离散化的龙贝格观测器进行无传感器控制 龙伯格观测器采用线性控制策略代替了 SMO 的变结构控制,有效避免了系统抖振,具有动态响快、估算精度高的优点

该博客介绍了使用离散化的龙贝格观测器进行无传感器控制的方法,通过PMSM数学模型构建观测器,利用输出偏差反馈进行PLL速度和角度估计。这种线性控制策略避免了系统抖振,提高了动态响应和估算精度,用于电机转子位置的跟踪闭环估计。
摘要由CSDN通过智能技术生成

该模型采用离散化的龙贝格观测器进行无传感器控制
其利用 PMSM 数学模型构造观测器模型,根据输出的偏差反馈信号来进行PLL得到速度和角度。
当观测的电流实现与实际电流跟随时,可以从观测的反电势计算得到电机的转子位置信息,形成跟踪闭环估计。
龙伯格观测器采用线性控制策略代替了 SMO 的变结构控制,有效避免了系统抖振,具有动态响快、估算精度高的优点。
现有:85188671040954591Keepmoving

请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述

龙贝格观测器是一种常用于电机控制的状态观测器,可以用于估计电机状态量,从而实现闭环控制离散化是将连续时间系统转化为离散时间系统的过程,通常使用采样周期来描述。在Matlab中,可以使用以下步骤进行龙贝格观测器离散化: 1. 定义连续时间系统的状态空间模型,包括状态方程和输出方程。 2. 使用c2d函数将连续时间系统转化为离散时间系统,其中需要指定采样周期和转化方法。 3. 根据离散时间系统的状态空间模型,设计龙贝格观测器离散化算法。 4. 在Matlab中实现离散化龙贝格观测器算法,并进行仿真验证。 以下是一个简单的Matlab代码示例,用于实现离散化龙贝格观测器算法: ```matlab % 定义连续时间系统的状态空间模型 A = [0 1 0; 0 0 1; -10 -20 -30]; B = [0; 0; 1]; C = [1 0 0]; D = 0; sys = ss(A, B, C, D); % 将连续时间系统转化为离散时间系统 Ts = 0.01; % 采样周期 method = 'zoh'; % 转化方法 sysd = c2d(sys, Ts, method); % 设计离散化龙贝格观测器算法 L = [10; 20; 30]; % 观测器增益矩阵 xhat = [0; 0; 0]; % 初始状态估计值 y = 0; % 初始输出值 u = 1; % 输入值 % 实现离散化龙贝格观测器算法 for k = 1:100 xhat = xhat + Ts * (A * xhat + B * u - L * (C * xhat - y)); y = C * xhat + D; end % 进行仿真验证 t = 0:Ts:1; u = ones(size(t)); [y, t, x] = lsim(sysd, u, t); xhat = zeros(size(x)); for k = 1:length(t) xhat(k,:) = xhat(k,:) + Ts * (A * xhat(k,:)' + B * u(k) - L * (C * xhat(k,:)' - y(k))); end plot(t, x(:,1), t, xhat(:,1), '--'); legend('真实状态', '观测状态'); ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值