CN113708686B - 一种永磁同步电机驱动***的惯量辨识方法 - Google Patents
一种永磁同步电机驱动***的惯量辨识方法 Download PDFInfo
- Publication number
- CN113708686B CN113708686B CN202111007182.1A CN202111007182A CN113708686B CN 113708686 B CN113708686 B CN 113708686B CN 202111007182 A CN202111007182 A CN 202111007182A CN 113708686 B CN113708686 B CN 113708686B
- Authority
- CN
- China
- Prior art keywords
- inertia
- sliding mode
- equation
- extended
- permanent magnet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 30
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 11
- 239000011159 matrix material Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/20—Estimation of torque
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
- H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
- H02P25/022—Synchronous motors
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2207/00—Indexing scheme relating to controlling arrangements characterised by the type of motor
- H02P2207/05—Synchronous machines, e.g. with permanent magnets or DC excitation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供一种永磁同步电机驱动***的惯量辨识方法,方法包括:将惯量扩展为新的***状态,构建扩展的机械运动方程;将扩展滑模观测器技术引入惯量辨识领域,基于构建的机械运动方程开发一种具有时变反馈增益的新型扩展滑模观测器以辨识惯量;设计一个扩张状态观测器,进而为新型扩展滑模观测器提供所需的集总扰动信息以确保其成功估计惯量。本发明将扩展滑模观测器技术成功应用于惯量辨识领域,确保了惯量辨识过程对噪声干扰的强大鲁棒能力;另外,该方法不涉及任何矩阵运算,因而计算负担小。总的来讲,本发明所提供的方法在具有优越的抗噪声干扰性能的同时拥有低计算负担的特性。
Description
技术领域
本发明涉及电机驱动领域,更具体地,涉及一种永磁同步电机驱动***的惯量辨识方法。
背景技术
由于具有可靠性好、转矩惯量比大、功率密度高、效率高等优良特性,永磁同步电机在工业领域中获得广泛的应用。满足高性能控制的需求是现代永磁同步电机驱动***的关键标志,而速度环是确定驱动***的性能重要因素。当前,一些提高速度环控制性能的算法离不开精确的惯量辨识结果,比如速度环自整定和负载转矩观测。高精度的惯量数据是保证这些方法优越性能的关键。因此,准确估计驱动***的惯量是非常重要且十分必要的。
惯量辨识技术主要可以分为两大类:离线辨识和在线辨识。离线辨识技术只能在驱动***调试期间使用,并且这类方法仅适用于定惯量***。相对于离线辨识,在线辨识技术由于适用于更多复杂的情况而被广泛关注。模型参考自适应法、递归最小二乘法、梯度算法是常用的惯量在线辨识算法,它们因计算负担低而受到欢迎。然而,这些提及的惯量在线辨识技术没有考虑摩擦转矩,这使得它们的估计精度不高。幸运的是,基于正交原理的方法(I.Awaya,Y.Kato,I.Miyake,and M.Ito,“New motion control with inertiaidentification function using disturbance observer,”in Proc.IECON,San Diego,CA,USA,1992,pp.77-81.)和基于最优参数估计的方法(L.Niu,D.Xu,M.Yang,X.Gui,andZ.Liu,“On-line inertia identification algorithm for PI parametersoptimization in speed loop,”IEEE Trans.Power Electron.,vol.30,no.2,pp.849-859,Feb.2015.)克服了上述不足。应当指出的是传统的基于正交原理的方法受限于周期性速度的限制。虽然最新改进型的基于正交原理的方法(Y.Chen,M.Yang,J.Long,W.Qu,D.Xu,and F.Blaabjerg,“A moderate online servo controller parameter self-tuningmethod via variable-period inertia identification,”IEEE Trans.PowerElectron.,vol.34,no.12,pp.12165-12180,Dec.2019.)克服了这一限制,但其不能被用于需要或仅允许单向旋转的驱动***。相反,基于最优参数估计的方法没有这些限制。同时,这种方法对噪声干扰还具有优越的鲁棒性。尽管基于最优参数估计的方法具有上述吸引人的优势,但是这种方法在实际应用中仍然面临挑战:该方法涉及大量的矩阵运算,以至于其工业实现相当耗时。
发明内容
本发明针对现有技术中存在的技术问题,提供一种永磁同步电机驱动***的惯量辨识方法,包括:
步骤1,将惯量扩展为新的***状态,构建永磁同步电机驱动***的扩展机械运动方程;
步骤2,基于所述扩展机械运动方程,构建具有时变反馈增益的新型扩展滑模观测器;
步骤3,构建扩张状态观测器,对永磁同步电机驱动***的集总扰动信息进行估计,并将所述集总扰动信息提供给所开发的新型扩展滑模观测器,以使得该新型扩展滑模观测器成功辨识永磁同步电机驱动***的惯量。
本发明提供的一种永磁同步电机驱动***的惯量辨识方法,将惯量扩展为新的***状态,构建扩展的机械运动方程;将扩展滑模观测器技术引入惯量辨识领域,基于构建的机械运动方程开发一种具有时变反馈增益的新型扩展滑模观测器以辨识惯量;设计一个扩张状态观测器,进而为新型扩展滑模观测器提供所需的集总扰动信息以确保其成功估计惯量。本发明将扩展滑模观测器技术成功应用于惯量辨识领域,确保了惯量辨识过程对噪声干扰的强大鲁棒能力;另外,该方法不涉及任何矩阵运算,因而计算负担小。总的来讲,本发明所提供的方法在具有优越的抗噪声干扰性能的同时拥有低计算负担的特性。
附图说明
图1为本发明提供的一种永磁同步电机驱动***的惯量辨识方法流程图;
图2为所设计的扩展滑模观测器原理框图;
图3为本发明所提供的惯量在线辨识技术的原理框图;
图4(a)为噪声不存在情况下,本发明所提供的惯量估计技术、模型参考自适应方法、基于最优参数估计的方法的对比仿真结果;
图4(b)为存在轻微噪声干扰情况下,本发明所提供的惯量估计技术、模型参考自适应方法、基于最优参数估计的方法的对比仿真结果;
图4(c)为存在严重噪声干扰情况下,本发明所提供的惯量估计技术、模型参考自适应方法、基于最优参数估计的方法的对比仿真结果;
图5为本发明所提供的惯量估计技术和基于最优参数估计的方法在STM32F103微处理器中的实际执行时间对比示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明提供的一种永磁同步电机驱动***的惯量辨识方法流程图,如图1所示,方法包括:步骤1,将惯量扩展为新的***状态,构建永磁同步电机驱动***的扩展机械运动方程;步骤2,基于所述扩展机械运动方程,构建具有时变反馈增益的扩展滑模观测器;步骤3,构建扩张状态观测器,对永磁同步电机驱动***的集总扰动信息进行估计,并将所述集总扰动信息提供给所开发的新型扩展滑模观测器,以使得该新型扩展滑模观测器成功辨识永磁同步电机驱动***的惯量。
可以理解的是,基于背景技术中的缺陷,本发明实施例提出了一种抗噪声干扰且低计算负担的永磁同步电机驱动***的惯量在线辨识技术。该方法首先扩展惯量为一个新的***状态,然后将扩展滑模观测器技术引入惯量辨识领域,开发了一种具有时变反馈增益的新型扩展滑模观测器来辨识惯量,最后构建了一个扩张状态观测器来为新型扩展滑模观测器提供所需的集总扰动信息以成功估计惯量。本发明所提供的惯量辨识技术解决了现有技术无法兼顾抗噪性能和计算量的问题,即其在拥有优越抗噪性能的同时具有低的计算负担。
在一种可能的实施例方式中,步骤1构建扩展机械运动方程包括如下步骤:
永磁同步电机驱动***的机械运动方程可以被描述如下:
其中ωm为转速,B为粘性摩擦系数,J为惯量,Tl为负载转矩,C为库伦摩擦系数,Te为电磁转矩。
定义惯量的倒数为j=1/J,并将其扩展为新的***状态,进而基于等式(1)构建一种扩展的机械运动方程如下:
其中,DL代表集总扰动,其被定义为dj表示j的导数。
步骤2将扩展滑模观测器技术引入惯量辨识领域,基于步骤1构建的机械运动方程开发一种具有时变反馈增益的新型扩展滑模观测器以辨识惯量的具体方法包括:
基于步骤1构建的扩展机械运动方程开发了一种用于估计惯量的扩展滑模观测器如下:
其中分别表示ωm,j,DL的估计值;f为反馈增益;UESMO表示滑模观测器信号,其被设计为:
UESMO=g·sign(S);(4)
其中g为滑模切换增益;S为滑模面,其被设计为
为了确定滑模切换增益g和反馈增益f,本发明进行了如下的具体设计过程:
首先由等式(3)减去等式(2),可以导出扩展滑模观测器的误差方程为:
其中
假设eD、ej和Te都是有界的,并且定义 选取一个Lyapunov函数为V=0.5S2,可以得到:
从等式(6)可知,当滑模切换增益g被设计为时,我们能够导出是满足的,这意味着滑模可达条件是满足的。因此,当滑模发生后,eω及其导数将会在有限时间内收敛至0,即/>于是,等式(5)能够被重写为:
根据等式(7),能够得到:
通常,惯量的变化频率远低于驱动***的采样频率。因此,可以合理地认为短时间内满足dj=0。于是,等式(8)可以改写为:
当feD被控制为feD≈0时,可以得到:
然后,等式(10)的解析解可以被导出为:
其中C是常数,可以看出,当满足fTe>0时,惯量估计误差ej将会渐进趋于0。为此,本发明设计反馈增益为f=mTe(m>0)以满足fTe>0。可以发现,所提供的扩展滑模观测器拥有一个时变的反馈增益,这样的设计确保了惯量估计误差渐进收敛至0。值得注意的是,feD≈0是该结论成立的关键,通过选取合适的m值能够保证feD足够小,即能够确保feD≈0。
综上所述,本发明所提供的扩展滑模观测器的最终表达式为:
其中,上式(12)中Te和ωm由永磁同步电机驱动***提供,由于永磁同步电机驱动***经常采用的矢量控制策略,因此电磁转矩Te能够被计算为Te=1.5Pnψfiq(Pn为极对数,ψf为磁链,iq为q轴电流),转速ωm通过编码器获取。其中,图2显示了所提供的扩展滑模观测器的原理框图。
需要说明的是,当滑模发生后,转速ωm能够被描述为因此,等式(3)可以改写为:
结合等式(2)和等式(13),可以得到:
其中,G=fTe,值得注意的是,等式(14)可以等效为一个截止频率为G的低通滤波器,其传递函数可以表示为:
由此可以看出所设计的扩展滑模观测器的惯量估计效果等效于一个低通滤波器的输出。这意味着所设计的扩展滑模观测器本身具有等效的低通滤波器功能,因此无需额外的抖振抑制就能够抑制滑模抖振。
可以理解的是,利用扩展滑模观测器对永磁同步电机驱动***的惯量进行估计辨识时,可参见式(12),其中,很重要的一个变量是驱动***的集总扰动信息,本发明实施例设计了一个扩张状态观测器,为扩展滑模观测器提供所需的集总扰动信息以确保其成功估计惯量。设计扩张状态观测器的具体方法为:
为了给步骤2)中开发的扩展滑模观测器提供实时的集总扰动估计值(即)以确保其成功辨识惯量,本发明设计了一个线性的扩张状态观测器。首先,将集总扰动视为一个新的***状态,基于等式(1)得到如下扩展的机械运动方程:
基于上式(16),所设计的线性扩张状态观测器能够表示如下:
其中,p为扩张状态观测器的期望极点,满足p>0。考虑到j是未知的,因此其被扩展滑模观测器的输出代替,即所设计的线性扩张状态观测器的最终表达式如下:
综上所述,可以得到所提供的惯量在线辨识技术的原理框图,如图3所示。
为了验证本发明所提供的惯量辨识技术的可行性和有效性,搭建了相应的仿真模型进行研究,仿真模型采用的矢量控制策略。在仿真中,本发明评估了所提供的惯量辨识技术对噪声的鲁棒性,并且选取了模型参考自适应方法和最优参数估计的方法来对比本发明提供的惯量辨识技术。相关的仿真参数设置如下:极对数Pn=4;电阻Rs=0.801Ω;电感L=3.675mH;转子磁链ψf=0.278Wb;速度指令选取为周期性的方波,其幅值为500r/min,周期为0.1s。另外,仿真的目的是为了比较这三种方法的抗噪性能,因此为了消除其他因素对惯量辨识结果的影响,粘性摩擦系数、负载转矩和库伦摩擦系数都被设置为0。模型参考自适应方法的增益因子被选取为β=0.001;基于最优参数估计的方法中观测器系数l=-0.06,矩阵P的初始值被设计为P(0)=diag{0.2,0,0,0.1}。本发明所提供的惯量辨识技术的参数设计为m=0.1,P=20,g=-1000。图4(a)是在无噪声条件下的估计结果,从那儿可以发现在噪声不存在的情况下,三种方法都可以准确估计惯量。图4(b)是轻微噪声干扰下的估计结果,可以发现模型参考自适应方法出现了明显的误差,而基于最优参数估计的方法和本发明提供的方法仍然可以准确估计惯量。当驱动***遭遇严重噪声干扰时,图4(c)显示模型参考自适应方法估计已经发散,而另外两种方法仅仅出现轻微的误差。图4(a)-(c)的结果说明本发明所提供的方法的抗噪性能可以与基于最优参数估计的方法相媲美。此外,图5比较了基于最优参数估计的方法和本发明提供的惯量估计技术在基于STM32F103微处理器的驱动***中的实际执行时间。可以发现,本发明所提供的惯量辨识技术的实际执行时间远低于基于最优参数估计的方法,这意味着本发明在拥有优越抗噪性能的同时还具有低的计算负担。
本发明实施例提供的一种永磁同步电机驱动***的惯量辨识方法,将惯量扩展为新的***状态,构建扩展的机械运动方程;将扩展滑模观测器技术引入惯量辨识领域,基于构建的机械运动方程开发一种具有时变反馈增益的新型扩展滑模观测器以辨识惯量;设计一个扩张状态观测器,进而为新型扩展滑模观测器提供所需的集总扰动信息以确保其成功估计惯量。本发明将扩展滑模观测器技术成功应用于惯量辨识领域,确保了惯量辨识过程对噪声干扰的强大鲁棒能力;另外,该方法不涉及任何矩阵运算,因而计算负担小。总的来讲,本发明所提供的方法在具有优越的抗噪声干扰性能的同时拥有低计算负担的特性。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (2)
1.一种永磁同步电机驱动***的惯量辨识方法,其特征在于,包括:
步骤1,将惯量扩展为新的***状态,构建永磁同步电机驱动***的扩展机械运动方程;
步骤2,基于所述扩展机械运动方程,构建具有时变反馈增益的新型扩展滑模观测器;
步骤3,构建扩张状态观测器,对永磁同步电机驱动***的集总扰动信息进行估计,并将所述集总扰动信息提供给所开发的新型扩展滑模观测器,以使得该新型扩展滑模观测器成功辨识永磁同步电机驱动***的惯量;
所述步骤1包括:
永磁同步电机驱动***的机械运动方程描述如下:
其中,为转速,/>为粘性摩擦系数,/>为惯量,/>为负载转矩,/>为库伦摩擦系数,/>为电磁转矩,/>和/>由永磁同步电机驱动***提供;
定义惯量的倒数为,并将惯量扩展为新的***状态,构建永磁同步电机驱动***的扩展机械运动方程如下:
其中,为永磁同步电机驱动***的集总扰动信息,其被定义为/> 表示/>的导数;
所述步骤2包括:
构建用于估计永磁同步电机驱动***惯量的扩展滑模观测器:
其中,分别表示/>的估计值,/>为反馈增益;/>表示滑模观测器信号,其被设计为:
其中,为滑模切换增益,/>为滑模面,其被设计为/>;
所述步骤1还包括确定滑模切换增益和反馈增益/>,包括:
计算扩展滑模观测器的误差方程:
其中,,/>,/>;
、/>和/>都是有界的,并且定义/>、/>、/>取一个Lyapunov函数为/>,可得到:
根据等式(6),当滑模切换增益被设计为/>时,能够导出/>是满足的,这意味着滑模可达条件是满足的;
当滑模发生后,及其导数/>将会在有限时间内收敛至0,即/>,等式(5)被重写为:
根据等式(7),能够得到:
其中,惯量的变化频率远低于驱动***的采样频率,在短时间内满足于是等式(8)可以改写为:
当被控制为/>时,可以得到:
等式(10)的解析解可以被导出为:
其中是常数,当满足/>时,惯量估计误差/>将会渐进趋于0,因而设计反馈增益为/>,/>,以满足/>值得注意的是,/>是该结论成立的关键,通过选取合适的/>值能够保证/>足够小,即能够确保/>;
因此所设计的具有时变反馈增益的扩展滑模观测器的最终表达式为:
。
2.根据权利要求1所述的惯量辨识方法,其特征在于,所述步骤3包括:
将集总扰动视为新的***状态,基于等式(1)得到如下扩展机械运动方程:
基于上式(16),所设计的线性扩张状态观测器能够表示如下:
其中,为扩张状态观测器的期望极点,满足/>考虑到/>是未知的,因而其被扩展滑模观测器的输出/>代替,即所设计的线性扩张状态观测器的最终表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007182.1A CN113708686B (zh) | 2021-08-30 | 2021-08-30 | 一种永磁同步电机驱动***的惯量辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111007182.1A CN113708686B (zh) | 2021-08-30 | 2021-08-30 | 一种永磁同步电机驱动***的惯量辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113708686A CN113708686A (zh) | 2021-11-26 |
CN113708686B true CN113708686B (zh) | 2023-10-20 |
Family
ID=78657023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111007182.1A Active CN113708686B (zh) | 2021-08-30 | 2021-08-30 | 一种永磁同步电机驱动***的惯量辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113708686B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105827168A (zh) * | 2016-05-10 | 2016-08-03 | 华中科技大学 | 基于滑模观测的永磁同步电机控制方法及*** |
CN106533291A (zh) * | 2016-08-31 | 2017-03-22 | 东菱技术有限公司 | 一种基于惯量辨识和负载转矩观测的速度环响应提升方法 |
CN109347391A (zh) * | 2018-10-29 | 2019-02-15 | 江苏大学 | 一种考虑***噪声的朗道自适应转动惯量辨识方法 |
CN110557070A (zh) * | 2019-09-30 | 2019-12-10 | 山东深川变频科技股份有限公司 | 基于二阶滑模观测器的永磁同步电机参数辨识方法 |
CN113406895A (zh) * | 2020-02-28 | 2021-09-17 | 南京理工大学 | 一种智能阀门电动执行机构的控制***构建方法 |
-
2021
- 2021-08-30 CN CN202111007182.1A patent/CN113708686B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105827168A (zh) * | 2016-05-10 | 2016-08-03 | 华中科技大学 | 基于滑模观测的永磁同步电机控制方法及*** |
CN106533291A (zh) * | 2016-08-31 | 2017-03-22 | 东菱技术有限公司 | 一种基于惯量辨识和负载转矩观测的速度环响应提升方法 |
CN109347391A (zh) * | 2018-10-29 | 2019-02-15 | 江苏大学 | 一种考虑***噪声的朗道自适应转动惯量辨识方法 |
CN110557070A (zh) * | 2019-09-30 | 2019-12-10 | 山东深川变频科技股份有限公司 | 基于二阶滑模观测器的永磁同步电机参数辨识方法 |
CN113406895A (zh) * | 2020-02-28 | 2021-09-17 | 南京理工大学 | 一种智能阀门电动执行机构的控制***构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113708686A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109194219B (zh) | 一种基于无模型非奇异终端滑模控制永磁同步电机的方法及*** | |
Sakunthala et al. | A review on speed control of permanent magnet synchronous motor drive using different control techniques | |
Luo et al. | Chaos control of the permanent magnet synchronous motor with time-varying delay by using adaptive sliding mode control based on DSC | |
Qi | Rotor resistance and excitation inductance estimation of an induction motor using deep-Q-learning algorithm | |
CN109586645B (zh) | 一种永磁同步电机惯量识别方法及设备 | |
CN105450123A (zh) | 一种基于神经网络的永磁同步电机混沌***快速终端滑模控制方法 | |
Lin | Retracted article: nonlinear backstepping control design of LSM drive system using adaptive modified recurrent Laguerre orthogonal polynomial neural network | |
Regaya et al. | An adaptive sliding-mode speed observer for induction motor under backstepping control | |
US20230252355A1 (en) | Systems and methods for knowledge transfer in machine learning | |
Zair et al. | MRAS speed sensorless vector control of induction motor drives using predictive adaptation mechanism | |
Yadav et al. | Comperative performance analysis of PMSM drive using MPSO and ACO techniques | |
JP2021517700A (ja) | 制御システム、制御方法及び記憶媒体 | |
CN113708686B (zh) | 一种永磁同步电机驱动***的惯量辨识方法 | |
Rehman et al. | A fuzzy learning—Sliding mode controller for direct field-oriented induction machines | |
CN110932629B (zh) | 基于单神经元网络的惯量估计方法及其自适应调整策略 | |
Sulaiman et al. | New methodology for chattering suppression of sliding mode control for three-phase induction motor drives | |
Thakar et al. | Fractional-order PI controller for permanent magnet synchronous motor: A design-based comparative study | |
CN110932639B (zh) | 一种永磁同步电机的未知参数分数阶识别方法 | |
CN114499312A (zh) | 一种双三相永磁同步电机无模型电流预测控制方法及*** | |
Lin et al. | Sensorless inverter‐fed compressor drive system using back‐EMF estimator with PIDNN torque observer | |
Sabouni et al. | Adaptive backstepping controller design based on neural network for pmsm speed control | |
Sit et al. | An efficient speed control method based on neuro-fuzzy modeling for asynchronous motors | |
Aguilar Mejía et al. | Adaptive Speed Controller for a Permanent Magnet Synchronous Motor | |
CN113726244B (zh) | 一种基于Adaline神经网络的转子磁链实时估计方法及*** | |
Wang et al. | Filtering controller in sliding mode: From the estimation to control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |