声明
主要符号表
1 绪论
1.1 课题的研究背景和意义
1.2 高性能交流调速系统的发展现状
1.3 无传感器矢量控制技术转速估计方法研究现状
1. 电压/电流模型法
2. 滑模观测器
3. 全阶自适应观测器
4. 模型参考自适应
5. 高频信号注入法
6. 人工智能
1.4 基于卡尔曼滤波理论的转速估计方法发展现状
1. 扩展卡尔曼滤波
2. 无轨迹卡尔曼滤波
3. 中心差分卡尔曼滤波
4. 容积卡尔曼滤波
1.5 课题内容与安排
2 感应电机矢量控制理论基础
2.1 感应电机的数学模型
2.1.1 感应电机在静止三相坐标系下的数学模型
2.1.2 坐标变换
2.1.3 感应电机在两相坐标系下的数学模型
2.2 感应电机在两相坐标系下的状态方程
1. 感应电机在dq坐标系下的状态方程
2. 感应电机在αβ坐标系下的状态方程
2.3 基于转子磁场定向的矢量控制基本原理
2.3.1 矢量控制
2.3.2 基于转子磁场定向的感应电机数学模型
2.4 感应电机无速传感器矢量控制系统结构
2.5 本章小结
3 基于扩展卡尔曼滤波的感应电机转速辨识方法
3.1 扩展卡尔曼滤波原理
1. 线性卡尔曼滤波框架
2. 扩展卡尔曼滤波
3. EKF计算流程
4. 卡尔曼滤波增益选取原则
3.2 基于扩展卡尔曼滤波的感应电机无速度矢量控制系统
3.3 扩展卡尔曼滤波参数调试
3.4 离散化采样周期对EKF算法性能的影响
3.5 本章小结
4 基于极大似然估计AEKF的感应电机转速辨识方法
4.1 扩展卡尔曼滤波的不足
4.2 扩展卡尔曼滤波的自适应方案
4.3 基于极大似然估计准则的自适应扩展卡尔曼滤波算法
4.3.1 极大似然估计的基本原理
4.3.2 基于极大似然估计准则的自适应EKF算法
4.3.3 指数衰减因子改进残差协方差估计器
4.4 基于MLC-AEKF的感应电机转速辨识方法
4.5 基于MLC-AEKF算法稳定性分析
4.6 本章小结
5. 仿真验证
5.1 仿真模型
5.2 基于MLC-AEKF的无速度传感器系统正确性仿真验证
5.2.1 仿真选取滑动窗口长度
5.2.2 指数衰减因子参数的确定
5.2.3 基础性能仿真验证
5.3 基于MLC-AEKF的无速度传感器系统有效性仿真验证
5.3.1 抗外部干扰性能仿真验证
5.3.2 抗内部估计误差性能仿真验证
5.3.3 电机参数失配情况下的有效性仿真验证
5.4 本章小结
6. 实验验证
6.1 实验平台简介
6.2 基于MLC-AEKF的无速度传感器系统正确性实验验证
6.3 基于MLC-AEKF的无速度传感器系统有效性实验验证
6.3.1 电机参数失配情况下的有效性实验验证
6.3.2 抗外部干扰性能实验验证
6.3.3 抗内部估计误差性能实验验证
6.3.4 带载加减速动态跟踪性能实验验证
6.3.5 突加减负载时动态跟踪性能实验验证
6.4 本章小结
7 结论
7.1 全文总结
7.2 下一步工作展望
致谢
参考文献
硕士学习期间科研成果和奖励
