改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf

改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf

ID:51498868

大小:820.05 KB

页数:4页

时间:2020-03-25

改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf_第1页
改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf_第2页
改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf_第3页
改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf_第4页
资源描述:

《改进粒子群算法优化扩展卡尔曼滤波器电机转速估计.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、笺30卷第7期计算机应用研究Vo!.30NosI---.72013军;月’ApplicationResearchofComputersJul.2013改进粒子群算法优化扩展卡尔曼滤波器电机转速估计林国汉1,章兢1,刘朝华1,赵葵银2(1.湖南大学电气与信息工程学院,长沙410082;2.湖南工程学院电气信息学院,湖南湘潭411101)摘要:针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整

2、的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计。仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。关键词:转速估计;无速度传感器矢量控稍;扩展卡尔曼滤波器;粒子群算法中图分类号:TM346.2;TP273.2文献标志码:A文章编号:1001-3695(2013)07—2003—04doi:10。3969/j.issn,100l-3

3、695.2013.07.02lSpeedestimationofmotorusingimprovedparticleswarmalgorithmoptimizedextendedKalmanfilterLINGuo.hart’,ZHANG]in91,HUZhao—bual,ZHAOKui—yi一(1.CollegeofElectrical&InformationEngiwering,HunanUniversity,Changsha410082,China;2.CollegeofElectrical&Information,Hu一,mnlmtitu招

4、ofEngineering,XiangtanHunan411101,China)Abstract:AimingattheproblemofgettingtheextendedKalmanfilter(EKF)optimalvalueofsystemnoisematrixandmea—surementnoisematrixusingininductionmotorspeedestimation,thispaperproposedaspeedestimationmethodusingEKFop—timizedbyimprovedparticlesWaI

5、T9optimization(IPSO).Bycombiningtheadvantagesofgeneticalgorithmandparticleswarmoptimization,itadoptedanadjustablealgorithmsinPSO.ItoptimizedtheEKFsystemnoisematrixandmeasurementnoisema—trixbyIPSO,usingoptimizedEKFtoestimatethespeedofinductionmotor.Simulationresultsshowthatthep

6、roposedmethodcaneffectivelyimprovethespeedestimationaccuracycomparetothoseobtainedbytrialanderrormethod,geneticalgorithm(GA)andstandardPSOalgorithm.Keywords:speedestimation;sensorlessvectorcontrol;extendedKalmanfilter(EKF);particleswatl'llalgorithm0引言无速度传感器矢量控制系统一直是很多学者研究的热点,而

7、实现无速度传感器矢量控制的关键是电机转速估计,许多文献也提出了电机转速的估计方法。1。由于卡尔曼滤波器(Kal-manfilter)具有良好的动态性和抗干扰性,因此,卡尔曼滤波器及其改进形式如扩展卡尔曼滤波器(EKF)被认为是感应电机无速度传感器矢量控制系统中速度估计的重要方法。使用EKF进行转速估计的主要问题之一是噪声矩阵的选取,EKF转速估计的精度以及收敛性在很大程度上取决于使用者对噪声矩阵的先验了解,也就是系统噪声矩阵和测量噪声矩阵事先规划的准确度。如果噪声矩阵选择不当,EKF的性能将会降低甚至不能正常工作。如何选择EKF的噪声矩阵,相关学者

8、对此进行了不少尝试与探索。文献[2]使用试探法设定噪声协方差矩阵,该方法易于使用,但费时、精确度差、过于依赖设计者的个人经

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。