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。     

降阶H∞滤波的永磁同步电机无位置传感器控制

针对扩展卡尔曼滤波方法鲁棒性不高的问题, 提出一种基于H∞滤波算法的永磁同步电机转子速度与转子位置角的估计方法。同时通过将外部负载转矩视为系统参数, 一并进行估计, 克服了负载转矩变化造成的影响。并采用降阶滤波模型, 降低了滤波过程中的计算量。最后通过与扩展卡尔曼滤波方法进行对比, 实验结果表明, 该方法提高了系统对不确定参数以及非高斯噪声的鲁棒性。