基于永磁同步电机(PMSM)无传感器矢量控制性能要求,提出一种无传感器PMSM非线性系统参数辨识最优自适应中心差分估计(Adaptive Central Divided Kalman Filtering,ACDKF)方法.该法基于Bayesian最优估计框架,利用Stirling多项式插值逼近...基于永磁同步电机(PMSM)无传感器矢量控制性能要求,提出一种无传感器PMSM非线性系统参数辨识最优自适应中心差分估计(Adaptive Central Divided Kalman Filtering,ACDKF)方法.该法基于Bayesian最优估计框架,利用Stirling多项式插值逼近确定Sigma采样点及其权值,构建CDKF估计算法;同时考虑系统噪声统计时变统计特性,基于估计信息和残差实现噪声自适应在线估计调整,面向永磁同步电机复杂工况条件下观测电流信号,实时估计转子转速和角位移.仿真结果表明该方法既能获得较高的估计精度,又能有效改善估计计算稳定性,满足永磁同步电机无传感器矢量控制性能要求.展开更多
文摘基于永磁同步电机(PMSM)无传感器矢量控制性能要求,提出一种无传感器PMSM非线性系统参数辨识最优自适应中心差分估计(Adaptive Central Divided Kalman Filtering,ACDKF)方法.该法基于Bayesian最优估计框架,利用Stirling多项式插值逼近确定Sigma采样点及其权值,构建CDKF估计算法;同时考虑系统噪声统计时变统计特性,基于估计信息和残差实现噪声自适应在线估计调整,面向永磁同步电机复杂工况条件下观测电流信号,实时估计转子转速和角位移.仿真结果表明该方法既能获得较高的估计精度,又能有效改善估计计算稳定性,满足永磁同步电机无传感器矢量控制性能要求.
