尹忠刚 肖 鹭 孙向东 刘 静 钟彦儒



基于粒子群优化的感应电机模糊扩展卡尔曼滤波器转速估计方法

尹忠刚1,2肖 鹭1孙向东1刘 静1钟彦儒1

（1. 西安理工大学电气工程系 西安 710048 2. 电力设备电气绝缘国家重点实验室（西安交通大学） 西安 710049）

为了减弱固定的先验噪声模型对扩展卡尔曼滤波器（EKF）状态估计的影响，提出一种基于粒子群优化的感应电机模糊EKF（PFEKF）转速估计方法。通过将粒子群优化（PSO）算法引入模糊控制器，监视实际残差与理论残差的偏离程度，自适应选择模糊调整因子，在线递推修正测量噪声协方差矩阵的加权值，使其逐渐逼近真实噪声水平，从而使滤波器进行优化估计，并减小外部干扰和时变测量噪声对系统性能的影响。仿真和实验结果验证了基于PSO的感应电机模糊EKF转速估计方法的正确性与有效性。

粒子群优化 模糊 扩展卡尔曼滤波 感应电机 转速估计

0 引言

在现代电机控制领域，感应电机矢量控制技术因具有优良的控制性能获得了广泛应用。然而，由于速度传感器的使用破坏了感应电机结构简单、可靠、成本低和维护方便的优点，也限制了其应用范围，降低了系统的鲁棒性。因此，无速度传感器控制不仅成为现代交流传动控制技术的一个重要研究方向，同时也是研究高性能通用变频器的关键技术。随着高性能数字信号处理器的飞速发展，各种转速估计方法层出不穷，如直接计算法、状态方程合成法、模型参考自适应法[1]、滑模观测器法[2]、自适应全阶观测器法[3]、高频信号注入法[4]和扩展卡尔曼滤波（Extended Kalman Filter, EKF）法[5-16]等。……