王新贺，孙小君,2，*

(1.黑龙江大学 电子工程学院，哈尔滨 150080；2. 黑龙江省信息融合估计与检测重点实验室，哈尔滨 150080)

0 引 言

异步电机应用领域遍及农业、日用家电、航天、计算机以及小水电站、风力发电等[1]。其优点主要为结构简单、运行可靠、制造容易、价格低廉、坚固耐用。但在高特性异步电机控制过程中，一般需要进行转速的反馈调节控制。常用的转速传感器，如测量速度的发电机检测和反馈转速信号存在一些费用或安装上的问题。因此，无传感器的转速控制逐渐引起了人们的关注。近年来，国内外学者做了许多的研究，研究方法有模型参考自适应系统法[2]、直接计算法[3]、神经网络法[4]、Kalman滤波法等[5]。模型参考自适应系统法：其转子磁链是由电压模型来估算得出的，将产生定子电阻不真实或电机运行过程中定子电阻变化影响低速估计效果，以及利用纯积分环节出现误差的累积，导致速度估算结果不真实的问题。直接计算法：基于稳态模型的估计方法在动态过程中不易跟踪真实的滑移。神经网络方法：其训练强度高，网络训练和学习时间较长。Kalman滤波算法：不仅达到了高精度和实时性的标准，而且增强了系统的控制能力[5]。文献[5]应用Kalman滤波算法进行了异步电机的转速控制研究，但仅是考虑单传感器情形。

多传感器信息融合问题是通过组合局部观测或局部状态估计得到全局融合的状态估计，从而有效提高整体状态估计的精度。融合问题广泛出现在军事、目标跟踪、信息处理、GPS定位、遥感、通讯等领域[6-8]。……