Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海大学赵剑飞获国家专利权

上海大学赵剑飞获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海大学申请的专利一种改进的EKF扰动观测抗饱和积分滑模自适应控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118838154B

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410735619.0,技术领域涉及:G05B13/04;该发明授权一种改进的EKF扰动观测抗饱和积分滑模自适应控制方法是由赵剑飞;黄耕;蔡晓雪;刘廷章;闫宏彬设计研发完成,并于2024-06-07向国家知识产权局提交的专利申请。

一种改进的EKF扰动观测抗饱和积分滑模自适应控制方法在说明书摘要公布了:本发明属于控制理论与控制工程领域,本发明所述方法包括,设计PMSM数学模型,根据传统EKF扰动观测器实现过程引入互协方差矩阵;在电机运行过程中通过系统噪声协方差矩阵中不同参数对扰动转矩进行精度预测;设计基于模糊自适应的EKF扰动观测器来对系统扰动转矩进行预测,得到改进后的EKF扰动观测器。本发明设计了改进的EKF扰动观测器,实时准确地观测突变扰动及连续扰动,将扰动观测值引入改进积分滑模控制器中,有效提高了整体电机系统的抗负载扰动能力。

本发明授权一种改进的EKF扰动观测抗饱和积分滑模自适应控制方法在权利要求书中公布了:1.一种改进的EKF扰动观测抗饱和积分滑模自适应控制方法,其特征在于:包括, 建立永磁同步电机数学模型提升大功率门窗开闭器的电机输出转矩以及调速范围,满足稳定性条件后进行Lyapunov分析,设计基于新型趋近律的滑模控制器解决转速超调及滑模控制器的系统抖振,并进行分析离散切换带带宽; 设计基于新型非线性积分滑模面的抗饱和积分滑模控制器改善大功率门窗开闭器的电机启动时的积分环节饱和现象,结合新型趋近律得到改进积分滑模控制其输出转矩; 设计PMSM数学模型,根据传统EKF扰动观测器实现过程引入互协方差矩阵; 在大功率门窗开闭器的电机运行过程中通过系统噪声协方差矩阵中不同参数对扰动转矩进行精度预测,设计基于模糊自适应的EKF扰动观测器来对系统扰动转矩进行预测,得到改进后的EKF扰动观测器; 所述永磁同步电机数学模型包括PMSM的电磁转矩,PMSM的电磁转矩主要由两部分组成,第一部分是q轴电流分量与永磁体磁场间产生的转矩,第二部分则是由转子凸极效应产生的磁阻转矩,PMSM在d-q坐标系下的数学模型为: 所述满足稳定性条件包括采用滑模控制,滑模面s将系统的状态空间分为sx>0以及sx<0两部分: 当系统满足可达条件、存在条件及稳定性条件时,即可进行滑模控制,其中,x∈Rn为状态空间变量,fx,t、gx,t为非线性向量函数,ut为输入变量,Rs为定子电阻,ud、uq为定子电压在d,q轴分量,id、iq为定子电流在d,q轴分量,p为微分算子,ψd、ψq为定子磁链在d,q轴的磁链分量,ωe为转子电角速度; 所述基于新型趋近律的滑模控制器包括采用分段式趋近律来设计控制器,趋近律表达式为: 其中,k=k1+k2,k10,k20,m0,1λ0,1α0,p0,δ0,sats为饱和函数,σ为边界层,m、λ、α及δ为仿真模型参数,p为微分算子,边界层内通过反馈控制降低切换过程中的抖振量,而在边界层外依然为符号函数值使边界外快速趋近滑模面; 当滑模系统远离滑模面即|s|δ阶段时,通过调整λ以及m值,使系统轨迹迅速接近滑模面,同时饱和函数sats使系统在保持较快趋近速度的情况下,保持抗抖振能力,当在滑模系统趋近滑模面即|s|<δ阶段,|s|→0时,同时调整k1、k2的权值,降低传统滑模的高频抖振; 所述分析离散切换带带宽包括针对所述滑模控制器的系统抖振的问题,从离散切换带带宽进行分析当系统的状态轨迹接近滑模面时,对新型趋近律进行离散,新型趋近律的切换带带宽表示为Δ=k1|s|αTs,其中,Ts为系统采样周期,为离散切换带带宽,Δ随着|s|的减小而相应减小,|s|→0,抑制抖振。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海大学,其通讯地址为:200444 上海市宝山区上大路99号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。