改进粒子群算法优化扩展卡尔曼滤波器电机转速估计  

Speed estimation of motor using improved particle swarm algorithm optimized extended Kalman filter

作　　者：林国汉[1] 章兢[1] 刘朝华[1] 赵葵银[2] 

机构地区：[1]湖南大学电气与信息工程学院,长沙410082 [2]湖南工程学院电气信息学院,湖南湘潭411101

出　　处：《计算机应用研究》2013年第7期2003-2006,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(61174140);国家教育部博士点基金资助项目(20110161110035);湖南省高校重点实验室开放基金资助项目(10K017)

摘　　要：针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计。仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。Aiming at the problem of getting the extended Kalman filter（EKF）optimal value of system noise matrix and mea-surement noise matrix using in induction motor speed estimation,this paper proposed a speed estimation method using EKF optimized by improved particle swarm optimization（IPSO）.By combining the advantages of genetic algorithm and particle swarm optimization,it adopted an adjustable algorithms in PSO.It optimized the EKF system noise matrix and measurement noise matrix by IPSO,using optimized EKF to estimate the speed of induction motor.Simulation results show that the proposed method can effectively improve the speed estimation accuracy compare to those obtained by trial and error method,genetic algorithm（GA） and standard PSO algorithm.

关 键 词：转速估计 无速度传感器矢量控制 扩展卡尔曼滤波器 粒子群算法 

分 类 号：TM346.2[电气工程—电机] TP273.2[自动化与计算机技术—检测技术与自动化装置]