[发明专利]一种基于无迹卡尔曼滤波算法的PMSM参数辨识方法

摘要

本发明实施例提供了一种基于协方差匹配无迹卡尔曼滤波算法的永磁同步电机参数辨识方法，该方法包括：基于永磁同步电机矢量控制数学模型，建立状态观测系数矩阵方程；基于状态观测系数矩阵方程和预设初始量，依据UT变换实现状态观测器方程的非线性变换，实现无迹卡尔曼滤波的初始化；基于协方差匹配判据方法对无迹卡尔曼滤波发散趋势进行判据，依据判据结果，更新和修正无迹卡尔曼滤波迭代过程中的噪声协方差和测量噪声协方差；基于更新和修正后的协方差数据，获得电机参数辨识信息。根据本发明实施例提供的技术方案，能减小电机参数估计误差，提升负载扰动情况下参数辨识的稳定性。

主权项

1.一种基于协方差匹配无迹卡尔曼滤波算法的永磁同步电机(PMSM)参数辨识方法，其特征在于，所述方法包括：步骤一、基于永磁同步电机矢量控制数学模型，建立状态观测系数矩阵方程；步骤二、基于状态观测系数矩阵方程和预设初始量，依据UT变换实现状态观测器方程的非线性变换，实现无迹卡尔曼滤波的初始化；步骤三、基于协方差匹配判据方法对无迹卡尔曼滤波发散趋势进行判据，依据判据结果，更新和修正无迹卡尔曼滤波迭代过程中的状态噪声协方差和测量噪声协方差，主要包含偏离方差计算、滤波发散趋势判据、测量噪声修正三个步骤，具体包括以下操作：偏离方差计算步骤中，新息协方差的估计值定义为：其中，N为窗估计的大小，k为正整数，v_i为新息，为系数转置矩阵，v_i由下式确定：其中，y_i代表真实测量值，代表真实测量值均值，自适应UKF优化标准是减小偏离方差V_k值，其中，tr()为求迹运算，为新息协方差更新值；滤波发散趋势判据步骤中，一种基于协方差匹配判据的方法对滤波发散趋势进行判断有如下步骤：由式(4)中，E()为求均值计算，S为一事先设定的可调系数，S≥1，为观测序列，y_k为观测值，h()为控制量系数矩阵计算，为k时刻基于k‑1时刻递推的状态量数据均值，为观测值和预测值之间的残差序列，为残差序列转置矩阵，如式(5)所示，若式(4)不成立，修正P_k|k‑1，使其成为式中，λk为自适应加权系数，χi,k|k‑1为i时间点的递推数据，Wic为加权均方差计算系数，Pk|k‑1为k时刻的状态噪声数据，Qk‑1为k‑1时刻测量噪声数据；测量噪声修正步骤中，当满足收敛条件时，采用无修正无迹卡尔曼滤波算法；而判定滤波不满足收敛条件时，利用式(6)，利用自适应加权系数对Pk|k‑1进行修正，加大当前观测量的作用，从而使得滤波收敛；其中，λk由下式确定：其中，其中，C_0,k为k时刻协方差值，0＜ρ＜1为衰减系数，γ_i,k|k‑1为k时刻控制参数信息，为k时刻基于k‑1时刻递推的观测量数据均值，R为状态量测量值，能进一步提高滤波器的快速跟踪能力，ρ取值范围为0.8±0.15，其值越大，则k时刻以前的信息所占的比例就越小，噪点扰动的影响变小，对于突变噪点有较好的跟踪能力；同时，在滤波稳定状态下，对个别缓变和突变状态依旧具有跟踪能力；步骤四、基于更新和修正后的协方差数据，获得电机参数辨识信息。