CN111884555B - 一种永磁同步电机转子转速与位置的滤波估计方法 - Google Patents

一种永磁同步电机转子转速与位置的滤波估计方法 Download PDF

Info

Publication number
CN111884555B
CN111884555B CN202010741587.7A CN202010741587A CN111884555B CN 111884555 B CN111884555 B CN 111884555B CN 202010741587 A CN202010741587 A CN 202010741587A CN 111884555 B CN111884555 B CN 111884555B
Authority
CN
China
Prior art keywords
time
matrix
moment
variable
covariance matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010741587.7A
Other languages
English (en)
Other versions
CN111884555A (zh
Inventor
潘丰
季鹏鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Yuheng Intelligent Power Technology Co.,Ltd.
Original Assignee
Shandong Yuheng Intelligent Power Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Yuheng Intelligent Power Technology Co ltd filed Critical Shandong Yuheng Intelligent Power Technology Co ltd
Priority to CN202010741587.7A priority Critical patent/CN111884555B/zh
Publication of CN111884555A publication Critical patent/CN111884555A/zh
Application granted granted Critical
Publication of CN111884555B publication Critical patent/CN111884555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/18—Estimation of position or speed
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/24—Vector control not involving the use of rotor position or rotor speed sensors
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • H02P25/022—Synchronous motors
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
    • H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Electric Motors In General (AREA)
  • Control Of Ac Motors In General (AREA)

Abstract

本发明提供了一种永磁同步电机转子转速与位置的滤波估计方法，属于永磁同步电机控制技术领域。首先，将永磁同步电机在静止两相坐标系下的控制电流、转子位置以及转速作为状态变量，将静止两相坐标系下的控制电压作为输入变量，在静止两相坐标系下建立永磁同步电机离散数学模型。然后，建立永磁同步电机自适应渐消扩展卡尔曼滤波器，估计出电机转子估计转速与转子估计位置。最后将估计所得转速反馈到电机转速给定端，将估计所得转子位置用于坐标变换和磁场定向，构成转速电流双闭环无传感器矢量控制系统，该方法能够有效抑制滤波发散并提升转子位置和转速的估计精度。

Description

一种永磁同步电机转子转速与位置的滤波估计方法
技术领域
本发明属于永磁同步电机控制技术应用领域，特别涉及一种永磁同步电机转子转速与位置的滤波估计方法。
背景技术
永磁同步电机具有功率密度高、可控性强、响应快速、调速范围宽、结构简单等优点，广泛应用于智能机器人、数控设备、材料加工设备以及医疗器械等领域，并逐渐取代传统的直流电机和步进电机，更加适用于精度要求高、稳定性能好的高性能伺服系统中。永磁同步电机控制策略多采用矢量控制，而矢量控制的关键在于获取的转子位置信息和转速，为了保持永磁同步电机高性能运转，通常在电机转子上安装机械式位置传感器以实时获取转子位置和转速。但在实际运行中，这类传感器仍存在一些诸如易受环境干扰，系统体积过大和硬件成本较高等问题。
针对以上问题，永磁同步电机无传感器控制得到了广泛应用。通过测量电机的控制电流或控制电压等物理特性估算出转子的位置和方法，通常包括模型参考自适应系统、滑模观测器、高频脉振信号输入法和扩展卡尔曼滤波器等。其中扩展卡尔曼滤波算法应用广泛，通过选取电机运行中合适的状态变量和输入变量经不断循环迭代估计出电机转子位置和转速，然而扩展卡尔曼滤波中的噪声协方差矩阵Qk和Rk的选取直接影响了估计精度，同时扩展卡尔曼滤波算法在估计过程中易存在滤波发散问题，影响系统稳定性。
发明内容
为了提高永磁同步电机控制性能，本发明提供了一种永磁同步电机转子转速与位置的滤波估计方法，采用自适应渐消扩展卡尔曼滤波器实时估计电机转子转速与位置。在电机运行时，根据滤波过程中观测数据新息和残差的统计特性不断在线修正量测噪声协方差矩阵Rk，使得矩阵Rk能够自适应调整以提升估计精度；同时根据新息的统计特性引入多重渐消因子矩阵修改预测误差协方差矩阵Pk/k-1，遏制由于自适应矩阵Rk引起滤波增益Kk持续性单调变化，进而达到抑制滤波发散的效果。
本发明所采用的技术方案是：
一种永磁同步电机转子转速与位置的滤波估计方法，包括以下步骤：
步骤1：以面装式永磁同步电机为被控对象，建立三相永磁同步电机在静止两相坐标系下的状态空间离散数学模型：
Figure BDA0002606932240000021
其中，
Figure BDA0002606932240000022
为k时刻系统状态变量，
Figure BDA0002606932240000023
和
Figure BDA0002606932240000024
分别为k时刻的α轴控制电流、β轴控制电流、电机转子转速和电机转子位置；
Figure BDA0002606932240000025
为k时刻系统输出变量，
Figure BDA0002606932240000026
为k-1时刻的系统输入变量，
Figure BDA0002606932240000027
和
Figure BDA0002606932240000028
分别为k-1时刻的α轴控制电压和β轴控制电压；
Figure BDA0002606932240000029
是k-1时刻的过程噪声，
Figure BDA00026069322400000210
是量测噪声v在k时刻的噪声，wk-1和vk互不相关；
Figure BDA00026069322400000211
为系统输入矩阵，
Figure BDA00026069322400000212
为系统观测矩阵，
Figure BDA00026069322400000213
为k-1时刻的系统状态转移矩阵；
Figure BDA00026069322400000214
Figure BDA00026069322400000215
Figure BDA00026069322400000216
其中，ψf为电机转子磁通，Ls为定子电感，R为电机定子电阻；
步骤2：在式(1)的基础上建立永磁同步电机转子转速与位置的自适应渐消扩展卡尔曼滤波器，估计出k时刻电机估计转速
Figure BDA00026069322400000217
和电机估计转子位置
Figure BDA00026069322400000218
①初始化0时刻系统估计状态变量
Figure BDA00026069322400000219
初始化0时刻误差协方差矩阵
Figure BDA00026069322400000220
初始化0时刻系统输入变量
Figure BDA00026069322400000221
和
Figure BDA00026069322400000222
分别为0时刻的α轴控制电压和β轴控制电压，初始化0时刻量测噪声协方差矩阵
Figure BDA00026069322400000223
R0为对角阵，初始化0时刻多重渐消因子矩阵
Figure BDA00026069322400000224
设置过程噪声wk协方差矩阵
Figure BDA00026069322400000225
为定值，设置滤波迭代次数N，令k＝1；
②对状态变量进行预测，根据k-1时刻的输入变量uk-1和k-1时刻的估计状态变量
Figure BDA0002606932240000031
来计算k时刻的预测状态变量
Figure BDA0002606932240000032
Figure BDA0002606932240000033
其中，
Figure BDA0002606932240000034
和
Figure BDA0002606932240000035
分别为k-1时刻的估计α轴控制电流、估计β轴控制电流、估计电机转子转速和估计电机转子位置；
Figure BDA0002606932240000036
和
Figure BDA0002606932240000037
分别为k时刻的预测α轴控制电流、预测β轴控制电流、预测电机转子转速和预测电机转子位置；Ts为系统采样时间，
Figure BDA0002606932240000038
为k-1时刻的估计状态变量
Figure BDA0002606932240000039
对应的系统状态转移矩阵；；
③计算k时刻的新息变量dk：
Figure BDA00026069322400000310
其中，
Figure BDA00026069322400000311
为k时刻的新息变量，k时刻的量测噪声vk＝sqrt(R0)·randn(2,k)，sqrt(R0)为对矩阵R0的每个元素进行开方计算，
Figure BDA00026069322400000312
为正态分布矩阵计算，
Figure BDA00026069322400000313
为k时刻的滤波器的预测观测值；
④计算k时刻的标量渐消因子λk：
Figure BDA00026069322400000314
其中，
Figure BDA00026069322400000315
为k-1时刻的误差协方差矩阵，
Figure BDA00026069322400000316
为k-1时刻的自适应量测噪声协方差矩阵，tr()为矩阵秩的计算，
Figure BDA00026069322400000317
为Jacobi矩阵；
Figure BDA00026069322400000318
⑤计算k时刻标量渐消因子的权重分配系数c(i,i)：
Figure BDA00026069322400000319
其中，p(i,i)为k-1时刻的误差协方差矩阵Pk-1主对角线上的元素，i＝1,2,3,4；
⑥计算k时刻的多重渐消因子矩阵βk：
Figure BDA0002606932240000041
⑦计算k时刻的预测误差协方差矩阵Pk/k-1：
Figure BDA0002606932240000042
其中，
Figure BDA0002606932240000043
为k时刻的预测误差协方差矩阵；
⑧计算k时刻的新息变量dk的协方差矩阵
Figure BDA0002606932240000044
Figure BDA0002606932240000045
其中，
Figure BDA0002606932240000046
为k时刻的新息变量dk的协方差矩阵，E()为方差计算；
⑨计算k时刻的残差变量εk：
Figure BDA0002606932240000047
其中，
Figure BDA0002606932240000048
为k时刻的残差变量；
⑩计算k时刻的残差变量εk的协方差矩阵
Figure BDA0002606932240000049
Figure BDA00026069322400000410
其中，
Figure BDA00026069322400000411
为k时刻的残差变量εk的协方差矩阵；
Figure BDA00026069322400000412
计算k时刻的自适应量测噪声协方差矩阵Rk：
Figure BDA00026069322400000413
其中，
Figure BDA00026069322400000414
为k时刻的自适应量测噪声协方差矩阵；
Figure BDA00026069322400000415
计算k时刻的卡尔曼增益矩阵Kk：
Kk＝Pk/k-1HT[HPk/k-1HT+Rk]-1 (16)
其中，
Figure BDA00026069322400000416
为k时刻的卡尔曼增益矩阵；
Figure BDA00026069322400000424
计算k时刻的误差协方差矩阵Pk：
Pk＝[I-KkH]Pk/k-1 (17)
其中，
Figure BDA00026069322400000417
为k时刻的误差协方差矩阵，
Figure BDA00026069322400000418
为单位矩阵；
Figure BDA00026069322400000419
对预测的状态变量进行校正，计算k时刻的估计状态变量
Figure BDA00026069322400000420
Figure BDA00026069322400000421
其中，k时刻的估计状态变量
Figure BDA00026069322400000422
和
Figure BDA00026069322400000423
分别为k时刻的估计α轴控制电流、估计β轴控制电流、估计电机转子转速和估计电机转子位置；
输出k时刻的估计电机转子转速
Figure BDA0002606932240000051
与估计电机转子位置
Figure BDA0002606932240000052
判断k＞N是否成立，是则结束滤波估计，否则令k＝k+1，转②。
本发明方法的有益效果是：使用自适应渐消扩展卡尔曼滤波算法估计永磁同步电机转子位置与转速，根据滤波过程中观测数据新息和残差的统计特性不断地在线修正量测噪声协方差矩阵Rk，使得矩阵Rk能够自适应调整以提升估计精度；同时根据新息的统计特性引入多重渐消因子矩阵修改预测误差协方差矩阵Pk/k-1，遏制由于自适应矩阵Rk引起滤波增益Kk持续性单调变化，进而达到抑制滤波发散的效果。为永磁同步电机无传感器控制提供了一种方法。
附图说明
图1是永磁同步电机转子转速与位置的自适应渐消扩展卡尔曼滤波估计方法流程图。
图2是本发明在量测噪声为高斯白噪声环境下对永磁同步电机转子位置与转速的估计性能对比图。其中，(a)为转速估计误差对比图，(b)为位置估计误差对比图。
图3是本发明在量测噪声为有色噪声环境下对永磁同步电机转子位置与转速的估计性能对比图。其中，(a)为转速估计误差对比图，(b)为位置估计误差对比图。
图4是永磁同步电机基于转子转速与位置的滤波估计的转速电流双闭环无传感器矢量控制系统的控制框图。
具体实施方式
下面结合附图对本发明的有效性进行验证和说明，采用面装式永磁同步电机数学模型为：
Figure BDA0002606932240000053
其中，iα为α轴控制电流，iβ为β轴控制电流，uα为α轴控制电压，uβ为β轴控制电压，ωe为电机转速，θe为电机转子位置，ψf为电机转子磁通，Ls为定子电感，R为电机定子电阻；采用本发明提出的一种永磁同步电机转子转速与位置的滤波估计方法见附图1，设定永磁同步电机参数见下表。
Figure BDA0002606932240000061
按附图4构建永磁同步电机基于转子转速与位置的滤波估计的转速电流双闭环无传感器矢量控制系统。转速电流双闭环无传感器矢量控制系统由速度环调节器、q轴电流调节器、d轴电流调节器、旋转正交-静止两相变换模块、空间矢量脉宽调制模块、三相逆变器、永磁同步电机、三相旋转-静止两相变换模块、静止两相-旋转正交变换模块和自适应渐消扩展卡尔曼滤波模块组成；
①将电机给定转速Nref与自适应渐消扩展卡尔曼滤波模块输出的电机估计转速
Figure BDA00026069322400000613
的偏差经速度环调节器得到q轴电流给定值
Figure BDA0002606932240000062
②将采集到的定子三相电流ia、ib和ic经三相旋转-静止两相变换模块得到α轴控制电流iα和β轴控制电流iβ，再经静止两相-旋转正交变换模块得到d轴反馈电流id和q轴反馈电流iq；
③将q轴电流给定值
Figure BDA0002606932240000063
与q轴反馈电流iq的偏差经q轴电流调节器得到q轴控制电压
Figure BDA0002606932240000064
将d轴电流给定值
Figure BDA0002606932240000065
与d轴反馈电流id的偏差经d轴电流调节器得到d轴控制电压
Figure BDA0002606932240000066
④将q轴控制电压
Figure BDA0002606932240000067
和d轴控制电压
Figure BDA0002606932240000068
通过旋转正交-静止两相变换模块得到α轴控制电压uα和β轴控制电压uβ；将α轴控制电压uα和β轴控制电压uβ经空间矢量脉宽调制模块生成三相脉宽调制波；再将三相脉宽调制波送入三相逆变器生成电机定子三相电流ia、ib和ic，实现永磁同步电机的驱动；
⑤将电流iα、iβ和电机转子位置θe、转速ωe作为系统状态变量；将α轴控制电压uα和β轴控制电压uβ作为输入变量；经自适应渐消扩展卡尔曼滤波模块得到电机估计转子位置
Figure BDA0002606932240000069
和电机估计转速
Figure BDA00026069322400000610
将
Figure BDA00026069322400000611
反馈至电机转速给定端；将
Figure BDA00026069322400000612
用于旋转正交-静止两相变换模块和静止两相-旋转正交变换模块；
⑥重复以上步骤，实现基于自适应渐消扩展卡尔曼滤波的永磁同步电机转速电流双闭环矢量控制。
将电网波动、定子电阻随温度升高以及模型离散化后的量化误差等不确定性因素都纳入到系统噪声中。初始参数选取为：初始状态变量
Figure BDA0002606932240000071
误差协方差矩阵初始值为P0＝diag[0.1,0.1,0,0]，初始化输入变量u0＝[00]T，多重渐消因子矩阵β0＝I，量测噪声协方差矩阵R0＝diag[0.2,0.2]，过程噪声协方差矩阵Q＝diag[0.1,0.1,3,0.01]。设置滤波迭代次数N＝5×105，给定过程噪声w＝sqrt(Q)·randn(4,N)，给定量测噪声v＝sqrt(R0)·randn(2,N)，给定参考初始转速Nref为500r/min，空载启动，在0.25s突加2N·m的负载，系统采样时间为1μs，仿真时长为0.5s。
验证基于自适应渐消扩展卡尔曼滤波算法对永磁同步电机转子位置与转速的估计性能。首先考虑系统在高斯白噪声环境下的滤波性能，所谓高斯白噪声满足：过程噪声w满足E(w)＝0，量测噪声序列v满足E(v)＝0，量测噪声协方差矩阵Rk采取自适应的方式更新。其次考虑系统在观测噪声为有色噪声环境中的滤波性能，有色噪声满足：
Figure BDA0002606932240000072
其中，Γk是噪声驱动矩阵，Vk是有色噪声序列，Nk为噪声转移矩阵，δk/k-1为高斯白噪声序列，设定噪声驱动矩阵Γk＝diag＝[0.5,2]，两种环境下的对比结果参照附图2和附图3。由图可知，相比于常规卡尔曼滤波算法，本发明提出的基于自适应渐消扩展卡尔曼滤波算法所估计出的电机转速波动更小、精度更高，速度曲线更为平滑，同样的在转子位置估计方面，本发明提出的滤波算法下所估计出转子位置更为精确，误差波动范围更小，抗干扰能力更强。
以上是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均属于发明技术方案的范围内。

Claims (1)

1.一种永磁同步电机转子转速与位置的滤波估计方法，其特征在于，包括以下步骤：
步骤1：以面装式永磁同步电机为被控对象，建立三相永磁同步电机在静止两相坐标系下的状态空间离散数学模型：
Figure FDA0002606932230000011
其中，
Figure FDA0002606932230000012
为k时刻系统状态变量，
Figure FDA0002606932230000013
Figure FDA0002606932230000014
和
Figure FDA0002606932230000015
分别为k时刻的α轴控制电流、β轴控制电流、电机转子转速和电机转子位置；
Figure FDA0002606932230000016
为k时刻系统输出变量，
Figure FDA0002606932230000017
Figure FDA0002606932230000018
为k-1时刻的系统输入变量，
Figure FDA0002606932230000019
Figure FDA00026069322300000110
和
Figure FDA00026069322300000111
分别为k-1时刻的α轴控制电压和β轴控制电压；
Figure FDA00026069322300000112
是k-1时刻的过程噪声，
Figure FDA00026069322300000113
是量测噪声v在k时刻的噪声，wk-1和vk互不相关；
Figure FDA00026069322300000114
为系统输入矩阵，
Figure FDA00026069322300000115
为系统观测矩阵，
Figure FDA00026069322300000116
为k-1时刻的系统状态转移矩阵；
Figure FDA00026069322300000117
Figure FDA00026069322300000118
Figure FDA00026069322300000119
其中，ψf为电机转子磁通，Ls为定子电感，R为电机定子电阻；
步骤2：在式(1)的基础上建立永磁同步电机转子转速与位置的自适应渐消扩展卡尔曼滤波器，估计出k时刻电机估计转速
Figure FDA00026069322300000120
和电机估计转子位置
Figure FDA00026069322300000121
(1)初始化0时刻系统估计状态变量
Figure FDA00026069322300000122
初始化0时刻误差协方差矩阵
Figure FDA00026069322300000123
初始化0时刻系统输入变量
Figure FDA00026069322300000124
Figure FDA00026069322300000125
和
Figure FDA00026069322300000126
分别为0时刻的α轴控制电压和β轴控制电压，初始化0时刻量测噪声协方差矩阵
Figure FDA00026069322300000127
R0为对角阵，初始化0时刻多重渐消因子矩阵
Figure FDA0002606932230000021
设置过程噪声wk协方差矩阵
Figure FDA0002606932230000022
为定值，设置滤波迭代次数N，令k＝1；
(2)对状态变量进行预测，根据k-1时刻的输入变量uk-1和k-1时刻的估计状态变量
Figure FDA0002606932230000023
来计算k时刻的预测状态变量
Figure FDA0002606932230000024
Figure FDA0002606932230000025
其中，
Figure FDA0002606932230000026
Figure FDA0002606932230000027
和
Figure FDA0002606932230000028
分别为k-1时刻的估计α轴控制电流、估计β轴控制电流、估计电机转子转速和估计电机转子位置；
Figure FDA0002606932230000029
Figure FDA00026069322300000210
和
Figure FDA00026069322300000211
分别为k时刻的预测α轴控制电流、预测β轴控制电流、预测电机转子转速和预测电机转子位置；Ts为系统采样时间；
Figure FDA00026069322300000212
为k-1时刻的估计状态变量
Figure FDA00026069322300000213
对应的系统状态转移矩阵；
(3)计算k时刻的新息变量dk：
Figure FDA00026069322300000214
其中，
Figure FDA00026069322300000215
为k时刻的新息变量，k时刻的量测噪声vk＝sqrt(R0)·randn(2,k)，sqrt(R0)为对矩阵R0的每个元素进行开方计算，
Figure FDA00026069322300000216
为正态分布矩阵计算，
Figure FDA00026069322300000217
为k时刻的滤波器的预测观测值；
(4)计算k时刻的标量渐消因子λk：
Figure FDA00026069322300000218
其中，
Figure FDA00026069322300000219
为k-1时刻的误差协方差矩阵，
Figure FDA00026069322300000220
为k-1时刻的自适应量测噪声协方差矩阵，tr()为矩阵秩的计算，
Figure FDA00026069322300000221
为Jacobi矩阵；
Figure FDA00026069322300000222
(5)计算k时刻标量渐消因子的权重分配系数c(i,i)：
Figure FDA00026069322300000223
其中，p(i,i)为k-1时刻的误差协方差矩阵Pk-1主对角线上的元素，i＝1,2,3,4；
(6)计算k时刻的多重渐消因子矩阵βk：
Figure FDA0002606932230000031
(7)计算k时刻的预测误差协方差矩阵Pk/k-1：
Figure FDA0002606932230000032
其中，
Figure FDA0002606932230000033
为k时刻的预测误差协方差矩阵；
(8)计算k时刻的新息变量dk的协方差矩阵
Figure FDA00026069322300000317
Figure FDA0002606932230000034
其中，
Figure FDA0002606932230000035
为k时刻的新息变量dk的协方差矩阵，E()为方差计算；
(9)计算k时刻的残差变量εk：
Figure FDA0002606932230000036
其中，
Figure FDA0002606932230000037
为k时刻的残差变量；
(10)计算k时刻的残差变量εk的协方差矩阵
Figure FDA0002606932230000038
Figure FDA0002606932230000039
其中，
Figure FDA00026069322300000310
为k时刻的残差变量εk的协方差矩阵；
(11)计算k时刻的自适应量测噪声协方差矩阵Rk：
Figure FDA00026069322300000318
其中，
Figure FDA00026069322300000311
为k时刻的自适应量测噪声协方差矩阵；
(12)计算k时刻的卡尔曼增益矩阵Kk：
Kk＝Pk/k-1HT[HPk/k-1HT+Rk]-1 (16)
其中，
Figure FDA00026069322300000312
为k时刻的卡尔曼增益矩阵；
(13)计算k时刻的误差协方差矩阵Pk：
Pk＝[I-KkH]Pk/k-1 (17)
其中，
Figure FDA00026069322300000313
为k时刻的误差协方差矩阵，
Figure FDA00026069322300000314
为单位矩阵；
(14)对预测的状态变量进行校正，计算k时刻的估计状态变量
Figure FDA00026069322300000315
Figure FDA00026069322300000316
其中，k时刻的估计状态变量
Figure FDA0002606932230000041
Figure FDA0002606932230000042
和
Figure FDA0002606932230000043
分别为k时刻的估计α轴控制电流、估计β轴控制电流、估计电机转子转速和估计电机转子位置；
(15)输出k时刻的估计电机转子转速
Figure FDA0002606932230000044
与估计电机转子位置
Figure FDA0002606932230000045
判断k＞N是否成立，是则结束滤波估计，否则令k＝k+1，转步骤(2)。
CN202010741587.7A 2020-07-29 2020-07-29 一种永磁同步电机转子转速与位置的滤波估计方法 Active CN111884555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010741587.7A CN111884555B (zh) 2020-07-29 2020-07-29 一种永磁同步电机转子转速与位置的滤波估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010741587.7A CN111884555B (zh) 2020-07-29 2020-07-29 一种永磁同步电机转子转速与位置的滤波估计方法

Publications (2)

Publication Number Publication Date
CN111884555A CN111884555A (zh) 2020-11-03
CN111884555B true CN111884555B (zh) 2021-11-12

Family

ID=73200969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010741587.7A Active CN111884555B (zh) 2020-07-29 2020-07-29 一种永磁同步电机转子转速与位置的滤波估计方法

Country Status (1)

Country Link
CN (1) CN111884555B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113114076A (zh) * 2021-04-15 2021-07-13 哈尔滨理工大学 一种指数拟合容积卡尔曼滤波的电机转子位置估计方法
CN113315439A (zh) * 2021-06-02 2021-08-27 江苏科技大学 一种船舶推进电机的改进控制方法
CN114722528A (zh) * 2022-03-31 2022-07-08 中国矿业大学 一种基于自适应扩展卡尔曼滤波的感应电机无传感器矢量控制方法
CN116488514B (zh) * 2023-04-26 2023-11-10 江南大学 基于降阶ekf的永磁同步电机无传感器控制方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4115338A1 (de) * 1991-05-10 1992-11-12 Bosch Gmbh Robert Verfahren zum sensorlosen erfassen und/oder regeln einer elektrischen maschine
CN102176653A (zh) * 2011-01-19 2011-09-07 哈尔滨工业大学 带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法
CN102323602A (zh) * 2011-05-30 2012-01-18 哈尔滨工程大学 一种基于自适应二阶卡尔曼滤波器的载波跟踪环路及其滤波方法
CN106130426A (zh) * 2016-07-18 2016-11-16 南京理工大学 基于ekf的无传感器超高速永磁同步电机转速控制方法
CN106487297A (zh) * 2016-11-24 2017-03-08 北京邮电大学 一种基于协方差匹配无迹卡尔曼滤波算法的pmsm参数辨识方法
CN107561503A (zh) * 2017-08-28 2018-01-09 哈尔滨工业大学 一种基于多重渐消因子的自适应目标跟踪滤波方法
CN108282126A (zh) * 2018-02-08 2018-07-13 中国人民解放军海军工程大学 用于双三相直线感应电机的无速度传感器均流控制方法
CN109163720A (zh) * 2018-08-27 2019-01-08 广西科技大学 基于渐消记忆指数加权的卡尔曼滤波跟踪方法
CN110138301A (zh) * 2019-04-29 2019-08-16 江苏大学 一种基于扩展卡尔曼滤器的永磁同步电机无位置控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7276877B2 (en) * 2003-07-10 2007-10-02 Honeywell International Inc. Sensorless control method and apparatus for a motor drive system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4115338A1 (de) * 1991-05-10 1992-11-12 Bosch Gmbh Robert Verfahren zum sensorlosen erfassen und/oder regeln einer elektrischen maschine
CN102176653A (zh) * 2011-01-19 2011-09-07 哈尔滨工业大学 带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法
CN102323602A (zh) * 2011-05-30 2012-01-18 哈尔滨工程大学 一种基于自适应二阶卡尔曼滤波器的载波跟踪环路及其滤波方法
CN106130426A (zh) * 2016-07-18 2016-11-16 南京理工大学 基于ekf的无传感器超高速永磁同步电机转速控制方法
CN106487297A (zh) * 2016-11-24 2017-03-08 北京邮电大学 一种基于协方差匹配无迹卡尔曼滤波算法的pmsm参数辨识方法
CN107561503A (zh) * 2017-08-28 2018-01-09 哈尔滨工业大学 一种基于多重渐消因子的自适应目标跟踪滤波方法
CN108282126A (zh) * 2018-02-08 2018-07-13 中国人民解放军海军工程大学 用于双三相直线感应电机的无速度传感器均流控制方法
CN109163720A (zh) * 2018-08-27 2019-01-08 广西科技大学 基于渐消记忆指数加权的卡尔曼滤波跟踪方法
CN110138301A (zh) * 2019-04-29 2019-08-16 江苏大学 一种基于扩展卡尔曼滤器的永磁同步电机无位置控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FPGA Sensorless PMSM drive with adaptive fading extended kalman filtering;Nguyen K. Quang, et al.;《2014 13th International Conference on Control Automation Robotics & Vision (ICARCV)》;20150323;第295-300页 *
无传感器PMSM中基于IGSO优化EKF的速度估计方法;张相胜，等;《计算机应用研究》;20190430;第36卷(第4期);第1006-1009、1014页 *
永磁同步电动机高性能无传感器控制技术研究;易伯瑜;《中国博士学位论文全文数据库 工程科技II辑》;20141115;第C042-4页 *

Also Published As

Publication number Publication date
CN111884555A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN111884555B (zh) 一种永磁同步电机转子转速与位置的滤波估计方法
Wang et al. FPGA-based continuous control set model predictive current control for PMSM system using multistep error tracking technique
US5834918A (en) Self-tuning tracking controller for permanent-magnet synchronous motors
CN108134549A (zh) 一种提高永磁同步电机转速估计稳定性的方法
Atkinson et al. Estimation of rotor resistance in induction motors
CN102176653A (zh) 带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法
CN111106772A (zh) 一种包含参数跟踪的感应电机状态强跟踪滤波估计方法
Bašić et al. Speed-sensorless vector control of an induction generator including stray load and iron losses and online parameter tuning
CN113517832B (zh) 一种低压伺服离散线性自抗扰控制方法
CN110768600A (zh) 一种pmsm无速度传感器转子检测方法
Dybkowski et al. Application of the stator current-based MRAS speed estimator in the sensorless induction motor drive
Yin et al. A speed estimation method for induction motors based on strong tracking extended Kalman filter
CN116317751B (zh) 感应电机模型预测速度控制方法
CN116805849A (zh) 一种永磁同步电机的连续集模型预测控制方法
CN108155836B (zh) 基于全局在线启发式动态规划永磁同步电机矢量控制方法
Tian et al. Speed-sensorless control of induction motors based on adaptive EKF
CN115313931A (zh) 基于aekf的永磁同步电动机无传感器矢量控制方法
Salvatore et al. Improved rotor speed estimation using two Kalman filter-based algorithms
Wang et al. A high performance permanent magnet synchronous motor servo system using predictive functional control and Kalman filter
Horváth Load Torque and Permanent Magnet Flux Linkage Estimation of Surface-Mounted PMSM by Using Unscented Kalman Filter
Gao et al. The neural network control approach for PMSM based on a high gain observer
CN110995098A (zh) 一种永磁同步电机的反演控制方法
Wójcik et al. Application of iterative learning control for ripple torque compensation in PMSM drive
Liao et al. Speed Model Predictive Control for SPMSM Based on EKF Observer
CN111669093B (zh) 一种基于自适应扩展卡尔曼滤波的电机参数估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20211021

Address after: 257100 No. 13, phase II, Shengli Petroleum Science and Technology Innovation Park, No. 1123, yunmenshan Road, Shengyuan street, Dongying District, Dongying City, Shandong Province

Applicant after: Shandong Yuheng Intelligent Power Technology Co.,Ltd.

Address before: 1800 No. 214122 Jiangsu city of Wuxi Province Li Lake Avenue

Applicant before: Jiangnan University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant