Resumen

Los filtros de Kalman extendidos (EKF) se han utilizado ampliamente para el control orientado al campo (FOC) sin sensores en motores síncronos de imanes permanentes (PMSM). El primer problema clave asociado a los EKF es que el estimador requiere que toda la dinámica de la planta y los procesos de ruido se conozcan con exactitud. Para compensar la información inexacta del modelo y mejorar la capacidad de seguimiento, se han propuesto algoritmos de filtrado de Kalman ampliado con desvanecimiento adaptativo para el sistema no lineal. El segundo problema clave es que el EKF sufre de carga computacional y problemas numéricos cuando la dimensión del estado es grande. El filtro de Kalman extendido de dos etapas (TSEKF) con respecto a este problema ha sido ampliamente estudiado en el pasado. Combinando las ventajas del AFEKF y del TSEKF, este trabajo presenta un filtro de Kalman extendido adaptativo de dos etapas (ATEKF) para la estimación en lazo cerrado de la posición y la velocidad de un PMSM para conseguir un funcionamiento sin sensores. Los resultados experimentales demuestran que el algoritmo ATEKF propuesto para PMSMs tiene una gran robustez frente a las incertidumbres del modelo y una muy buena capacidad de seguimiento del estado en tiempo real.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:ekf, filtro kalman, capacidad de seguimiento estado-tiempo, filtros kalman ampliados, primer problema clave, información inexacta del modelo, segundo problema clave, pmsm, tsekf, etapa
• Keywords:ekf, kalman filter, time state tracking ability, extended kalman filters, first key problem, inaccurate model information, second key problem, pmsm, tsekf, stage