为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current ...为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。展开更多
为解决扩展卡尔曼滤波算法估算锂电池荷电状态(State of charge,SOC)时存在的系统噪声统计不确定性和电池模型不准确性问题,该文提出了一种基于改进型Sage-Husa自适应强跟踪卡尔曼滤波的SOC估算算法。以参数辨识得到的锂电池等效电路模...为解决扩展卡尔曼滤波算法估算锂电池荷电状态(State of charge,SOC)时存在的系统噪声统计不确定性和电池模型不准确性问题,该文提出了一种基于改进型Sage-Husa自适应强跟踪卡尔曼滤波的SOC估算算法。以参数辨识得到的锂电池等效电路模型为基础,在扩展卡尔曼滤波算法中引入一个强跟踪滤波器的渐消因子来加强跟踪能力,结合可对时变噪声进行特征统计的Sage-Husa自适应滤波器来调整系统噪声参数,实现了锂电池SOC的估算。最后通过锂电池模拟工况实验,验证了该算法相比于扩展卡尔曼滤波具有更高的精度和实用性。展开更多
文摘为增强三电平逆变器馈电永磁同步电机驱动系统在模型失配和工况变化下的稳定性和鲁棒性,该文提出一种基于强跟踪扩展卡尔曼观测器的无模型预测电流控制(strong tracking extended Kalman observer based model-free predictive current control,STEKO-MFPCC)策略。首先,分析电机在模型失配工况下的集总扰动,建立系统超局部模型;其次,设计EKO估计超局部模型中非线性部分,同时引入强跟踪滤波策略,快速调整误差协方差矩阵,优化增益矩阵,提升传统扩展卡尔曼算法的动态性能;最后,构建含有中点电位和电流的预测方程,输出令代价函数最小的电压矢量。实验结果表明,相较传统MFPCC,所提方法有效抑制中点电位波动,提升电机转速响应速度,改善输出电流质量,在参数扰动工况下增强系统鲁棒性和抗扰动能力。
文摘为解决扩展卡尔曼滤波算法估算锂电池荷电状态(State of charge,SOC)时存在的系统噪声统计不确定性和电池模型不准确性问题,该文提出了一种基于改进型Sage-Husa自适应强跟踪卡尔曼滤波的SOC估算算法。以参数辨识得到的锂电池等效电路模型为基础,在扩展卡尔曼滤波算法中引入一个强跟踪滤波器的渐消因子来加强跟踪能力,结合可对时变噪声进行特征统计的Sage-Husa自适应滤波器来调整系统噪声参数,实现了锂电池SOC的估算。最后通过锂电池模拟工况实验,验证了该算法相比于扩展卡尔曼滤波具有更高的精度和实用性。
