改进的STFDEKF算法在异步电机低速转矩控制中的优势

本文主要探讨了强跟踪有限微分扩展卡尔曼滤波算法（STFDEKF）在异步电机控制中的应用。针对异步电机在直接转矩控制(DTC)下的低速转矩脉动问题，作者提出了一种创新的自适应算法。STFDEKF算法利用多项式近似和一阶中心差分法计算非线性函数的偏导数，具备二阶非线性近似能力，这有助于提高滤波精度和系统稳定性。 与传统的扩展卡尔曼滤波器(EKF)和有限微分扩展卡尔曼滤波器(FDEKF)相比，STFDEKF算法引入了强跟踪因子，通过自适应地调整状态的先验协方差矩阵，增强了对电机状态的估计准确性。文章的重点在于将STFDEKF扩展至感应电机参数辨识，构建了一个能够同时观测五个电机变量（包括转速）的滤波器，这使得电机可以在无速度传感器的情况下实现闭环控制，从而实现DTC下更精确的转矩控制。 在设计过程中，作者特别关注了如何解决状态方程的多重解问题，并且通过集成观测到的转速信息，优化了电机的控制性能，减少了转矩脉动，保持了恒定的开关频率，提升了稳态速度控制的平滑性和响应性。尽管STFDEKF算法的计算过程相对复杂，但其优越的跟踪能力和滤波效果使其在磁链和转速目标跟踪方面展现出显著的优势。 本文的研究为异步电机的直接转矩控制提供了一种有效的状态估计和控制策略，特别是在低速和动态工作条件下，通过STFDEKF的运用，可以改善电机控制系统的性能，提高控制精度和鲁棒性。这对于工业自动化和电机驱动系统的实际应用具有重要的理论和实践意义。