[发明专利]带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法

说明书

技术领域

本发明涉及一种带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法，属于电机驱动控制领域。

背景技术

在各种机电能量转换装置中，感应电机因具有结构简单、坚固耐用、转动惯量小、运行可靠、制造方便、成本低、便于维修以及可工作于恶劣环境等优点而在工业领域得到了广泛的应用。随着电力电子技术、微电子技术及现代控制理论的飞速发展，特别是矢量控制技术以及直接转矩控制技术等高性能控制策略的提出，使感应电机调速技术得到了空前的发展。感应电机矢量控制系统模拟直流电机实现了转矩分量和励磁分量的解耦控制，获得了优良的动静态特性，达到甚至超过了直流电机控制系统的动静态性能，这打破了直流电机在高性能电力传动领域一统天下的格局，并逐渐进入取代直流调速系统的时代。

传统感应电机矢量控制系统需要安装转速传感器以实现高性能转速闭环控制，速度传感器的安装会带来如下问题：(1)增加了系统成本，增大了系统体积，同时降低了系统可靠性；(2)破坏了感应电机结构坚固、简单的优势，增加了维护成本和难度，降低了系统的机械鲁棒性；(3)在高温、高湿等恶劣环境中，编码器易受外界环境的影响，可靠性降低，甚至无法工作。

由于上述存在的问题，近年来在感应电机控制系统中，取消速度传感器，通过电机的电压、电流间接获得转速信息的控制方案成为发展趋势。目前感应电机的转速观测方法可以分为两类：一类是基于感应电机非理想特性的观测方法，如转子槽谐波法、高频信号注入法。这类方法虽然具有很好的参数鲁棒性，但需要频谱分析，其数据处理复杂，并且转速观测范围窄，实用性较差；另一类是基于理想电机模型的转速观测方法。如直接计算法，计算简单但抗干扰性差；模型参考自适应法的应用研究较为广泛，但参数鲁棒性较差；滑模观测器法参数鲁棒性较好，但存在原理性的抖振问题；人工智能法(包括神经网络、模糊控制、专家系统、遗传算法等)比较复杂，实现困难。扩展卡尔曼滤波(EKF)算法是一种基于均方差最小原理的具有反馈矫正环节的应用于非线性系统的随机观测器。相对于其他的观测方法，更适合于存在不确定性和非线性问题的感应电机模型。中国专利《交流异步电机的无速度传感器逆控制器》，公开号为CN1710802，公开日为2005年12月21日，将EKF算法用于交流电机的转速观测，实现了无速度传感器交流电机系统的转速观测和转速闭环运行。但是标准卡尔曼滤波(EKF)算法用于感应电机这一多变量、高阶、非线性、强耦合系统的转速观测，存在噪声协方差矩阵难以准确获得等问题，有可能导致状态变量观测不准，同时其系统噪声协方差和测量噪声协方差矩阵的取值对转速观测的动态性能影响较大，若选取不当使收敛时间过长甚至发散。

发明内容

本发明的目的是为了解决现有对感应电机的转速进行观测采用的标准卡尔曼滤波EKF算法中，由于噪声协方差矩阵误差大而影响状态变量的观测结果的问题，提供一种带指数渐消因子的卡尔曼滤波器的感应电机转速观测方法。

本发明方法基于转速观测器实现转速观测，在转速观测器中采用卡尔曼滤波器进行误差预测，所述转速观测器在实现转速观测的运行过程中，卡尔曼滤波器所采用的误差协方差矩阵预测方程中引入了指数渐消因子λ(k+1)，所述的误差协方差矩阵预测方程为：

P~(k+1)=λ(k+1)G(k)P^(k)G(k)+Q,]]>

其中λ(k+1)的表达式为：