← 返回
基于改进观测趋近律的无编码器电机控制智能在线稀疏贝叶斯学习
Intelligent Online Sparse Bayesian Learning for Encoderless Motor Control With Modified Observation Reaching Law
| 作者 | Xueyan Wang · Fobao Zhou · Zhenxiao Yin · Yuxuan Liang · Yang Shen · Hang Zhao |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年12月 |
| 技术分类 | 控制与算法 |
| 技术标签 | PWM控制 机器学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 无编码器控制 永磁同步电机 稀疏贝叶斯学习 非线性磁链观测器 到达律 动态响应 参数敏感性 |
语言:
中文摘要
针对恶劣环境下无编码器电机控制的局限性，本文提出了一种基于改进观测趋近律的非线性磁链观测器。该方法通过引入智能在线稀疏贝叶斯学习算法，有效提升了系统的动态响应速度，并增强了对电机参数变化的鲁棒性，解决了传统无传感器控制在复杂工况下的性能瓶颈。
English Abstract
Encoderless algorithms for surface-mounted permanent magnet synchronous motors addresses the installation limitations of encoders in harsh or confined environments. However, existing encoderless control methods suffer from challenges in dynamic response speed and parameter sensitivity issues. To solve these issues, a modified reaching law for nonlinear flux observer with improved response speed is...
S
SunView 深度解读
该技术主要应用于电机驱动控制领域，对阳光电源的风电变流器产品线具有参考价值。风电变流器在恶劣环境下运行，无编码器控制技术可降低硬件故障率并减少维护成本。文中提到的稀疏贝叶斯学习与改进趋近律算法，可优化变流器在弱电网或复杂风况下的转矩响应与稳定性。建议研发团队关注该算法在风电变流器无传感器矢量控制中的应用，以提升产品在极端工况下的控制精度及系统可靠性。