1. 研究目的与意义（文献综述）

1.1 研究背景

在高性能的交流调速传动系统中,转速闭环控制是系统控制精度的重要保证。然而通过机械式传感器如编码器、测速发电机等来获得转速信息存在的安装、连接、出现故障等问题,导致系统结构复杂、成本增加、可靠性降低,且性能易受工况影响,应用范围受到限制。因此实现无速度传感器的感应电机高性能控制成为学者研究的热点之一,转速的高精度辨识是无传感器系统的主要任务。无速度传感器的研究方法可分为基于im非理想特性和理想模型两种方法。基于非理想特性的方法对电机参数变化有很好的鲁棒性,如利用齿槽谐波信号的转速辨识方法,通过对定子反电势或者电流信号的处理可以检测出转子速度信号。高频信号注入法通过向定子绕组注入高频信号,获得转速信息,此类方法对信号处理的要求较高,未达到实用的程度。饱和凸极检测法,在零频时也可以获得转子磁通信息,但该方法存在结构复杂、计算量大等问题,且需要电机运行在饱和状态,仅适用于低频。基于理想模型方法较多,例如直接计算法,计算简单,但没有误差校正环节,抗干扰性能差;模型参考自适应法研究较广,但此类方法存在纯积分环节,受电机参数的影响较大;滑模观测器法具有较好的鲁棒性,但其本质上是不连续的开关控制,会使系统产生抖动。人工神经网络方法常用的是多层前馈模型法,它需要专门的硬件支持,该类方法尚处于起步阶段。

2. 研究的基本内容与方案

2.1 基本内容、目标

在异步电机的同步坐标系数学模型的基础上,提出一种基于ekf的无速度传感器矢量控制方法,此方法的突出特点即预期目标是：（1）降低迭代方程的阶次,避免了微分运算，在不降低系统性能的同时大大降低系统的复杂度,减少系统的计算负荷。（2）可以有效的削弱随机信号干扰和测量噪声的影响（3）通过一阶线性化方法用扩展卡尔曼滤波器进行滤波估计，方法简单、可实现性强、能快速收敛（4）此方法建立在系统的随机过程模型上，因此具有很强的抗噪能力，这是其他的转速估计方法所不具备的，可以充分克服感应电机模型的不确定性和非线性，估算性能优越。

3. 研究计划与安排

第1-2周：文献调研，翻译一篇相关的外文文献，撰写开题报告；

第3周：提交开题报告初稿，提交外文翻译。

第4周：开题答辩，提交开题报告终稿。

4. 参考文献（12篇以上）

[1] 基于神经网络转速估计的异步电机矢量控制系统研究[d]. 高翔.湖北工业大学 2017
[2] 基于滑模变结构异步电动机无速度传感器矢量控制系统的研究[d]. 刘茂泉.华东交通大学 2016
[3] 感应电动机矢量控制系统转速辨识算法的研究[d].高强.哈尔滨工业大学,2016.
[4] 基于电机参数辨识的电动车异步电机无速度传感器矢量控制[d]. 陈国强.重庆大学 2016
[5] 三相感应电机的转速估算与参数辨识[d]. 刘丽娟.西安科技大学 2016
[6] 基于无源性的异步电机无速度传感器控制系统的设计[d]. 王腾飞.兰州交通大学 2016

[7]ekf协同马尔科夫链的感应电机转速辨识方法.[d]李国银西安理工大学 2017

[8]尹忠刚 赵昌 采用抗差扩展卡尔曼滤波器的感应电机转速估计方法[j].中国电机工程学报 2012.