滤波理论相结合进行汽车前后轴干扰力估计.在线性二自由度汽车动力学模型中考虑前后轴的侧向力干扰,以辅助变量横摆角速度、侧向加速度和方向盘转角为量测信息,通过改进的自适应卡尔曼滤波算法建立了前后轴干扰力的最小方差估计,并对量测信号进行了滤波降噪.基于ADAMS/Car的虚拟试验验证了该算法具有较高的估计精度,可以为汽车侧向控制系统中估计器的设计提供理论指导.     

基于强跟踪滤波器的PMSM无速度传感器DTC策略

针对扩展卡尔曼滤波器(EKF)对模型误差鲁棒性差的问题,提出了基于强跟踪滤波器(STF)的永磁同步电机(PMSM)无速度传感器直接转矩控制(DTC)策略,该方法利用永磁同步电机定子坐标系下的非线性数学模型和强跟踪滤波技术建立了STF观测器,从而实现了对电机定子磁链、转速和转子位置的实时在线观测。仿真结果表明,STF观测器可以准确地观测出电机定子磁链和转速,同时与EKF观测器相比,该观测器对于系统参数摄动、外部干扰等系统模型失配具有更强的鲁棒性。     

基于无轨迹卡尔曼滤波器的感应电机转速估计

借助仿真,深入探讨了卡尔曼滤波器家族新成员—无轨迹卡尔曼滤波器(UKF)用于感应电机转速估计这一问题。分析了采样周期以及滤波器参数对UKF收敛特性的影响,从静态性能、动态响应速度、对电机参数的灵敏度、算法复杂度等各方面评价了UKF转速估计性能,并与经典的扩展卡尔曼滤波器(EKF)转速估计进行了比较。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。     

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合，用于被动式多站跟踪，给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例，进行了仿真研究，结果表明该算法具有满意的跟踪性能。     

一种改进的推广卡尔曼滤波收敛特性研究

提出了一种改进的推广卡尔曼滤波算法,这一算法不仅具有良好的数值稳定性,而且计算量较小,并进一步分析研究了这一算法的收敛特性,给出了指数收敛速度,分析结果表明改进的算法得到的滤波器增益和状态估计能很好地跟踪原算法得到的滤波器增益和状态估计。     

一种补偿的扩展KALMAN粒子滤波

设计合适的重要性概率密度函数是粒子滤波中的一个重要问题.首先分析了扩展Kalman滤波器的线性化误差,然后加入调节因子,采用补偿的方法减小线性化误差,并用此方法获取粒子滤波中的重要性概率密度函数,同时该概率密度函数参考了最新的观测量,因此提议分布产生的粒子更能反映系统状态的后验概率分布.实验结果表明新算法的估计性能优于标准粒子滤波和Kalman粒子滤波,与Unscented Patticle Filter相比,新算法降低了计算复杂度.