周　浩，张文斌，陈建清，刘子超，苏　适

(1.昆明理工大学 机电工程学院，云南 昆明 650500；2.云南电力试验研究院，云南 昆明 650063)



遗传算法优化的扩展卡尔曼滤波感应电动机速度估算

周浩1，张文斌1，陈建清1，刘子超1，苏适2

(1.昆明理工大学 机电工程学院，云南 昆明 650500；2.云南电力试验研究院，云南 昆明 650063)

基于扩展卡尔曼滤波器(EKF)的电动机速度估算器，通常采用试错法来对EKF的噪声矩阵进行试验调整，这样造成EKF估算器具有效率低和估算精度不高的问题。研究使用遗传算法(GA)来优化EKF，得到最佳噪声矩阵。在感应电动机直接转矩控制(DTC)的Simulink仿真中，使用最佳噪声矩阵参数的EKF来估算电动机速度，得到了较好的估算效果。

速度估算；扩展卡尔曼滤波器；遗传算法；直接转矩控制

在高性能交流调速传动系统中，通常采用光电编码器等传感器对转速进行检测，但传感器带来了系统硬件成本增加、难以适应恶劣环境和系统可靠性降低等问题。这些问题促使国内外学者对无速度传感器控制技术进行了大量研究[1-4]，并提出了很多比较实用且有效的速度估算器：龙贝格(LO)估算器、滑模(SMO)估算器和扩展卡尔曼滤波器(EKF)估算器。LO和SMO估算器针对的都是确定性系统，EKF估算器则适用于含有噪声的随机系统。LO和SMO估算器的增益矩阵是通过稳定性分析和极点配置来设计的，但由于电动机系统的非线性，基于线性理论的LO和SMO估算器难以应用。EKF估算器的增益矩阵是基于均方差误差最小原理得到的，在动态过程中，增益矩阵通过噪声协方差矩阵Q、R和权重矩阵G来进行实时更新，目的是在下一次得到最优的状态估计。……