相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步...相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。展开更多
为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heav...为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。展开更多
为解决传统数字滤波器在有限精度实现时因有限字长(Finite Word Length,FWL)效应导致滤波器性能下降的问题,提出一种L_(2)灵敏度最小化的数字滤波器状态空间实现稀疏化方法.推导前向差分算子数字滤波器结构传输函数及其等效状态空间实现...为解决传统数字滤波器在有限精度实现时因有限字长(Finite Word Length,FWL)效应导致滤波器性能下降的问题,提出一种L_(2)灵敏度最小化的数字滤波器状态空间实现稀疏化方法.推导前向差分算子数字滤波器结构传输函数及其等效状态空间实现,根据可控及可观格莱姆矩阵得到基于相似变换矩阵的L_(2)灵敏度表达式,并进行稀疏化校准,将L_(2)灵敏度最小化问题转换为凸函数求最值问题,求导得到L_(2)灵敏度最小化表达式,代回即得前向差分算子数字滤波器的稀疏化状态空间实现.仿真结果表明,所提方法设计的数字滤波器具有更好的抗FWL效应.展开更多
文摘相比燃油拖拉机,电动拖拉机具有节能高效、绿色清洁的优点。分布式驱动电动拖拉机结构简单、控制维度多,能进一步提高电动拖拉机的工作效率和作业精度。但是电机检测转速噪声导致轮毂电机速度波动严重,复杂路面及多种作业工况下进一步加剧了上述问题,严重降低了拖拉机的作业质量。针对上述问题,该研究提出一种基于sigmoid滤波器的线性自抗扰控制(linear active disturbance rejection control,LADRC)以提高轮毂电机的转速稳定性和抗扰动能力。该控制策略在传统LADRC的基础上引入sigmoid滤波器至扩张状态观测器(extended state observer,ESO),根据输入噪声信号误差变化改变滤波器带宽,以抑制观测误差中的中高频干扰信号,同时避免滤波器积分环节对轮毂电机速度跟踪快速性的影响,具有较快的收敛性。搭建试验平台对所提出控制策略进行试验验证,结果表明:与传统LADRC策略相比,本文所提控制策略在变速和变载工况下的转速脉动分别减小了32%和41.67%,iq电流脉动分别减小了6.25%和4.17%,可在快速、准确跟踪给定转速的同时,大幅提高轮毂电机驱动系统的噪声抑制性能,为复杂环境下电动拖拉机高精度作业提供技术参考。
文摘为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。
文摘为解决传统数字滤波器在有限精度实现时因有限字长(Finite Word Length,FWL)效应导致滤波器性能下降的问题,提出一种L_(2)灵敏度最小化的数字滤波器状态空间实现稀疏化方法.推导前向差分算子数字滤波器结构传输函数及其等效状态空间实现,根据可控及可观格莱姆矩阵得到基于相似变换矩阵的L_(2)灵敏度表达式,并进行稀疏化校准,将L_(2)灵敏度最小化问题转换为凸函数求最值问题,求导得到L_(2)灵敏度最小化表达式,代回即得前向差分算子数字滤波器的稀疏化状态空间实现.仿真结果表明,所提方法设计的数字滤波器具有更好的抗FWL效应.
