当前位置: 首页 > ai >正文

228永磁同步电机无速度算法--基于双重锁相环的滑模观测器

一、原理介绍

在传统的正交锁相环的基础上,利用前述滤波器、ZOH、代数环等非理想因素对电流信号进行延迟重构,进而得到一个与实际电流信号存在相位偏差的重构信号,且该相位偏差等同于初步估计位置信号与实际位置信号之间的相位偏差。将该重构信号与初步估计位置信号进行二次锁相,即可实现实际位置信号与实际电流的间接锁相,从而实现了位置信号相位估计误差的全补偿。上述二次锁相过程与传统的正交锁相环结合,即构成一个双重锁相环。

上图为算法示意图,本次仿真中电压采用的是给定电压,并且并未在采样过程中进行滤波,我一般实验中也就是对一个控制周期内的采样值进行求平均。

二、仿真模型

在MATLAB/simulink里面验证所提算法,搭建仿真。采用和实验中一致的控制周期1e-4,电机部分计算周期为1e-6。仿真模型如下所示:

仿真工况:电机空载零速启动,0s阶跃给定转速500rpm,0.5s开始加速,0.7s施加额定负载。将不进行补偿(前一个)和进行补偿(后一个)的波形进行对比。

2.1给定转速、实际转速和估计转速

2.2估计转速与实际转速误差

2.3估计转角与实际转角

2.4估计转角与实际转角误差

双重锁相环方法能够在未知相位估计误差具体定量大小的情况下,实现对相位估计误差的有效全补偿;并且补偿过程未引入任何敏感参数,鲁棒性强。

http://www.xdnf.cn/news/14077.html

相关文章:

  • 【FineDance】ModuleNotFoundError: No module named ‘pytorch3d‘
  • 时间序列数据库技术深度解析:核心原理与最佳实践
  • Windows安装部署jenkins
  • YOLOv8分类的三种C++实现:opencv dnn/libtorch/onnxruntime
  • 【编译原理】第九章 运行时存储
  • 2025-06-14【视觉】批量筛选图集中包含某种物体对象的方法
  • Spring Framework 执行链路设计
  • PC 基准测试工具 3D Mark 登陆 macOS
  • Boost dlib opencv vs2022 C++ 源码安装集成配置
  • Missing Semester计算机教育中缺失的一课:Vim
  • 端到端记忆网络 vs 神经图灵机:外部记忆的两种哲学之争
  • 腾讯云配置了国内镜像依然docker search失败
  • Vue3 + JavaScript 父组件点击按钮触发子组件事件方法
  • pytorch2.6安装
  • 编程之礼乐
  • Karate UI测试之驱动配置
  • 嵌入式学习笔记C语言阶段--14可变长数组
  • HTTP 缓存策略:强缓存与协商缓存的深入解析
  • Docker 部署 PostgreSQL 指南
  • C++ RPC 远程过程调用详细解析
  • Python爬虫-爬取票牛明星演唱会数据,进行数据分析
  • 日志分割问题
  • 卷积神经网络的参数量及尺度变化计算
  • [每周一更]-(第147期):使用 Go 语言实现 JSON Web Token (JWT)
  • WWDC25中的HDR技术洞察
  • 基于深度学习的智能图像分类系统:从零开始构建
  • BeckHoff <---> Keyence (LJ-8000) 2D相机 Profinet 通讯
  • PyTorch框架详解(1)
  • 韦东奕论文解读
  • 开机自启动文件夹