2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用

陆可 肖建

陆可, 肖建. 强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用. 自动化学报, 2008, 34(9): 1076-1082. doi: 10.3724/SP.J.1004.2008.01076
引用本文: 陆可, 肖建. 强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用. 自动化学报, 2008, 34(9): 1076-1082. doi: 10.3724/SP.J.1004.2008.01076
LU Ke, XIAO Jian. Strong Track Schmidt Filter and Its Application to Speed Sensorless Control of Induction Motor. ACTA AUTOMATICA SINICA, 2008, 34(9): 1076-1082. doi: 10.3724/SP.J.1004.2008.01076
Citation: LU Ke, XIAO Jian. Strong Track Schmidt Filter and Its Application to Speed Sensorless Control of Induction Motor. ACTA AUTOMATICA SINICA, 2008, 34(9): 1076-1082. doi: 10.3724/SP.J.1004.2008.01076

强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用

doi: 10.3724/SP.J.1004.2008.01076
详细信息
    通讯作者:

    陆可

  • 中图分类号: TM346+.2; TP273+.2

Strong Track Schmidt Filter and Its Application to Speed Sensorless Control of Induction Motor

More Information
    Corresponding author: LU Ke
  • 摘要: 在强跟踪滤波(Strong track filter, STF)算法和延迟扩展Kalman滤波(Schmidt extended Kalman filter, SEKF)算法的基础上, 提出了强跟踪延迟滤波(Strong track Schmidt filter, STSF)算法, 结合感应电机降阶模型建立了电机状态估计算法, 将其应用于感应电机无速度传感器控制系统中, 并与扩展Kalman滤波(Extended Kalman filter, EKF)、SEKF和STF三种算法的状态估计性能作比较. 仿真和实验结果表明, STSF算法在估计精度、跟踪速度、抑止噪声等方面均优于EKF算法, 并且计算复杂度显著降低, 能有效在线估计电机转速和磁链.
  • 加载中
计量
  • 文章访问数:  2626
  • HTML全文浏览量:  26
  • PDF下载量:  1471
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-08-22
  • 修回日期:  2007-10-07
  • 刊出日期:  2008-09-20

目录

    /

    返回文章
    返回