容积卡尔曼滤波算法研究及其在电机状态估计中的应用

《容积卡尔曼滤波算法研究及其在电机状态估计中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｍ－博±学位论文Ｉ＾ＤＯＣＴＯＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮＰ．禱论文题目：容积卡尔曼滤波算法研究及其在电机中的应用运赛估计：－－－学科专业：电力电子与电力传功．年级：二陋纖該幽研究生：瞧一＂ｉｉｉ議纖齡ｉＷｒ＾Ｓｌ１１誦ＴＰ＾３＋ＴＭ３４．．２６＋２密级：国内图书分类号：，公开国际图书分类号：６２１．３西南交通大学研究生学位论文容积卡尔曼滤波算法研究及其在电机状态估计中的应巧—年级二〇一级姓名Ｔ家琳

2、申请学位级别工学博±专业电力电子与吊力传动指导老师肖建教授二〇—五年三月ＣｌａｓｓｉｆｉｅｄＩｎｄｅｘ：ＴＰ２７３＋．２ＴＭ３４６＋．２，Ｕ．Ｄ．Ｃ：６２１．３ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＤｏｃｔｏｒＤｅｇｒｅｅＤｉｓｓｅｒｔａｔｉｏｎＡＳＴＵＤＹＯＮＣＵＢＡＴＵＲＥＫＡＬＭＡＮＦＩＬＴＥＲＷＩＴＨＴＨＥＩＲＡＰＰＬＩＣＡＴＩＯＮＳＴＯＳＴＡＴＥＥＳＴＩＭＡＴＩＯＮＯＦＩＮＤＵＣＴＯＲＭ

3、ＯＴＯＲＧｒａｄｅ：２０１１Ｃａｎｄｉｄａｔｅ；ＪｉａｌｉｎＤｉｎｇＡｃａｄｅｍｉｃＤｅｒｅｅＡｌｉｅｄｆｏｒ．Ｄｇｐｐ：ＰｈＳｐｅｃｉａｌｉｔｙ：ＰｏｗｅｒＥｌｅｃｔｒｏｎｉｃ＆ＥｌｅｃｔｒｉｃＤｒｉｖｅＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＪｉａｎＸｉａｏＭａｒｃｈ２０１５，西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交论文的复印件和电子版，允许论文被查

4、阅和借阅。本人授权西南交通大学可Ｗ将本论文的全部或部分内容编入有关数据库进行检索ｊｌ，可ｙ采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于１．保密□，在年解密后适用本授权书；２．不保密Ｓ／，使用本授权书。＂’’（请在＾＾Ｊｌ上方框内打Ｖ）学位论文作者签名：叮良亦指导老师签名、丈．八、＜＾日期曰期：：加化处西南交通大学博±学位论文创新性声明本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果，。除文中已经注明引用的内容外本

5、论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下：１ＫＦ（ＣｕｂＫａｌｍａｎ巧ＩｔＣＫＦ、提出了两种基于Ｃａｔｕｒｅｅｒ）的改进算法，即自适应算法和自适应ＣＫＦ强跟踪滤波算法。自适应ＣＫＦ算法能克服标准算法对噪声先验统计知识的依赖性，，在噪声未知时变的情况下保证滤波收敛并显著提高常规ＣＫＦ算法的估计精度和稳定性一。而自适应ＣＫＦ强跟踪滤波

6、算法能进步实现对模型参数失配及突变状态的快速跟踪，有效地增强算法的鲁棒性。（详见第２章）２、提ＣＫＦ算法，在传感器网络中任意节点处可出了分布式１＾获得与集中式滤波等效的状态估计，并且能够有效避免基于Ｓｉｇｍａ点信息滤波的分布式算法其滤波性能一问题易受参数影响这。根据理论分析，分布式ＣＫＦ算法与分布式ＵＫＦ算法相比，能Ｗ更高的滤波精度和数值稳定性逼近真实状态，同时给出了仿真验证。（详见第３章）３，、针对传感器网络中非线性系统含未知输入的分布式滤波问题根据未知输入是否直接影响

7、输出进行两种情况的讨论，分别提出了分布式ＤＮＲＴＳＫＦ算法和分布式ＤＮＥＲＴＳＩＦ算法，有效的弥补了现有分布式算法对输入未知或随机干扰出现性能一不佳送缺陷。两种算法均能对传感器网络中非线性系统状态和未知输入同时进行准确估计，并且其滤波效果与集中式方案几乎等效。在分布式方案设计中采用ＩＣＦ的信息融合思想对各节点处的局部信息状态向量和信息矩阵进行迭代更新而不是直接融合观测信息，因此产生的状态估计是无偏的。（详见第４章和第５章）４、针对目前处理传感器网络系统中测量数据丢失的分布式滤波方

8、法均基于线性时变一。系统或单数据丢失概率的问题，提出了分布式ＮＣＩＦ算法该算法能有效解决传感器网络中存在测量数据丢包且各传感器节点丢包概率不等同的情形下非线性系统的分布式滤波问题。（详见第６章）５ＫＦ的、将Ｃ改进算法应用于感应电机的状态估计，克服了传统算法对噪声协方差矩，阵０和的依赖性，增强了算法对突变状态的快速跟踪能力并且通过电机参数与状态的联合估计方法能实现电机参数的准确辨识，有效的避免了因电机参数变化而引起