基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法

发布时间：2020-01-23 22:59

【摘要】：为了减弱固定的先验噪声模型对扩展卡尔曼滤波器(EKF)状态估计的影响,提出一种基于粒子群优化的感应电机模糊EKF(PFEKF)转速估计方法。通过将粒子群优化(PSO)算法引入模糊控制器,监视实际残差与理论残差的偏离程度,自适应选择模糊调整因子,在线递推修正测量噪声协方差矩阵的加权值,使其逐渐逼近真实噪声水平,从而使滤波器进行优化估计,并减小外部干扰和时变测量噪声对系统性能的影响。仿真和实验结果验证了基于PSO的感应电机模糊EKF转速估计方法的正确性与有效性。
【图文】：

转速估计

测量噪声阵Rk；b为一个正值常数，表示对模糊调整因子Sk的放大程度。2.3基于PSO的感应电机模糊EKF噪声抑制机理感应电机模糊EKF（ParticleSwarmOptimizationFuzzyEKF,PFEKF）与EKF的推导类似，且当Skb=1时，PFEKF相当于EKF。PFEKF的目的是保证由扩展卡尔曼滤波得到的残差的理论值与实际值相等，也就是说它们的差值应该为0，或者接近于0。如果此差值长期偏离0，则说明测量噪声水平已经发生了变化，需要对测量噪声协方差矩阵R进行调整，调整的准则是使此差值回到0附近，基于PSO的PFEKF方法的原理框图如图1所示。图1基于PFEKF转速估计结构Fig.1SpeedestimationstructurebasedonPFEKF由图1可以看出，基于PSO的PFEKF方法通过不断监视残差理论值与实际值是否近似相等，然后根据模糊控制器控制滤波器的估计输出模糊调整

无速度传感器矢量控制,感应电机

了基于PSO模糊EKF转速估计策略。式（16）中Fk为雅克比系数矩阵，计算式为11kkxxFAxBux（27）将式（26）中的状态变量kx替换成k1x并且对k1x求偏导，可得到雅克比系数矩阵Fk+1为1mmmr,1,1srsrrsrsrmmmr,1,1srsrsrrsrmr,1,1rrmr,1,1rr100010100001kkkkkkkkkTTLTLTLTLLTLLLLTTLTLTLTLLLLTLLTLTTTTTTLTTTTTF基于PSO的PFEKF矢量控制结构如图2所示。系统采用三个PI调节器，构成转速外环和电流内环的双闭环调速系统，转速PI调节器根据给定转速与PFEKF估算转速的偏差调节转矩电流的给定值，转矩电流及励磁电流PI调节器根据检测电流与电流给定值的偏差调节相应的d、q轴定子电压给定值。PFEKF转速估计模块的输入为静止坐标系下定子电流和定子电压，输出为估计的转子转速。图2基于PFEKF感应电机无速度传感器矢量控制结构Fig.2StructureofinductionmotorsensorlessvectorcontrolbasedonPFEKF4仿真4.1转速估计仿真仿真及实验用异步电机参数：额定功率PN=1.1kW，额定线电压UN=380V，额定电流IN=2.67A，额定频率fN=50Hz，定子电阻Rs=5.27，转子电阻Rr=5.07，定子电感Ls=0.423H，转子电感Lr=0.479H，互感Lm=0.421H，转动惯量J=0.02kg·m2，极对数p=2，额定转速nN=1410r/min。在仿真中，，初始给定转速为314rad/s，在t=2s时阶跃减至94.8rad/s，在t=4s时阶跃至158rad/s。图3为转速实测值和估计值的对比，从图中可以看出，PFEKF在整个转速范围表现出良好的静态性能，在转速指令发生正向或负向阶跃时均表现出?

【相似文献】