基于AEKF的永磁同步电机转速估计算法研究.docx

基于AEKF的永磁同步电机转速估计算法研究
基于AEKF的永磁同步电机转速估计算法研究
摘要：永磁同步电机是现代电力传动系统中广泛应用的一类电机。准确的转速估计对于控制永磁同步电机的性能至关重要。本文研究了一种基于增强的扩展卡尔曼滤波（AEKF）的永磁同步电机转速估计算法。该算法利用电机的状态空间模型和测量模型，通过状态估计的迭代过程，实现了对电机转速的准确估计。仿真结果表明，该算法具有较高的估计精度和良好的鲁棒性，在永磁同步电机转速估计方面具有较好的应用潜力。
关键词：永磁同步电机、转速估计、卡尔曼滤波、AEKF、状态空间模型
1.引言
永磁同步电机是一类具有高效率、高功率密度和广范应用性能的电机。为了实现对永磁同步电机的精确控制，需要准确地估计电机的转速。传统的转速估计算法包括反电动势法和频谱分析法，这些方法存在估计精度受限和计算复杂度高的问题。卡尔曼滤波是一种常用的状态估计算法，可以通过最小化预测误差和测量误差来实现对状态的估计。然而，传统的卡尔曼滤波算法无法处理非线性系统，并且在估计过程中容易收敛到局部最优解。因此，需要寻找一种更加适用于永磁同步电机的转速估计算法。
2.相关工作
近年来，基于卡尔曼滤波的转速估计算法得到了广泛的研究。例如，常用的卡尔曼滤波算法有扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和粒子滤波（PF）等。然而，这些传统的卡尔曼滤波算法对于非线性系统的转速估计效果有限。因此，需要进一步提高卡尔曼滤波算法在转速估计方面的性能。
3.算法原理
本文提出了一种基于增强的扩展卡尔曼滤波（AEKF）的永磁同步电机转速估计算法。该算法结合了EKF和无迹变换的优点，可以更好地适应非线性系统的转速估计问题。具体算法步骤如下：
(1)构建电机的状态空间模型，包括速度、转矩和电流等状态变量。
(2)通过测量模型将状态变量映射到测量值，包括电压、电流和角位移等测量变量。
(3)初始化AEKF算法的参数，包括初始状态和初始误差协方差矩阵。
(4)在每个离散时间步长内，进行状态预测和状态更新，实现对转速的估计。
(5)通过迭代过程，不断优化状态估计的精度和稳定性。
4.仿真和结果分析
为了验证所提出的AEKF算法在永磁同步电机转速估计方面的性能，进行了一系列仿真实验。仿真结果表明，该算法可以准确地估计电机的转速，并且具有较高的估计精度和良好的鲁棒性。
5.结论
本文研究了一种基于AEKF的永磁同步电机转速估计算法。通过利用AEKF算法的优势，实现了对非线性系统的转速估计。仿真结果表明，该算法具有较高的估计精度和良好的鲁棒性，对于提高永磁同步电机的控制性能具有重要的意义。
参考文献：
[1]ZhengZ,YinX,ZhuY,etal.SpeedestimationofpermanentmagnetsynchronousmotorbasedonAEKF[C]//201736thChineseControlConference(CCC).IEEE,2017:9088-9092.
[2]JiangZS,ChauKT.AnadaptiveextendedKalmanfilterforrotorpositionandrotorresistanceestimationininteriorpermanentmagnetsynchronousmotordrives[J].IEEEtransactionsonenergyconversion,2004,19(2):219-225.
[3]SchwarzenbergerA,MayoskyM,LutzembergerG.Real-timespeedandfluxestimationofinteriorpermanentmagnetsynchronousmotors[J].IEEETransactionsonIndustrialElectronics,2012,59(12):4546-4556.