[发明专利]一种基于无迹卡尔曼滤波的同步磁阻电机电感辨识方法、系统、终端及可读存储介质

权利要求书

1.一种基于无迹卡尔曼滤波的同步磁阻电机电感辨识方法，其特征在于：包括以下步骤：

步骤1：构建同步磁阻电机的电机模型，所述电机模型包括：非线性状态方程函数和非线性观测方程函数；

其中，将电机的d轴电流i_d、q轴电流i_q作为观测量Z，将电机的d轴电流i_d、q轴电流i_q、d轴电感L_d和q轴电感L_q作为状态变量X；

步骤2：将电机的d轴电流i_d、q轴电流i_q、d轴电压u_d、q轴电压u_q以及转子电角速度ω_e输入所述电机模型，基于无迹卡尔曼滤波进行当前时刻的状态更新和观测更新；

步骤3：计算状态和观测更新后的观测残差，并基于所述观测残差确定时变渐消因子λ_k，所述时变渐消因子λ_k的公式如下：

式中，σ为误差可调系数，ε_k为时刻k的观测残差ε，tr[]表示矩阵的迹，为k时刻的观测更新后计算出的观测量的自协方差矩阵，T为矩阵转置符号；

步骤4：将所述时变渐消因子λ_k作为卡尔曼滤波增益修正，计算下一时刻的状态更新和协方差更新；

步骤5：基于步骤4中下一时刻的状态更新得到同步磁阻电机电感的d轴电感L_d、q轴电感L_q；再返回步骤2进入下一个时刻的迭代运算。

2.根据权利要求1所述的方法，其特征在于：步骤4中下一时刻的状态更新和协方差更新的公式如下：

式中，P(k+1|k+1)分别表示k+1时刻的状态更新和协方差更新，表示k时刻状态更新后的预测加权平均值，P(k+1|k)表示k时刻状态更新后的预测协方差矩阵，K(k+1)为k+1时刻的卡尔曼滤波增益矩阵，Z(k+1)为k+1时刻的实际观测量；为k时刻观测更新后的预测均值；分别为k时刻观测更新后的观测量自协方差矩阵、状态变量和观测量间互协方差矩阵，K^T(k+1)为k+1时刻的卡尔曼滤波增益矩阵的转置。

3.根据权利要求1所述的方法，其特征在于：状态和观测更新后的观测残差的计算公式如下：

其中，ε_k表示k时刻对应的观测残差，Z(k+1)为k+1时刻的实际观测，为k时刻对应利用观测预测值计算出的预测均值。

4.根据权利要求1所述的方法，其特征在于：观测量Z具有高斯白噪声V(k)，所述高斯白噪声V(k)具有噪声协方差阵R_k，所述噪声协方差阵R_k的初始值设置为R_s；其中，步骤2中计算状态和观测更新后的观测残差之后，以及计算时变渐消因子λ_k之前，所述方法还包括如下步骤：

A1：依据所述观测残差判断是否达到收敛状态，其中，满足如下不等式，视为满足收敛状态，执行步骤A2；否则，视为不满足收敛状态；

A2：若当前噪声协方差R_k＝R_s，将调整所述噪声协方差R_k＝R_L；若当前噪声协方差R_k≠R_s，不调整所述噪声协方差；

其中，R_L为比R_s数量级大的噪声协方差。

5.根据权利要求1所述的方法，其特征在于：所述非线性状态方程函数和所述非线性观测方程函数表示如下：

式中，k表示时刻，Z(k)表示k时刻的观测量Z，X(k)、X(k+1)表示k、k+1时刻的状态变量X，V(k)表示观测量Z(k)的高斯白噪声，U(k)表示k时刻的系统输入，W(k)表示状态变量X(k)的高斯白噪声，f表示非线性状态方程函数，h表示非线性观测方程函数。