何昌艳，李国银，谷翠军，杨 吉

(1.重庆市铁路(集团)有限公司，重庆 401121； 2.重庆中车四方所科技有限公司，重庆 401133)

0 引 言

近年来，扩展卡尔曼滤波(以下简称EKF)在电机控制领域具有较好的性能，受到了众多学者的广泛关注。文献[1]提出了一种基于多模型EKF的转速估计方法，取得了较好的效果，但该方法计算量较大，对CPU的计算能力要求较高。文献[2]提出了一种基于改进强跟踪的自适应转速估计方法，减小了模型失配造成的影响，提高了系统的性能，然而该算法使用次优算法计算渐消因子以达到实时计算的目的，虽然一定程度上减少了计算量，但造成敏感度失衡，导致残差信息不对称，降低了对外部环境变化的适应性[3]。文献[4]将EKF应用于转子电阻辨识中，仿真结果表明该算法取得了较高的精度和较强的鲁棒性，但该方法未对滤波参数进行优化，在系统发生变化时性能不佳。文献[5-6]提出了一种用于磁链和转速估计的三阶EKF模型，在获得了与传统EKF一样性能的基础上，明显减少了计算量，降低了对CPU性能的要求，提高了EKF的实用性。文献[7-8]将EKF应用于感应电机无速度传感器DTC系统中估算磁链、转速，结果证明了EKF在DTC控制系统中仍然具有良好的估计性能。

研究表明，传统EKF对不确定性系统的状态估计性能较差。当系统达到稳态后，反应状态估计偏差的协方差矩阵和增益矩阵被限制在接近于零的状态上；当系统遭受突发工况时，EKF不能及时响应该工况，导致系统的控制性能受到影响，这种现象在低速重载时尤为明显[9-11]。……