基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对在永磁同步电机参数辨识过程中,由于"数据饱和"和噪声影响,导致传统的递推最小二乘法存在参数估计误差大和收敛慢的问题.利用改进的递推最小二乘法提高参数辨识的精度和收敛速度,以满足伺服系统在不同工况下动态性能.首先,结合永磁同步电机数学模型,设计了一种折息递推最小二乘辨识算法,通过在传统的最小二乘法中引入"折息因子"增强了算法的灵活性.然后,通过对存在白噪声干扰的永磁同步电机模型进行辨识算法的动态仿真.最后,利用搭建的实验测试平台进行算法的实验验证.仿真和实验结果表明提出的折息递推最小二乘算法,在参数辨识过程中降低了旧数据对辨识结果的影响,增强了算法对噪声干扰的鲁棒性,提高参数辨识结果的准确性和实时性.
推荐文章
同步电机在线参数辨识的混合算法
同步电机
参数辨识
人工神经网络
遗传算法
输出误差法
基于递推最小二乘法的永磁同步电机参数辨识
永磁同步电机
参数辨识
最小二乘法
基于RLS的永磁同步电机参数辨识技术研究
递推最小二乘法
参数辨识
电机参数
交流永磁同步电机
死区补偿
永磁同步电机的选型及参数校验
永磁同步电机
MATLAB
匹配选型
校验
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 永磁同步电机在线参数辨识方法研究
来源期刊 电机与控制学报 学科 工学
关键词 永磁同步电机 参数辨识 折息递推最小二乘 数据饱和
年,卷(期) 2018,(3) 所属期刊栏目
研究方向 页码范围 17-24
页数 8页 分类号 TM351
字数 5138字 语种 中文
DOI 10.15938/j.emc.2018.03.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 戈宝军 哈尔滨理工大学电气与电子工程学院 82 556 12.0 19.0
2 吕艳玲 哈尔滨理工大学电气与电子工程学院 23 137 8.0 11.0
3 石建飞 哈尔滨理工大学电气与电子工程学院 38 126 7.0 9.0
7 韩继超 哈尔滨理工大学电气与电子工程学院 10 47 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (85)
共引文献  (101)
参考文献  (14)
节点文献
引证文献  (23)
同被引文献  (67)
二级引证文献  (6)
1951(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(15)
  • 参考文献(0)
  • 二级参考文献(15)
2011(14)
  • 参考文献(0)
  • 二级参考文献(14)
2012(5)
  • 参考文献(3)
  • 二级参考文献(2)
2013(12)
  • 参考文献(3)
  • 二级参考文献(9)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(6)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(6)
  • 二级引证文献(0)
2018(6)
  • 引证文献(6)
  • 二级引证文献(0)
2019(12)
  • 引证文献(10)
  • 二级引证文献(2)
2020(11)
  • 引证文献(7)
  • 二级引证文献(4)
研究主题发展历程
节点文献
永磁同步电机
参数辨识
折息递推最小二乘
数据饱和
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电机与控制学报
月刊
1007-449X
23-1408/TM
大16开
哈尔滨市学府路52号
14-46
1962
chi
出版文献量(篇)
3540
总下载数(次)
7
总被引数(次)
45460
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导