氢气泵自适应无迹卡尔曼滤波无传感器控制

提出了一种氢气泵用PMSM转子位置新型非线性估算方法。卡尔曼滤波常用于在非线性系统,在计算量相同的情况下,无迹卡尔曼滤波器(UKF)较扩展卡尔曼滤波器(EKF)的计算结果更为准确,因为应用较多。在燃料电池系统中,氢气泵用PMSM的负载常发生持续变化或突变;由于UKF采用固定过程噪声协方差(Q矩阵),无法响应负载变换造成的过程噪声变化,传统卡尔曼滤波器的性能可能下降。提出了一种自适应UKF方法,通过计算UKF的自适应增益,以补偿实际残差协方差与滤波器导出值之间的不匹配,从而在负载变换的情况下,保证了转子位置估算的精度。最后,搭建氢气泵用PMSM控制系统,并进行了自适应UKF转子位置估算。实验结果验证了该算法的可行性和有效性。

UKF估计器对IPMSM无传感器控制的比较研究

传统的无传感器技术在起动或低速瞬态工况下表现不理想,需要一些新的无传感器方法,而无需任何附加的起动算法。研究了一种新型的内置式永磁同步电动机(IPMSM)无传感器状态估计器。阐述了无迹卡尔曼滤波器(UKF)算法,并对其适应IPMSM d-q坐标系进行了说明。为了评估驱动性能,与基于滑模观测器的估计方法进行了比较。仿真结果表明,UKF能够更精确地估计转子位置,在低速范围内具有较好的性能,但转子的初始位置仍然是保证电机起动成功的关键。该方法能保证永磁同步电动机起动平稳以及转子位置检测精度高。