Square Root Unscented Kalman Filters for state estimation of induction motor drives

Jafarzadeh, Saeed; Lascu, C.; Fadali, M. Sami

doi:10.1109/ecce.2011.6063751

Cited by 24 publications

(33 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“… Durum vektörleri ile benzer olasıl özelliklere sahip olan durum uzayında sigma noktaları bulunabilir. Başka bir ifade ile DD, doğrusal olmayan bir model veya fonksiyondan ziyade, olasılık dağılımlarına yaklaşır [10]. Doğrusal olmayan fonksiyonu = ( ) ve boyutu olan rasgele bir değişken olmak üzere, 'in ortalama değer ve kovaryansları sırasıyla ̂ ve olsun.…”

Section: Dağılımlı Dönüşümunclassified

“…Ayrıca, bu çalışmada DKF algoritmasının kestirim başarımını GKF algoritması ile karşılaştırılarak, DKF'nin GKF'ye kıyasla daha hızlı durumların gerçek değerlerine yakınsadığını ve DKF'nin sürekli-hal hatasının GKF'ye kıyasla daha az olduğunu vurgulamışlardır. [7]'de gerçekleştirilen DKF tasarımında rotor hızı ASM modelinde sabit parametre olarak kabul edilirken, [9] ve [10]'da rotor mekanik hızı mekanik hareket eşitliği kullanılarak ASM modeline dahil edilmiştir. Bu çalışmalardan, [9]'da stator akımlarının ve akılarının stator duran eksen takımı bileşenleri ( ), rotor mekanik hızı ve yük momenti kestirimlerini eş-zamanlı olarak ve dört farklı DD kullanıldığı DKF algoritmaları tasarlanıp, gerçek-zamanlı olarak karşılaştırılmıştır.…”

Section: Introductionunclassified

See 1 more Smart Citation

Hiz-Algilayicisiz Asenkron Motor Kontrolü İçi̇n Dağilimli Kalman Fi̇ltresi̇ İle Gerçek-Zamanli Yük Momenti̇ Ve Rotor Di̇renci̇ Kesti̇ri̇mi̇

Barut¹,

Yıldız²,

Zerdali³

2018

Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

ÖZBu çalışmada, asenkron motorların (ASM'lerin) hız-algılayıcısız kontrolü için ölçülen stator akımları ve gerilimleri kullanılarak; stator akımının ve rotor akısının duran eksen takımı bileşenlerini, rotor hızını, yük momentini ve rotor direncini eş zamanlı olarak kestiren dağılımlı Kalman filtresi (DKF) tabanlı kestiricinin gerçek-zamanlı uygulaması literatüre ilk kez tanıtılmaktadır. Böylece tasarlanan DKF tabanlı kestiricinin kestirim başarımı, stator gerilimleri/akımlarının ölçme hatalarını dikkate alarak, yük momenti ve rotor direncinin basamak biçimli ve doğrusal olmayan belirsizlikleri/değişimleri altında sıfır hız geçişlerini ve hız terslendirmelerini de içeren geniş bir hız bölgesi için gerçek-zamanlı olarak test edilmiş olmaktadır. Mevcut literatüre göre hız-algılayıcısız olarak en fazla durum ve parametre kestirimi yapan DKF algoritmasından elde edilen sonuçlar, kestirilen durum ve parametrelerin hızlı bir şekilde gerçek değerlerine yakınsadığını ve sürekli haldeki kestirim hatalarının oldukça tatmin edici olduğunu göstermektedir. Bu yönleri ile literatürde bilinen ilk çalışmadır.Anahtar Kelimeler: Asenkron motor, dağılımlı kalman filtresi, durum ve parametre kestirimi, hız-algılayıcısız kontrol UNSCENTED KALMAN FILTER BASED REAL-TIME LOAD TORQUE AND ROTOR RESISTANCE ESTIMATIONS FOR SPEED-SENSORLESS CONTROL OF INDUCTION MOTOR ABSTRACTIn this study, the real-time application of unscented Kalman filter (UKF) based estimator simultaneously estimating the stator stationary axis components of the stator currents and the rotor fluxes, the rotor mechanical speed, the load torque, and the rotor resistance by using measured stator currents and voltages for speedsensorless control of induction motors (IMs) is firstly introduced to the literature. Thus, the performance of proposed UKF based estimator is tested by considering measurement errors of stator voltages/currents in realtime for a wide range of speeds including zero-speed transitions and speed reversal under step-type and nonlinear uncertainties/variations of the load torque and rotor resistance. According to the current literature, the results obtained from the UKF algorithm, which estimates the maximum states and parameters in case of speedsensorless, show that estimated states and parameters quickly converge to real values and steady-state estimation errors are quite satisfactory. With these aspects, it is the first known work in the literature.

show abstract

Section: Dağılımlı Dönüşümunclassified

Section: Introductionunclassified

Hiz-Algilayicisiz Asenkron Motor Kontrolü İçi̇n Dağilimli Kalman Fi̇ltresi̇ İle Gerçek-Zamanli Yük Momenti̇ Ve Rotor Di̇renci̇ Kesti̇ri̇mi̇

Barut¹,

Yıldız²,

Zerdali³

2018

Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

show abstract

“…최근에는 제곱근 형태와 결합한 칼만 필터 관측기 이론이 전기기 기 제어 분야에 응용되고 있다 [8,9]. Bierman-Thorton, CarlsonSchmidt-Givens 및 Carlson-Schmidt-Householder 등 다양한 제곱 근 확장 칼만 필터를 제안하였으며 [7], Modifed UD factorization을 이용한 무향 칼만 필터는 유도전동기 직접 토크 제어를 위해 제안되 었다 [10].…”

unclassified

Parallel Reduced-Order Square-Root Unscented Kalman Filter for State Estimation of Sensorless Permanent-Magnet Synchronous Motor

Moon¹,

Kwon²

2016

The Transactions of The Korean Institute of Electrical Engineer

View full text Add to dashboard Cite

-This paper proposes a parallel reduced-order square-root unscented Kalman filter for state estimation of a sensorless permanent-magnet synchronous motor. The appearance of an unscented Kalman filter is caused by the linearization process error between a real system and classical Kalman model. The unscented transformation can make a more accurate Kalman model. However, the complexity is its main drawback. This paper investigates the design and implementation of the proposed filter with Potter and Carlson square-root form. The proposed parallel reduced-order square-root unscented Kalman filter reduces memory and code size, and improves numerical computation. And the performance is not significantly different from the unscented Kalman filter. The experimentation is performed for the verification of the proposed filter.

show abstract

“…A square root unscented Kalman filter (SRUKF) algorithm solves the problem of filtering divergence caused by non-positive of error covariance matrix in general EKF and UKF, and the stability of the algorithm is improved. In [12], SRUKF was used to estimate the speed and rotor…”

Section: Introductionmentioning

confidence: 99%

State Estimation of Permanent Magnet Synchronous Motor Using Improved Square Root UKF

Shi

et al. 2016

Energies

View full text Add to dashboard Cite

This paper focuses on an improved square root unscented Kalman filter (SRUKF) and its application for rotor speed and position estimation of permanent magnet synchronous motor (PMSM). The approach, which combines the SRUKF and strong tracking filter, uses the minimal skew simplex transformation to reduce the number of the sigma points, and utilizes the square root filtering to reduce computational errors. The time-varying fading factor and softening factor are introduced to self-adjust the gain matrices and the state forecast covariance square root matrix, which can realize the residuals orthogonality and force the SRUKF to track the real state rapidly. The theoretical analysis of the improved SRUKF and implementation details for PMSM state estimation are examined. The simulation results show that the improved SRUKF has higher nonlinear approximation accuracy, stronger numerical stability and computational efficiency, and it is an effective and powerful tool for PMSM state estimation under the conditions of step response or load disturbance.

show abstract

Square Root Unscented Kalman Filters for state estimation of induction motor drives

Cited by 24 publications

References 15 publications

Hiz-Algilayicisiz Asenkron Motor Kontrolü İçi̇n Dağilimli Kalman Fi̇ltresi̇ İle Gerçek-Zamanli Yük Momenti̇ Ve Rotor Di̇renci̇ Kesti̇ri̇mi̇

Hiz-Algilayicisiz Asenkron Motor Kontrolü İçi̇n Dağilimli Kalman Fi̇ltresi̇ İle Gerçek-Zamanli Yük Momenti̇ Ve Rotor Di̇renci̇ Kesti̇ri̇mi̇

Parallel Reduced-Order Square-Root Unscented Kalman Filter for State Estimation of Sensorless Permanent-Magnet Synchronous Motor

State Estimation of Permanent Magnet Synchronous Motor Using Improved Square Root UKF

Contact Info

Product

Resources

About