为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current ...为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。展开更多
文中提出一种联合扩展卡尔曼滤波的滑模观测器算法用于电动汽车电池的荷电状态(state of charge,SOC)估计。电池模型采用二阶Thevenin等效电路模型,辨识不同温度下的模型参数,分析温度对电池模型参数及精度的影响。针对扩展卡尔曼滤波...文中提出一种联合扩展卡尔曼滤波的滑模观测器算法用于电动汽车电池的荷电状态(state of charge,SOC)估计。电池模型采用二阶Thevenin等效电路模型,辨识不同温度下的模型参数,分析温度对电池模型参数及精度的影响。针对扩展卡尔曼滤波对模型精度依赖性高及滑模观测器对噪声敏感导致估计结果存在较严重抖振现象的缺陷,提出在扩展卡尔曼滤波算法的状态修正方程中加入防抖函数,依据滑模观测器稳定性约束条件获取函数相关参数,得到一种新的联合扩展卡尔曼滤波的滑模观测器算法。所提算法能够同时综合扩展卡尔曼滤波器和滑模观测器优点,在滤除噪声的同时对建模误差也具有较强的鲁棒性。最后,设计相应的模拟工况进行实验,实验结果证明,所提算法在复杂的车载环境下拥有比扩展卡尔曼滤波和滑模观测器更高的电池SOC估计精度。展开更多
锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模...锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。展开更多
文摘为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。
文摘文中提出一种联合扩展卡尔曼滤波的滑模观测器算法用于电动汽车电池的荷电状态(state of charge,SOC)估计。电池模型采用二阶Thevenin等效电路模型,辨识不同温度下的模型参数,分析温度对电池模型参数及精度的影响。针对扩展卡尔曼滤波对模型精度依赖性高及滑模观测器对噪声敏感导致估计结果存在较严重抖振现象的缺陷,提出在扩展卡尔曼滤波算法的状态修正方程中加入防抖函数,依据滑模观测器稳定性约束条件获取函数相关参数,得到一种新的联合扩展卡尔曼滤波的滑模观测器算法。所提算法能够同时综合扩展卡尔曼滤波器和滑模观测器优点,在滤除噪声的同时对建模误差也具有较强的鲁棒性。最后,设计相应的模拟工况进行实验,实验结果证明,所提算法在复杂的车载环境下拥有比扩展卡尔曼滤波和滑模观测器更高的电池SOC估计精度。
文摘锂电池的荷电状态(state of charge,SOC)估计是电池管理系统的重要组成部分,针对锂电池非线性的特性,提出了采用离散滑模观测器估计锂电池荷电状态的方法,给出了离散滑模观测器的设计方法及其稳定性证明。基于锂电池的戴维南等效电路模型,给出了该方法的设计过程,在不同的充放电电流倍率和环境温度下,进行了锂电池模型的参数辨识,通过与常用的扩展卡尔曼滤波法相比较,分析了离散滑模观测器对锂电池SOC估计的精度、鲁棒性和算法复杂度等方面的性能。实验结果表明,采用该算法可实现锂电池SOC快速精确地估计,误差可控制在约3%,验证了该方法的可行性。
