[发明专利]一种无轴承异步电机转速估计方法

摘要

本发明公开了一种无轴承异步电机的转速估计方法，根据异步电机的数学模型建立起系统状态方程和观测方程，确定系统噪声和观测噪声的协方差矩阵和估计误差的协方差初始矩阵，通过无迹变换产生2N+1个sigma点及其对应权值并计算它们点集的进一步预测值，计算出系统状态量的一步预测及协方差和预测的观测量，通过加权和得到系统预测的均值及协方差。计算kalman增益矩阵和状态更新和协方差更新。这种新的卡尔曼滤波算法用采样点传播随机过程统计特性而非像EKF中那样使用一阶线性化的方式，因此具有更高的估计精度。并在计算先验误差时引入衰减因子，使滤波器在估计过程中更相信测量值，减小了状态估计不确定性的影响，增强了系统的鲁棒性。

主权项

1.一种无轴承异步电机的转速估计方法，其特征是采用如下步骤：步骤一，构建系统模型子系统(1)，包括UT变换模块(11)，系统变换模块(12)，权值计算模块(13)，将UT变换模块(11)和权值计算模块(13)的输出都输入到系统变换模块(12)中；步骤二，构建观测模型子系统(2)，由UG变换模块(21)和系统观测模块(22)，将系统变换模块(12)的输出sigma点的加权值：和误差协方差矩阵：P(k+1|k)输入到UG变换模块(21)中，产生新的sigma点集，再将新的sigma点集输入到系统观测模块(22)模块中，所述的UG变换模块(21)与UT变换模块(11)相同；步骤三，构建参数估计子系统(3)，包括协方差计算模块(31)和状态更新模块，将模型子系统(1)和观测模型子系统(2)的输出输入到协方差计算模块(31)中，通过协方差计算模块(31)算出系统预测协方差：和输入到状态更新模块(31)，再加入衰减因子γ²，并将定子电流i_sα,i_sβ的值作为观测值实时输入到状态更新模块(32)中；步骤四，将状态更新的五个输出再输入到系统模型子系统(1)中，计算下一时刻的值，循环下去，并检测输出的转速值，其中分别是定子电流、电感和转速下一时刻的值；步骤一中所述的UT变换模型(11)，权值计算模块(13)和系统变换模型(12)的构建方法为：步骤2.1，所述UT变换模块(11)的构造方法是将输入的五阶状态向量进行UT变换，产生2n+1个sigma点，其中分别是定子电流、电感和转速当前刻的值；状态向量x为n维随机变量，并已知其均值和协方差P；则可通过下面的UT变换得到2n+1个sigma点：步骤2.2，权值计算模块(13)的构造方法是计算sigma点的相应权值；其中λ＝α²(n+β)‑n是一个缩放比例参数，用来降低总的预计误差，α,β为选择的参数：权值权值权值步骤2.3，系统变换模块(12)构造方法是将sigma点通过系统矩阵f(.)变换后得到sigma点的进一步预测X⁽ⁱ⁾(k+1|k)和误差协方差矩阵P(k+1|k),f(.)根据无轴承异步电机的数学模型构造，其中：一组采样点：进一步预测值：X⁽ⁱ⁾(k+1|k)＝f[k,X⁽ⁱ⁾(k|k)]sigma点的加权值：误差协方差矩阵：系统矩阵：其中Q为系统噪声的协方差矩阵，M为采样时间，L_r：转子电感，R_s：定子电阻，L_s：定子电感，R_r：转子电阻，L_m：互感，