基于强跟踪无迹卡尔曼滤波的内置式永磁同步电机转子位置估计

发布时间：2021-06-02 19:05

　　为了解决当永磁同步电机在运行中受到扰动、系统状态突变时,传统的无迹卡尔曼滤波算法对转子位置的跟踪能力下降、估计精度降低,甚至会使滤波器发散等问题,文中采用基于两相静止坐标系的内置式永磁同步电机数学模型的强跟踪无迹卡尔曼滤波算法,研究了在经典的无迹卡尔曼滤波的基础上引入强跟踪滤波器,既保留了经典的无迹卡尔曼滤波算法的优点,又能改善无迹卡尔曼滤波算法对状态突变鲁棒性的控制。仿真和实验结果表明,当永磁同步电机运行在中高速区域时,强跟踪无迹卡尔曼滤波算法可以快速准确地跟踪转子位置,估计误差低于经典的无迹卡尔曼滤波算法。 

【文章来源】：现代电子技术. 2020,43(13)北大核心

【文章页数】：5 页

【部分图文】：

IPMSM无传感器控制系统

为了克服传统KF的不足，文献[13]引入了强跟踪卡尔曼滤波（Strong Tracking Kalman Filter,STKF）理论。STKF有几个重要的优点，包括：

在如图5所示的实验测试平台中，采用光编电机作为驱动电机，带动旋变电机旋转。采用Infineon Aurix TC275作为电机无感算法的运行平台，此单片机的峰值能力高达1 300 DMips，无需担心复杂估计算法的运算量。实际的转子永磁体位置由旋变专用芯片解析旋变正交差分信号得到。将传感器获取的实际量与估计算法得到的估算量通过CAN总线发送至上位机来实现精度对比。图4 仿真中电机高速时的实际值与估计值

【参考文献】：
期刊论文
[1]基于改进无迹卡尔曼滤波的内置式永磁同步电机转子位置估计[J]. 马彦,李军伟,李德芳,孙海波,高松.  广西大学学报(自然科学版). 2018(06)
[2]永磁同步电机无位置传感器控制技术研究综述[J]. 刘计龙,肖飞,沈洋,麦志勤,李超然.  电工技术学报. 2017(16)
[3]基于双STF-UKF算法的永磁同步电机参数联合估计[J]. 林辉,吕帅帅.  东南大学学报(自然科学版). 2016(01)
[4]基于模糊PI模型参考自适应的高速永磁同步电机转子位置检测[J]. 张洪帅,王平,韩邦成.  中国电机工程学报. 2014(12)
[5]基于EKF和PF的多机器人协同定位技术[J]. 田红兵,樊光南,宋龙.  现代电子技术. 2013(23)
[6]非线性系统带次优渐消因子的扩展卡尔曼滤波[J]. 周东华,席裕庚,张钟俊.  控制与决策. 1990(05)



本文编号：3210581