一、永磁同步电动机系统参数和状态的推广卡尔曼滤波估计（论文文献综述）
周伟豪[1]（2021）在《基于参数辨识的异步电机效率优化》文中研究指明异步电动机因其成本低、简单可靠,广泛运用于风机泵类负载拖动,矢量控制使得异步电动机的性能得到进一步提升,使其拓展到更多高性能驱动领域,成为工业用电领域的绝对主力军。但在很多应用场合,异步电动机长期工作在空载或轻载状态,这时电机效率降低很大。为了解决这一问题,一些工业变频器中已经根据实际工况设置了（低于满载的）磁通设置值,用以提高异步电机效率,但是这些弱磁磁通通常根据电机的理论参数进行计算得到,运行过程中电机参数会发生变化,此时电机的效率有进一步提高的空间。针对以上问题,本文提出电机参数辨识的异步电动机效率优化算法,并通过仿真和实验对异步电动机参数辨识算法和效率优化算法进行了验证本文的主要工作如下:第一,对效率优化控制和参数辨识的国内外研究进展进行总结分析。分析了异步电机产生损耗的原因,并明确了电机损耗的影响因素。第二,针对目前考虑铁损的三相电机数学模型结构复杂,阶次较高,不便于后续仿真研究的问题,推导了考虑铁损异步电机的六阶数学模型。第三,推导了考虑铁损的转子磁链计算公式,在Matlab/Simulink环境下对控制系统进行了仿真分析。对损耗模型法效率优化的原理进行了分析,通过异步电机稳态数学模型推导出损耗最小化磁通给定表达式,设计了基于最佳磁链控制的效率优化算法。第四,针对传统辨识算法存在的计算量大、实现困难,且易受环境因素干扰,辨识精度低等问题,提出了基于模型参考自适应的参数辨识方法。该方法实现简单,不需要复杂的迭代和计算过程,计算过程具有鲁棒性,计算精度高。在Matlab/Simulink环境下对系统进行了仿真验证,得到的辨识结果误差小于0.5%。证明了提出的在线辨识方法有效性和可行性。同时,针对MRAS方法中,自适应率的PI控制器参数难以调节的问题,利用具有自学习能力的单神经元PID控制器取代了传统PI控制,对传统MRAS进行了改进。经过仿真验证,改进方法相比传统方法辨识来说,辨识精度更为高效,同时辨识系统的快速性也有一定程度提高。第五,将参数辨识结果与效率优化相结合,利用辨识的结果在线修正最佳磁链来实现更为高效的效率优化控制。与传统的固定设定磁链相比,改算法可以使得大幅提高电机的运行效率。第六,利用搭建的实验电路。实验验证了基于模型参考自适应的参数辨识方法及基于参数辨识的效率优化算法的有效性。
何宗卿[2]（2021）在《改进无迹卡尔曼滤波的无位置传感器永磁同步电机控制》文中研究表明基于永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）的控制系统目前广泛应用于能源、制造、汽车、航天等领域,但其机械式传感器易受环境和电磁干扰影响导致信号失真,因此应用无传感器技术并提升其辨识精度成为当下的研究热点,本文以无传感器中的无迹卡尔曼滤波（Unscented Kalman Filter,UKF）为对象展开相关改进研究。论文首先总结了相关无传感器技术的优缺点,介绍了PMSM的工作原理和坐标变换,给出了不同坐标系下PMSM的数学模型,建立了基于PMSM的传统矢量控制模型并进行仿真,然后根据UKF相关工作原理与PMSM矢量控制系统结合进行变速、变负载下的仿真,结果表明采用传统UKF的PMSM调速系统存在辨识精度不足和抗扰能力弱的问题。为研究内部噪声矩阵对UKF辨识结果的影响,改变协方差矩阵Q与R对角线元素进行分组实验,其中Q与R矩阵分别为4*4与2*2矩阵。仿真结果表明矩阵R越大则辨识转速的中心越接近给定值,但与实际转速的误差越大。改变矩阵Q前两个参数会影响辨识曲线的收敛结果,越大则结果越接近给定值,第三参数体现整个系统的响应速度,增大会使辨识速度加快,而第四参数仅影响辨识与实际转速误差范围的大小。为了改进传统UKF应用在PMSM调速系统中的性能,首先利用模糊算法对UKF的噪声协方差矩阵的参数进行实时调节,在变工况时能拥有更好的速度跟踪效果,且提升了电机在升速时的辨识精度,同时估计转速与电机转速的误差峰值降低了近10倍。其次根据UKF辨识的电流与转速搭建负载观测器进行前馈控制,将系统的超调由原有的16%削减至3%,系统负载突变时的调整时间由0.05s降低至0.03s,大幅度增进了系统的抗扰能力。最后在RT-LAB半实物平台上进行变速与变负载实验验证,结果表明采用模糊算法改进UKF并引入前馈控制的PMSM调速系统拥有更好动态性能。
莫理莉[3]（2020）在《基于滑模变结构的表面式永磁同步电机速度与位置控制》文中研究表明表面式永磁同步电机是凸极式永磁同步电机的特例,这类电机的转矩仅和q轴电流成线性关系而与d轴电流无关,其控制模型简单,在机器人、航空航天、精密数控机床和伺服系统等领域应用广泛。表面式永磁同步电机还是一个多输入、强耦合、非线性、变参数的复杂对象,当电机系统存在外部扰动和内部参数摄动时,常规控制方法鲁棒性不强,无法满足高性能控制的要求。滑模变结构控制具有对系统数学模型精确度要求不高、对系统参数摄动和外部扰动不敏感,具有鲁棒性优点,使得它非常适合用在表面式永磁同步电机控制系统。电机的速度和位置控制,一直是电机控制算法研究与应用的热点,本文以滑模变结构控制理论为基础,对表面式永磁同步电机速度和位置控制策略进行研究,主要研究内容如下:（1）阐述了表面式永磁同步电机及其控制系统的发展历史和它中国民经济领域的应用领域的重要地位,为本文相关研究工作明确立论的社会意义。（2）在对滑模变结构控制的基本思想及发展现状进行概述的基础上,详细介绍本文用到的滑模变结构控制设计方法,作为本文相关研究工作的理论基础。（3）针对表面式永磁同步电机速度滑模控制系统存在内部参数摄动或外部负载扰动时,抖振严重,制约了系统动稳态性能提高的问题,将积分滑模变结构控制结合模糊控制算法用于该系统,削除抖振,增强系统鲁棒性,消除静差;为解决模糊滑模控制器中由于存在积分环节和限流环节会造成Windup现象的问题,参考改进的Anti-reset Windup思路,在控制器中加入抗饱和环节,改进控制器结构,消除Windup现象,进一步提高系统的动稳态性能。（4）针对表面式永磁同步电机位置追踪控制系统中常常被机械因素制约系统性能提高,尤其是当系统存在参数摄动或负载扰动时,常规控制很难在保持良好鲁棒性同时保证位置跟踪的快速响应性问题,将非奇异终端滑模变结构控制与反步控制算法结合应用到电机位置跟踪控制系统,实现在增强系统的鲁棒性的同时使得系统保持追踪的快速响应性。（5）前面两种算法在控制过程,均是把外部扰动及系统参数摄动作用视作零,依靠滑模系统的鲁棒特性来维持系统稳定,然而,在复杂环境下的控制系统中,外部扰动及系统参数摄动对电机控制系统精度提高的制约作用是不可忽视的,针对这个问题,提出一种滑模变结构控制结合滑模扰动观测器的复合控制策略。这种复合控制策略把外部扰动及系统参数摄动一起实时观测并反馈到控制系统中,通过对扰动的及时补偿,有效减少内外部扰动造成的电机速度的跳动,提高系统的控制精度。（6）机械位置传感器不仅增加电机控制系统的体积和成本,还增加系统结构复杂性,甚至严重影响了系统的可靠性和安全性,因此,用算法取代机械位置传感器是有必要的。本文针对一般的滑模观测器观测器为消除抖振引入低通滤波器环节会造成相位滞后的问题,提出一种新型二阶滑模观测器取代位置传感器,这种新型滑模观测器没有低通滤波环节,不存在相位滞后问题,还可以提高观测器的观测精度和控制系统的鲁棒性。
王鹤川[4]（2020）在《内置式永磁同步电机参数识别算法研究》文中进行了进一步梳理IPMSM因功率密度大、体积小以及效率高等优点被广泛应用于现代设备的动力系统。在电机运行过程中,电机工作温度升降以及电磁效应会导致电机参数变化,难以对IPMSM进行精准建模,在工程中往往采取近似计算的方式,从而限制了电机的效率,为了建立精准的数学模型,在线参数识别算法被广泛应用在IPMSM控制系统中,其中RLS算法更被人们接受。传统RLS算法对IPMSM进行参数识别时,仅以d轴定子电压离散方程作为识别方程,采样数据利用率低,对单一方程依赖性强等缺点较为明显,另外在递推方程中加入遗忘因子限制旧数据对参数识别结果的影响,在提高RLS算法的收敛速度的同时也增加了算法对噪声的敏感性,并且遗忘因子在处理RLS算法协方差矩阵时,对电机不同参数统一处理,这样造成算法应对各参数不同变化情况的处理能力变弱,降低算法综合性能。为了提高RLS算法对IPMSM在线参数识别的应用性能,针对上述传统RLS算法存在的问题,本文进行了如下研究:（1）在原有RLS算法的基础上增加了q轴定子电压方程,并将离散后的d-q轴方程整理成参数相同、输入输出变量不同的多输入多输出系统方程。（2）在同一采样时刻,依据d-q轴定子电压离散方程同时对IPMSM参数进行辨识,使两个辨识方程依靠各自的协方差矩阵与参数矩阵相关联,形成相同采样时间的内环递推算法与不同采样时刻的外环递推算法,削弱辨识结果对单一方程的依赖性。（3）分析遗忘因子取值对参数辨识的收敛速度以及抗噪声能力效果的影响特性,以满足RLS收敛过程的不同阶段对遗忘因子取值的不同需求为目标,设计了自适应调整的动态遗忘因子,提高算法综合性能。（4）以RLS算法递推公式中协方差矩阵方程为基础,分析遗忘因子对IPMSM参数估计值的影响,设计出可以分别调整不同参数变化的动态遗忘因子矩阵,提高算法硬应对不同参数变化情况的应变能力。（5）在Matlab/simulink中搭建永磁同步电机矢量控制模型,并嵌入设计的RLS改进算法模块,通过设定IPMSM不同参数的变化情况,仿真结果验证了改进算法的有效性。本文改进设计了适用于IPMSM的双循环RLS算法,并在传统遗忘因子的基础上设计了动态遗忘因子矩阵,在各参数变化率不同时,自动调整遗忘因子大小,处理协方差矩阵数据,达到分别调节各饱和参数数据的目的,有效的缓解了参数收敛速度与抗噪声干扰能力不能同时兼顾的矛盾,对IPMSM参数识别算法的研究领域,具有一定的借鉴意义。
邹敏[5]（2020）在《基于改进扩展卡尔曼滤波的永磁同步电机无速度传感器控制》文中研究说明永磁同步电机因体积小、内部构造简单、造价成本低等特点成为如今最普遍的电力传动装置。针对传统的扩展卡尔曼滤波无速度传感器在处于负载突变、转速突变、温度变化等状态下观测结果存在偏差的问题,本文提出一种基于模型参考自适应辨识改进扩展卡尔曼滤波的无速度传感器控制方法。首先,对永磁同步电机的分类、特性进行基本介绍,建立了永磁同步电机基础的数学模型,通过坐标变换将数学模型建立在两相旋转坐标系下。同时分析了矢量控制的不同控制方式并对永磁同步电机矢量控制进行仿真。其次,阐述卡尔曼滤波与扩展卡尔曼滤波的相关知识,重点对扩展卡尔曼滤波数学模型的建立过程进行推导、分析,搭建了以扩展卡尔曼滤波器作为观测器的永磁同步电机无速度传感器矢量控制模型。通过MATLAB仿真验证了扩展卡尔曼滤波转速的特性和系统结构参数变化对扩展卡尔曼滤波的影响。同时结果也表明扩展卡尔曼滤波能较好观测电机的转速与转角位置,具有良好的估计性能。然后为了改善电机关键参数的改变对扩展卡尔曼滤波观测结果的影响,通过采用模型参考自适应辨识改进扩展卡尔曼滤波,并采用最小二乘法改进扩展卡尔曼滤波进行对比实验,仿真结果表明模型参考自适应辨识优化结果理想,精度较高。最后,为了提升整体调速系统的抗扰能力与快速响应能力,在模型参考自适应辨识改进扩展卡尔曼滤波的控制系统加入模糊PI控制算法,仿真结果证明,采用改进方案,整体调速系统的抗扰能力与快速响应能力有明显提升,基本无超调,控制效果较好。
任朝斌[6]（2020）在《可控励磁直线同步电动机无位置传感器控制的研究》文中指出论文“可控励磁直线同步电动机无位置传感器控制的研究”,得到了国家自然科学基金项目“可控励磁直线同步电动机磁悬浮进给平台运行机理与控制策略研究（51575363）”的大力支持,研究的主要内容为:在不使用位置传感器条件下,实现可控励磁直线同步电动机的控制。论文主要研究内容如下:（1）可控励磁直线同步电动机结构与运行机理的研究。从旋转电机的模型出发,对比分析了直线电机在组成以及工作原理与转转电机的差异。在此基础上,在d-q同步旋转坐标系和αβ旋转坐标系下分别建立可控励磁直线同步电动机的数学模型。（2）可控励磁直线同步电动机进给子系统控制策略的研究。在直线调速系统中比较成熟的控制策略主要有VF控制、矢量控制和直接推力控制。VF控制动态性能差且控制精度低,尤其在负载突变时,动态性能更差,因此在直线伺服系统中不采用。直接推力控制是通过控制基本电压矢量以及零矢量使其按照预定的定子磁链幅值进行切换,因此会存在转矩与磁链脉动的问题。矢量控制是将交流电机模拟成直流电机,从而使得交流电机拥有和直流电机一样的调速性能。为使直线电动机获得最大转矩,采用id=0的矢量控制。（3）可控励磁直线同步电动机的速度观测器采用扩展卡尔曼滤波观测器的设计。首先从非线性估计理论出发,介绍了线性最小方差估计。采用卡尔曼滤波算法进行电机状态的估计,需将非线性的电机控制系统进行线性化,最后采用扩展卡尔曼滤波算法作为速度观测器的核心算法。为了速度观测器的数字化实现,将系统连续状态方程进行离散化。搭建基于扩展卡尔曼滤波算法的CELSM速度观测器的仿真模型,对比速度观测器的速度与电机实际速度验证速度观测器的可行性。（4）可控励磁直线同步电动机的速度观测器采用H∞扩展卡尔曼滤波观测器的设计。针对系统的先验信息x0、Rk和Qk未知的情况,若使用扩展卡尔曼滤波算法系统状态的预测精度会受到Qk取值的影响,为了降低Wk-1和vk的不确定性对估计精度的影响,采用H∞滤波,使在恶劣的条件下滤波器的估计误差依然最小。建立仿真模型验证H∞滤波的鲁棒性。
李雅男[7]（2020）在《分数阶永磁同步电机无位置传感器滑模控制策略研究》文中研究说明永磁同步电机因其具有结构简单、体积小、响应快、高转矩惯量比和运行可靠等优点而得到越来越广泛的应用,对永磁同步电机转子位置跟踪和速度控制是实现其高性能控制的关键,而滑模控制因其具有较强的鲁棒性和抗干扰性,已在电机控制系统中成为控制方式的首选。随着分数阶微积分理论的不断成熟和其在各个学科、工程和工业领域的研究和应用的不断发展,可以使用分数阶微积分为控制系统建立更准确的数学模型,并结合分数阶微积分和滑模控制的双重优点设计性能更好的控制器,从而使控制系统获得更好的控制性能。本文利用分数阶微积分理论从调速系统建模、设计分数阶滑模观测器和设计分数阶滑模控制器三个方面对永磁同步电机速度控制进行研究。首先,建立永磁同步电机整数阶数学模型,并将其阶次推广到分数阶,通过仿真验证了分数阶模型的可行性,将分数阶数学模型分成电磁环节和机械环节两部分,采用基于Levernberg-Mardquart算法的辨识算法对这两个环节参数分别进行参数辨识,然后将两个环节的模型进行综合,得到永磁同步电机的分数阶数学模型。并用同样的辨识算法得到整数阶数学模型,通过仿真对比表明分数阶模型能比整数阶模型能更准确地描述永磁同步电机的实际特性。其次,为了实现对永磁同步电机转子位置的精准跟踪,在传统滑模观测器基础上引入分数阶微积分,设计了基于卡尔曼滤波器的分数阶滑模观测器。在此基础上,针对滑模控制中的抖振问题,设计了基于分数阶超螺旋算法的二阶滑模观测器,仿真表明该方法有效抑制了抖振并提高了观测精度和系统鲁棒性。考虑到外部不匹配扰动和内部参数不确定性对控制系统的影响,针对分数阶电机模型设计了分数阶干扰观测器,将合成反电动势作为外部扰动量,利用分数阶干扰观测器对扰动进行估计,根据估计结果,通过相应的相位补偿得到更准确的转子位置信息,从而提高了系统的控制精度。最后,在永磁同步电机分数阶数学模型和分数阶滑模观测器的基础上,提出了一种基于分数阶干扰观测器的分数阶滑模控制方法。将分数阶干扰观测器重构的负载扰动引入到控制器中,以抵消负载干扰对系统的影响,通过仿真验证其有效性。为提高永磁同步电机速度控制精度,针对基本双幂次趋近律存在收敛时间长、待整定参数多等问题,将其改进成新型双幂次趋近律,并将新型双幂次趋近律与分数阶积分滑模面相结合,设计了分数阶积分滑模控制器,仿真表明与分数阶滑模控制器相比,分数阶积分滑模控制能加快位置跟踪的响应速度且跟踪误差较小。同时,针对分数阶滑模的抖振问题,设计了基于分数阶超螺旋算法的二阶滑模控制器,经仿真验证该控制器能有效降低系统跟踪误差,并且能进一步削弱抖振。
张芮[8]（2020）在《永磁同步直线电机无传感器控制》文中认为具有精度高、噪声低、效率高、易于控制等优点的永磁直线同步电机（PMLSM）在高精度伺服系统中有广泛的应用。传统上,PMLSM通过传感器获得电机的位置和速度来实现闭环控制,作为关键部件的速度传感器直接影响系统的控制精度和动态性能。然而,采用机械式速度传感器增加了控制系统的成本和复杂程度,传感器与控制器之间的接口降低了电系统的可靠性。无传感器控制可有效解决上述问题,PMLSM的无传感器技术已成为近年学术界的重点和热点研究问题。本文针对永磁同步直线电机无传感器控制进行如下几个方面的研究工作:（1）针对传统滑模观测器因滑动增益大导致系统发生抖振这一缺点,提出一种基于改进积分曲面滑模观测器的无传感器控制方法。首先给出永磁同步直线电机的数学模型;然后针对永磁同步直线电机的运动位置进行补偿,实现了实际一次电流与观测值之间的误差收敛于零,保证了滑模观测器的精度。在此条件下,从理论上深入探究并估算出PMLSM的线速度。（2）为更好地抑制抖振现象,缩小补偿观测偏差,本文提出一种自适应模糊分数阶滑模无传感器控制策略,对永磁直线同步电动机系统的转子位置进行估算。首先,利用磁场定向控制原理研究了永磁同步直线电机的数学模型。然后,利用新的分数阶积分滑动面设计了分数阶滑模控制器。将不确定性观测器引入模糊自适应分数阶滑模控制器中,同时设计了自适应模糊趋近调节器来同时补偿观测偏差和抑制抖振现象。利用Lyapunov稳定性定理推导了在线调整控制参数的自适应规律。通过模糊调整、死区修正和在线参数自适应,获得较快的收敛速度。使用MATLAB/Simulink对上述两种方法进行仿真验证,结果显示本文提出的两种策略对永磁直线同步电机驱动系统对电机参数变化以及其他扰动具有较强鲁棒性,系统跟踪性能良好,同时对于滑模控制系统的抗扰能力有明显改善,并能有效地抑制衰减抖振现象。
张天鹏[9]（2020）在《纯电动汽车驱动系统的建模仿真研究》文中进行了进一步梳理近年来,电动化以及清洁化已成为汽车行业发展的主流,新能源汽车也已成为汽车领域发展的重中之重,而纯电动汽车（Electric Vehicle,EV）作为一种将电动技术与整车技术相结合的新型汽车,虽然有着很好的发展前景,但同样也面临着众多的挑战。驱动系统作为整车的动力核心,它的性能好坏会直接影响汽车的动力性能及续驶里程,因此,设计出满足电动汽车整车需求的驱动系统具有很大的现实意义。对于电动汽车来说,它的驱动系统主要由电机系统和电池系统两部分组成,本文主要选择了应用最广的永磁同步电机及锂离子电池作为研究目标,主要工作内容包括:（1）基于某款实车EV的整车参数,从其对动力性能的实际需求出发,确定其驱动系统需求匹配的动力学参数指标;基于搭建的实物电机、电池系统测试平台,测量选型电机的特征曲线。（2）分析了永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）基于坐标变换的数学模型和矢量控制基本原理,基于PMSM数学模型,搭建了PMSM仿真模型;通过电压空间矢量脉宽调制（Space Vector Pulse Width Modulation,SVPWM）技术控制电机电压变化;结合最大转矩电流比（MTPA,maximum torque per ampere）、超前角控制技术和最大功率弱磁控制三种控制方法帮助永磁同步电机系统调速;基于Simulink搭建PMSM的闭环调速系统模型验证PMSM控制方法的精确性。（3）列举并说明电池的几种建模方法,对比分析了常用SOC估算方法的优缺点;分析自适应扩散卡尔曼滤波（Adaptive Extended Kalman Filter,AEKF）的数学方程,建立AEKF的剩余电量（State of Charge,SOC）估算模块,并基于等效电路模型方法,在传统的二阶RC电路电池模型的基础上,搭配AEKF的估算模型,得到方便设计参数且SOC估算精度较高的Simulink锂电池系统模型;通过实物电池测试平台,对选型单体电池进行参数辨识,并通过脉冲恒流放电试验验证电池系统模型精确性。（4）基于选型实车整车参数,应用Simulink搭建EV的整车模型,通过对NEDC、FTP-75、UDDS三种工况下的整车模型仿真试验,得到PMSM系统模型和锂电池系统模型的理论输出和仿真输出参数曲线,验证了所建电机系统模型和电池系统模型满足整车设计要求,且可以较好的满足整车在不同车速下对动力的需求。基于本文所做研究可以得出如下结论:（1）论文所建永磁同步电机模型可以快速完成转速跟随和转矩跟随工作,可以满足整车模型调整车速对电机转速的需求;（2）电池参数辨识试验效果良好,依据试验数据建立的锂电池模型响应快,SOC估算精度高,可以为电机模型的运转提供正常稳定的电压;（3）论文所建整车模型可以完成NEDC、FTP-75、UDDS三种工况下的车速跟随仿真试验,且仿真输出车速与目标车速理论值接近,同时,整车模型中电机模型的转矩和转速以及电池模型的电流、电压和SOC也与理论实际值接近。因此,可认为本文针对某款电动汽车设计的驱动系统仿真动力性能良好,可以整车满足道路需求,对日后实车生产改造有较大的参考价值。
贾成禹[10]（2020）在《电动汽车永磁同步电机模型预测控制技术研究》文中指出永磁同步电机具有高效率、高功率密度等优点,在汽车工业中常用作电动汽车的牵引电动机。考虑到永磁同步电机驱动系统是一个多变量、非线性、强耦合的系统,对参数和干扰极为敏感,同时,在电动汽车电机驱动系统中具有高电压、大电流的特点,这些关系到整车安全的约束条件必须得到明确的强制执行。而电动汽车驱动系统新兴的要求是在满足系统约束的情况下实现快速动态响应和提供较高的稳态控制精度。模型预测控制在学术界和工业领域取得了巨大的成功,一直作为研究的热点,其显着的优点是它能够在解决最优控制问题时系统地考虑约束,从而允许控制过程在所允许的极限下运行。为此,本文围绕着将模型预测控制理论应用到电动汽车驱动系统开展研究,主要研究永磁同步电机的电流控制和转速控制问题,分别设计了相应的模型预测控制算法,涉及到建模及线性化、电机参数辨识、扰动观测器设计、负载转矩估计,以及实施模型预测控制所涉及的数值优化方法等方面内容。归纳总结了模型预测控制理论在交流传动领域应用的设计要点,分析了内置式永磁同步电机电流控制问题中的参数敏感性,为了给模型预测算法提供精准的数学模型,并结合所构造的预测模型的特点,引入在线辨识算法对敏感参数进行在线辨识,将辨识结果用于反电势和交叉耦合项的计算以及目标控制电压的获取,并以此构成模型预测算法中的状态参数向量。由于实时辨识的参数反映了被控对象的时变特性,因此有效的提升了模型预测控制算法的参数自适应性,采用参数辨识结合模型预测控制理论设计了电流控制器,并通过引入显式模型预测控制技术极大的简化了由模型预测问题引入的在线求解最优化问题的计算量。设计了鲁棒的电流模型预测控制算法,以应对永磁同步电机在实际运行中的由于参数变化及外部扰动引起的不确定性,在存在约束的情况下,通过扩张状态扰动向量,获得了状态和输入受约束的线性系统模型,设计了自适应的观测器对扰动和状态进行在线观测,在线扰动观测与模型预测控制的联合设计保证了无稳态误差的控制效果,同时给出对闭环系统稳定性,收敛性以及无稳态误差的证明,电流控制器采用显式模型预测控制技术进行设计,极大降低了在线计算的复杂度。为了克服传统级联结构的转速控制器难以系统的处理约束并实现总体控制目标最优的问题,本文提出了LPV-MPC的转速电流一体化模型预测控制算法。在分析永磁同步电机的转速控制动态模型和最优电流控制策略基础上,将永磁同步电机的动态状态空间模型在稳态运行点处线性化,通过变换得到了增量形式的转速控制预测模型,设计了扩展卡尔曼滤波器对负载转矩等未知参数进行估计,构成状态反馈,并系统的将约束条件纳入到MPC的迭代优化过程中,通过代价函数的惩罚作用,将系统状态引向目标工作点,该控制策略具有目标状态跟踪误差和控制动作行为的多目标最优调节的特点,同时克服了因模型参数不匹配以及外部扰动引起的稳态误差,实现了转速和电流的最优控制。
二、永磁同步电动机系统参数和状态的推广卡尔曼滤波估计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、永磁同步电动机系统参数和状态的推广卡尔曼滤波估计（论文提纲范文）
（1）基于参数辨识的异步电机效率优化（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 异步电机效率优化控制策略 |
| 1.2.1 搜索控制法研究现状 |
| 1.2.2 基于损耗模型的效率优化研究现状 |
| 1.2.3 混合控制法的研究现状 |
| 1.3 异步电机在线参数辨识研究现状 |
| 1.3.1 直接辨识方法 |
| 1.3.2 间接辨识方法 |
| 1.3.3 智能辨识方法 |
| 1.4 本文研究内容和结构安排 |
| 2 考虑铁损的异步电机模型及矢量控制 |
| 2.1 考虑铁损异步电机的数学模型及其仿真 |
| 2.1.1 考虑铁损异步电机的数学模型 |
| 2.1.2 模型验证 |
| 2.2 基于矢量控制控制的异步电机 |
| 2.2.1 矢量控制原理 |
| 2.2.2 考虑铁损的三相异步电动机矢量控制及仿真 |
| 2.3 本章小结 |
| 3 矢量控制下的异步电机效率优化 |
| 3.1 基于损耗模型的电机效率优化 |
| 3.1.1 异步电动机损耗分析 |
| 3.1.2 最佳转子磁通的求解 |
| 3.2 损耗模型法效率优化仿真 |
| 3.3 本章小结 |
| 4 基于卡尔曼滤波算法的异步电机的参数辨识 |
| 4.1 电机参数误差对基于模型的效率优化算法的影响 |
| 4.2 基于扩展卡尔曼滤波算法的电机参数辨识 |
| 4.2.1 扩展卡尔曼滤波算法原理 |
| 4.2.2 扩展卡尔曼滤波算法估计电机转子电阻 |
| 4.3 EKF估计电机转子电阻仿真 |
| 4.4 本章小结 |
| 5 基于MRAS及其改进算法的参数辨识 |
| 5.1 模型参考自适应理论 |
| 5.1.1 模型参考自适应原理 |
| 5.1.2 自适应结构设计 |
| 5.2 基于模型参考自适应辨识电机参数 |
| 5.2.1 辨识模型选取 |
| 5.2.2 基于电流-电压模型的MRAS参数辨识 |
| 5.3 基于单神经元模型参考自适应的电机参数辨识 |
| 5.3.1 单神经元模型介绍 |
| 5.3.2 单神经元PID控制器设计 |
| 5.3.3 单神经元PID控制器学习算法设计 |
| 5.4 基于MRAS参数辨识的仿真分析 |
| 5.4.1 待辨识参数时不变工况下的仿真分析 |
| 5.4.2 待辨识参数变化工况下的仿真分析 |
| 5.4.3 基于单神经元PID的参数辨识的仿真分析 |
| 5.5 基于MRAS参数辨识的异步电机效率优化 |
| 5.5.1 基于MRAS参数辨识的最佳磁链控制策略 |
| 5.5.2 基于MRAS参数辨识的异步电机效率优化仿真分析 |
| 5.6 本章小结 |
| 6 实验及分析 |
| 6.1 硬件平台介绍 |
| 6.1.1 实验平台框架 |
| 6.1.2 主电路 |
| 6.2 实验系统软件设计 |
| 6.2.1 主程序 |
| 6.2.2 效率优化算法程序设计 |
| 6.3 实验系统平台及实验结果分析 |
| 6.3.1 实验结果及分析 |
| 6.4 本章小结 |
| 7 本文总结与未来展望 |
| 7.1 本文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间相关科研成果 |
（2）改进无迹卡尔曼滤波的无位置传感器永磁同步电机控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 PMSM无传感器技术的研究现状 |
| 1.3 无迹卡尔曼滤波算法的研究现状 |
| 1.4 论文主要工作 |
| 第2章 永磁同步电机调速系统模型建立与仿真 |
| 2.1 永磁同步电机的类型 |
| 2.2 永磁同步电机模型搭建 |
| 2.2.1 ABC坐标的PMSM数学模型 |
| 2.2.2 坐标变换 |
| 2.2.3 两相静止坐标系的数学模型 |
| 2.2.4 PMSM两相旋转坐标系下的数学模型 |
| 2.3 永磁同步电机矢量控制调速系统 |
| 2.4 矢量控制的PMSM调速仿真 |
| 2.5 本章小结 |
| 第3章 无迹卡尔曼滤波及控制 |
| 3.1 卡尔曼滤波 |
| 3.2 无迹卡尔曼滤波 |
| 3.3 基于UKF的 PMSM控制系统仿真 |
| 3.4 噪声矩阵对UKF预测结果的影响 |
| 3.4.1 噪声矩阵R对UKF预测结果的影响 |
| 3.4.2 噪声矩阵Q对UKF预测结果的影响 |
| 3.5 本章小结 |
| 第4章 改进无迹卡尔曼滤波研究 |
| 4.1 基于模糊算法的噪声矩阵参数自调节 |
| 4.1.1 模糊算法原理 |
| 4.1.2 模糊UKF的实现 |
| 4.2 基于负载观测器前馈补偿控制 |
| 4.2.1 负载观测器的建立 |
| 4.2.2 负载转矩前馈补偿 |
| 4.3 改进无迹卡尔曼滤波仿真验证及结果分析 |
| 4.4 本章小结 |
| 第5章 基于改进方案UKF的半实物仿真验证 |
| 5.1 半实物平台介绍 |
| 5.2 半实物验证及结果分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位主要的研究成果 |
| 致谢 |
（3）基于滑模变结构的表面式永磁同步电机速度与位置控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 表面式永磁同步电机发展现状 |
| 1.2.1 永磁同步电机发展历史 |
| 1.2.2 表面式永磁同步电机的结构简述 |
| 1.2.3 表面式永磁同步电机在工业与民用应用 |
| 1.3 表面式永磁同步电机控制系统研究现状 |
| 1.3.1 电机控制系统结构简述 |
| 1.3.2 电机控制技术的发展历史 |
| 1.4 表面式永磁同步电机滑模控制系统研究现状 |
| 1.4.1 表面式永磁同步电机的滑模变结构速度控制 |
| 1.4.2 表面式永磁同步电机的滑模变结构位置跟踪控制 |
| 1.4.3 基于扰动观测器的表面式永磁同步电机高精度控制 |
| 1.4.4 基于滑模观测器的表面式永磁同步电机无位置传感器控制 |
| 1.5 本文的研究内容 |
| 第二章 滑模变结构控制的基本理论 |
| 2.1 引言 |
| 2.2 滑模控制理论的发展现状 |
| 2.3 滑模控制基本理论 |
| 2.3.1 滑模控制基本概念 |
| 2.3.2 滑模变结构控制三个基本问题 |
| 2.4 滑模变结构控制系统设计 |
| 2.4.1 滑模面选取策略 |
| 2.4.2 滑模控制律设计方法 |
| 2.4.3 一类非线性不确定系统的模糊滑模追踪控制 |
| 2.5 本章小结 |
| 第三章 基于模糊滑模的表面式永磁同步电机速度控制研究 |
| 3.1 引言 |
| 3.2 表面式永磁同步电机速度控制系统模型 |
| 3.2.1 旋转坐标系下的表面式永磁同步电机数学模型 |
| 3.2.2 基于矢量控制的速度控制系统的构成 |
| 3.3 基于模糊滑模变结构的表面式永磁同步电机速度控制研究 |
| 3.3.1 表面式永磁同步电机速度滑模变结构控制原理 |
| 3.3.2 基于模糊趋近律的表面式永磁同步电机滑模变结构速度控制器设计 |
| 3.3.3 仿真分析 |
| 3.3.4 实验分析 |
| 3.4 表面式永磁同步电机速度控制系统中的抗饱和方法研究 |
| 3.4.1 表面式永磁同步电机速度控制系统中的Windup问题 |
| 3.4.2 传统的Anti-Windup控制方法 |
| 3.4.3 改进的Anti-Windup控制方法 |
| 3.4.4 仿真分析 |
| 3.4.5 实验分析 |
| 3.5 本章小结 |
| 第四章 基于反步终端滑模的表面式永磁同步电机位置跟踪控制研究 |
| 4.1 引言 |
| 4.2 表面式永磁同步电机位置跟踪控制系统的构成 |
| 4.2.1 反步控制基本思想 |
| 4.2.2 电机位置跟踪控制系统结构 |
| 4.3 基于反步终端滑模控制的SPMSM位置跟踪控制器设计 |
| 4.3.1 反步控制设计步骤 |
| 4.3.2 电机反步终端滑模控制系统设计 |
| 4.3.3 反步终端滑模控制系统稳定性分析 |
| 4.4 仿真与实验 |
| 4.4.1 仿真分析 |
| 4.4.2 实验分析 |
| 4.5 本章小结 |
| 第五章 基于鲁棒滑模扰动观测器的表面式永磁同步电机高精度控制研究 |
| 5.1 引言 |
| 5.2 表面式永磁同步电机控制系统存在的扰动因素分析 |
| 5.2.1 外部扰动对系统性能影响 |
| 5.2.2 内部参数变化对控制系统性能影响 |
| 5.3 电机控制系统扰动估计研究 |
| 5.3.1 鲁棒滑模扰动观测器的提出 |
| 5.3.2 鲁棒滑模扰动观测器稳定性分析 |
| 5.3.3 复合控制系统组成 |
| 5.3.4 复合控制器设计 |
| 5.4 仿真与实验 |
| 5.4.1 仿真分析 |
| 5.4.2 实验分析 |
| 5.5 本章小结 |
| 第六章 表面式永磁同步电机的无位置传感器控制研究 |
| 6.1 引言 |
| 6.2 表面式永磁同步电机控制系统能观性分析 |
| 6.2.1 静止坐标系下表面式永磁同步电机数学模型 |
| 6.2.2 电机控制系统能观性分析 |
| 6.3 新型滑模观测器设计 |
| 6.3.1 SPMSM控制系统里一般滑模观测器设计 |
| 6.3.2 新型滑模观测器设计 |
| 6.4 仿真分析 |
| 6.5 本章小结 |
| 结论 |
| 1 本文工作总结 |
| 2 展望 |
| 参考文献 |
| 攻读博士/硕士学位期间取得的研究成果 |
| 致谢 |
| 附录 |
（4）内置式永磁同步电机参数识别算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 IPMSM在线参数辨识算法研究现状 |
| 1.2.1 在线参数辨识算法国外研究现状 |
| 1.2.2 在线参数辨识算法国内研究现状 |
| 1.3 研究内容 |
| 2 IPMSM矢量控制 |
| 2.1 IPMSM基本数学模型 |
| 2.2 IPMSM矢量控制技术 |
| 2.3 参数变化对矢量控制的影响 |
| 2.3.1 IPMSM电阻参数变化情况 |
| 2.3.2 IPMSM电感参数变化情况 |
| 2.3.3 IPMSM参数变化对矢量控制的影响 |
| 2.4 本章小结 |
| 3 双循环递推参数识别算法设计 |
| 3.1 RLS参数识别算法 |
| 3.1.1 RLS算法基础模型 |
| 3.1.2 RLS算法准则函数 |
| 3.1.3 RLS迭代方程 |
| 3.2 双循环递推控制策略搭建 |
| 3.3 收敛性分析 |
| 3.4 本章小结 |
| 4 RLS算法动态矩阵遗忘因子设计 |
| 4.1 遗忘因子对RLS算法的影响 |
| 4.2 动态遗忘因子设计 |
| 4.2.1 基于模糊控制的遗忘因子在线修正 |
| 4.2.2 遗忘因子动态函数设计 |
| 4.3 矩阵遗忘因子设计 |
| 4.4 本章小结 |
| 5 改进算法仿真验证 |
| 5.1 IPMSM仿真系统搭建 |
| 5.1.1 IPMSM运行模块 |
| 5.1.2 IPMSM矢量控制环 |
| 5.2 双循环递推算法仿真验证 |
| 5.3 动态遗忘因子矩阵效果仿真 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（5）基于改进扩展卡尔曼滤波的永磁同步电机无速度传感器控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 永磁同步电机调速控制研究现状 |
| 1.2.1 调速系统控制算法研究现状 |
| 1.2.2 无速度传感器技术研究现状 |
| 1.3 论文主要工作 |
| 第2章 永磁同步电机数学模型与矢量控制 |
| 2.1 永磁同步电机的数学模型 |
| 2.1.1 PMSM三相对称坐标系下的数学模型 |
| 2.1.2 坐标变换 |
| 2.1.3 PMSM两相静止坐标系下的数学模型 |
| 2.1.4 PMSM两相旋转坐标系下的数学模型 |
| 2.2 永磁同步电机矢量控制 |
| 2.2.1 矢量控制策略 |
| 2.2.2 id=0矢量控制过程 |
| 2.2.3 SVPWM控制过程 |
| 2.3 PMSM矢量控制系统仿真 |
| 2.4 本章小结 |
| 第3章 扩展卡尔曼滤波及控制研究 |
| 3.1 卡尔曼滤波 |
| 3.2 扩展卡尔曼滤波 |
| 3.3 基于EKF的 PMSM控制系统仿真 |
| 3.4 系统参数对EKF预测结果影响研究 |
| 3.4.1 定子电阻对EKF预测结果的影响 |
| 3.4.2 定子电感对EKF预测结果的影响 |
| 3.4.3 转子磁链对EKF预测结果的影响 |
| 3.4.4 转动惯量对EKF预测结果的影响 |
| 3.5 本章小结 |
| 第4章 改进扩展卡尔曼滤波算法研究 |
| 4.1 基于遗忘因子最小二乘法 |
| 4.1.1 基于遗忘因子最小二乘辨识法 |
| 4.1.2 电阻、电感、磁链参数辨识 |
| 4.1.3 转动惯量参数辨识 |
| 4.2 基于模型参考自适应法 |
| 4.2.1 电阻、电感、磁链辨识原理 |
| 4.2.2 转动惯量辨识原理 |
| 4.3 对比仿真验证及结果分析 |
| 4.3.1 基于遗忘因子最小二乘法改进EKF仿真 |
| 4.3.2 基于模型参考自适应改进EKF仿真 |
| 4.4 本章小结 |
| 第5章 基于模糊PI的转速控制研究 |
| 5.1 模糊PI及其转速控制原理 |
| 5.2 仿真验证及结果分析 |
| 5.2.1 基于传统PI控制的系统仿真 |
| 5.2.2 基于模糊PI控制的系统仿真 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位主要的研究成果 |
| 致谢 |
（6）可控励磁直线同步电动机无位置传感器控制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源 |
| 1.2 课题的目的及意义 |
| 1.3 磁悬浮直线电机的发展与应用 |
| 1.4 可控励磁直线同步电动机无位置传感器的研究现状 |
| 1.5 课题的主要研究内容 |
| 第2章 可控励磁直线同步电动机的运行机理及其矢量控制策略 |
| 2.1 可控励磁直线同步电动机的结构与运行机理 |
| 2.1.1 可控励磁直线同步电动机的结构 |
| 2.1.2 可控励磁直线同步电动机的运行机理 |
| 2.2 可控励磁直线同步电动机的数学模型 |
| 2.2.1 坐标变换 |
| 2.2.2 可控励磁直线同步电动机在αβ轴系下的数学模型 |
| 2.2.3 可控励磁直线同步电动机在dq轴系下的数学模型 |
| 2.3 可控励磁直线同步电动机的矢量控制策略 |
| 2.3.1 矢量控制原理 |
| 2.3.2 矢量控制策略 |
| 2.4 本章小结 |
| 第3章 基于扩展卡尔曼滤波算法的CELSM速度观测器设计 |
| 3.1 非线性系统状态估计的理论基础 |
| 3.2 卡尔曼滤波 |
| 3.2.1 卡尔曼滤波原理 |
| 3.2.2 卡尔曼滤波算法流程 |
| 3.3 非线性系统的线性化与扩展卡尔曼滤波 |
| 3.3.1 非线性系统的线性化 |
| 3.3.2 扩展卡尔曼滤波 |
| 3.3.3 CELSM的EKF模型 |
| 3.4 基于EKF的CELSM无位置传感器仿真分析 |
| 3.5 本章小结 |
| 第4章 基于H_∞扩展卡尔曼滤波算法的CELSM速度观测器设计 |
| 4.1 H_∞滤波原理 |
| 4.2 H_∞滤波算法 |
| 4.2.1 H_∞滤波代价函数 |
| 4.2.2 H_∞滤波算法流程 |
| 4.3 基于H∞的EKF观测器设计 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 结论 |
| 参考文献 |
| 附录A EKF算法程序 |
| 附录B HEKF算法程序 |
| 在学研究成果 |
| 致谢 |
（7）分数阶永磁同步电机无位置传感器滑模控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分数阶微积分研究现状 |
| 1.2.2 分数阶控制研究现状 |
| 1.2.3 永磁同步电机无传感器控制研究现状 |
| 1.3 本文主要研究内容及结构安排 |
| 2 分数阶微积分与滑模控制理论 |
| 2.1 分数阶微积分中常用函数 |
| 2.1.1 Gamma函数 |
| 2.1.2 Beta函数 |
| 2.1.3 Mittag-Leffler函数 |
| 2.2 分数阶微积分的定义 |
| 2.2.1 G-L分数阶微积分定义 |
| 2.2.2 R-L分数阶微积分定义 |
| 2.2.3 Caputo分数阶微积分定义 |
| 2.2.4 不同分数阶微积分定义间联系 |
| 2.3 分数阶微积分的性质与几何解释 |
| 2.3.1 分数阶微积分性质 |
| 2.3.2 分数阶积分几何解释 |
| 2.4 分数阶微积分Laplace变换 |
| 2.5 分数阶微积分算子的实现 |
| 2.6 滑模变结构控制理论 |
| 2.6.1 滑模变结构控制的定义 |
| 2.6.2 滑模变结构控制的设计方法 |
| 2.6.3 滑模变结构控制收敛性证明 |
| 2.6.4 滑模变结构控制中的抖振及抑制 |
| 2.7 本章小结 |
| 3 永磁同步电机分数阶模型建立 |
| 3.1 永磁同步电机动态数学模型 |
| 3.1.1 永磁同步电机在三相静止坐标系下的数学模型 |
| 3.1.2 坐标变换理论 |
| 3.1.3 永磁同步电机在d-q坐标系下的数学模型 |
| 3.1.4 永磁同步电机模型至分数阶模型扩展 |
| 3.2 永磁同步电机分数阶模型可行性分析 |
| 3.2.1 仿真验证研究方案 |
| 3.2.2 分数阶微分环节的滤波器近似 |
| 3.2.3 仿真结果分析 |
| 3.3 分数阶系统时域参数辨识方法 |
| 3.3.1 分数阶积分环节的近似 |
| 3.3.2 分数阶模型的状态空间表达式 |
| 3.3.3 基于输出误差的非线性辨识算法 |
| 3.4 永磁同步电机分数阶建模 |
| 3.4.1 电磁环节建模与仿真 |
| 3.4.2 机械环节建模与仿真 |
| 3.5 本章小结 |
| 4 永磁同步电机无位置传感器分数阶滑模观测器设计 |
| 4.1 分数阶滑模观测器设计 |
| 4.1.1 观测器设计 |
| 4.1.2 稳定性证明 |
| 4.1.3 低通变截止滤波器设计 |
| 4.1.4 基于卡尔曼滤波器的转子位置估计 |
| 4.1.5 仿真分析 |
| 4.2 基于分数阶超螺旋算法的二阶滑模观测器设计 |
| 4.2.1 二阶滑模原理 |
| 4.2.2 分数阶超螺旋算法 |
| 4.2.3 稳定性证明 |
| 4.2.4 二阶滑模观测器设计 |
| 4.2.5 仿真分析 |
| 4.3 基于分数阶干扰观测器的转子位置估计 |
| 4.3.1 分数阶干扰观测器基本原理 |
| 4.3.2 基于合成反电动势的分数阶干扰观测器 |
| 4.3.3 仿真分析 |
| 4.4 本章小结 |
| 5 永磁同步电机无位置传感器分数阶滑模控制器设计 |
| 5.1 基于分数阶干扰观测器的分数阶滑模控制器设计 |
| 5.1.1 分数阶滑模控制器设计 |
| 5.1.2 稳定性证明 |
| 5.1.3 仿真分析 |
| 5.2 基于新型双幂次趋近律的分数阶积分滑模控制 |
| 5.2.1 新型双幂次趋近律设计 |
| 5.2.2 永磁同步电机参数时变分析 |
| 5.2.3 分数阶积分滑模控制器设计 |
| 5.2.4 稳定性证明 |
| 5.2.5 仿真分析 |
| 5.3 基于分数阶超螺旋算法的二阶滑模控制器设计 |
| 5.3.1 控制器设计 |
| 5.3.2 仿真分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（8）永磁同步直线电机无传感器控制（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 直线电机发展及现状 |
| 1.3 无传感器控制技术的研究现状 |
| 1.3.1 磁通和速度估计 |
| 1.3.2 弱磁控制 |
| 1.3.3 电流环控制 |
| 1.4 本文研究内容 |
| 2 永磁同步直线电机的建模与控制策略 |
| 2.1 永磁同步直线电机数学模型 |
| 2.1.1 空间向量理论,坐标系统和变换 |
| 2.1.2 基本的电机模型 |
| 2.1.3 非线性与力学模型 |
| 2.2 PMLSM控制策略 |
| 2.2.1 模糊逻辑控制 |
| 2.2.2 神经网络控制 |
| 2.2.3 扩展卡尔曼滤波控制 |
| 2.2.4 混合控制 |
| 3 基于改进积分曲面的滑模观测器永磁同步直线电机无传感器控制策略 |
| 3.1 引言 |
| 3.2 滑模观测器设计 |
| 3.3 改进积分曲面的滑模观测器的设计 |
| 3.4 滑模观测器的位置补偿 |
| 3.5 仿真结果 |
| 3.6 本章小结 |
| 4 基于自适应模糊和分数阶滑模观测器永磁同步直线电机无传感器控制 |
| 4.1 引言 |
| 4.2 PLMSM驱动系统 |
| 4.3 FSMC系统的初步研究 |
| 4.3.1 分数阶微积分 |
| 4.3.2 FSMC系统 |
| 4.3.3 AFFSCC控制系统 |
| 4.4 仿真结果 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 致谢 |
（9）纯电动汽车驱动系统的建模仿真研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电动汽车国内外研究现状 |
| 1.2.2 驱动电机及动力电池国内外研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 电驱动系统参数匹配设计 |
| 2.1 永磁同步电机系统的参数匹配设计 |
| 2.1.1 永磁同步电机的选型 |
| 2.1.2 永磁同步电机测试试验平台 |
| 2.1.3 永磁同步电机特性试验 |
| 2.2 锂离子电池选型及试验台搭建 |
| 2.3 本章小结 |
| 第3章 永磁同步电机系统的建模和仿真 |
| 3.1 永磁同步电机 |
| 3.1.1 永磁同步电机基本结构 |
| 3.1.2 永磁同步电机坐标系变换 |
| 3.1.3 永磁同步电机数学方程 |
| 3.2 永磁同步电机系统仿真模型 |
| 3.2.1 本体模型 |
| 3.2.2 SVPWM模型 |
| 3.2.3 矢量控制和弱磁控制方法 |
| 3.2.4 模糊PI控制器 |
| 3.3 永磁同步电机仿真结果 |
| 3.4 本章小结 |
| 第4章 动力电池的建模和仿真 |
| 4.1 锂离子电池工作原理 |
| 4.2 锂离子电池等效电路模型 |
| 4.3 锂离子电池模型的参数辨识 |
| 4.3.1 OCV与 SOC拟合关系曲线 |
| 4.3.2 电阻及电容与SOC的拟合关系曲线 |
| 4.4 基于AEKF的 SOC估计算法 |
| 4.4.1 SOC经典估算方法 |
| 4.4.2 扩展卡尔曼滤波算法(Extended Kalman Filter,EKF) |
| 4.4.3 自适应扩展卡尔曼滤波算法 |
| 4.5 锂离子电池系统模型的仿真验证 |
| 4.5.1 锂离子电池系统模型结构 |
| 4.5.2 恒流放电试验 |
| 4.5.3 脉冲(周期)放电试验 |
| 4.6 本章小结 |
| 第5章 基于Simulink整车环境的驱动系统仿真测试 |
| 5.1 电动汽车整车模型的模块组成 |
| 5.2 基于Simulink整车模型的搭建 |
| 5.2.1 整车动力学模型的搭建 |
| 5.2.2 驾驶员模型的搭建 |
| 5.2.3 管理系统模型的搭建 |
| 5.2.4 Simulink整车模型的搭建 |
| 5.3 基于Simulink整车模型的驱动系统仿真测试 |
| 5.3.1 NEDC工况下仿真试验 |
| 5.3.2 FTP-75 工况下仿真试验 |
| 5.3.3 UDDS工况下的仿真试验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（10）电动汽车永磁同步电机模型预测控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 永磁同步电机控制技术的研究现状 |
| 1.2.1 永磁同步电机经典控制方法 |
| 1.2.2 现代控制理论在永磁同步电机控制系统中的应用 |
| 1.3 永磁同步电机预测控制概述 |
| 1.4 永磁同步电机参数辨识技术概述 |
| 1.5 本文研究的主要内容 |
| 第2章 基于CCS-MPC的预测电流控制策略 |
| 2.1 引言 |
| 2.2 永磁同步电机的动态模型 |
| 2.3 永磁同步电机控制器传统设计方法 |
| 2.4 永磁同步电机MPC设计方法 |
| 2.4.1 MPC基本理论 |
| 2.4.2 预测模型的设计 |
| 2.4.3 约束条件 |
| 2.4.4 代价函数的设计 |
| 2.4.5 最优化问题的求解 |
| 2.5 显式模型预测控制 |
| 2.6 本章小结 |
| 第3章 基于参数辨识的显式模型预测控制算法 |
| 3.1 引言 |
| 3.2 IPMSM的参数敏感性 |
| 3.3 IPMSM的电流模型预测控算法 |
| 3.3.1 控制模型描述 |
| 3.3.2 约束条件处理 |
| 3.3.3 EMPC控制器综合 |
| 3.4 永磁同步电机参数辨识算法 |
| 3.4.1 递推最小二乘法原理 |
| 3.4.2 电感辨识模型设计 |
| 3.5 基于参数辨识的电流模型预测控制仿真及实验结果分析 |
| 3.5.1 仿真结果 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第4章 无稳态误差的模型预测电流控制算法 |
| 4.1 引言 |
| 4.2 线性预测模型的建立 |
| 4.3 自适应扰动观测器设计 |
| 4.3.1 稳态观测器设计 |
| 4.3.2 自适应算法设计 |
| 4.4 线性无稳态误差模型预测控制器实现 |
| 4.4.1 约束条件的线性描述 |
| 4.4.2 EMPC控制器实现 |
| 4.5 无稳态误差和稳定性证明 |
| 4.6 无稳态误差模型预测控制策略的仿真和实验研究 |
| 4.6.1 无稳态误差模型预测控制策略的仿真结果分析 |
| 4.6.2 无稳态误差模型预测控制策略的实验结果分析 |
| 4.7 本章小结 |
| 第5章 采用LPV-MPC的 IPMSM转速控制器设计 |
| 5.1 引言 |
| 5.2 系统运动方程建模 |
| 5.3 经典的PMSM调速系统的MPC设计 |
| 5.3.1 驱动模型线性化 |
| 5.3.2 MPC设计 |
| 5.3.3 约束条件的线性描述 |
| 5.4 LPV-MPC转速控制器设计 |
| 5.4.1 参考电流生成策略 |
| 5.4.2 转速的增量式线性预测模型 |
| 5.4.3 增量约束条件描述 |
| 5.4.4 线性变参数MPC的约束优化问题 |
| 5.5 负载转矩观测器设计 |
| 5.6 LPV-MPC预测控制算法仿真及实验 |
| 5.6.1 转速环LPV-MPC仿真结果 |
| 5.6.2 LPV-MPC参数鲁棒性仿真结果 |
| 5.6.3 抗负载扰动实验结果 |
| 5.6.4 LPV-MPC调速性能对比实验结果 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文 |
| 致谢 |
四、永磁同步电动机系统参数和状态的推广卡尔曼滤波估计（论文参考文献）
- [1]基于参数辨识的异步电机效率优化[D]. 周伟豪. 西安理工大学, 2021(01)
- [2]改进无迹卡尔曼滤波的无位置传感器永磁同步电机控制[D]. 何宗卿. 湖南工业大学, 2021(02)
- [3]基于滑模变结构的表面式永磁同步电机速度与位置控制[D]. 莫理莉. 华南理工大学, 2020(02)
- [4]内置式永磁同步电机参数识别算法研究[D]. 王鹤川. 内蒙古科技大学, 2020(12)
- [5]基于改进扩展卡尔曼滤波的永磁同步电机无速度传感器控制[D]. 邹敏. 湖南工业大学, 2020(02)
- [6]可控励磁直线同步电动机无位置传感器控制的研究[D]. 任朝斌. 沈阳工业大学, 2020(01)
- [7]分数阶永磁同步电机无位置传感器滑模控制策略研究[D]. 李雅男. 大连海事大学, 2020(01)
- [8]永磁同步直线电机无传感器控制[D]. 张芮. 辽宁石油化工大学, 2020(04)
- [9]纯电动汽车驱动系统的建模仿真研究[D]. 张天鹏. 吉林大学, 2020(08)
- [10]电动汽车永磁同步电机模型预测控制技术研究[D]. 贾成禹. 哈尔滨理工大学, 2020(01)