基于集中式卡尔曼滤波干扰观测器的无模型自适应控制

针对一类具有测量扰动的离散时间非线性系统,提出一种基于集中式卡尔曼滤波干扰观测器的无模型自适应控制方法。利用动态线性化方法构造被控系统的线性化数据模型;根据线性化数据模型和传感器的测量数据,设计最优集中式卡尔曼滤波干扰观测器;并利用观测器的输出在线调整伪偏导数,提出系统的控制更新方案。该方案的设计和分析不依赖于除输入输出数据的任何模型信息,可避免常规无模型自适应控制方法容易受测量扰动的影响。仿真结果表明:与基于单个传感器卡尔曼滤波干扰观测器的无模型自适应控制方法相比,提出的基于多传感器最优集中式卡尔曼滤波干扰观测器的无模型自适应控制方法具有更好的跟踪性能和更大的数据信噪比。

基于无迹卡尔曼滤波水下WPT系统副边关键参数在线辨识

为提升无线电能传输(wireless power transfer,WPT)系统传输性能,需在控制过程中实时获取负载与耦合系数等关键信息,而该信息的获取目前普遍采用无线通讯模块或增加额外通信线圈等方式,增加了系统复杂度,尤其面临复杂水下工况及高频电磁环境,在通讯过程中极易造成通讯异常而导致系统瘫痪。为此,文中提出一种新型基于无迹卡尔曼滤波的WPT系统互感及负载关键参数在线识别方法,该方法仅需采样原边侧电压瞬时值,即可实时获取互感与负载等关键参数信息。同时为提升辨识精度与收敛速度,采用离线式神经网络指导粒子群优化算法建立系统噪声协方差矩阵。实验结果表明,该算法具有模型简单、计算精度较高等特点,在变负载、变移相控制角及偏移情况下,所提出的在线辨识方法对负载与互感的最大识别误差分别为6.19%和1.7%,且2 ms左右即可完成负载的动态识别,具有一定的工程应用价值。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

一种自适应滤波与干扰观测器相结合的大型舰船状态估计算法

为满足航母等大型舰船目标的状态估计要求,提出一种由非线性干扰观测器和强跟踪容积卡尔曼滤波算法融合形成的交互多模型强补偿容积卡尔曼滤波算法。引入非线性干扰观测器,完成由外界不确定因素引起的干扰总量的估计,并对观测器稳定性进行证明。使用估计的干扰值实时修正强跟踪容积卡尔曼滤波的过程参数,最终形成交互多模型强补偿容积卡尔曼滤波算法,完成对目标状态相对准确的估计。研究结果表明:新提出的滤波算法能够较为准确地完成对目标状态的估计,与变结构多模型粒子滤波算法、变结构多模型无迹卡尔曼滤波算法和交互多模型强跟踪容积卡尔曼滤波算法相比,在目标位置和速度估计上具有更高的估计精度。

基于卡尔曼滤波的双闭环直流电机系统状态观测器

在直流电机双闭环调速系统(DFDCMS)简化模型的基础上,分析了饱和非线性DFDCMS的能控性和能观性,提出了饱和非线性DFDCMS的关键状态描述.针对这些关键状态,基于饱和非线性DFDCMS的分段线性模型和卡尔曼滤波(KF),提出并实现了DFDCMS的KF状态观测器.在仿真平台和实际系统上比较了无滤波器(NF)的状态观测器、带巴特沃斯滤波器(BF)的状态观测器、KF状态观测器在不同情况下对运动执行机构状态辨识的效果.实验表明,所提基于饱和非线性DFDCMS模型的卡尔曼滤波状态观测器能更为有效地反映测试系统的运行状态.

基于卡尔曼滤波的潜器运动状态观测器

该文以某型潜器为研究对象,通过对潜器的运动方程线性化,用卡尔曼滤波预测潜器运动状态量,并根据实际的输出量(量测值)来修正预测值,得到估计的状态量。仿真结果表明,量测输出精度越高、潜器运动状态变化越慢,观测器的估计误差就越小。

基于卡尔曼滤波算法的网络信息观测器设计

传统电力系统大多采用统一的控制和管理,对量测设备和通信设施依赖性强。一旦发生通信延时、丢包等故障,会影响系统状态监测和系统控制。因此,针对分布式电源接入的配电网系统,提出了一种基于卡尔曼滤波算法的无通信网络信息观测器,其可以实现对系统节点电压和分布式电源本地信息无通信信息观测。仿真分析结果验证了所提观测器的有效性。

观测器/卡尔曼滤波在飞行数据处理中的应用

在无人机飞行参数测量中,受环境、干扰或自身稳定性等因素的影响,往往使测量数据中存在野值。为提高飞行数据处理精度,提出了一种基于观测器/卡尔曼滤波辨识(OKID)的新算法用于估计飞行参数。该算法直接利用输入输出数据与系统矩阵得到观测器增益,而观测器增益又收敛于稳定状态下的卡尔曼滤波增益,利用卡尔曼滤波增益即可估计飞行参数。Matlab仿真表明该方法能有效地消除飞行数据中的野值。

基于卡尔曼滤波滑模观测器的PMSM控制研究

在永磁同步电机的控制中,针对滑模观测器影响系统稳定性的缺点,本文提出了一种新的滑模观测器。传统滑模观测器具有良好的鲁棒性,但是由于滑模技术的特性,产生抖振是不可避免的,使得观测精度下降。本文在滑模观测器中加入了基于反电势创建的卡尔曼滤波函数,以卡尔曼滤波和滑模观测器结合的方式,代替了传统滑模观测器,减少了抖振,提高了系统的稳定性和跟踪性。最后用MATLAB进行了仿真实验。研究结果表明,优化后的卡尔曼滤波滑模观测器减少了系统的抖振,加强了系统的稳定性。

结合稳态卡尔曼滤波的永磁同步电机滑模观测器

采用滑模观测器进行永磁同步电机的转子位置和转速估计,实现了永磁同步电机的无传感器控制。研究了一种改进的滑模观测器,在传统滑模的基础上加入稳态卡尔曼滤波器,能够快速、有效地减弱抖振。相比于传统的锁相环滤波,稳态卡尔曼滤波器能够获得更高的精度和更快的响应速度,且由于其增益矩阵固定为常数,因此计算量很小。仿真和实验结果表明,结合了稳态卡尔曼滤波的滑模观测器能够获得更干净的反电动势信息,最终的位置观测误差更小。

基于卡尔曼滤波思想的时变增益最优观测器设计

与传统常数增益向量(矩阵)状态观测器设计方法相比,基于卡尔曼滤波思想给出了时变增益向量(向量)状态观测器(估计器)的设计方法,例子证实了提出的时变增益观测器具有更小的状态估计误差。

PMSM线性卡尔曼滤波结合扰动转矩观测器无速度传感器控制

传统扩展卡尔曼滤波算法在线计算量大,对处理芯片的要求高。针对这一问题,设计了一种新型降阶卡尔曼滤波算法,减少调节参数,以简化算法和。另外,为提高传统矢量控制系统动态响应能力及抗负载扰动能力,设计了一种扰动转矩观测器,并结合前馈补偿控制方法对速度环施加前馈补偿。仿真和实验结果表明,提出的新方法能准确估计电机转子位置和转速,并提高负载扰动抑制能力。

基于扩展卡尔曼滤波算法的感应电机定子磁链观测器设计

为了提升感应电机定子磁链的辨识精度,设计了基于扩展卡尔曼滤波算法的感应电机定子磁链观测器,并应用到感应电机无传感器直接转矩控制系统中。在Matlab/Simulink中构建感应电机无传感器直接转矩控制系统进行仿真,仿真结果表明所设计的观测器能够对感应电机定子磁链进行有效辨识。

基于非奇异负载转矩观测器的永磁同步电机抗扰动控制

针对永磁同步电机负载转矩波动及惯性负载的变化对控制性能的影响,采用一种非奇异负载滑模观测器实时辨识负载转矩,并将观测的负载转矩按比例转化为补偿电流值对控制系统进行前馈补偿,以降低负载扰动的影响;采用模型参考自适应算法辨识系统的转动惯量,并将观测出的惯量输入到负载转矩观测器中,减少惯性负载扰动的影响。实验结果表明,在不同工况下负载转矩和系统惯量变化时,设计的非奇异负载转矩滑模观测器补偿效果比一阶滑模负载转矩观测器补偿效果好,能够快速恢复到给定速度,系统的抗扰性能有很好改善。

基于GMS摩擦力补偿和干扰观测器的高精度速度控制

为了降低机械轴系摩擦力扰动对于伺服控制器在低速运动控制精度的影响,进一步提高传统伺服控制器对于稳定平台的控制能力,提出了一种基于广义Maxwell滑动(generalized Maxwell-slip,GMS)摩擦力模型前馈和干扰观测器的高精度摩擦力补偿方案。首先在传统控制基础上引入GMS摩擦模型前馈补偿对摩擦扰动进行初步的补偿;然后,通过加入干扰观测器,对残余扰动及其他扰动进行第2次的抑制。利用实物平台对控制方法的低速运动性能进行了测试,对比设计的控制算法和传统PI控制器的控制结果,验证提出的控制策略抑制摩擦扰动的效果。结果表明,基于GMS摩擦力前馈和干扰观测器的控制方案有效的补偿了摩擦非线性、模型不确定性等因素对于控制系统的影响。新方法可将稳定平台低速运动时的控制误差降低到0.015°/s,在实际工程中具有较高的应用价值。

基于改进型扩张状态观测器的永磁同步电机无模型预测电流控制

针对基于扩张状态观测器的永磁同步电机无模型预测电流控制策略在电机电感参数失配时电流控制性能下降、转矩脉动增大的问题,提出一种基于改进型扩张状态观测器的无模型预测电流控制策略。在扩张状态观测器中添加非参数模型电感辨识算法,该算法利用d轴扰动估计值计算得到电机辨识电感,将其反馈到下一时刻扩张状态观测器的电流与扰动估计中,消除电感失配对于传统扩张状态观测器的不利影响。将辨识电感用于无模型预测电流控制的输出电压指令的计算,进一步增强无模型预测电流控制的参数鲁棒性。搭建电机转矩控制系统进行实验,结果表明,该控制策略的参数鲁棒性强,具有良好的电流控制性能,在电机电感失配时能有效减小电机转矩脉动,具备较高的工程应用价值。

基于自适应互联扩展卡尔曼观测器的永磁同步直线电机高精度抗干扰在线多参数辨识

该文研究一种新型自适应互联扩展卡尔曼观测器,以实现永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)高精度抗干扰在线多参数辨识。首先,为了减轻测量噪声和参数耦合误差对辨识精度的影响,建立包含干扰的多参数互联耦合补偿辨识模型;其次,基于此模型设计互联式观测器来实现PMSLM多参数在线辨识,利用扩展卡尔曼滤波(extended Kalman filter,EKF)算法优化观测器中的增益矩阵,消除测量噪声误差,获得高精度的辨识结果;再次,构造一种自适应率函数动态调整传统EKF中固定的噪声协方差矩阵,提高观测器的抗扰动性能;然后,使用考虑互联式观测器模型误差的离散李雅普诺夫函数验证观测器的稳定性;最后,搭建基于半实物AD5435的PMSLM参数辨识系统,通过仿真和实验,验证该文观测器的有效性。

基于自适应拓展卡尔曼滤波的锂电池荷电状态估计

荷电状态(State of Charge,SOC)是评价电池性能的重要指标。准确估计SOC,对于最大化电池容量和性能至关重要。目前,测量SOC的方法较多,同时也较为成熟,但是寻求更为有效与准确的估测方法还存在研究探索空间。提出了一种SOC估计方法,将带有遗忘因子的递归最小二乘(FFRLS)参数识别算法与基于自适应扩展卡尔曼滤波器(AEKF)的在线SOC估计方法相结合。基于二阶RC等效电路模型,采用FFRLS算法实时识别电池参数。利用识别出的参数,AEKF算法动态调整系统噪声参数,以获得更精确的SOC估计结果。所提出的SOC估计方法通过HPPC和UDDS工况验证,得出算法误差约为2%,证明了所提出方法的准确性和鲁棒性。

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。

基于卡尔曼滤波的再入飞行器气动参数辨识

再入飞行器的制导系统易受气动参数扰动的影响,为此研究气动参数在线辨识方法可以为再入制导系统提供服务,有效提高制导的精度。以卡尔曼滤波理论作为基础,推导了再入飞行器气动参数辨识的数学模型。为增强卡尔曼滤波方法对气动参数的辨识效果,气动参数误差模型采用一阶高斯马尔科夫过程描述,并增广到状态方程组中,根据获得的带有测量误差的惯导信息,对气动参数进行估计。最后,进行了数学仿真研究。仿真结果表明,该方法都能够在10个采样周期内收敛,且估计精度在1%以内。