[发明专利]一种基于IAUKF在永磁直线同步电机中的控制方法

说明书

本发明提供一种基于IAUKF在永磁直线同步电机中的控制方法，步骤为：步骤1，建立PMLSM数学模型；步骤2，采用UKF算法实时估计电机当前的速度和位置；步骤3，将时变的系统噪声引入到UKF滤波过程，对噪声协方差矩阵进行自适应调整；步骤4，返回步骤2.2进行下一时刻速度和位置估计。本发明解决了因系统统噪声的统计特性不能精确已知而引起的滤波不稳定问题。

技术领域

本发明属于电气伺服传动技术领域，涉及一种基于IAUKF在永磁直线同步电机中的控制方法。

背景技术

永磁直线同步电动机(Permanent magnet linear synchronous motor，PMLSM)具有推力大、速度快、高效率、牢固性和维修性好等特点，在数控机床、工业机器人等场合都获得了广泛的应用。要实现对永磁同步电动机转速精确控制，速度反馈是不可或缺的环节，因此获得精确的转子信息是整个控制系统的核心问题。在PMLSM驱动系统中，传统的转子位置信息是通过光栅尺作为位置传感器来获取，完成磁极位置检测、速度检测和系统定位3种功能。但位置传感器的存在使系统成本增加、运行可靠性下降、使用范围受限、直线电机运动特性受到位置传感器制约及系统尺寸增加。因此，研究一种精确度高、鲁棒性强的无位置传感器控制系统成为电动机调速控制系统的首选。那么没了位置传感器电机怎么换相？怎么调速？所以要估计永磁直线同步电机的位置和速度。目前的估计方法主要有扩展卡尔曼滤波和无迹卡尔曼滤波：

1)扩展卡尔曼滤波(extended Kalman filter，EKF)算法。扩展卡尔曼滤波(EKF)是传统非线性估计的代表，Gopinath等[1]将扩展卡尔曼滤波应用在无位置传感器永磁同步电动机驱动系统中。EKF通过对非线性函数的Taylor展开式进行一阶线性化，将非线性问题转化为线性，。因此EKF存在缺点：①当非线性函数Taylor展开式的高阶项无法忽略时，线性化使系统产生较大误差，甚至于使滤波器不稳定；②推导Jacobian矩阵比较困难，有时难于实现。③给定的噪声协方差矩阵对EKF滤波过程影响很大，如果噪声协方差矩阵选取不当，将严重影响滤波过程的收敛性。

2)无迹卡尔曼滤波(unscented Kalman filter，UKF)算法。UKF算法通过无迹变换(unscented transform，UT)近似地获取非线性变换后状态量的统计特性，避免了EKF法线性化所带来的误差，省去了雅可比矩阵的计算，具有很好的收敛性以及高于EKF法的估计精度和稳定性。但是UKF只适用于噪声为高斯白噪声的系统中，当状态的后验概率密度为非高斯时，UKF的滤波性能会下降，并且在严重非线性系统中，UKF可能会对状态估计产生不良影响。

发明内容

本发明的目的是提供一种基于IAUKF在永磁直线同步电机中的控制方法，解决了因系统统噪声的统计特性不能精确已知而引起的滤波不稳定问题。

本发明所采用的技术方案是：

一种基于IAUKF在永磁直线同步电机中的控制方法，步骤为：

步骤1，建立PMLSM数学模型；

步骤2，采用UKF算法实时估计电机当前的速度和位置；

步骤3，将时变的系统噪声引入到UKF滤波过程，对噪声协方差矩阵进行自适应调整；

步骤4，返回步骤2.2进行下一时刻速度和位置估计。

本发明的特点还在于：

其中步骤1具体的为：

由根据dq系电压方程及电磁功率方程、机械运动方程和位移方程得到PMLSM数学模型：