基于模糊扩展卡尔曼的直线感应电机无速度传感器控制

直线感应电机(linear induction motor,LIM)可实现无接触、无摩擦的直线运动,具有爬坡强、横断面小、低噪音等优势,在中低速磁悬浮与城市轨道交通中被广泛应用。其中,基于观测器的电机无速度传感器矢量控制方法,是解决速度传感器成本高、可靠性低、维护难等问题的有效途径。针对LIM速度辨识受系统内外扰动影响导致观测精度下降问题,提出基于模糊扩张卡尔曼滤波(Fuzzy Extended Kalman Filter,FEKF)的速度观测方法,提高观测器鲁棒性。首先在αβ坐标系下建立考虑动态边端效应的LIM数学模型,利用LIM的实时电流和电压作为输入信号,以电流、磁链和速度作为状态变量,推导出基于扩展卡尔曼滤波(extended kalman filter,EKF)观测器电机状态空间方程的离散模型,利用EKF对LIM的速度和磁链进行在线观测,并用于实现LIM的矢量控制。其次,为提高EKF的噪声协方差矩阵Q对LIM系统内外扰动的鲁棒性,引入模糊控制方法对矩阵Q进行自适应调整,实现速度与磁链的估计精度。具体通过计算系统理论残差与实际残差的偏离程度得到噪声调节因子,实时调整噪声协方差矩阵Q,并在下一周期更新模糊扩展卡尔曼的反馈增益矩阵,提高对速度与磁链的估计精度。之后对系统的能观性与FEKF的收敛性进行分析,探明矩阵Q中各参数的边界及整定规律。最后通过仿真和硬件在环实验验证所提FEKF优化算法的有效性,结果表明FEKF能有效提高对LIM速度辨识准确性,实现LIM无速度传感器矢量控制。

基于递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的车辆状态估计

针对汽车状态估计中模型参数的变化和观测噪声的时变特性,提出了递推最小二乘法与模糊自适应扩展卡尔曼滤波相结合的汽车状态估计算法。为实现模型参数与观测噪声的实时更新,建立了基于三自由度非线性车辆动力学模型的算法,首先利用递推最小二乘法对汽车的总质量进行估计,其次建立了模糊控制器对扩展卡尔曼滤波的观测噪声进行实时跟踪。在搭建的CarSim与MATLAB/Simulink联合仿真平台中验证了该算法的有效性,结果表明该算法估计精度高于传统扩展卡尔曼滤波算法,研究结果为汽车的主动安全控制提供了理论支持。

FEKF在Hg-CEMS中的信号处理研究

针对Hg-CEMS中光电倍增管输出的电压峰信号噪声统计特性随工况的变化而变化,提出了一种模糊扩展卡尔曼滤波(FEKF)算法。该算法根据实际观测新息的均值和方差通过模糊控制器对观测噪声的理论方差阵不断调整,从而实现卡尔曼滤波器对含噪电压峰信号的自适应滤波处理。仿真结果表明,在理论噪声特性偏离实际工况时,该方法滤波效果明显优于常规扩展卡尔曼滤波算法,且具有较强的适应性。

小型无人机姿态稳定性能控制研究

研究小型无人机姿态稳定性能控制的问题。针对小型无人机在应用扩展卡尔曼滤波(EKF)融合MEMS的测量值时,融合的结果稳定性较差、易发散的问题,提出了一种模糊自适应EKF算法(FAEKF),利用四元数描述的方法,融合MEMS的测量信息对无人机姿态角进行测量,并设计了模糊自适应控制器实时修正观测噪声矩阵。仿真结果表明,提出的算法能准确的测量出姿态角,且通过与EKF算法仿真结果对比可以看出,FAEKF在稳定性能控制上有较明显改善,有效抑制了姿态角的发散,说明提出算法的有效性,为小型无人机姿态稳定性能的控制提供了一种科学的手段。