CN112087178A - 一种永磁同步电机的参数识别方法 - Google Patents
一种永磁同步电机的参数识别方法 Download PDFInfo
- Publication number
- CN112087178A CN112087178A CN202010961147.2A CN202010961147A CN112087178A CN 112087178 A CN112087178 A CN 112087178A CN 202010961147 A CN202010961147 A CN 202010961147A CN 112087178 A CN112087178 A CN 112087178A
- Authority
- CN
- China
- Prior art keywords
- permanent magnet
- identification model
- synchronous motor
- algorithm
- magnet synchronous
- 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.)
- Pending
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
-
- 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- 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
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- 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
- H02P21/141—Flux estimation
-
- 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
- H02P21/16—Estimation of constants, e.g. the rotor time constant
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Control Of Electric Motors In General (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种永磁同步电机的参数识别方法,包括步骤:A.使永磁同步电机工作在id=0控制策略下的矢量控制中,在转子转速为0时,根据初始阶段的定子电阻模型,注入d轴电流实现定子电阻的初步辨识,B.在id=0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型;C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型;D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。本发明的方法可以准确识别永磁同步电机的相应参数,减少系统的抖动,提高电流环的稳定性,降低了算法的稳态误差,提高永磁同步电机的调速能力。
Description
技术领域
本发明涉及永磁同步电机的参数识别技术领域,特别涉及一种永磁同步电机的参数识别方法。
背景技术
永磁同步电机具有结构简单、运行可靠、效率高等优点,目前被广泛应用于电动汽车、家用电器和工业控制等领域。在永磁同步电机运行过程中,随负载、温度环境等的变化,定子电阻、电感、转子磁链也会发生变化,对于电机控制系统来说,获取准确的永磁同步电机参数至关重要。永磁同步电机在线参数识别技术可以实时的监测电机参数变化,使得控制系统可以更好的调节电机转速,提高了控制系统对参数变化的鲁棒性,因此受到了研究人员的特别关注。
目前提出的在线参数辨识方法包括递推最小二乘法、卡尔曼滤波算法、模型参考自适应算法和自适应神经网络算法等。在永磁同步电机的电流环采样阶段,电流传感器采样会引入干扰噪声,调理电路中会引入运算放大器及其阻性电路有关的随机噪声,采样过程的控制线路等因素也会引入噪声,影响电流环性能,因此需要对噪声的干扰进行剔除来保证算法的性能从而提高电流环的稳定性。传统的自适应神经网络算法抗干扰能力较差,而M估计自适应算法可以有效剔除较大的误差信号。
发明内容
本发明的目的是克服上述背景技术中不足,提供一种永磁同步电机的参数识别方法,采用一种变步长M估计自适应神经网络算法,并应用到永磁同步电机的识别模型中,可以准确识别永磁同步电机的相应参数,减少了系统的抖动,提高了电流环的稳定性,同时降低了算法的稳态误差,提高了永磁同步电机的调速能力。
为了达到上述的技术效果,本发明采取以下技术方案:
一种永磁同步电机的参数识别方法,包括以下步骤:
A.使永磁同步电机工作在id=0控制策略下的矢量控制中,在转子转速为0时,根据初始阶段的定子电阻模型,注入d轴电流实现定子电阻的初步辨识,其中,id表示定子的d轴电流;
B.在id=0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型;
C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型;
D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。
本发明的永磁同步电机的参数识别方法中,提出了一种变步长M估计自适应神经网络算法,并应用到永磁同步电机的识别模型中,可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小,提高了控制系统对电机参数变化的鲁棒性。
进一步地,所述步骤A包括:
A1.在忽略永磁同步电机的磁饱和与铁损时,建立永磁同步电机在d、q轴同步旋转坐标系下的电压方程:
其中,iq表示定子的q轴电流,ud、uq分别是永磁同步电机在d、q轴上的电压分量,R是定子的电阻,Ls为电机的电感,ω为电角速度,ψm是转子永磁体的磁链;
A2.得出(1)式在考虑逆变器非线性因素时的离散域方程:
其中:
其中,Vdead是逆变器非线性产生的等效补偿电压;k是采样次数;θ是转子的位置,ias、ibs、ics是电机的三相电流,sgn(·)表示符号函数;
A3.在初始阶段转子转速为0,通过对d轴注入电流来初步识别定子电阻值,即当ω=0时,将(2)式转化为:
其中,ud0、uq0、id0、iq0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流;
A4.通过(4)式的变换得(5)式确定定子电阻在初始阶段的阻值,实现对定子电阻的初步辨识:
进一步地,所述步骤B包括:
B1.在id=0的控制策略下,对(2)式进行转换得到:
B2.对(6)式中第一个式子平均后得到电感的辨识模型:
B3.设计永磁体磁链ψm的辨识模型为:
ud(k)Dq(k)-uq(k)Dd(k)=-ω(k)Lsiq(k)Dq(k)-Riq(k)Dd(k)-ω(k)ψmDd(k) (8);
同时,将(8)式进一步作为转速稳定阶段定子电阻R的辨识模型。
进一步地,所述步骤C中使用的自适应神经网络辨识模型的基本算法为LMS算法:
其中,x(k)、y(k)分别表示自适应神经网络辨识模型的输入和输出,d(k)表示期望输出,e(k)表示误差值,w(k)表示权值。
进一步地,所述步骤C包括:
C1.使用变步长算法、M估计对LMS算法进行改进,得到M估计函数ε(e(k))及变步长因子μ(k):
其中,M估计函数ε(e(k))表示为:
其中,tanh(·)为双曲正切函数, λ取值范围为0.800~0.999,A(k)=[e2(k),e2(k-1),e2(k-2)...e2(k-N+1)],N取值范围为5~15,med(·)表示取中间值函数;通常的M估计函数使用符号函数sgn(·)作为分段函数具有不连续性,会使系统产生抖动,本发明采用双曲正切函数tanh(·)来代替符号函数,使M估计函数更加平滑,可以减少系统的抖动;
变步长因子μ(k)表示为:
μ(k+1)=αμ(k)+βe2(k) (11),
其中,0<α<1,β>0;
C2.设置步长更新公式的上界与下界,用μmax表示使得算法收敛的最大步长,μmin表示算法具有跟踪能力的最小步长,得:
C3.根据变步长M估计自适应算法设计转速稳定时电阻的辨识模型、电感的辨识模型、转子磁链辨识模型。
进一步地,所述步骤C3包括:
C3.1.用μ(k)、ε(e(k))取代权值更新函数w(k+1)=w(k)+2μx(k)e(k)中的μ和e(k),得到变步长M估计自适应算法的权值更新函数:
w(k+1)=w(k)+2μ(k+1)x(k)ε(e(k)) (13);
具体在该方法中,用变步长因子和M估计函数重新定义了LMS算法的权值更新公式,变步长因子可以解决辨识结果的收敛速度与稳态误差之间的矛盾关系,在算法开始阶段有大步长,加快算法收敛速度,在将要达到稳定时提供小步长,降低了算法的稳态误差;使用M估计函数可以有效的剔除较大的误差信号,且能够充分利用误差信号中所包含的信息,对噪声的干扰进行剔除,保证算法的性能从而提高电流环的稳定性,而采用双曲正切函数来对M估计函数进行改进,可以使M估计函数更加平滑从而减小了系统的抖动,具有较大的实用价值;
C3.2.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时定子电阻的辨识模型为:
C3.3.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时电感的辨识模型为:
C3.4.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时转子磁链辨识模型为:
C3.5.根据上述三个模型实时计算出定子电阻、电感、转子磁链的大小。
本发明与现有技术相比,具有以下的有益效果:
本发明的永磁同步电机的参数识别方法中,公开了一种变步长M估计自适应神经网络算法,并将其应用到永磁同步电机的识别模型中,可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小,提高了控制系统对电机参数变化的鲁棒性。可以有效地解决背景技术中提到的永磁同步电机在线参数识别问题,显著的提高了永磁同步电机的定子电阻、电感和转子的磁链的辨识过程中的抗干扰能力,提高了永磁同步电机的调速能力。
附图说明
图1是本发明的永磁同步电机的参数识别方法的流程示意图。
图2是本发明的变步长M估计自适应神经网络辨识模型的示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例:
实施例一:
一种永磁同步电机在线参数识别方法,通过构造一种变步长M估计自适应神经网络算法,并应用到永磁同步电机的识别模型中,可以实时的计算出永磁同步电机的定子电阻、电感、转子磁链的大小,从而提高控制系统对电机参数变化的鲁棒性。
如图1所示,本实施例的永磁同步电机在线参数识别方法具体包括以下步骤:
步骤一:使永磁同步电机工作在id=0控制策略下的矢量控制中,在转子转速为0时,根据初始阶段的定子电阻模型,注入d轴电流实现定子电阻的初步辨识,其中,id表示定子的d轴电流。
具体如下:
首先,在忽略永磁同步电机的磁饱和及铁损时,可得其d、q轴同步旋转坐标系下的电压方程为:
其中,iq表示定子的q轴电流,ud、uq分别是永磁同步电机在d、q轴上的电压分量,R是定子的电阻,Ls为电机的电感,ω为电角速度,ψm是转子永磁体的磁链。
然后得出(1)式在考虑逆变器非线性因素时的离散域方程:
其中:
上式中,Vdead是逆变器非线性产生的等效补偿电压;k是采样次数;θ是转子的位置,ias、ibs、ics是电机的三相电流,sgn(·)表示符号函数。
在启动阶段,转子转速为0,对d轴注入电流来初步识别电阻值。即当ω=0时,将(2)式转化为:
其中,ud0、uq0、id0、iq0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流。
接着,对(4)式变换可得:
上式即实现了对定子电阻进行了初步辨识。
步骤二:在id=0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型。
具体包括:
先在id=0的控制策略下得到
对(6)式中第一个式子平均后可得电感的辨识模型:
则可得永磁体磁链ψm的辨识模型为:
ud(k)Dq(k)-uq(k)Dd(k)=-ω(k)Lsiq(k)Dq(k)-Riq(k)Dd(k)-ω(k)ψmDd(k) (8)。
其中初步电阻R、电感Ls已经辨识出来,可得永磁体磁链ψm的辨识模型,得到ψm的辨识结果后,式(8)可进一步作为转速稳定时电阻R的辨识模型。
步骤三:利用变步长M估计自适应神经网络算法设计的电感、转子磁链、电阻的辨识模型,对永磁同步电机的定子电阻、电感和永磁体磁链进行在线辨识。
具体包括先根据改进的自适应神经网络算法设计定子电阻、电感、永磁体磁链辨识模型:
具体的,本实施例中所使用的自适应神经网络模型的基本算法为LMS算法:
其中,x(k)、y(k)表示自适应神经网络辨识模型的输入和输出,d(k)表示期望输出,e(k)表示误差值,w(k)表示权值,其中权值可看作自适应算法中待辨识的参数。在LMS算法的基础上,本实施例中进一步使用了变步长因子和M估计函数来对算法进行改进,所得的变步长M估计自适应神经网络辨识模型如图2所示,其中,使用M估计函数可以有效的剔除较大的误差信号,且能够充分利用误差信号中所包含的信息,对噪声的干扰进行剔除,保证算法的性能从而提高电流环的稳定性:
ε(e(k))为M估计函数,可表示为:
其中,tanh(·)为双曲正切函数, λ取值范围为0.800~0.999,A(k)=[e2(k),e2(k-1),e2(k-2)...e2(k-N+1)],N取值范围为5~15,med(·)表示取中间值函数。
具体的,本实施例中,采用双曲正切函数来对M估计函数进行改进,可以使M估计函数更加平滑从而减小了系统的抖动,具有较大的实用价值。
具体的,变步长因子μ(k)表示为:μ(k+1)=αμ(k)+βe2(k) (11)。
其中,0<α<1,β>0。为了保证算法的稳定性和跟踪性能,本实施例中为步长更新公式设置一个上界与下界,μmax表示能够使得算法收敛的最大步长,μmin表示算法可以具有跟踪能力的最小步长,即:
则用μ(k)、ε(e(k))取代权值更新函数w(k+1)=w(k)+2μx(k)e(k)中的μ和e(k),可得到变步长M估计自适应算法的权值更新函数:
w(k+1)=w(k)+2μ(k+1)x(k)ε(e(k)) (13)。
根据变步长M估计自适应算法,可设计转速稳定时电阻的辨识模型为:
设计电感的辨识模型为:
设计转子磁链辨识模型为:
则根据上述三个模型,可以实时计算出定子电阻、电感、转子磁链的大小。
步骤四:重复步骤二、三,对永磁同步同步电机转速稳定时的定子电阻、电感和永磁体的磁链实时在线更新。
经过实际应用可知,通过本发明的永磁同步电机的参数识别方法,可以有效地解决背景技术中提到的永磁同步电机在线参数识别问题,显著的提高永磁同步电机的定子电阻、电感和转子的磁链的辨识过程中的抗干扰能力,减少了系统的抖动,提高了电流环的稳定性,同时降低了算法的稳态误差,提高了永磁同步电机的调速能力。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (6)
1.一种永磁同步电机的参数识别方法,其特征在于,包括以下步骤:
A.使永磁同步电机工作在id=0控制策略下的矢量控制中,在转子转速为0时,根据初始阶段的定子电阻模型,注入d轴电流实现定子电阻的初步辨识,其中,id表示定子的d轴电流;
B.在id=0控制策略下得到转速稳定阶段的定子电阻、电感及永磁体磁链的辨识模型;
C.根据变步长算法、M估计及自适应神经网络辨识模型的基本算法设计定子电阻、电感、永磁体磁链辨识模型;
D.根据辨识模型实时在线更新定子电阻、电感、永磁体磁链的大小。
2.根据权利要求1所述的一种永磁同步电机的参数识别方法,其特征在于,所述步骤A包括:
A1.在忽略永磁同步电机的磁饱和与铁损时,建立永磁同步电机在d、q轴同步旋转坐标系下的电压方程:
其中,iq表示定子的q轴电流,ud、uq分别是永磁同步电机在d、q轴上的电压分量,R是定子的电阻,Ls为电机的电感,ω为电角速度,ψm是转子永磁体的磁链;
A2.得出(1)式在考虑逆变器非线性因素时的离散域方程:
其中:
其中,Vdead是逆变器非线性产生的等效补偿电压;k是采样次数;θ是转子的位置,ias、ibs、ics是电机的三相电流,sgn(·)表示符号函数;
A3.在初始阶段转子转速为0,通过对d轴注入电流来初步识别定子电阻值,即当ω=0时,将(2)式转化为:
其中,ud0、uq0、id0、iq0分别为静止状态下电机的d轴电压、q轴电压、d轴电流、q轴电流;
A4.通过(4)式的变换得(5)式确定定子电阻在初始阶段的阻值,实现对定子电阻的初步辨识:
5.根据权利要求4所述的一种永磁同步电机的参数识别方法,其特征在于,所述步骤C包括:
C1.使用变步长算法、M估计对LMS算法进行改进,得到M估计函数ε(e(k))及变步长因子μ(k):
其中,M估计函数ε(e(k))表示为:
其中,tanh(·)为双曲正切函数, λ取值范围为0.800~0.999,A(k)=[e2(k),e2(k-1),e2(k-2)...e2(k-N+1)],N取值范围为5~15,med(·)表示取中间值函数;
变步长因子μ(k)表示为:
μ(k+1)=αμ(k)+βe2(k) (11),
其中,0<α<1,β>0;
C2.设置步长更新公式的上界与下界,用μmax表示使得算法收敛的最大步长,μmin表示算法具有跟踪能力的最小步长,得:
C3.根据变步长M估计自适应算法设计转速稳定时电阻的辨识模型、电感的辨识模型、转子磁链辨识模型。
6.根据权利要求5所述的一种永磁同步电机的参数识别方法,其特征在于,所述步骤C3包括:
C3.1.用μ(k)、ε(e(k))取代权值更新函数w(k+1)=w(k)+2μx(k)e(k)中的μ和e(k),得到变步长M估计自适应算法的权值更新函数:
w(k+1)=w(k)+2μ(k+1)x(k)ε(e(k)) (13);
C3.2.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时定子电阻的辨识模型为:
C3.3.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时电感的辨识模型为:
C3.4.根据变步长M估计自适应算法的权值更新函数,设计转速稳定时转子磁链辨识模型为:
C3.5.根据上述三个模型实时计算出定子电阻、电感、转子磁链的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961147.2A CN112087178A (zh) | 2020-09-14 | 2020-09-14 | 一种永磁同步电机的参数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010961147.2A CN112087178A (zh) | 2020-09-14 | 2020-09-14 | 一种永磁同步电机的参数识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112087178A true CN112087178A (zh) | 2020-12-15 |
Family
ID=73737753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010961147.2A Pending CN112087178A (zh) | 2020-09-14 | 2020-09-14 | 一种永磁同步电机的参数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112087178A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112968516A (zh) * | 2021-02-20 | 2021-06-15 | 国网重庆市电力公司电力科学研究院 | 一种基于神经网络的并联ups系统状态反馈控制方法 |
CN113364380A (zh) * | 2021-08-10 | 2021-09-07 | 成都爱旗科技有限公司 | 一种电机参数确定方法及装置 |
CN113992101A (zh) * | 2021-12-28 | 2022-01-28 | 成都爱旗科技有限公司 | 一种基于永磁同步电机矢量控制的电流补偿方法及装置 |
CN114665772A (zh) * | 2022-05-23 | 2022-06-24 | 四川奥库科技有限公司 | 永磁同步电机的控制方法 |
CN115118282A (zh) * | 2022-07-25 | 2022-09-27 | 重庆邮电大学 | 一种基于双曲正切函数的流水线adc变步长lms校准系统 |
CN115566952A (zh) * | 2022-10-27 | 2023-01-03 | 成都哈工驱动科技有限公司 | 一种永磁同步电机定子电磁参数辨识方法 |
CN115118282B (zh) * | 2022-07-25 | 2024-05-24 | 南京模数智芯微电子科技有限公司 | 一种基于双曲正切函数的流水线adc变步长lms校准系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5661813A (en) * | 1994-10-26 | 1997-08-26 | Nippon Telegraph And Telephone Corporation | Method and apparatus for multi-channel acoustic echo cancellation |
US6496534B1 (en) * | 1996-07-12 | 2002-12-17 | Oki Electronic Industry Co., Ltd. | CDMA receiver with weighted interference cancellation |
CN104035332A (zh) * | 2014-05-19 | 2014-09-10 | 孙国华 | 基于m-估计的冲击类噪声有源控制方法 |
CN104683614A (zh) * | 2015-03-24 | 2015-06-03 | 西南交通大学 | 基于m估计的记忆成比例仿射投影自适应回声消除方法 |
CN106531145A (zh) * | 2016-11-30 | 2017-03-22 | 西南交通大学 | 基于m估计器的递归有源噪声控制方法 |
CN108133179A (zh) * | 2017-12-08 | 2018-06-08 | 重庆邮电大学 | 一种用于非线性回声消除的抗冲击核函数自适应滤波算法 |
CN111028856A (zh) * | 2020-01-08 | 2020-04-17 | 西南交通大学 | 一种变步长的回声消除方法 |
CN111313774A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于nlms算法的永磁同步电机参数在线辨识方法 |
CN111313773A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于变步长lms算法的永磁同步电机参数辨识方法 |
CN111342728A (zh) * | 2020-02-25 | 2020-06-26 | 华南理工大学 | 基于变步长nlms算法的永磁同步电机参数辨识方法 |
-
2020
- 2020-09-14 CN CN202010961147.2A patent/CN112087178A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5661813A (en) * | 1994-10-26 | 1997-08-26 | Nippon Telegraph And Telephone Corporation | Method and apparatus for multi-channel acoustic echo cancellation |
US6496534B1 (en) * | 1996-07-12 | 2002-12-17 | Oki Electronic Industry Co., Ltd. | CDMA receiver with weighted interference cancellation |
CN104035332A (zh) * | 2014-05-19 | 2014-09-10 | 孙国华 | 基于m-估计的冲击类噪声有源控制方法 |
CN104683614A (zh) * | 2015-03-24 | 2015-06-03 | 西南交通大学 | 基于m估计的记忆成比例仿射投影自适应回声消除方法 |
CN106531145A (zh) * | 2016-11-30 | 2017-03-22 | 西南交通大学 | 基于m估计器的递归有源噪声控制方法 |
CN108133179A (zh) * | 2017-12-08 | 2018-06-08 | 重庆邮电大学 | 一种用于非线性回声消除的抗冲击核函数自适应滤波算法 |
CN111028856A (zh) * | 2020-01-08 | 2020-04-17 | 西南交通大学 | 一种变步长的回声消除方法 |
CN111313774A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于nlms算法的永磁同步电机参数在线辨识方法 |
CN111313773A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种基于变步长lms算法的永磁同步电机参数辨识方法 |
CN111342728A (zh) * | 2020-02-25 | 2020-06-26 | 华南理工大学 | 基于变步长nlms算法的永磁同步电机参数辨识方法 |
Non-Patent Citations (6)
Title |
---|
LEI LI, ET AL.: "A robust total least mean M-estimate adaptive algorithm for impulsive noise suppression", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS–II: EXPRESS BRIEFS》 * |
Y. ZHOU, ET AL.: "New sequential partial-update least mean M-estimate algorithms for robust adaptive system identification in impulsive noise", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
刘冰: "抗冲击噪声的M估计自适应滤波算法的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
刘贵富,等: "低频振荡模型在线辨识的最小平均M估计自适应滤波算法", 《电网技术》 * |
尹海斌: "《智能制造与机器人理论及技术研究丛书 机器人刚柔耦合动力学》", 31 January 2018 * |
闵亮文,等: "基于M估计的有效成比例仿射投影算法", 《计算机工程与设计》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112968516A (zh) * | 2021-02-20 | 2021-06-15 | 国网重庆市电力公司电力科学研究院 | 一种基于神经网络的并联ups系统状态反馈控制方法 |
CN113364380A (zh) * | 2021-08-10 | 2021-09-07 | 成都爱旗科技有限公司 | 一种电机参数确定方法及装置 |
CN113992101A (zh) * | 2021-12-28 | 2022-01-28 | 成都爱旗科技有限公司 | 一种基于永磁同步电机矢量控制的电流补偿方法及装置 |
CN113992101B (zh) * | 2021-12-28 | 2022-04-05 | 成都爱旗科技有限公司 | 一种基于永磁同步电机矢量控制的电流补偿方法及装置 |
CN114665772A (zh) * | 2022-05-23 | 2022-06-24 | 四川奥库科技有限公司 | 永磁同步电机的控制方法 |
CN115118282A (zh) * | 2022-07-25 | 2022-09-27 | 重庆邮电大学 | 一种基于双曲正切函数的流水线adc变步长lms校准系统 |
CN115118282B (zh) * | 2022-07-25 | 2024-05-24 | 南京模数智芯微电子科技有限公司 | 一种基于双曲正切函数的流水线adc变步长lms校准系统 |
CN115566952A (zh) * | 2022-10-27 | 2023-01-03 | 成都哈工驱动科技有限公司 | 一种永磁同步电机定子电磁参数辨识方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112087178A (zh) | 一种永磁同步电机的参数识别方法 | |
CN110429881B (zh) | 一种永磁同步电机的自抗扰控制方法 | |
CN110764418B (zh) | 基于有限时间收敛扩张状态观测器的自抗扰控制器 | |
CN111600518B (zh) | 基于扩张状态观测器的永磁同步电流控制器的设计方法 | |
CN112422004B (zh) | 一种永磁同步电机弱磁控制模式下的扰动抑制方法 | |
CN111313774A (zh) | 一种基于nlms算法的永磁同步电机参数在线辨识方法 | |
CN112054730B (zh) | 永磁同步电机在线参数辨识方法 | |
CN111342728A (zh) | 基于变步长nlms算法的永磁同步电机参数辨识方法 | |
CN112532133B (zh) | 一种适用于永磁同步电机滤波补偿滑模自抗扰控制方法 | |
CN112039386A (zh) | 一种基于模糊准比例谐振的永磁同步电机转矩脉动抑制方法 | |
CN111313773A (zh) | 一种基于变步长lms算法的永磁同步电机参数辨识方法 | |
Liang et al. | Super-twisting algorithm based sliding mode observer for wide-speed range PMSM sensorless control considering VSI nonlinearity | |
CN113422550B (zh) | 基于复矢量解耦及延时补偿的高速电机低载波比控制方法 | |
CN112701932B (zh) | 一种基于线变关系识别仪的直流母线电压控制方法 | |
CN114944801A (zh) | 一种基于新息自适应扩展卡尔曼的pmsm无位置传感器控制方法 | |
Wang et al. | Fast High-Order Terminal Sliding-Mode Current Controller for Disturbance Compensation and Rapid Convergence in Induction Motor Drives | |
CN113364371A (zh) | 一种无刷直流电机转矩脉动抑制方法 | |
CN110784147A (zh) | 一种基于死区补偿的电机无位置矢量控制系统及电机系统 | |
CN115347841A (zh) | 一种永磁同步电机无差拍预测电流环控制方法 | |
CN113328667B (zh) | 一种改进指数趋近律和比例谐振策略的直线电机动态性能优化方法及系统 | |
CN115622468A (zh) | 基于级联滑模谐振的永磁同步电机电流环控制方法及装置 | |
CN111864796A (zh) | 一种光伏并网逆变器的控制系统及控制方法 | |
CN112803860A (zh) | 基于输出回授滑模控制和抗饱和pi的永磁电机控制方法 | |
Shen et al. | Deadbeat Predictive Current Control of Permanent Magnet Synchronous Motors Based on Disturbance Compensation | |
CN116846271B (zh) | 永磁同步电机无模型快速终端滑模容错控制方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201215 |