【状态估计】基于卡尔曼滤波器的传感器直流电机驱动研究（Matlab代码、Simulink实现）

news2024/11/27 12:58:53

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、Simulink实现

💥1 概述

卡尔曼滤波算法最先由美国学者 R.E.Kalman 提出，它最早是用来解决离散线性系统滤波的问题[60]，该算法一经提出就得到广泛关注。卡尔曼滤波器属于随机观测器，采用状态空间法在时域内设计滤波器，使用线性最小方差估计，有良好的滤波性能。卡尔曼滤波器是一组数学方程，用一种有效的递归方法来估计系统的状态，在考虑系统的输入、输出随机干扰的情况下，得到满足最小均方根误差的最优估计，可以有效的削弱随机干扰和测量噪声的影响。因为它采用递推的方法，为方便数字化实现，还可以将算法进行离散化。随着计算机控制技术的发展，其计算复杂性已经不再是障碍，所以卡尔曼滤波器逐渐得到了大家的重视，如今已广泛应用于各个领域，如导航制导、工业控制、目标跟踪、大地测量和金融等。卡尔曼滤波器系统结构如图 3-1 所示，下面介绍离散系统卡尔曼滤波器的原理[61] [62]。

系统的状态方程和量测方程为：

📚2 运行结果

部分代码：

% Parametry silnika
% 1G 7 5102-0EE 77 -4TV1
Un = 280; %V
wn = 1640*pi/30; %rad/s
Pn = 1.52e3; %W
Tn = 8.85; %Nm
In = 7.2; %A
Ra = 6.41; %Ohm
La = 23e-3; %H
PSI_M = Tn/In;
PSI_E = (Un-Ra*In)/wn;
J = 0.013*2; %kgm2
Ts = 1e-4;
Tdelay = 2*Ts;
% Wariancje szumow
% System
rng('shuffle');
rand_seed_1 = round(rand*(2^32-1));
rand_seed_2 = round(rand*(2^32-1));
rand_seed_3 = round(rand*(2^32-1));
rand_seed_4 = round(rand*(2^32-1));