← 返回
控制与算法 PWM控制 机器学习 ★ 2.0

基于扩展卡尔曼滤波与马尔可夫链的感应电机转速与磁链观测器

A Speed and Flux Observer of Induction Motor Based on Extended Kalman Filter and Markov Chain

作者 Zhonggang Yin · Guoyin Li · Yanqing Zhang · Jing Liu · Xiangdong Sun · Yanru Zhong
期刊 IEEE Transactions on Power Electronics
出版日期 2017年9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 ★★ 2.0 / 5.0
关键词 感应电机 无传感器控制 扩展卡尔曼滤波 马尔可夫链 速度估计 磁链估计 状态观测器
语言:

中文摘要

本文提出了一种基于多模型扩展卡尔曼滤波(EKF)与马尔可夫链的感应电机(IM)无传感器转速与磁链估计方法。通过建立多模型EKF架构,利用马尔可夫链实现模型间的平滑切换,有效提升了感应电机驱动系统的估计精度与动态性能。

English Abstract

To improve the performance of sensorless induction motor (IM) drives, an adaptive speed and flux estimation method based on the multiple-model extended Kalman filter (EKF) with Markov chain for IMs is proposed in this paper. In this algorithm, the multiple model EKF for speed and flux estimation is established, and the transition of the models obeys the Markov chain and the estimation value is obt...
S

SunView 深度解读

该技术主要针对感应电机(IM)的无传感器控制,虽然阳光电源的核心业务聚焦于光伏逆变器、储能变流器(PCS)及风电变流器,但其核心控制算法(如EKF、状态观测器)在风电变流器及储能系统电机驱动控制中具有借鉴意义。特别是对于风电变流器中发电机侧的控制优化,该算法提供的多模型切换思路可提升复杂工况下的鲁棒性。建议研发团队关注该算法在非线性系统状态估计中的应用,以优化现有变流器在弱电网或复杂负载下的动态响应能力。