CN112350638A - 基于非线性优化的伺服电机参数辨识方法 - Google Patents
基于非线性优化的伺服电机参数辨识方法 Download PDFInfo
- Publication number
- CN112350638A CN112350638A CN202011084255.2A CN202011084255A CN112350638A CN 112350638 A CN112350638 A CN 112350638A CN 202011084255 A CN202011084255 A CN 202011084255A CN 112350638 A CN112350638 A CN 112350638A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- identified
- function
- servo motor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000006073 displacement reaction Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012795 verification Methods 0.000 claims description 6
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 44
- 238000004364 calculation method Methods 0.000 description 6
- 238000013016 damping Methods 0.000 description 4
- 230000004907 flux Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000004832 voltammetry Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明涉及系统设计优化技术领域，公开了一种基于非线性优化的伺服电机参数辨识方法。其中，该方法包括：对伺服电机的输入信号和输出信号进行采集；对输出信号进行处理；对伺服电机的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数进行设定；利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值。
Description
技术领域
本发明涉及系统设计优化技术领域，尤其涉及一种基于非线性优化的伺服电机参数辨识方法。
背景技术
近年来，随着伺服系统智能化、数字化的发展，伺服电机控制技术也逐步向更加智能方向发展，如无位置传感器、多余度协同控制、容错控制等，美、中、俄等国家都在相继从事相关的研究工作。智能化水平的提高对研究对象模型的准确性提出了更高要求，如要求伺服电机参数在因外界环境发生偏差后依旧可以通过辨识算法进行高精确度辨识，即需要依赖精确的对象模型参数，才能充分感知系统状态，提高整个系统的智能化水平。
对于伺服电机而言，获得准确的参数值对于永磁同步电机的故障诊断、状态监测和高性能的控制具有非常重要的意义。获取伺服电机参数的方法有很多，如在电机的说明书中查询，但是很多厂商考虑设计的保密性，仅仅会提供额定电压、额定电流和转速等信息。在实际使用中，使用人员常常选择现场测量方法对电机参数进行测量，这种方法准确度高，实时性强，且不受环境影响，但是转动惯量、阻尼等参数无法进行测量。
常用的参数辨识算法有直流伏安法、卡尔曼滤波、模型自适应法和最小二乘法。直流伏安法通过逆变电路为电机的三相电压施加PWM方波信号，其电压信号是幅值和方向均固定的值，通过电压和电流的比值得到电机的电阻，但是因逆变电路中非线性因素的存在，直流伏安法无法对逆变器影响进行消除，因此辨识结果和真实参数存在误差；卡尔曼滤波法通过构建随机状态分布来模拟空间模型，针对不同的输入与不同的输出进行计算误差的估计。可以较为准确系统的进行计算误差的估计，但是仅限于线性的状态估计,无法解决非线性系统的状态估计，目前也只是在仿真应用中实现；模型自适应算法不断调整模型参数，使得系统输出与期望输出之间的差值不断减小，最终收敛为零。但是对伺服电机参数敏感，微小的参数调整会导致模型不同的系统输出，所以导致算法鲁棒性较差。尤其在电机低速乃至零速情况下，会导致无法检测反电动势；最小二乘法是最主流的一种用于辨识的方法，是其他辨识方法的基础。最小二乘法是一种不断逼近的思想，它的优化目标是测量结果相对于计算结果的平方和，迭代方向是不断减小优化目标的方向。但是最小二乘法存在计算量大、计算复杂、耗费资源以及对多个参数同时辨识时准确度低的问题。
发明内容
本发明的目的在于克服现有技术不足，提供了一种基于非线性优化的伺服电机参数辨识方法，能够解决上述现有技术中的问题。
本发明的技术解决方案：一种基于非线性优化的伺服电机参数辨识方法，其中，该方法包括：
对伺服电机的输入信号和输出信号进行采集；
对输出信号进行处理；
对伺服电机的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数进行设定；
利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值。
优选地，对输出信号进行处理包括：将输出信号中偏差超过预定偏差的输出信号剔除。
优选地，预定的非线性参数辨识算法为列文伯格-马夸尔特算法。
优选地，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优、得到待辨识参数的最优估计值包括：
根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移和最大误差计算待辨识参数的目标函数的近似函数的最优解；
根据近似函数的最优解计算待辨识参数的目标函数的值；
判断目标函数的值是否满足预定要求，如果是，则根据设定的迭代次数对目标函数的值进行迭代得到待辨识参数的最优估计值，否则减小最大可信赖位移，直至根据减小后的最大可信赖位移计算的待辨识参数的目标函数的值满足预定要求。
优选地，根据近似函数的最优解计算待辨识参数的目标函数的值包括：
根据近似函数的最优解计算真实位移；
根据真实位移计算待辨识参数的目标函数的值。
优选地，判断目标函数的值是否满足预定要求包括：
将当前计算的目标函数的值与上一次计算的目标函数的值进行比较；
如果当前计算的目标函数的值与上一次计算的目标函数的值的差值大于预定值，则判断满足预定要求，否则判断不满足预定要求。
优选地，该方法还包括：对得到的待辨识参数的最优估计值进行校验，并根据校验结果判断是否满足使用条件。
优选地，输入信号包括d轴电压和q轴电压，输出信号包括电流和转速。
通过上述技术方案，可以利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值，从而实现伺服电机的参数精确辨识。并且，通过在实际伺服电机中应用，提高了伺服系统的智能化水平并增强了可靠性。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于非线性优化的伺服电机参数辨识方法的流程图。
具体实施方式
下面将结合附图对本发明的具体实施例进行详细说明。在下面的描述中，出于解释而非限制性的目的，阐述了具体细节，以帮助全面地理解本发明。然而，对本领域技术人员来说显而易见的是，也可以在脱离了这些具体细节的其它实施例中实践本发明。
在此需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的设备结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
图1为本发明实施例提供的一种基于非线性优化的伺服电机参数辨识方法的流程图。
如图1所示，本发明实施例提供了一种基于非线性优化的伺服电机参数辨识方法，其中，该方法包括：
S100，对伺服电机的输入信号和输出信号进行采集；
S102，对输出信号进行处理；
S104，对伺服电机的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数进行设定；
S106，利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值。
也就是，在以最大可信赖位移为半径的区域内对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值。
通过上述技术方案，可以利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值，从而实现伺服电机的参数精确辨识。并且，通过在实际伺服电机中应用，提高了伺服系统的智能化水平并增强了可靠性。
根据本发明一种实施例，对输出信号进行处理包括：将输出信号中偏差超过预定偏差的输出信号剔除。
由此，可以提高辨识的可靠性和精度。
根据本发明一种实施例，预定的非线性参数辨识算法为列文伯格-马夸尔特算法。
在本发明中，利用列文伯格-马夸尔特算法根据梯度求最值，确定好待估参数向量的邻域后，利用模型函数对待估参数向量做线性近似，并将二阶以上导数项忽略掉，从而将非线性参数估计转化为线性最小二乘参数估计问题。列文伯格-马夸尔特算法本身属于信赖域法，具有收敛速度快的特点。
根据本发明一种实施例，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优、得到待辨识参数的最优估计值包括：
根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移和最大误差计算待辨识参数的目标函数的近似函数的最优解；
根据近似函数的最优解计算待辨识参数的目标函数的值(即，待辨识参数的估计值)；
判断目标函数的值是否满足预定要求，如果是，则根据设定的迭代次数对目标函数的值进行迭代得到待辨识参数的最优估计值，否则减小最大可信赖位移，直至根据减小后的最大可信赖位移计算的待辨识参数的目标函数的值满足预定要求。
也就是，如果所计算的待辨识参数的目标函数的值不满足预定要求，则对最大可信赖位移进行调整，直至满足预定要求。
根据本发明一种实施例，根据近似函数的最优解计算待辨识参数的目标函数的值包括：
根据近似函数的最优解计算真实位移；
根据真实位移计算待辨识参数的目标函数的值。
根据本发明一种实施例，判断目标函数的值是否满足预定要求包括：
将当前计算的目标函数的值与上一次计算的目标函数的值进行比较；
如果当前计算的目标函数的值与上一次计算的目标函数的值的差值大于预定值，则判断满足预定要求，否则判断不满足预定要求。
也就是，每步迭代目标函数的值是下降的。
举例来讲，在当前计算的目标函数的值为首次计算的值时，则与初始值进行比较。
根据本发明一种实施例，该方法还包括：对得到的待辨识参数的最优估计值进行校验，并根据校验结果判断是否满足使用条件。
举例来讲，如果校验结果为吻合度匹配，则判断满足使用条件。
根据本发明一种实施例，输入信号包括d轴电压和q轴电压，输出信号包括电流和转速。
下面结合实例对本发明所述的基于非线性优化的伺服电机参数辨识方法进行描述。
以伺服电机为例，待辨识参数可以包括电阻R、电感L、转动惯量J、磁链Ψf和阻尼B。各个待辨识参数的初始值分别设定为Rk，Lk，Jk、Ψfk和Bk。由此，可以在待辨识参数的初始值的基础上去寻找更加准确的值，以电阻R为例，设定待辨识参数的估计值在距离初值Rk为ΔR的位置，待辨识参数的目标函数如下所示：
其中，
是雅克比矩阵在Rk处的值。雅克比矩阵如下所示：
假设Rk+1＝Rk+ΔR，目的是找到待辨识参数的真实值Y和待辨识参数的估计值f(Rk+1)之间最小的误差值：
设ek＝Y-f(RK)，则：
为了使上式达到最小，设：
根据雅克比矩阵计算
并构造增量正规化方程：
其中λk是增量，由此可以得到Rk+1与Rk之间的迭代关系为：
由此，通过上述关系进行迭代即可得出最终的辨识结果(待辨识参数的最优估计值)。
下面利用本发明所述的基于非线性优化的伺服电机参数辨识方法对变桨距永磁同步电机进行参数辨识分析。
变桨距永磁同步电机额定电压30V，电机电阻5.2Ω，电感4.5mH，磁链、转动惯量和阻尼等理论值均为厂家提供，分别是0.02333V.s、1e-5kg.m^2、0.00003N.m。对电流和转速信息进行采集，并设定电机初值、名称和单位信息，设定辨识的阶数为3阶。利用本发明所述的方法进行辨识得到5个设定参数的辨识结果分别为电阻5.182Ω、电感4.42mH、磁链0.02334V.s、转动惯量1.02e-5kg.m^2、阻尼0.000028N.m，id、iq和转速we的拟合度分别为98.83％、97.42％和99.99％。
从上述拟合结果曲线可以看出，参数结果与厂家给定参数的拟合度均在90％以上，且电流和转速曲线的拟合度亦均在95％以上，由此证明基于非线性优化的伺服电机参数辨识方法可以准确的对曲线进行准确拟合，并得到精准的参数结果。
下面对辨识出的参数进行校验。应用现有参数结果进行与理论模型参数得到的转速在不同工况下进行误差对比分析。分别给定q轴电压输入分别为0.1v、0.5v，d轴电压为0，以及q轴0.3v，d轴0.1v，负载为0.1Nm，对比转速误差曲线进行算法准确度校验。通过校验发现，不同工况下转速误差均在10转以内，再次证明了算法的有效性。
如上针对一种实施例描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施例中使用，和/或与其它实施例中的特征相结合或替代其它实施例中的特征使用。
应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤、组件或其组合的存在或附加。
本发明以上的方法可以由硬件实现，也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序，当该程序被逻辑部件所执行时，能够使该逻辑部件实现上文所述的装置或构成部件，或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质，如硬盘、磁盘、光盘、DVD、flash存储器等。
这些实施例的许多特征和优点根据该详细描述是清楚的，因此所附权利要求旨在覆盖这些实施例的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施例限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。
本发明未详细说明部分为本领域技术人员公知技术。
Claims (8)
1.一种基于非线性优化的伺服电机参数辨识方法，其特征在于，该方法包括：对伺服电机的输入信号和输出信号进行采集；
对输出信号进行处理；
对伺服电机的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数进行设定；
利用预定的非线性参数辨识算法，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优，得到待辨识参数的最优估计值。
2.根据权利要求1所述的方法，其特征在于，对输出信号进行处理包括：将输出信号中偏差超过预定偏差的输出信号剔除。
3.根据权利要求2所述的方法，其特征在于，预定的非线性参数辨识算法为列文伯格-马夸尔特算法。
4.根据权利要求3所述的方法，其特征在于，根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移、最大误差和迭代次数对待辨识参数的目标函数进行寻优、得到待辨识参数的最优估计值包括：
根据采集的输入信号、处理后的输出信号以及设定的待辨识参数的初始值、最大可信赖位移和最大误差计算待辨识参数的目标函数的近似函数的最优解；
根据近似函数的最优解计算待辨识参数的目标函数的值；
判断目标函数的值是否满足预定要求，如果是，则根据设定的迭代次数对目标函数的值进行迭代得到待辨识参数的最优估计值，否则减小最大可信赖位移，直至根据减小后的最大可信赖位移计算的待辨识参数的目标函数的值满足预定要求。
5.根据权利要求4所述的方法，其特征在于，根据近似函数的最优解计算待辨识参数的目标函数的值包括：
根据近似函数的最优解计算真实位移；
根据真实位移计算待辨识参数的目标函数的值。
6.根据权利要求4所述的方法，其特征在于，判断目标函数的值是否满足预定要求包括：
将当前计算的目标函数的值与上一次计算的目标函数的值进行比较；
如果当前计算的目标函数的值与上一次计算的目标函数的值的差值大于预定值，则判断满足预定要求，否则判断不满足预定要求。
7.根据权利要求1-6中任一项所述的方法，其特征在于，该方法还包括：对得到的待辨识参数的最优估计值进行校验，并根据校验结果判断是否满足使用条件。
8.根据权利要求1-6中任一项所述的方法，其特征在于，输入信号包括d轴电压和q轴电压，输出信号包括电流和转速。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011084255.2A CN112350638A (zh) | 2020-10-12 | 2020-10-12 | 基于非线性优化的伺服电机参数辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011084255.2A CN112350638A (zh) | 2020-10-12 | 2020-10-12 | 基于非线性优化的伺服电机参数辨识方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112350638A true CN112350638A (zh) | 2021-02-09 |
Family
ID=74361684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011084255.2A Pending CN112350638A (zh) | 2020-10-12 | 2020-10-12 | 基于非线性优化的伺服电机参数辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112350638A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009183062A (ja) * | 2008-01-30 | 2009-08-13 | Jtekt Corp | モータ制御装置 |
| CN103713516A (zh) * | 2013-12-17 | 2014-04-09 | 华中科技大学 | 一种基于pdff的交流伺服驱动器控制参数自整定方法 |
| CN109194225A (zh) * | 2018-09-30 | 2019-01-11 | 江南大学 | 一种双馈电机参数在线辨识方法 |
| CN110535392A (zh) * | 2019-09-09 | 2019-12-03 | 佛山科学技术学院 | 一种基于lm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
- 2020-10-12 CN CN202011084255.2A patent/CN112350638A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009183062A (ja) * | 2008-01-30 | 2009-08-13 | Jtekt Corp | モータ制御装置 |
| CN103713516A (zh) * | 2013-12-17 | 2014-04-09 | 华中科技大学 | 一种基于pdff的交流伺服驱动器控制参数自整定方法 |
| CN109194225A (zh) * | 2018-09-30 | 2019-01-11 | 江南大学 | 一种双馈电机参数在线辨识方法 |
| CN110535392A (zh) * | 2019-09-09 | 2019-12-03 | 佛山科学技术学院 | 一种基于lm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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109586645B (zh) | 一种永磁同步电机惯量识别方法及设备 | |
| CN110649852B (zh) | 一种采用滑模估计的永磁同步电机鲁棒容错控制方法 | |
| CN103684183B (zh) | 异步电机转速估计方法 | |
| EP1630635A2 (en) | Method and apparatus for improved fault detection in power generation equipment | |
| CN110557075A (zh) | 电机转矩的确定方法及装置、电机控制系统 | |
| CN110907835A (zh) | 一种具有噪声免疫特性的电池模型参数辨识与soc估计方法 | |
| CN108776274B (zh) | 一种基于自适应滤波的风电变流器故障诊断 | |
| CN114070146B (zh) | 一种故障检测方法、装置、设备及存储介质 | |
| CN102045020A (zh) | 永磁电机转子位置检测方法 | |
| CN112350638A (zh) | 基于非线性优化的伺服电机参数辨识方法 | |
| CN112398407B (zh) | 一种转子的最优转矩补偿角度的确定方法及装置 | |
| US11283380B2 (en) | Method and device for determining the rotational speed and the angle of rotation of a motor shaft of a mechanically commutated DC motor | |
| CN110518855B (zh) | 采用自适应与直馈补偿对永磁同步电机角速度控制的方法 | |
| CN107248831A (zh) | 永磁同步电机定子磁链观测方法、磁链观测器及存储介质 | |
| CN112009252A (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
| CN111983508A (zh) | T-type三相四线整流器故障实时检测与定位方法、系统 | |
| WO2022239188A1 (ja) | 蓄電池診断装置および蓄電池システム | |
| CN115313931A (zh) | 基于aekf的永磁同步电动机无传感器矢量控制方法 | |
| US11283391B2 (en) | Detection of current measurement gain errors in synchronous motor drives | |
| CN113009333A (zh) | 一种感应电机转子气隙偏心检测方法及装置 | |
| CN117674659A (zh) | 基于电压模型无传感器控制系统定子电阻敏感性分析方法 | |
| CN113824377B (zh) | 飞轮永磁转子的位置确定方法、装置及电子设备 | |
| CN113325709B (zh) | 转台变负载情况下的自适应控制方法 | |
| CN107294456A (zh) | 永磁同步电机定子磁链观测方法、磁链观测器及存储介质 | |
| CN109905064B (zh) | 一种电机电角度确定方法、装置及设备 |
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 |
Application publication date: 20210209 |
|
| RJ01 | Rejection of invention patent application after publication |