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

摘要

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。它解决了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。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：本发明适用于感应电机的转速观测。

主权项

1.一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，它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，其特征在于：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：$\tilde{P}(k+1)=\lambda (k+1)G\left(k\right)\hat{P}\left(k\right)G\left(k\right)+Q,$其中λ(k+1)的表达式为：$\lambda (k+1)=\left\{\begin{array}{cc}{e}^{a(k+1)-1}& a(k+1)\ge 1\\ 1& a(k+1)<1\end{array}\right.,$式中a(k+1)的表达式为：$a(k+1)=\frac{z_k^T{z}_k}{\mathrm{trace}\left(C_0(k+1)\right)},$其中z_k为感应电机状态变量的实测系统残差，C₀(k+1)为感应电机状态变量的理论残差协方差，trace(C₀(k+1))为C₀(k+1)的迹；G(k)为雅克比系数矩阵；Q为系统噪声协方差阵。