CN113258836A - 基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 - Google Patents
基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 Download PDFInfo
- Publication number
- CN113258836A CN113258836A CN202110433618.7A CN202110433618A CN113258836A CN 113258836 A CN113258836 A CN 113258836A CN 202110433618 A CN202110433618 A CN 202110433618A CN 113258836 A CN113258836 A CN 113258836A
- Authority
- CN
- China
- Prior art keywords
- phase change
- motor
- time
- electromotive force
- commutation
- 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.)
- Granted
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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/14—Electronic commutators
- H02P6/15—Controlling commutation time
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本发明公开了一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,包括:利用端电压法确定直流电机换相时刻的范围;利用线反电动势法推导出下一次换相的时刻;当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻。本发明利用端电压法推导出一个换相时刻的范围,用于对线反电动势法的推导的换相时刻结果进行范围限定;采用基于卡尔曼滤波法,根据历史电流、历史换相间隔变化等参数推导理想的换相时刻,在线反电动势法与端电压法两算法结果冲突时,保证电机正常运行。
Description
技术领域
本发明涉及车辆发动机散热风扇直流无刷电机控制技术领域,尤其涉及一种基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
永磁无刷直流电机具有低噪声、低电磁干扰,高效率、高转矩密度等优势,因此,常选择永磁无刷直流电机作为车辆发动机散热风扇的驱动电机。传统的永磁无刷直流电机一般采用霍尔磁敏式、电磁式或光电式等位置传感器进行检测。但位置传感器又增大了电机的体积和成本,不能适应高温、高湿等恶劣的工作环境;又由于传感器连线较多,容易受到外界信号的干扰,降低了电机运行的可靠性;此外,传感器的安装精度也会影响到电机的运行性能。因此,取消位置传感器,采用电机端容易获得的定子端电压、反电动势、电流以及电机参数等信息来间接获得转子位置信号,从而实现无刷直流电机的无位置传感器控制具有重要的现实意义和应用前景。
永磁无刷直流电机的无位置传感器控制理论包括多种转子位置检测理论和实现方法,本质是通过检测电机运行过程中的电压、电流、反电动势等物理量及在线检测电机参数来对电机相关信息进行辨识,并通过辨识结果指导电机控制。具体方法主要包括反电动势法、续流二极管法、电感法、磁链观测法、状态观测器法以及其它一些特殊的方法。反电动势法是目前技术最成熟、应用最为广泛的一种转子位置检测方法。这种方法是建立在忽略电机电枢反应的前提下,通过检测不导通相的反电动势过零点,再延迟30°电角度来依次得到转子的六个关键位置信号。
无刷直流电机的反电动势一般难于直接测量,因此通常采用间接方法来获得反电动势过零信号。传统反电动势检测方法中,一般需要通过构建直流母线电压或星形连接的三组电阻重构电机中点,并对相应信号进行硬件处理,用以获得能直接进行比较的参考信号,其中构建的虚拟中点与电机真实中点电位并不总是相等,而硬件处理通常会对信号引入相位延迟的同时增加控制系统的复杂性。
另外传统算法在推导过零点后,需要基于过零点继续推导延迟30°或90°电角度的换相点,这个延迟的算法也会引入误差。
发明内容
为了解决上述问题,本发明提出了一种基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统,采用端电压法推导得到换相时刻范围,用于对线反电动势法的推导结果进行范围限定;采用基于卡尔曼滤波法,在保证母线电压、环境温度等参数不发生明显变化时,根据历史电流、历史换相间隔变化等参数推导理想的换相时刻,以在线反电动势法与端电压法两算法结果冲突时,保证电机正常运行。
在一些实施方式中,采用如下技术方案:
一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,包括:
利用端电压法确定直流电机换相时刻的范围;
利用线反电动势法推导出下一次换相的时刻;
当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻。
进一步地,利用端电压法确定直流电机换相时刻的范围,具体过程包括:在直流电机两相同时导通或同时关闭时,通过悬空相电压判断悬空相反电动势,当判断到悬空相反电动势过零点且不是干扰后,对过零点时刻进行设定电角度的延时,得到根据端电压法推导的换相范围。
进一步地,利用线反电动势法推导出下一次换相的时刻,具体包括:
各线反电动势的过零点直接对应电机换相点,电机正传时,三相线反电动势的表达式简化为:
其中,R为三相对称下各相的线圈电阻,ia、ib、ic分别为各相相电流,eab、ebc、eca分别是三相线反电动势,uab、ubc、uca分别是基于电机三相绕组的端电压计算得到的运算结果;
在直流电机导通的两相对应的开关管同时打开或关闭时,将三相线反电动势的过零近似时刻,作为下一次换相的时刻。
进一步地,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,具体包括:
基于第k-1次电机运行历史数据推导出用于预测第k次电气角速度的最优参数值;
基于所述最优参数值对第k次电气角速度进行预测;
通过不断迭代,输出最终的电气角速度预测值;
基于所述电气角速度预测值计算换向所需时间;
基于上次换相时刻与换向所需时间计算得到理想的换相时刻。
进一步地,基于第k-1次电机运行历史数据推导出用于预测第k次电气角速度的最优参数值,具体包括:
其中,Kk为卡尔曼增益,为第k次的误差协方差矩阵先验最优估计值,Pk为第k次的误差协方差矩阵后验最优估计值;为预测的第k次电气角速度,R为测量噪声的协方差矩阵,H为忽略测量噪声的当前先验状态得到的无噪声电气角速度对应的测量值与的转换矩阵,具体表示为
进一步地,基于所述最优参数值对第k次电气角速度进行预测,具体包括:
其中,A、B为参数,为预测的第k次电气角速度,A、B均为系数,wk-1为第k-1次的电气角速度,dk为第k次平均占空比;为误差的协方差矩阵先验最优估计值,Q为过程噪声的协方差矩阵,Pk-1第k-1次的误差协方差矩阵后验最优估计值。
进一步地,基于所述电气角速度预测值计算换向所需时间,具体包括:
将电机换相行程除以电气角速度预测值,得到换向所需时间,将换相所需时间与上次换相时刻相加,得到本次的换相时刻。
在另一些实施方式中,采用如下技术方案:
一种基于卡尔曼滤波估计的车用散热风扇电机控制系统,包括:
用于利用端电压法确定直流电机换相时刻的范围的模块;
用于利用线反电动势法推导出下一次换相的时刻的模块;
用于当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻的模块。
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的基于卡尔曼滤波估计的车用散热风扇电机控制方法。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的基于卡尔曼滤波估计的车用散热风扇电机控制方法。
与现有技术相比,本发明的有益效果是:
本发明利用端电压法推导出一个换相时刻的范围,用于对线反电动势法的推导的换相时刻结果进行范围限定;同时,采用基于卡尔曼滤波法,结合风扇特有的螺旋桨特性,在保证母线电压、环境温度等参数不发生明显变化时,根据历史电流、历史换相间隔变化等参数推导理想的换相时刻,在线反电动势法与端电压法两算法结果冲突时,保证电机正常运行。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。
附图说明
图1是直流无刷电机反电动势与转子位置关系示意图;
图2是直流无刷电机线反电动势与转子位置关系示意图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在风扇系统的使用中,由于负载突变及周围电磁环境等干扰的存在,仅利用线反电动势法及端电压法配合下,不能完全保证能获得可用的换向时刻结果;基于此,根据本发明实施例,公开了一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,利用历史电流、历史换相间隔变化等参数推导理想换相时刻的方法,保证电机正常运行;具体包括以下步骤:
(1)利用端电压法确定直流电机换相时刻的范围;
(2)利用线反电动势法推导出下一次换相的时刻;
(3)当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻。
具体地,线反电动势法及端电压法的实现过程如下:
以反电动势波形为120°平顶宽度、定子绕组星型连接的梯形波无刷直流电机为例,说明端电压法及线反电动势法的原理。对应的反电动势波形与转子位置关系如图1所示,Z1-Z6分别为一个电周期内三相反电动势的六个过零点,再分别延迟30°电角度得到的S1-S6时刻即为六个换相点,在各点处根据具体控制方法使开关管依次导通,驱动电机正常运行。
电机三相绕组的端电压方程如下:
式中,ux为相对于地的各相端电压(V),uN为电机中点电压,LMx为定子绕组各相的等效电感(H),具体值为该相自感与互感的差,ix为各相相电流(A),ex为各相反电动势(V),Rx为各相电阻(Ω)。
当a相与母线正端相连(母线正端Vdc),b相与母线负端相连(母线负端0),c相悬空,且无电流续流时,ia+ib=0,忽略开关管及各二极管压降,认为该电机三相完全对称,(1)式可转换为:
则有2uN=Vdc-(ea+eb)及uc=ec+uN,在只考虑基波,忽略谐波干扰时,根据电机三相平衡性有ea+eb+ec=0,
则有:
同理,当a相、b相均与母线负端相连时,有:
综上所述,在电机两相同时导通或同时关闭时,可以通过悬空相电压来判断悬空相反电动势,当判断到悬空相反电动势过零点且不是干扰后,对过零点时刻进行25°及35°电角度延时,得到根据端电压法推导的换相范围。
对(1)式各项两两相减,假设电机三相完全对称性则有
令三相线反电动势的表达式为:
则有:
根据可画出直流无刷电机线反电动势与转子位置关系示意图,参见图2。
可以看出,各线反电动势的过零点直接对应电机换相点,根据悬空相在测量过程中电流基本为0,且在换相前,各电流基本趋于稳定,在电机正转时式(7)可简化为:
因电机驱动的是冷却风扇,可不考虑电机反转的状态,通过在运行过程中以较小步长,在导通两相对应的开关管同时打开或关闭时,监测(8)式中各值的过零近似时刻,作为下一次换相的时刻,结合端电压法推导的换相范围进行判断,获得较理想的下一次换相时刻。
当线反电动势法换相点判断结果不属于端反电动势法推导范围时,认为信号有干扰。此时,在保证母线电压、环境温度等参数不发生明显变化的前提下,利用历史电流、历史换相间隔变化等参数推导理想换相时刻。
本实施例中,基于卡尔曼滤波算法的换相点预测过程如下:
基于第k-1次电机运行历史数据推导出用于预测第k次电气角速度的最优参数值;
基于所述最优参数值对第k次电气角速度进行预测;
通过不断迭代,输出最终的电气角速度预测值;
基于所述电气角速度预测值计算换向所需时间;
基于上次换相时刻与换向所需时间计算得到理想的换相时刻。
具体地,电机的机械运动方程为:
其中:Te为电磁转矩,可用转矩系数与平均电流的乘积表示,而相电流与控制系统开关管占空比相关;TL为负载转矩,电机负载主要是冷却风扇,根据螺旋桨特性,电机风扇阻力与转速的二次方成正比;f为摩擦系数,由于在正常风扇旋转过程中,电机阻力远小于风扇阻力,这里忽略;J为转动惯量,w为电气角速度。
则(9)式可转换为:
其中转动惯量J折合进系数A,B中,d为当前换相间的平均占空比。具体到第k次推导,(10)式可转换为:
其中dk、wk为第k次平均占空比及电气角速度,wk-1为第k-1次电气角速度。(11)式两边同除以wk,整理得:
式中Q为过程噪声的协方差矩阵。
卡尔曼增益Kk为:
包含噪声的电气角速度后验估计值wk为:
其中,zk为wk对应的测量值,对应误差的协方差矩阵后验最优估计值Pk为:
利用公式(14)-(16)组成测量验证方程组,用于基于实际采集到的历史换相数据,计算相应的参数A、B、H等参数的值;将计算得到的参数值带入预测方程组,进行电气角速度的预测。如此通过不断迭代,最终预测得到最为准确的第k次电气角速度
本实施例中,利用最近已完成6次换相数据计算相应值A、B、H等参数,用于下次预测计算。选择电机第一次加速至500rpm作为迭代起始点,即w0=500,并设置合适的非零P0,通过迭代实时推算作为理想换相时刻的电气角速度预测值。
基于得到的电气角速度预测值,将电机换相行程(电机电角度60°)除以电气角速度预测值,得到换向所需时间,将换相所需时间与上次换相时刻相加,得到本次的换相时刻,作为理想的换相时刻。
本实施例通过卡尔曼滤波估计方法求得理想的换相时刻,该方法更适用于角加速度突变的情况下,相比于采用最小二乘估算法进行计算,计算结果更加准确,计算复杂度更低。
实施例二
根据本发明的实施例,公开了一种基于卡尔曼滤波估计的车用散热风扇电机控制系统,包括:
用于利用端电压法确定直流电机换相时刻的范围的模块;
用于利用线反电动势法推导出下一次换相的时刻的模块;
用于当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻的模块。
需要说明的是,上述各模块的具体实现方法已经在实施例一中进行了说明,此处不再赘述。
实施例三
在一个或多个实施方式中,公开了一种终端设备,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一中的基于卡尔曼滤波估计的车用散热风扇电机控制方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的基于卡尔曼滤波估计的车用散热风扇电机控制方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
实施例四
在一个或多个实施方式中,公开了一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行实施例一中所述的基于卡尔曼滤波估计的车用散热风扇电机控制方法。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,其特征在于,包括:
利用端电压法确定直流电机换相时刻的范围;
利用线反电动势法推导出下一次换相的时刻;
当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻。
2.如权利要求1所述的一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,其特征在于,利用端电压法确定直流电机换相时刻的范围,具体过程包括:在直流电机两相同时导通或同时关闭时,通过悬空相电压判断悬空相反电动势,当判断到悬空相反电动势过零点且不是干扰后,对过零点时刻进行设定电角度的延时,得到根据端电压法推导的换相范围。
4.如权利要求1所述的一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,其特征在于,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,具体包括:
基于第k-1次电机运行历史数据推导出用于预测第k次电气角速度的最优参数值;
基于所述最优参数值对第k次电气角速度进行预测;
通过不断迭代,输出最终的电气角速度预测值;
基于所述电气角速度预测值计算换向所需时间;
基于上次换相时刻与换向所需时间计算得到理想的换相时刻。
7.如权利要求4所述的一种基于卡尔曼滤波估计的车用散热风扇电机控制方法,其特征在于,基于所述电气角速度预测值计算换向所需时间,具体包括:
将电机换相行程除以电气角速度预测值,得到换向所需时间,将换相所需时间与上次换相时刻相加,得到本次的换相时刻。
8.一种基于卡尔曼滤波估计的车用散热风扇电机控制系统,其特征在于,包括:
用于利用端电压法确定直流电机换相时刻的范围的模块;
用于利用线反电动势法推导出下一次换相的时刻的模块;
用于当线反电动势法推导出的换相时刻不属于端电压法确定的直流电机换相时刻范围时,基于卡尔曼滤波估计方法,利用历史电流、历史换相间隔变化参数推导出理想的换相时刻,作为直流电机下一次的换相时刻的模块。
9.一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于卡尔曼滤波估计的车用散热风扇电机控制方法。
10.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于卡尔曼滤波估计的车用散热风扇电机控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433618.7A CN113258836B (zh) | 2021-04-20 | 2021-04-20 | 基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433618.7A CN113258836B (zh) | 2021-04-20 | 2021-04-20 | 基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113258836A true CN113258836A (zh) | 2021-08-13 |
CN113258836B CN113258836B (zh) | 2022-09-09 |
Family
ID=77221240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433618.7A Active CN113258836B (zh) | 2021-04-20 | 2021-04-20 | 基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113258836B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61232913A (ja) * | 1985-04-05 | 1986-10-17 | Nippon Denso Co Ltd | 自動車用空気調和装置 |
US20020050800A1 (en) * | 2000-07-19 | 2002-05-02 | Shinichi Miyazaki | Sensorless motor driving apparatus |
US20040263113A1 (en) * | 2003-06-27 | 2004-12-30 | Samsung Electronics Co., Ltd. | Apparatus for driving brushless motor and method of controlling the motor |
US20180115263A1 (en) * | 2016-10-20 | 2018-04-26 | Texas Instruments Incorporated | Converged motor drive control for brushless dc motor |
CN108809161A (zh) * | 2017-04-28 | 2018-11-13 | 深圳市顺溜科技有限公司 | 一种基于bldc的无位置传感器低速控制方法 |
CN110829904A (zh) * | 2019-11-13 | 2020-02-21 | 大连交通大学 | 一种基于灰狼优化的无刷直流电机控制器的参数优化方法 |
DE102019211800A1 (de) * | 2019-08-06 | 2021-02-11 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zum Ermitteln der Drehzahl und des Drehwinkels einer Motorwelle eines mechanisch kommutierten Gleichstrommotors |
-
2021
- 2021-04-20 CN CN202110433618.7A patent/CN113258836B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61232913A (ja) * | 1985-04-05 | 1986-10-17 | Nippon Denso Co Ltd | 自動車用空気調和装置 |
US20020050800A1 (en) * | 2000-07-19 | 2002-05-02 | Shinichi Miyazaki | Sensorless motor driving apparatus |
US20040263113A1 (en) * | 2003-06-27 | 2004-12-30 | Samsung Electronics Co., Ltd. | Apparatus for driving brushless motor and method of controlling the motor |
US20180115263A1 (en) * | 2016-10-20 | 2018-04-26 | Texas Instruments Incorporated | Converged motor drive control for brushless dc motor |
CN108809161A (zh) * | 2017-04-28 | 2018-11-13 | 深圳市顺溜科技有限公司 | 一种基于bldc的无位置传感器低速控制方法 |
DE102019211800A1 (de) * | 2019-08-06 | 2021-02-11 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zum Ermitteln der Drehzahl und des Drehwinkels einer Motorwelle eines mechanisch kommutierten Gleichstrommotors |
CN110829904A (zh) * | 2019-11-13 | 2020-02-21 | 大连交通大学 | 一种基于灰狼优化的无刷直流电机控制器的参数优化方法 |
Non-Patent Citations (4)
Title |
---|
WEI CHEN等: "Sensorless Control of Brushless DC Motor Based on Fuzzy Logic", 《2006 6TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION》 * |
张相胜等: "无传感器PMSM中基于I GSO优化EKF的速度估计方法", 《计算机应用研究》 * |
温嘉斌等: "基于线反电动势检测的无刷直流电机无位置传感器控制系统仿真新方法", 《黑龙江大学自然科学学报》 * |
董富红等: "永磁无刷直流电机无位置传感器估计方法综述", 《微电机》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113258836B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110492805A (zh) | 基于模糊控制的永磁同步电机控制方法、系统和存储介质 | |
CN110518851A (zh) | 基于神经网络的压缩机控制方法、系统和存储介质 | |
CN112511059B (zh) | 一种永磁同步电机高精度位置估算方法 | |
CN108448982A (zh) | 一种基于空间电压矢量预测的直接转矩控制方法 | |
CN113258836B (zh) | 基于卡尔曼滤波估计的车用散热风扇电机控制方法及系统 | |
CN112083349B (zh) | 一种永磁同步电机定子绕组匝间短路故障诊断方法 | |
Nakazawa et al. | Position sensorless control of switched reluctance motor using state observer | |
CN113258835B (zh) | 一种车辆发动机散热风扇的直流无刷电机控制方法及系统 | |
CN108809187A (zh) | 离散空间矢量调制的开关磁阻电机转矩预测控制系统及方法 | |
Sarr et al. | Sensorless control of switched reluctance machine | |
CN112595971A (zh) | 基于fft技术直流有刷电机的堵转检测方法和控制器 | |
Stănică et al. | A brief review of sensorless motors position control | |
Choi et al. | Position estimation and control of BLDC motor for VVA module with unbalanced hall sensors | |
CN115395835A (zh) | 一种无刷直流电机换相精确检测方法 | |
CN113904596A (zh) | 一种开关型霍尔传感器容错控制方法 | |
JP2002034281A (ja) | モータ制御装置および空気調和機 | |
CN112366989A (zh) | 一种基于参数辨识的无刷直流电机控制方法 | |
JP6127781B2 (ja) | センサレスブラシレスモータの駆動装置およびその駆動方法 | |
JP2003111490A (ja) | インバータ制御方法およびその装置 | |
CN112564574A (zh) | 一种永磁同步电机霍尔传感器容错控制方法 | |
Matwankar et al. | Position Sensorless Torque Ripple Control of Switched Reluctance Motor Drive using B-Spline Neural Network | |
Domínguez et al. | State and resistance estimation in sensorless foc induction motor drive using a reduced order unscented kalman filter | |
Nakazawa et al. | Study on observer gain in position sensorless control of switched reluctance motor using state observer | |
CN107634685A (zh) | 一种基于自适应噪声消除的转矩脉动抑制方法 | |
JP2011010401A (ja) | モータ制御装置および電動パワーステアリング装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |