基于非线性观测器的永磁同步电机位置估计算法研究

为提高表贴式永磁同步电机无位置传感器控制中转子位置和速度的估计精度,提出了一种改进型非线性观测器。通过重构非线性观测器的数学模型,构建了误差方程,利用Lyapunov理论对误差方程进行了稳定性分析。并基于稳定性条件提出了一种误差项步长优化方法,实现了非线性观测器的步长增益自调节。仿真与试验结果表明,改进型非线性观测器具有良好的动态性能,验证了其可行性。

一类刚性负载双轴伺服系统的非线性观测器控制设计策略

提出了一种基于非线性观测器的命令滤波自适应反步控制(OCFABC)方法,以解决具有LuGre摩擦模型的双轴伺服系统中的位置跟踪和速度同步问题。观测器用于系统摩擦补偿。命令滤波器作用于虚拟控制信号,解决反步法中的计算爆炸问题,建立误差补偿方程,提高跟踪精度。此外,还设计了速度同步信号,以达到更好的系统同步效果。利用Lyapunov理论分析了闭环系统的稳定性。最后,通过仿真和试验结果证明了所设计方法的有效性和优越性。

带负载转矩估算的非线性观测器内嵌式永磁同步电机无位置传感器控制策略

针对内嵌式永磁同步电机无位置传感器控制系统中转子位置和转速估算精度不高的问题,提出一种带有负载转矩估算的非线性观测器方法。基于合成反电动势建立了内嵌式永磁同步电机的数学模型,在静止坐标系下设计了非线性观测器,通过状态矫正控制策略,使非线性观测器收敛到期望的平衡点。依据扰动理论建立了负载转矩估算方程,在线估算负载转矩,以消除由机械模型误差引起的转子位置和转速的估算误差。在无位置传感器控制实验平台上进行了实验验证,实验结果表明所提出的方法能够在稳态和动态条件下准确估算转子位置和转速。

动力定位船舶的非线性观测器设计

针对动力定位船舶设计了一个非线性观测器 ,该观测器的全局收敛性通过李亚普诺夫稳定性定理得到了证明 .观测器的最大优点是可以省略采用 Kalman滤波器时线性化船舶运动方程的过程 .该非线性观测器可以从附有测量噪声的输出中估计到船舶低频位置和运动速度以及环境扰动作用力 ,同时也能从输出信号中滤除一级波浪引起的船舶高频运动 .

锂离子电池荷电状态估计:非线性观测器方法

电池荷电状态(state of charge,SOC)的准确估计是电动汽车有效实施能量管理的基本前提和安全高效运行的重要保障.为降低电池系统因迟滞效应和非线性因素对SOC估计产生的不利影响,本文基于Lipschitz非线性系统观测器设计理论,提出了一类电池SOC估计新方法.基于该新方法设计的观测器具有结构简单,估计性能好等优点.首先根据电池等价电路模型给出电池系统的数学描述,进而利用脉冲放电实验数据计算出电池系统各参数值,然后利用线性矩阵不等式方法求解出观测器增益矩阵,最后利用城市道路循环(urban dynamometer driving schedule,UDDS)工况测试验证了观测器系统具有良好的跟踪性能.

基于非线性观测器的液压伺服系统故障诊断方法研究

利用非线性观测器对液压伺服系统失压故障进行诊断。建立系统的非线性观测器模型,利用观测器仿真计算系统输出,并与系统实际输出相比较产生残差矢量,运用置信极限法对残差矢量进行决策分析,模拟失压故障对方法进行验证。

一类基于神经网络非线性观测器的鲁棒故障检测和诊断

利用神经网络的非线性建模能力 ,对一类具有建模不确定项的非线性系统提出一种基于观测器的故障检测和诊断的方法。设计的观测器不仅能实现故障检测 ,而且应用神经网络设计的故障估计器能在线估计系统中的故障向量。通过分析验证了该方法对系统中的建模误差和外部扰动具有良好的鲁棒性。

基于ANFIS非线性观测器的连续小波变换故障检测

提出一种把信号分析和数学模型相结合的故障检测方法,通过小波变换对信号的去噪和自适应神经模糊推理系统(ANFIS)具有的离线学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差,并对残差序列进行MexicanHat小波变换,通过对极值点的逻辑判决,准确检测出故障的发生·该方法具有灵敏度高、克服噪声能力强的特点·仿真结果验证了这一方法的有效性·

一种非线性观测器和能量结合的反馈控制系统

文中利用高增益观测器和状态反馈控制器设计的分离性原理,提出了一种结合非线性观测器和能量的基于估计状态的反馈控制系统.针对垂直欠驱动具有旋转激励的平移振荡器非线性系统,首先,利用高增益观测器,选取合适的增益,使得观测值迅速收敛到系统的状态,其次,从系统能量的角度出发,选取一个恰当的李雅普诺夫函数,证明了所得到的反馈控制系统的渐进稳定性,系统分析及仿真结果表明该方法在动态性方面优于采用高增益观测器和滑模相结合的控制方法,便于工程实现.

船舶动力定位系统的一增广非线性观测器设计

滤波和状态估计在动力定位系统中起着非常重要的作用。本文在文献 [1 ]的基础上 ,为船舶动力定位系统设计了一增广非线性状态观测器 ,其稳定性通过李亚普诺夫方法得到了证明。该非线性观测器的性能通过对一动力定位船舶模型的仿真得到了验证。

QPSO算法优化的非线性观测器设计方法研究

具有量子行为的粒子群优化算法(Quantum-behavedParticleSwarmOptimization,简称QPSO)是继粒子群优化算法(ParticleSwarmOptimization,简称PSO)后,最新提出的一种新型、高效的进化算法。论文在研究基于PSO算法的非线性观测器基础上,提出了一种基于QPSO算法的非线性观测设计方法。以vanderPol系统为例进行了仿真实验,其基本思想是将非线性连续时间系统的状态估计问题转换为非线性函数的在线优化问题,然后利用PSO或QPSO算法获得系统状态的最优估计。仿真结果显示了基于QPSO算法的非观测器比基于PSO算法的非线性观测器的性能更优越。

基于简化非线性观测器的LuGre动态摩擦力补偿

针对机械手臂控制中使用LuGre模型进行动态摩擦力补偿时的内部摩擦力状态识别问题,在已有的非线性观测器和基于滑模的观测器的研究基础上,缩减非线性观测器中的冗余部分,提出简化非线性观测器.采用Lya-punov方法分析基于该观测器的自适应控制算法的稳定性,说明简化观测器的使用条件为加入合适的低通滤波器,消除速度采样高频波动对观测结果的影响.实验结果对比了3种内部摩擦力状态观测器在动态LuGre摩擦力补偿中对手臂控制效果的影响,采用3种观测器进行自适应跟踪控制时的位置跟踪精度分别可以达到0.010、0.009和0.004rad.实验表明,采用简化观测器可以取得比前2种观测器更好的自适应控制效果.

基于非线性观测器设计的混沌同步控制

提出一种基于非线性观测器设计的混沌同步控制方法,给出了一类含有不确定参数混沌系统的观测器实现条件.该控制策略可满足混沌系统中存在一些不确定参数的要求.通过对Lorenz混沌系统的理论分析和数字仿真,证明了其有效性.

用B-样条神经网络设计非线性观测器

对线性部分已知、非线性部分未知的一类非线性系统 ,提出了一种新的状态观测器的设计方法 .首先针对线性部分设计线性观测器 ,随后在线性观测器中加入非线性补偿项 .该补偿项先由“反卷积”的方式确定 ,再用 B-样条神经网络拟合 .对三个非线性系统设计了观测器 ,通过与已有的解析方法进行比较 。

采用非线性观测器的PMLSM无位置传感器控制

为了满足永磁直线同步电机(PMLSM)运动控制系统必须确定电机磁极位置的需求,提出一种利用电机端电压和端电流信号,通过非线性观测器估计定子磁极位置和动子速度的方法。该非线性观测器首先估计出磁极位置角的正弦量和余弦量,再估计出位置角θ,然后利用PI跟踪控制器得到动子速度信号。该算法和Lunberger观测器以及Kalman滤波观测器相比,不仅算法简单易于执行,而且估计位置时不需要速度信号,非常适用于低速时的位置估计。仿真和实验结果表明:基于该非线性观测器的无位置传感器控制具有良好的跟踪调节性能,而且具有良好的低速性能,能够满足一般伺服系统要求。

基于非线性观测器的PMSM转子位置估计

本文提出了一种基于非线性观测器的永磁同步电动机(PMSM)的转子位置估计方案。非线性观测器构造两个新的状态变量,利用这两个状态变量中所包含的位置信息,将电动机转子的位置估算出来。为验证此方案的稳定性和可行性,以TI公司的数字信号处理器TMS320F2812为核心搭建硬件平台,对整个控制系统进行了实验验证。实验结果表明,所采用的非线性观测器对转子位置的估算非常有效,同时整个控制系统在比较宽的调速范围内能稳定运行。

用圆判据方法设计非线性观测器

研究一类非线性系统的观测器设计方法 ,其中观测器误差系统中非线性部分满足一般扇区条件 .该系统的观测器误差系统可表示为线性部分与时变非线性部分反馈连接的形式 .利用满足一般扇区条件非线性系统稳定性的圆判据设计方法 ,得到观测器误差系统渐近稳定的严格正实条件 ,实现非线性观测器的设计 .

基于非线性观测器的非合作目标姿态跟踪控制

非合作目标的姿态角速度、角加速度未知,给在轨服务航天器跟踪非合作目标姿态的控制器设计带来挑战.为解决这一问题,设计了一种非线性观测器,该观测器能够估计出非合作目标状态,然后构造了基于非线性观测器的姿态跟踪控制器,并证明了闭环系统的一致渐近稳定性.仿真结果表明,设计的方法不仅能够实现非合作目标的状态估计,而且实现了对非合作目标姿态的跟踪.

QPSO算法在非线性观测器设计中的应用

具有量子行为的粒子群优化(Quantum-behaved Particle Swarm Optim ization,QPSO)算法是继粒子群优化算法(Particle Swarm Optim ization,PSO)后,最新提出的一种新型、高效的进化算法。提出了运用QPSO算法设计的非线性观测器方法。该方法属于滚动时域估计方法,利用具有量子行为的粒子群算法优化获得系统状态的最优估计。仿真结果显示该方法对初始条件不敏感,具有很强的跟踪能力。