异步电机无速度传感器控制技术研究现状与展望Overview of Sensorless Control T echnology of Induction Machines
西安理工大学 自动化与信息工程学院 李 洁 钟彦儒摘 要：异步电机无速度传感器控制技术已经成为近年的研究热点。转速估计是异步电机无速度传感器控制技术的核心问题。本文对各种常见的异步电机转速估计方法进行了评价，指出了各方法的优、缺点及其适用场合。展望了今后研究的热点方向。预测了无速度传感器控制技术可能的发展方向。
关键词：综述 异步电机 转速估计
Abstract: The sensorless control technology of induction machines has already been a popular problem in recent years. The speed estimation is its core. The ordinary speed estimation methods of induction machines are evaluated, and their advantages, disadvantages and application is indicated. The attractive trends for the future are prospected. Some possible directions in progress of sensorless control are predicted.
Key words: Overview Induction machine Speed estimation
１ 引言
近年来，电力电子技术和计算机技术迅速发展为实现高性能交流调速系统提供了必要条件。要实现高性能交流调速就必须对转速进行闭环控制。由于安装转速、磁通传感器增加了传动系统的价格、降低了系统的可靠性、破坏了异步电动机固有的坚固性和简单性［１］。因此，无速度传感器控制不仅成为了现代交流传动控制技术的一个重要研究方向，同时也是研制高性能通用变频控制器的关键技术。英文文献中称之为Ｓｅｎｓｏｒｌｅｓｓ Ｃｏｎｔｒｏｌ（无传感器控制）技术。“无传感器”这个词实际上并不是十分恰当，因为任何调速系统都不可能在无任何传感器的情况下精确地受控。实际上，Ｓｅｎｓｏｒｌｅｓｓ Ｃｏｎｔｒｏｌ系统仍装有电压和电流传感器，控制算法需要使用它们采集到的信号，只是这些传感器通常设在功率电路系统内且较为廉价。一般地讲，无速度传感器传动系统适用于适度性能要求的转速、转矩控制场合中。这是由于通常情况下转速估计器必须依赖于电动机参数，因此不能胜任精确位置估计。而且，低速时性能较差，使得它的调速范围明显窄于有速度传感器控制的传动系统。然而，并非大多数调速场合都需要最高品质的调速性能，例如随处可见的泵、通风机、压缩机等等，因此，无速度传感器控制技术已经成为研究热点问题［２］。
无速度传感器控制技术的核心问题是对电机转速进行准确估计，并将估计的转速反馈给速度控制器。典型的无速度传感器磁场定向控制系统的框图如图１所示。通常无速度传感器控制系统由三部分组成：１）速度控制环；２）磁链和转矩控制环；３）速度估计器（有时含磁链、转矩观测）。
对磁链、转矩控制部分而言，可按控制方法的不同图１ 典型无速度传感器控制系统框图［７］
4 | Power Electronics
分为：１）以转子磁场定向为基础的矢量控制。根据确定转子磁通Ψｒ位置的方法，又可分为直接矢量控制（Ｄｉｒｅｃｔ Ｆｉｅｌｄ－Ｏｒｉｅｎｔｅｄ—ＤＦＯ）（也称磁通检测控制）和间接矢量控制（Ｉｎｄｉｒｅｃｔ Ｆｉｅｌｄ－Ｏｒｉｅｎｔｅｄ—ＩＦＯ）（转差频率控制）；２）以定子磁场定向为基础的直接转矩控制。
近年来，随着高性能数字信号处理器的飞速发展，各种转速估计方法层出不穷。总的来说，可以分为以下几类［３～８］：１）直接计算法；２）直接由状态方程合成；３）模型参考自适应（ＭＲＡＳ—Ｍｏｄｅｌ Ｒｅｆｅｒｅｎｃｅ ＡｄａｐｔｉｖｅＳｙｓｔｅｍ）；４）基于自适应全阶状态观测器的方法；５）基于扩展卡尔曼滤波器（ＥＫＦ—Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ）的方法；６）基于神经网络的方法；７）齿槽谐波检测法；８）高频信号注入法。
２ 转速估计各方法详解
以下将介绍各类方法的原理、特点及适用场合。
２．１ 直接计算法
直接计算法基于异步电机Ｐａｒｋ方程，从电机的电磁关系式中得到转差或转速的表达式。常用的基于转差的直接计算法
［４］
，即利用同步转速减转差得到转子的实
际转速。同步转速和转差均在假设已实现磁场定向控制的前提下根据稳态公式得到。
为了克服磁链计算时的积分漂移问题，文献［９］利用转子反电动势计算同步转速。早期的东芝、日立、富士的无速度传感器矢量控制产品中采用的就是这种基于转子反电动势的直接计算法［３］。
采用直接计算法计算转速，直观简单，实时性好。但是，由于这类方法本质上属于开环观测方法，没有误差校正环节，缺点也十分明显。存在的问题有：１）由于不能保证动态过程中矢量控制是否能正确实现，因而不能保证整个传动系统的动态性能；２）系统的抗扰能力很差，稳态性能受负载转矩、电机参数扰动的影响较大；３）对基于转子反电动势的方法，由于低速时反电势的值很小，导致算得的转速误差较大。
２．２ 直接由状态方程合成
利用异步电机的状态方程建立磁通观测器，可以观测到电机的转子磁链或者定子磁链，就可以通过求导的方式获得同步转速信号ωｅ。再引入转差ωｓｌ的计算，通过ωｒ＝ωｅ－ωｓｌ得到转子速度。ＡＢＢ、东洋电机曾在产品中使用该方法［３］。显然，直接合成的方法对电机参数也会十分敏感，而且由于同样属于开环观测方
法，因此估计性能较差。
２．３ 模型参考自适应方法
基于模型参考自适应（ＭＲＡＳ）方法的转速估计的基本思想是将不含转速的方程作为参考模型，而将含转速的方程作为可调模型，两个模型具有相同物理意义的输出，利用这两个模型输出量的误差构造适当的自适应律，实时调节可调模型中的转速，以达到可调模型的输出跟踪参考模型的输出，最终实现转速估计的目的。模型参考自适应方法是一种基于稳定性设计的方法，能够保证估计的渐近收敛。典型的ＭＲＡＳ转速估计框图如图２所示［４］。根据参考模型及可调模型的不同选择，有多种ＭＲＡＳ转速估计方法［１０￣１４］。
应用最多的ＭＲＡＳ转速估计算法是以用于转子磁链观测的电压模型作为参考模型，以含转速信息的电流模型作为可调模型的算法。这样可以充分利用磁链观测过程的计算结果，转速估计的实现只需增加很小的计算量。由于使用电压模型来计算转子磁链，引入了纯积分环节，使得磁链模型受积分初值及零漂的影响严重，转速估计结果不准确。而且低速时性能较差。文献［１１］采用了“反电动势＋低通滤波器”的物理量来替代对磁链的计算以解决零漂问题。但，仍难以解决低速问题，由于反电动势在低速时值很小，且在转速过零时变化缓慢，使得算法对定子电阻的变化较为敏感，导致估计不准确甚至不收敛。三菱的部分产品中使用此方法。为了增加算法的鲁棒性，消除定子电阻等电机参数的影响，文献［１３］提出了利用瞬时无功功率构造ＭＲＡＳ的参考模型和可调模型。这一方法的参考模型和可调模型中均不含定子电阻，对定子电阻完全不敏感。不过，估计的稳态精度却又受转子时间常数的影响。此外，该方法存在一定的稳定性问题，例如当转速给定为负的阶跃时，估计算法将不收敛。
２．４ 基于自适应全阶状态观测器的方法
前面提到的几种转速估计方法，都需要使用转子
图２ 典型ＭＲＡＳ转速估计算法框图
磁链的开环重构（观测）值，因此本质上都属于开环性质
的观测方法。这些开环转速估计方法是无法克服电机
参数变化和积分漂移带来的误差的，因此估计性能较
差［１５￣１６］。
采用全阶观测器的方法，可以得到闭环性质的转速
估计方法，这类方法利用转子磁链观测值以及定子电流
的观测值与测量值的偏差来估计转速，根据状态误差的
动态方程和Ｌｙａｐｕｎｏｖ稳定性理论推导自适应律。常见
的自适应全阶状态观测器有基于扩展龙贝格观测器（ＥＬＯ
—Ｅｘｔｅｎｄｅｄ Ｌｕｅｎｂｅｒｇｅｒ Ｏｂｓｅｒｖｅｒ）的和基于滑模观测器的。
图３为基于ＥＬＯ的自适应转速估计算法框图。这类方法
仍然含有ＭＲＡＳ的思想，只是这里的参考模型变成了异
步电机本身，可调模型变成了闭环全阶观测器。
这类方法在全速度域的稳定性和动态特性较好。
但，ＥＬＯ是基于确定性方程的观测方法，转速估计效果
仍然受电机非线性特性及转子电阻等电机参数变化的影
响。基于滑模观测器的自适应转速估计方法对参数偏
差、系统噪声有很好的稳定性，提高了估计的鲁棒性。
２．５ 基于扩展卡尔曼滤波器的方法
自１９６０年Ｒ． Ｅ． Ｋａｌｍａｎ提出卡尔曼滤波器［１７］（Ｋａｌｍａｎ
Ｆｉｌｔｅｒ—ＫＦ）以来，它在各个领域得到了广泛的应用，已
经成为线性系统状态估计问题的标准算法。在非线性
估计方面，通过一阶线性化方法用卡尔曼滤波器进行
滤波估计的扩展卡尔曼滤波器（ＥＫＦ），凭借方法简单、可
实现性强、快速收敛等优点成为了最为广泛应用的非
线性系统状态估计算法。ＥＫＦ提供了一种迭代形式的非
线性估计算法，避免了微分运算，而且可以通过调节误
差协方差阵来调节状态估计的收敛速度。此外，最为重
要的是，由于基于ＥＫＦ的转速估计方法是建立在系统的
随机过程模型上的，因此具有很强的抗噪能力，这是其
它转速估计算法所不具备的。其算法的统计本质使得
ＥＫＦ非常适合于克服异步电机模型的不确定性和非线性
性，估计性能优越，因而成为时下转速估计问题研究的
焦点［１９￣３３］。
ＥＫＦ转速估计方法的不足在于计算量较大不利于在
线实现，不过近年来ＤＳＰ性能的飞速提高已经为在线实
现ＥＫＦ铺平了道路；另外，估计精度也会受到电机参数变
化的影响，这是基于电机模型的转速估计方法的通病。
２．６ 基于神经网络的方法
人工神经网络因其具有自适应、自学习本质，非常
适合于解决非线性问题。而异步电机转速估计正是这
样一类问题，因而近年来出现了相当多的用神经网络
作异步电机转速估计的研究［３４￣３９］。文献［３４］中采用修改
的并联模型结构， 用神经网络替代电流模型转子磁链观
测器， 用误差反传算法取代比例积分自适应律进行转速
估计， 网络的权值为电机参数， 网络的输入／ 输出具有明
确的物理意义。文献［３５］利用神经网络估计异步电机矢
量控制系统的反馈信号（包括转速、磁链、转矩、单位
矢量），以电机可测量量（即定子电压、电流）作为输
入样本，通过对多层非线性前向网络进行训练，使网络
能对电机转子磁链、转矩及单位矢量进行辨识，且将辨
识结果用作矢量控制系统的反馈。较ＤＳＰ估计器而言，
这样的神经网络估计器计算速度快，容错性强，抗谐波
干扰，它的缺点是反复的训练会花费大量时间。文献
［３７］提出用反向传播ＢＰ神经网络实现异步电机的转速估
计，其优点在于不需要事先进行离线训练和模式训练，
直接在线训练、在线使用。
神经网络理论在交流传动控制系统中的应用尚处
于起步阶段，各种方法仍处于不断探索与完善之中。然
而，可以预见随着人工神经网络理论与应用技术的日
益成熟，必定会对交流传动控制技术产生很大的影响。
２．７ 齿槽谐波检测法
为了克服转速估计对电机参数的依赖性，一些学图３ 基于扩展龙贝格观测器的转速估计算法框图
图４ 基于扩展卡尔曼滤波器的转速估计算法框图
者提出了利用定子电流信号中与转速有关的频率分量来提取转速信息的思想［４０］。早在１９７９年Ｉｓｈｉｄａ就提出利用转子齿槽谐波电势计算转差频率的设想［７］，但这种方法只在高速时有效，低速时由于转子齿槽数有限且磁阻变化非常小，谐波频率和电势的幅度变得非常小，易受噪声干扰，因而难于用谱分析提取转速。２００２年，文献［４２］对定子电流进行解析小波变换（Ａｎａｌｙｔｉｃ ＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍ—ＡＷＴ），得到谱后再用脊检测算法提取瞬时频率，根据齿槽谐波频率估计直接转矩控制的异步电机转子转速，可在ＤＳＰ上实时实现。这从瞬时频率提取技术这一角度改善了齿槽谐波检测法的转速估计精度。与使用短时傅里叶变换（Ｓｈｏｒｔ－ｔｉｍｅ ＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍａｔｉｏｎ—ＳＴＦＴ）技术的转速估计相比，这种使用ＡＷＴ的方法在整个速度范围内有效，提高了转速估计的分辨率（甚至在低速段也能得到优于ＳＴＦＴ的估计分辨率）、缩短了计算时间。
这类转速估计方法由于只依赖于电机电信号中的齿槽谐波，因而不受负载变化、电机参数变化、温度变化的影响，开辟了异步电机转速估计的新领域。２．８ 高频信号注入法
高频信号注入法通过在电机定子侧注入一个三相平衡的高频电压信号，利用人为造成的或内部寄生的不对称性，使电机产生一个可检测的磁凸极，通过对该磁凸极位置的检测来获取转速信息［４４￣４７］。该方法不依赖于电机参数和运行工况，可以工作在极低速甚至是零速运行状态下，计算量适中。这类方法为转速估计提供了新思路。然而，这类方法要求的测量精度很高，这提高了软硬件的复杂程度。此外，对于凸极特性程度较低的电机，较难实现，而要增强凸极性就要求电动机的设计更加精确。因此，这类方法的实用前景并不乐观。
３今后的研究热点
以上归纳了到目前为止出现的异步电机转速估计的主要方法及其特点。当然，各国学者在无速度传感器控制方面做了很多深入的研究，还有一些其它的转速估计方法，如滑模转速估计方法［４８～５５］等等，这里就不一一列举了。今后无速度传感器控制技术的研究热点主要有：
１）同步转速为零时的收敛及极低速的稳定运行问题［１２，５６～６０］
基于异步电机理想模型的磁通观测和转速估计在同步速为零时是无法实现的。此外，在低速区域有许多因素导致无速度传感器控制系统不能正常运行，如：ａ）利用电机电压、电流信号来估计转速的各种方法，其收敛速度基本上正比于同步速，因此极低速时其构成的速度闭环难以满足较高的动态要求；ｂ）ＰＷＭ波形的输出电压由于量化误差、死区时间、管压降等原因变得三相不平衡并难以准确得到，使电流也严重畸变且不平衡，因此低速需要经济有效的方法检测输出电压；ｃ）通用电机的低速特性发生变化，需要补偿其影响。
利用电机的一些非理想特性估计转速的方法为实现低速范围的无速度传感器控制提供了新思路。如，文献［１２］采用向ｄ轴注入高频电流信号的方法，当磁场定向有偏差时，注入的高频电流会产生转矩脉动，提取转矩脉动的大小来驱动磁场定向。此方法适用于低速场合，对参数变化的鲁棒性好，受负载影响小。
２）电机参数在线辨识［６１］
现有的实用性较强的转速估计算法都要用到电机参数，因而电机参数的变化会直接影响到系统的动、静态特性和转速估计精度。所以，在无速度传感器控制方案中增加电机参数的在线辨识环节会大大提高控制系统的性能，增强系统的鲁棒性。到目前为止，异步电机参数在线辨识大致可分为以下几类方法：ａ）最小二乘法［６２￣６７］，１９９４年文献［６２，６３］将最小二乘法用于电机参数实时辨识，实现了同时在线辨识定子电阻Ｒｓ、定子电感Ｌｓ、漏磁系数σ和转子时间常数Ｔｒ。但是，由于建立用于最小二乘法的系统辨识模型时以“转速变化非常缓慢”为前提忽略了转速的变化，导致算法在发生较大的负载扰动或转速指令变化时会失效。２００５年文献［６７］重新建立了用于系统辨识的参数模型，取消了转速慢变的限制，形成了一个非线性辨识问题。作者借助消元理论用非线性最小二乘方法给出了辨识算法。此外，根据得到的电机电气参数观测磁通后又用线性最小二乘法在线辨识了传动系统的转动惯量Ｊ和负载转矩ＴＬ。然而，这类方法中都会用到电机定子电压、电流信号的一阶导和二阶导，这是一个工程中很难解决好的问题。另外，这类方法不能同时对全部电机电气参数进行辨识，最多只能同时辨识以上提到的四个参数；ｂ）谱分析方法［６８￣７４］，即基于注入非平衡测试信号或基于已经存在于电压／电流谱中的特征谐波的参数在线辨识方法。这类方法在异步电机空载条件下不能辨识电机参数。文献［６８，６９］通过注入负序分量给系统施加扰动来辨识参数。这
6 | Power Electronics
样，系统只能在有转矩控制的条件下使用，否则外环可能会抑制注入系统的扰动。文献［６９］提出一种基于频域ｄｑ模型的扰动注入方法，注入的负序分量的ｑ轴分量保持为零，因此电机的转矩是不受干扰的。文献［７２￣７４］跟踪定子电流中的转子齿槽谐波更新转子时间常数；ｃ）基于观测器的方法［７５￣８４］，主要是利用ＥＫＦ或ＥＬＯ作参数辨识。这类方法的主要问题是ＥＫＦ和ＥＬＯ的计算量大，而且辨识性能依赖于其它电机参数，尤其是互感Ｌｍ；ｄ）基于ＭＲＡＳ的方法［８５￣９６］，这类方法实现相对简单，但它们的精度与使用的模型的精度有很大关系。这类方法的共性是：Ⅰ＞参数自适应仅在稳态时工作而在瞬态时禁止，因此ＭＲＡＳ可以基于电机的稳态模型；Ⅱ＞大多数情况下，ＭＲＡＳ参数辨识在零速和空载条件下是不能奏效的；Ⅲ＞辨识性能对电机其它参数的灵敏度较高；ｅ）人工智能方法［９７￣１００］，近年来人工智能领域的发展为电机参数在线辨识开拓了新的方法，例如文献［９７］用人工神经网络（ＡＮＮ—Ａｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）做在线转子时间常数辨识。
此外，进行电机参数在线辨识的根本目的是为了提高转速估计以及磁场定向控制的精确度，实现真正的高性能交流传动系统。因此，电机参数和转速的同时在线辨识成为近年来的热门课题［５５，５８，９９，１００］。
３）其它研究热点
目前蓬勃发展的电动汽车、空间电驱装置等，除了要求动态响应快、控制精度高以外，还要求有很高的效率。异步电机是目前国内外电动汽车中应用最为广泛的驱动电机，因此考虑铁损的影响，提高转速估计精度、实现最大效率控制将成为电动汽车驱动领域的研究热点。此外，在各种电力电子装置迅速小型化的潮流中，受体积限制通用变频器中通常不会安装电压霍尔，定子电压大多采用根据直流母线电压及相电压指令值合成的方法重构，而对基于状态方程类的转速估计方法而言，定子电压的重构精度当然会对转速估计精度产生影响。因此，对逆变器的死区时间和开关器件压降进行补偿，以提高定子电压重构精度也将成为研究热点之一。
４ 结论
综上所述，今后无速度传感器控制技术的发展方向是在提高转速估计精度的同时改进低速估计性能、提高系统的抗噪声干扰能力、提高系统对参数变化的鲁棒性、提高系统用电效率方面取得有实用价值的突破性进展，开发出满足产业界要求的适用于通用变频器的高性能、高效能无速度传感器控制方案。
参考文献
［１］ Ｊｏａｃｈｉｍ Ｈｏｌｔｚ． Ｓｅｎｓｏｒｌｅｓｓ ｃｏｎｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｄｒｉｖｅｓ． Ｐｒｏｃ． ｏｆ ＩＥＥＥ［Ｊ］， Ｖｏｌ． ９０， Ｎｏ． ８， ２００２， ｐ１３５９－１３９４［２］ Ａｎｄｒｚｅｊ Ｍ Ｔｒｚｙｎａｄｌｏｗｓｋｉ． 异步电机控制［Ｍ］． 北京，机械工业出版社，２００３
［３］ 杨 耕，陈伯时． 交流感应电动机无速度传感器的高动态性能控制方法综述．电气传动［Ｊ］，２００１，（３）：３～８［４］ Ｂ． Ｋ． Ｂｏｓｅ． Ｍｏｄｅｒｎ Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ ＡＣ Ｄｒｉｖｅｓ现代电力电子与电力传动（英文版）［Ｍ］． 北京，机械工业出版社，２００３
［５］ 喻辉洁，东 伟，李永东，黄立培． 无速度传感器交流调速系统速度估计策略分析．电工电能新技术［Ｊ］，１９９７，（２）：２３～２７
［６］ 曾岳南，陈伯时． 异步电动机无速度传感器的矢量控制．电气传动自动化［Ｊ］，２０００，２２（４）：３～６
［７］ 邹旭东，康 勇，陈 坚． 感应电机矢量控制系统无速度传感器控制方案研究．电气传动［Ｊ］，２００４，（４）：３～７［８］ 李永东，李明才． 感应电机高性能无速度传感器控制系统—回顾、现状与展望．电气传动［Ｊ］，２００４，（１）：４～１０［９］ Ｔａｊｉｍａ Ｈ ｅｔ ａｌ． Ｓｐｅｅｄ Ｓｅｎｓｏｒｌｅｓｓ Ｖｅｃｔｏｒ Ｃｏｎｔｒｏｌ Ｍｅｔｈｏｄｆｏｒ ａｎ Ｉｎｄｕｓｔｒｉａｌ Ｄｒｉｖｅ Ｓｙｓｔｅｍ． Ｃｏｎｆ． Ｒｅｃ． ＩＥＥＥ ＰＣＣ［Ｃ］，Ｙｏｋｏｈａｍａ， １９９５： １０３４～１０３９
［１０］ 夏超英． 交直流传动系统的自适应控制． 北京，机械工业出版社［Ｍ］，２００１
［１１］ Ｓｃｈａｕｄｅｒ Ｃ． Ａｄａｐｔｉｖｅ Ｓｐｅｅｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｆｏｒ ＶｅｃｔｏｒＣｏｎｔｒｏｌ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒｓ ｗｉｔｈｏｕｔ Ｒｏｔａｔｉｏｎａｌ Ｔｒａｎｓｄｕｃｅｒｓ．Ｃｏｎｆ． Ｒｅｃ． ＩＥＥＥ ＩＡＳ’８９［Ｃ］， １９８９： ４９３～ ４９９
［１２］Ｇ Ｙａｎｇ，Ｔ Ｃｈｉｎ． Ａｄａｐｔｉｖｅ－ｓｐｅｅｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎｓｃｈｅｍｅ ｆｏｒ ａ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌｌｅｄ ｓｐｅｅｄ ｓｅｎｓｏｒｌｅｓｓ ｉｎｖｅｒｔｅｒ－ｉｎ－ｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９３，２９（？）：８２０～８２５
［１３］ Ｆａｎｇ－Ｚｈｅｎｇ Ｐｅｎｇ，Ｆｕｋａｏ Ｔ． Ｒｏｂｕｓｔ ｓｐｅｅｄ ｉｄｅｎｔｉｆｉ－ｃａｔｉｏｎ ｆｏｒ ｓｐｅｅｄ－ｓｅｎｓｏｒｌｅｓｓ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｓ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９４，３０（５）：１２３４～１２４０［１４］ Ｍａｕｒｉｚｉｏ Ｃｉｒｒｉｎｃｉｏｎｅ ｅｔ ａｌ． Ａ ｎｅｗ ＴＬＳ－ｂａｓｅｄ ＭＲＡＳｓｐｅｅｄ ｅｓｔｉｍａｔｉｏｎ ｗｉｔｈ ａｄａｐｔｉｖｅ ｉｎｔｅｇｒａｔｉｏｎ ｆｏｒ ｈｉｇｈ－ｐｅｒｆｏｒｍａｎｃｅｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ ｄｒｉｖｅｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，２００４，
４０（４）：１１１６～１１３６
［１５］ Ｈ Ｋｕｂｏｔａ， Ｋ Ｍａｔｓｕｓｅ， Ｔ Ｎａｋａｎｏ． ＤＳＰ－ｂａｓｅｄ ｓｐｅｅｄ ａｄａｐｔｉｖｅ ｆｌｕｘ ｏｂｓｅｒｖｅｒ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９３，２９（２）：３４４～３４８［１６］ Ｍａｒｋｏ Ｈｉｎｋｋａｎｅｎ． Ａｎａｌｙｓｉｓ ａｎｄ Ｄｅｓｉｇｎ ｏｆＦｕｌｌ－Ｏｒｄｅｒ Ｆｌｕｘ Ｏｂｓｅｒｖｅｒｓ ｆｏｒ Ｓｅｎｓｏｒｌｅｓｓ ＩｎｄｕｃｔｉｏｎＭｏｔｏｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒｏｎ． ［Ｊ］，２００４，５１（５）：１０３３～１０４０
［１７］ Ｒ Ｅ Ｋａｌｍａｎ． Ａ ｎｅｗ ａｐｐｒｏａｃｈ ｔｏ ｌｉｎｅａｒ ｆｉｌｔｅｒｉｎｇ ａｎｄｐｒｅｄｉｃｔｉｏｎ ｐｒｏｂｌｅｍｓ． Ｔｒａｎｓａｃｔｉｏｎ ｏｆ ｔｈｅ ＡＳＭＥ—Ｊｏｕｒｎａｌ ｏｆＢａｓｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ［Ｊ］，１９６０：３５～４５
［１８］ Ｔｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ Ｅｕｒｏｐｅ． Ｓｅｎｓｏｒｌｅｓｓ Ｆｉｅｌｄ ＯｒｉｅｎｔｅｄＳｐｅｅｄ Ｃｏｎｔｒｏｌ ｏｆ Ｔｈｒｅｅ Ｐｈａｓｅ ＡＣ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ ｕｓｉｎｇＴＭＳ３２０Ｆ２４０（ＴＩ文献号：ＳＰＲＡ４５８）／ｈｔｔｐ：／／ｗｗｗ．ｔｉ．ｃｏｍ［１９］ 葛琼璇，冯之铖． 异步电机矢量控制系统速度辨识研究．电工电能新技术［Ｊ］，１９９６，（２）：５～８
［２０］ 李剑飞 等． 基于扩展卡尔曼滤波器的异步电机转速辨识．电工技术学报［Ｊ］，２００２，（５）：４０～４４
［２１］ 苏位峰，刘丛伟，孙旭东，李发海． 一种基于Ｋａｌｍａｎ滤波的异步电机转速控制器．清华大学学报（自然科学版）［Ｊ］，２００３，４３（９）：１２０２～１２０５
［２２］ 张寅孩，严利平，张仲超． 基于遗传算法辨识噪声模型的异步电机闭环卡尔曼速度估计．电机与控制学报［Ｊ］，２００５，９（２）：１６１～１６５
［２３］ Ｙａｎｇ Ｗｅｎｑｉａｎｇ，Ｊｉａ Ｚｈｅｎｇｃｈｕｎ，Ｘｕ Ｑｉａｎｇ． Ｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｂａｓｅｄ ｏｎ ｒｅｄｕｃｅｄｏｒｄｅｒ ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ． Ｊｏｕｒｎａｌ ｏｆ Ｓｏｕｔｈｅａｓｔ Ｕｎｉｖｅｒｓｉｔｙ（Ｅｎｇｌｉｓｈ Ｅｄｉｔｉｏｎ） ［Ｊ］，２００１，１７（１）：４１～４５
［２４］ 潘志扬，潘俊民． 基于Ｋａｌｍａｎ滤波的无位置传感器感应电机伺服系统的研究． 电气传动［Ｊ］，２００２，（４）：１３～１６
［２５］ Ｄａｖｉｄ Ｊ Ａｔｋｉｎｓｏｎ，Ｐａｕｌ Ｐ Ａｃａｒｎｌｅｙ，Ｊｏｈｎ Ｗ Ｆｉｎｃｈ．Ｏｂｓｅｒｖｅｒｓ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｓｔａｔｅ ａｎｄ ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９１，２７（６）：１１１９～１１２７［２６］ Ｃｈｅ－Ｍｉｎｇ Ｌｅｅ，Ｃｈｅｒｎ－Ｌｉｎ Ｃｈｅｎ． Ｓｐｅｅｄ ｓｅｎｓｏｒｌｅｓｓｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｕｓｉｎｇ Ｋａｌｍａｎ－ｆｉｌｔｅｒ－ａｓｓｉｓｔｅｄａｄａｐｔｉｖｅ ｏｂｓｅｒｖｅｒ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒ． ［Ｊ］，１９９８，４５（２）：３５９～３６１
［２７］ Ｓｔｅｐｈａｎ Ｂｅｉｎｅｋｅ，Ｈａｒａｌｄ Ｗｅｒｔｚ． Ｄｅｓｉｇｎ ｏｆ ｅｘｔｅｎｄｅｄＫａｌｍａｎ ｆｉｌｔｅｒｓ ｆｏｒ ｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅ ｐｏｓｉｔｉｏｎ ｃｏｎｔｒｏｌ ｏｆ ｅｌｅｃｔｒｉ－ｃａｌ ｄｒｉｖｅｓ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ／ＡＳＭＥ Ｉｎｔ． Ｃｏｎｆ． ｏｎ Ａｄ－ｖａｎｃｅｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｍｅｃｈａｔｒｏｎｉｃｓ［Ｃ］，１９９９：２０９～２１４［２８］ Ｖ Ｃｏｍｎａｃ，Ｍ Ｃｅｒｎａｔ，Ｍ Ｃｏｔｏｒｏｇｅａ，Ｉ Ｄｒａｇｈｉｃｉ．Ｓｅｎｓｏｒｌｅｓｓ ｄｉｒｅｃｔ ｔｏｒｑｕｅ ａｎｄ ｓｔａｔｏｒ ｆｌｕｘ ｃｏｎｔｒｏｌ ｏｆｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ ｕｓｉｎｇ ａｎ ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｉｎｔ． Ｃｏｎｆ． ｏｎ ＣｏｎｔｒｏｌＡｐｐｌｉｃａｔｉｏｎｓ［Ｊ］，２００１：６７４～６７９
［２９］ Ｃ Ｃａｒｕａｎａ，Ｇ Ｍ Ａｓｈｅｒ，Ｋ Ｊ Ｂｒａｄｌｅｙ，Ｍ Ｗｏｏｌｆｓｏｎ．Ｆｌｕｘ ｐｏｓｉｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ ｉｎ ｃａｇｅ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ ｕｓｉｎｇ ｓｙｎ－ｃｈｒｏｎｏｕｓ ＨＦ ｉｎｊｅｃｔｉｏｎ ａｎｄ Ｋａｌｍａｎ ｆｉｌｔｅｒｉｎｇ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ．Ａｐｐｌｉ． ［Ｊ］，２００３，３９（５）：１３７２～１３７８
［３０］ Ａｍéｒｉｃｏ Ｖｉｃｅｎｔｅ Ｌｅｉｔｅ，Ｒｕｉ Ｅｓｔｅｖｅｓ Ａｒａúｊｏ，Ｄｉａｍａｎｔｉｎｏ Ｆｒｅｉｔａｓ． Ｆｕｌｌ ａｎｄ Ｒｅｄｕｃｅｄ Ｏｒｄｅｒ Ｅｘｔｅｎｄｅｄ ＫａｌｍａｎＦｉｌｔｅｒ ｆｏｒ Ｓｐｅｅｄ Ｅｓｔｉｍａｔｉｏｎ ｉｎ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｄｒｉｖｅｓ： Ａ Ｃｏｍ－ｐａｒａｔｉｖｅ Ｓｔｕｄｙ． Ｔｈｅ ３５ｔｈ Ａｎｎｕａｌ ＩＥＥＥ Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎｉｃｓ Ｓｐｅ－ｃｉａｌｉｓｔｓ Ｃｏｎｆｅｒｅｎｃｅ［Ｃ］，２００４：２２９３～２２９９
［３１］ Ｙｏｕｎｇ－Ｒｅａｌ Ｋｉｍ ｅｔ ａｌ． Ｓｐｅｅｄ Ｓｅｎｓｏｒｌｅｓｓ Ｖｅｃｔｏｒ Ｃｏｎ－ｔｒｏｌ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｕｓｉｎｇ Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ． ＩＥＥＥＴｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９４，３０（５）：１２２５～１２３３
［３２］ Ｋ Ｌ Ｓｈｉ，Ｔ Ｆ Ｃｈａｎ，Ｙ Ｋ Ｗｏｎｇ，Ｓ Ｌ Ｈｏ． ＳｐｅｅｄＥｓｔｉｍａｔｉｏｎ ｏｆ ａｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅ ｕｓｉｎｇ ａｎ ｏｐｔｉｍｉｚｅｄ Ｋａｌｍａｎｆｉｌｔｅｒ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒ． ［Ｊ］，２００２，４９（１）：１２４～１３３［３３］ Ｂａｒｕｔ Ｍ，Ｇｏｋａｓａｎ Ｍ，Ｂｏｇｏｓｙａｎ Ｏ Ｓ． Ａｎ ｅｘｔｅｎｄｅｄＫａｌｍａｎ ｆｉｌｔｅｒ ｂａｓｅｄ ｓｅｎｓｏｒｌｅｓｓ ｄｉｒｅｃｔ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆ ｉｎｄｕｃ－ｔｉｏｎ ｍｏｔｏｒｓ． Ｔｈｅ ２９ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ＩＥＥＥ—ＩＥＣＯＮ＇０３［Ｃ］，２００３（１）： ３１８～３２２
［３４］ Ｈｉｒｏｋａｚｕ Ｔａｊｉｍａ， Ｙ Ｈｏｒｉ． Ｓｐｅｅｄ ｓｅｎｓｏｒｌｅｓｓ ｆｉｅｌｄ － ｏｒｉ－ｅｎｔａｔｉｏｎ ｃｏｎｔｒｏｌ ｏｆ ｔｈｅ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ．Ａｐｐｌｉ． ［Ｊ］，１９９３，２９（１）：１７５～１８０
［３５］ Ｍ． Ｇｏｄｏｙ Ｓｉｍｏｅｓ，Ｂｉｍａｌ Ｋ． Ｂｏｓｅ． Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｂａｓｅｄ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｆｅｅｄｂａｃｋ ｓｉｇｎａｌｓ ｆｏｒ ａ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌｌｅｄｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９５，３１（３）：６２０～６２９
［３６］ Ｌａｚｈａｒ Ｂｅｎ－Ｂｒａｈｉｍ，Ｓｕｓｕｍｕ Ｔａｄａｋｕｍａ，Ａｌｐｅｒ Ａｋｄａｇ．Ｓｐｅｅｄ Ｃｏｎｔｒｏｌ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｗｉｔｈｏｕｔ ＲｏｔａｔｉｏｎａｌＴｒａｎｓｄｕｃｅｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９９，３５（４）：８４４～８５０［３７］ Ｓｅｏｎｇ－Ｈｗａｎ Ｋｉｍ，Ｔａｅ－Ｓｉｋ Ｐａｒｋ，Ｊｉ－Ｙｏｏｎ Ｙｏｏ，Ｇｗｉ－Ｔａｅ Ｐａｒｋ． Ｓｐｅｅｄ－ｓｅｎｓｏｒｌｅｓｓ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆ ａｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｕｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｓｐｅｅｄ ｅｓｔｉｍａｔｉｏｎ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒ．［Ｊ］，２００１，４８（３）：６０９～６１４
［３８］ Ｃｈｅｎｇｚｈｉ Ｃａｏ，Ｍｕ－ｐｉｎｇ Ｌｕ，Ｘｉｎ Ｗａｎｇ． Ｓｐｅｅｄ ｅｓｔｉ－ｍａｔｉｏｎ ａｎｄ ｓｉｍｕｌａｔｉｏｎ ｏｆ ＤＴＣ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｎｅｕｒａｌ
8 | Power Electronics
ｎｅｔｗｏｒｋ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｓｅｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ－ｆｅｒｅｎｃｅ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｎｉｎｇ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ［Ｃ］，２００３：７５６～７５９
［３９］ Ｒａｊ Ｍ Ｂｈａｒａｄｗａｊａ ｅｔ ａｌ． Ｎｅｕｒａｌ ｓｐｅｅｄ ｆｉｌｔｅｒｉｎｇ ｆｏｒｓｅｎｓｏｒｌｅｓｓ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓ． Ｃｏｎｔｒｏｌ Ｅｎｇｉｎｅｅｒ－ｉｎｇ Ｐｒａｃｔｉｃｅ［Ｊ］，２００４，１２：６８７～７０６
［４０］ Ｋｅｖｉｎ Ｄ Ｈｕｒｓｔ，Ｔｈｏｍａｓ Ｇ Ｈａｂｅｔｌｅｒ． ＡＣｏｍｐａｒｉｓｏｎ ｏｆ Ｓｐｅｃｔｒｕｍ Ｅｓｔｉｍａｔｉｏｎ Ｔｅｃｈｎｉｑｕｅｓ ｆｏｒＳｅｎｓｏｒｌｅｓｓ Ｓｐｅｅｄ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｉｎｄｕｃｔｉｏｎ Ｍａｃｈｉｎｅｓ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９７，３３（４）：８９８～９０５［４１］ Ａｚｚｅｄｄｉｎｅ Ｆｅｒｒａｈ ｅｔ ａｌ． Ａ Ｓｐｅｅｄ Ｉｄｅｎｔｉｆｉｅｒ ｆｏｒ Ｉｎｄｕｃ－ｔｉｏｎ Ｍｏｔｏｒ Ｄｒｉｖｅｓ Ｕｓｉｎｇ Ｒｅａｌ－Ｔｉｍｅ Ａｄａｐｔｉｖｅ Ｄｉｇｉｔａｌ Ｆｉｌｔｅｒｉｎｇ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９８，３４（１）：１５６～１６２
［４２］ Ｊｏｓé Ｍ Ａｌｌｅｒ， Ｔｈｏｍａｓ Ｇ Ｈａｂｅｔｌｅｒ， Ｒｏｎａｌｄ Ｇ Ｈａｒｌｅｙ，Ｒａｎｇａｒａｊａｎ Ｍ Ｔａｌｌａｍ， Ｓａｎｇ Ｂｉｎ Ｌｅｅ． Ｓｅｎｓｏｒｌｅｓｓ Ｓｐｅｅｄ Ｍｅａ－ｓｕｒｅｍｅｎｔ ｏｆ ＡＣ Ｍａｃｈｉｎｅｓ Ｕｓｉｎｇ Ａｎａｌｙｔｉｃ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，２００２，３８（５）：１３４４～１３５０［４３］ Ｒｏｂｅｒｔｏ Ｃａｒｄｅｎｎａｓ ｅｔ ａｌ． Ｓｅｎｓｏｒｌｅｓｓ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｏｆｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ ｆｏｒ ｖａｒｉａｂｌｅ－ｓｐｅｅｄ ｗｉｎｄ ｅｎｅｒｇｙ ａｐｐｌｉｃａｔｉｏｎｓ．ＩＥＥＥ Ｔｒａｎｓ． Ｅｎｅｒ． Ｃｏｎｖ． ［Ｊ］，２００４，１９（１）：１９６～２０５
［４４］ Ｐ Ｌ Ｊａｎｓｅｎ， Ｒ Ｄ Ｌｏｒｅｎｚ． Ｔｒａｎｓｄｕｃｅｒｌｅｓｓ Ｐｏｓｉｔｉｏｎ ａｎｄＶｅｌｏｃｉｔｙ Ｅｓｔｉｍａｔｉｏｎ ｉｎ Ｉｎｄｕｃｔｉｏｎ ａｎｄ Ｓａｌｉｅｎｔ ＡＣ Ｍａｃｈｉｎｅｓ． ＩＥＥＥＴｒａｎｓ． Ｏｎ Ｉｎｄ． Ａｐｐｌ． ［Ｊ］， Ｍａｒｃｈ １９９５， ｐｐ． ２４０～２４７
［４５］ Ｐ Ｌ Ｊａｎｓｅｎ， Ｒ Ｄ Ｌｏｒｅｎｚ． Ｔｒａｎｓｄｕｃｅｒｌｅｓｓ Ｆｉｅｌｄ Ｏｒｉｅｎ－ｔａｔｉｏｎ Ｃｏｎｃｅｐｔｓ Ｅｍｐｌｏｙｉｎｇ Ｓａｔｕｒａｔｉｏｎ－Ｉｎｄｕｃｅｄ Ｓａｌｉｅｎｃｉｅｓ ｉｎＩｎｄｕｃｔｉｏｎ Ｍａｃｈｉｎｅｓ． ＩＥＥＥ Ｔｒａｎｓ． ｏｎ Ｉｎｄ． Ａｐｐｌ． ［Ｊ］， Ｖｏｌ． ３２， Ｎｏ．６， Ｎｏｖ． １９９６， ｐｐ． １３８０～１３９３
［４６］ Ｊ Ｈａ， Ｓ Ｋ Ｓｕｌ． Ｓｅｎｓｏｒｌｅｓｓ Ｆｉｅｌｄ Ｏｒｉｅｎｔａｔｉｏｎ Ｃｏｎｔｒｏｌ ｏｆａｎ Ｉｎｄｕｃｔｉｏｎ Ｍａｃｈｉｎｅ ｂｙ Ｈｉｇｈ Ｆｒｅｑｕｅｎｃｙ Ｓｉｇｎａｌ Ｉｎｊｅｃｔｉｏｎ．Ｐｒｏｃ． ＩＥＥＥ ＩＡＳ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ［Ｃ］， １９９７：４２６～４３２
［４７］ Ｍ Ｌ Ａｉｍｅ， Ｍ Ｗ Ｄｅｇｎｅｒ， Ｒ Ｄ Ｌｏｒｅｎｚ． Ｓａｔｕｒａｔｉｏｎ Ｍｅａ－ｓｕｒｅｍｅｎｔｓ ｉｎ ＡＣ Ｍａｃｈｉｎｅｓ Ｕｓｉｎｇ Ｃａｒｒｉｅｒ Ｓｉｇｎａｌ Ｉｎｊｅｃｔｉｏｎ． Ｐｒｏｃ．ＩＥＥＥ－ＩＡＳ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ［Ｃ］， １９９８
［４８］ Ｅｍｉｌ Ｌｅｖｉ ｅｔ ａｌ． Ａ Ｓｐｅｅｄ Ｅｓｔｉｍａｔｏｒ ｆｏｒ Ｈｉｇｈ Ｐｅｒｆｏｒ－ｍａｎｃｅ Ｓｅｎｓｏｒｌｅｓｓ Ｃｏｎｔｒｏｌ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒｓ ｉｎ ｔｈｅ ＦｉｅｌｄＷｅａｋｅｎｉｎｇ Ｒｅｇｉｏｎ． ＩＥＥＥ Ｔｒａｎｓ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． ［Ｊ］，２００２，１７（３）：３６５～３７８
［４９］ Ａｄｎａｎ Ｄｅｒｄｉｙｏｋ ｅｔ ａｌ． Ｄｅｓｉｇｎ ａｎｄ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆａ Ｎｅｗ Ｓｌｉｄｉｎｇ－Ｍｏｄｅ Ｏｂｓｅｒｖｅｒ ｆｏｒ Ｓｐｅｅｄ－Ｓｅｎｓｏｒｌｅｓｓ Ｃｏｎｔｒｏｌｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍａｃｈｉｎｅ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒ． ［Ｊ］，２００２，４９（５）：１１７７～１１８２
［５０］ Ａｄｎａｎ Ｄｅｒｄｉｙｏｋ． Ａ ｎｏｖｅｌ ｓｐｅｅｄ ｅｓｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ． Ｅｌｅｃｔｒｉｃ ＰｏｗｅｒＳｙｓｔｅｍｓ Ｒｅｓｅａｒｃｈ［Ｊ］，２００３，６４：７３～８０
［５１］ Ｃｒｉｓｔｉａｎ Ｌａｓｃｕ，Ｉｏｎ Ｂｏｌｄｅａ，Ｆｒｅｄｅ Ｂｌａａｂｊｅｒｇ． Ｄｉ－ｒｅｃｔ Ｔｏｒｑｕｅ Ｃｏｎｔｒｏｌ ｏｆ Ｓｅｎｓｏｒｌｅｓｓ Ｉｎｄｕｃｔｉｏｎ ＭｏｔｏｒＤｒｉｖｅｓ： Ａ Ｓｌｉｄｉｎｇ－Ｍｏｄｅ Ａｐｐｒｏａｃｈ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ．Ａｐｐｌｉ． ［Ｊ］，２００４，４０（２）：５８２～５９０
［５２］ Ｇｉｏｒｇｉｏ Ｂａｒｔｏｌｉｎｉ，Ａｌｆｏｎｓｏ Ｄａｍｉａｎｏ，ＧｉａｎｌｕｃａＧａｔｔｏ，Ｉｇｎａｚｉｏ Ｍａｒｏｎｇｉｕ，Ａｌｅｓｓａｎｄｒｏ Ｐｉｓａｎｏ，Ｅｌｉｏ Ｕｓａｉ．Ｒｏｂｕｓｔ Ｓｐｅｅｄ ａｎｄ Ｔｏｒｑｕｅ Ｅｓｔｉｍａｔｉｏｎ ｉｎ Ｅｌｅｃｔｒｉｃａｌ Ｄｒｉｖｅｓ ｂｙＳｅｃｏｎｄ－Ｏｒｄｅｒ Ｓｌｉｄｉｎｇ Ｍｏｄｅｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｃｏｎｔ． Ｓｙｓ． Ｔｅｃｈ．［Ｊ］，２００３，１１（１）：８４～９０
［５３］ Ａｍｕｌｉｕ Ｂｏｇｄａｎ ｅｔ ａｌ． Ｓｅｎｓｏｒｌｅｓｓ ｓｌｉｄｉｎｇ－ｍｏｄｅ ｃｏｎ－ｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｓ ｕｓｉｎｇ ｏｐｅｒａｔｉｎｇ ｃｏｎｄｉｔｉｏｎ ｄｅｐｅｎｄｅｎｔｍｏｄｅｌｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｅｎｅｒ． Ｃｏｎｖ． ［Ｊ］，２００３，１８（２）：２０５～２１２［５４］ Ａｄｎａｎ Ｄｅｒｄｉｙｏｋ ｅｔ ａｌ． Ａ ｓｌｉｄｉｎｇ ｍｏｄｅ ｓｐｅｅｄ ａｎｄ ｒｏｔｏｒｔｉｍｅ ｃｏｎｓｔａｎｔ ｏｂｓｅｒｖｅｒ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ． ＩＥＣＯＮ’０１：Ｔｈｅ ２７ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ＩＥＥＥ Ｉｎｄｕｓｔｒｉａｌ ＥｌｅｃｔｒｏｎｉｃｓＳｏｃｉｅｔｙ［Ｃ］，２００１：１４００～１４０５
［５５］ Ａｄｎａｎ Ｄｅｒｄｉｙｏｋ． Ｓｉｍｐｌｅ ｍｅｔｈｏｄ ｆｏｒ ｓｐｅｅｄ ａｎｄ ｒｏｔｏｒｒｅｓｉｓｔａｎｃｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅｓ． ＩＥＥ Ｐｒｏｃ． Ｅｌｅｃｔｒ．Ｐｏｗｅｒ Ａｐｐｌ． ［Ｃ］，２００３，１５０（３）：２８９～２９４
［５６］ 冬 雷，李永东． 无速度传感器异步电动机极低转速下的矢量控制．清华大学学报（自然科学版）［Ｊ］，２００３，４３（９）：１１６９～１１７２
［５７］ 冬 雷，李永东，柴建云，吴继雄，王文森． 无速度传感器异步电动机极低转速下的磁通位置观测．电工技术学报［Ｊ］，２００１，１６（５）：２０～２３
［５８］ Ｋａｎ Ａｋａｔｓｕ，Ａｔｓｕｏ Ｋａｗａｍｕｒａ． Ｓｅｎｓｏｒｌｅｓｓ Ｖｅｒｙ Ｌｏｗ－Ｓｐｅｅｄ ａｎｄ Ｚｅｒｏ－Ｓｐｅｅｄ Ｅｓｔｉｍａｔｉｏｎｓ ｗｉｔｈ Ｏｎｌｉｎｅ Ｒｏｔｏｒ Ｒｅｓｉｓ－ｔａｎｃｅ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｗｉｔｈｏｕｔ Ｓｉｇｎａｌ Ｉｎｊｅｃｔｉｏｎ．ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，２０００，３６（３）：７６４～７７１
［５９］ Ｊｏａｃｈｉｍ Ｈｏｌｔｚ，Ｊｕｎｔａｏ Ｑｕａｎ． Ｓｅｎｓｏｒｌｅｓｓ ｖｅｃｔｏｒ ｃｏｎ－ｔｒｏｌ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ａｔ ｖｅｒｙ ｌｏｗ ｓｐｅｅｄ ｕｓｉｎｇ ａ ｎｏｎｌｉｎｅａｒｉｎｖｅｒｔｅｒ ｍｏｄｅｌ ａｎｄ ｐａｒａｍｅｔｅｒ ｉｎｄｅｔｉｆｉｃａｔｉｏｎ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ．Ａｐｐｌｉ． ［Ｊ］，２００２，３８（４）：１０８７～１０９５
［６０］ Ａｌｆｉｏ Ｃｏｎｓｏｌｉ，Ｇｉｕｓｅｐｐｅ Ｓｃａｒｃｅｌｌａ，Ａｎｔｏｎｉｏ Ｔｅｓｔａ．Ｓｐｅｅｄ－ ａｎｄ ｃｕｒｒｅｎｔ－ｓｅｎｓｏｒｌｅｓｓ ｆｉｅｌｄ－ｏｒｉｅｎｔｅｄ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｄｒｉｖｅ ｏｐｅｒａｔｉｎｇ ａｔ ｌｏｗ ｓｔａｔｏｒ ｆｒｅｑｕｅｎｃｉｅｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ．［Ｊ］，２００４，４０（１）： １８６～１９３
［６１］ Ｈａｍｉｄ Ａ Ｔｏｌｉｙａｔ，Ｅｍｉｌ Ｌｅｖｉ，Ｍｏｎａ Ｒａｉｎａ． Ａ ｒｅｖｉｅｗ
ｏｆ ＲＦＯ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ．ＩＥＥＥ Ｔｒａｎｓ． Ｅｎｅｒ． Ｃｏｎｖ． ［Ｊ］，２００３，１８（２）：２７１～２８３［６２］ Ｊｅｎｎｉｆｅｒ Ｓｔｅｐｈａｎ，Ｍａｒｃ Ｂｏｄｓｏｎ，Ｊｏｈｎ Ｃｈｉａｓｓｏｎ．Ｒｅａｌ－ｔｉｍｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｔｈｅ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｆｌｕｘｅｓ ｏｆ ｉｎｄｕｃｔｉｏｎｍｏｔｏｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９４，３０（３）：７４６～７５９
［６３］ Ｄｅｌｌ－Ａｑｕｉｌａ Ａ，Ｇｉｌｉｂｅｒｔｉ Ｖ，Ｌｏｖｅｃｃｈｉｏ Ｆ Ｓ，ＳａｌｖａｔｏｒｅＬ． Ｒｅａｌ－ｔｉｍｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｐａｒａｍｅｔｅｒｓ ｂｙ ＬＳＥ．ＩＥＣＯＮ ＇９４［Ｃ］，１９９４（３）：２１２７～２１３１
［６４］ Ｆ Ａｌｏｎｇｅ，Ｆ Ｄ Ｉｐｐｏｌｉｔｏ，Ｓ Ｌａ Ｂａｒｂｅｒａ，Ｆ ＭＲａｉｍｏｎｄｉ． Ｐａｒａｍｅｔｅｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ａ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌ ｏｆｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｓ ｖｉａ ｌｅａｓｔ ｓｑｕａｒｅ ｔｅｃｈｎｉｃｓ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ１９９８ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｎｔｒｏｌ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｃ］，１９９８（１）：４９１～４９６
［６５］ Ｃｉｒｒｉｎｃｉｏｎｅ Ｍ，Ｐｕｃｃｉ Ｍ，Ｖｉｔａｌｅ Ｇ． Ａ ｌｅａｓｔ－ｓｑｕａｒｅｓ ｂａｓｅｄ ｍｅｔｈｏｄｏｌｏｇｙ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｔｈｅ ｅｌｅｃｔｒｉｃａｌｐａｒａｍｅｔｅｒｓ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ ａｔ ｓｔａｎｄｓｔｉｌｌ． Ｐｒｏｃｅｅｄ－ｉｎｇｓ ｏｆ ｔｈｅ ２００２ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎＩｎｄｕｓｔｒｉａｌ Ｅｌｅｃｔｒｏｎｉｃｓ［Ｃ］，２００２（２）：５４１～５４７
［６６］ Ｃｉｒｒｉｎｃｉｏｎｅ Ｍ，Ｐｕｃｃｉ Ｍ． Ｅｘｐｅｒｉｍｅｎｔａｌ ｖｅｒｉｆｉｃａｔｉｏｎ ｏｆａ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｔｈｅ ｒｅａｌ－ｔｉｍｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｓｂａｓｅｄ ｏｎ ｔｈｅ ｒｅｃｕｒｓｉｖｅ ｌｅａｓｔ－ｓｑｕａｒｅｓ．Ｔｈｅ７ｔｈ ＩｎｔｅｒｎａｔｉｏｎａｌＷｏｒｋｓｈｏｐ ｏｎ Ａｄｖａｎｃｅｄ Ｍｏｔｉｏｎ Ｃｏｎｔｒｏｌ［Ｃ］，２００２：３２６～３３４［６７］ Ｋａｉｙｕ Ｗａｎｇ，Ｊｏｈｎ Ｃｈｉａｓｓｏｎ，Ｍａｒｃ Ｂｏｄｓｏｎ，ＬｅｏｎＭ Ｔｏｌｂｅｒｔ． Ａ ｎｏｎｌｉｎｅａｒ ｌｅａｓｔ－ｓｑｕａｒｅｓ ａｐｐｒｏａｃｈ ｆｏｒ ｉｄｅｎｔｉｆｉｃａ－ｔｉｏｎ ｏｆ ｔｈｅ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｐａｒａｍｅｔｅｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ａｕｔｏ． Ｃｏｎｔ．［Ｊ］，２００５，５０（１０）：１６２２～１６２８
［６８］ Ｔ Ｍａｔｓｕｏ，Ｔ Ａ Ｌｉｐｏ． Ａ ｒｏｔｏｒ ｐａｒａｍｅｔｅｒ ｉｄｅｎｔｉｆｉｃａ－ｔｉｏｎ ｓｃｈｅｍｅ ｆｏｒ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌｌｅｄ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓ． ＩＥＥＥＴｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９８５，２１：６２４～６３２
［６９］ Ｈ Ａ Ｔｏｌｉｙａｔ，Ａ Ａ ＧＨ Ｈｏｓｓｅｉｎｙ． Ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａ－ｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｕｓｉｎｇ ｓｐｅｃｔｒａｌ ａｎａｌｙｓｉｓ ｆｏｒ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌｌｅｄ ｉｎ－ｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓ． Ｐｒｏｃ． ＩＥＥＥ Ｉｎｔ． Ｓｙｍｐ． Ｉｎｄ． Ｅｌｅｃｔｒｏｎ． ［Ｃ］，１９９３：９０～９５
［７０］ Ｒ Ｇａｂｒｉｅｌ，Ｗ Ｌｅｏｎｈａｒｄ． Ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ ｃｏｎｔｒｏｌ ｏｆｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ． Ｐｒｏｃ． Ｉｎｔ． Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｐｏｗｅｒ ＣｏｎｖｅｒｓｉｏｎＣｏｎｆ． ［Ｃ］，１９８２：３８５～３９６
［７１］ Ｈ Ｓｕｇｉｍｏｔｏ，Ｓ Ｔａｍａｉ． Ｓｅｃｏｎｄａｒｙ ｒｅｓｉｓｔａｎｃｅ ｉｄｅｎｔｉ－ｆｉｃａｔｉｏｎ ｏｆ ａｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ—Ａｐｐｌｉｅｄ ｍｏｄｅｌ ｒｅｆｅｒｅｎｃｅ ａｄａｐ－ｔｉｖｅ ｓｙｓｔｅｍ ａｎｄ ｉｔｓ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９８７，２３（２）：２９６～３０３
［７２］ Ｊ Ｃｉｌｉａ，Ｇ Ｍ Ａｓｈｅｒ，Ｊ Ｓｈｕｌｉ，Ｍ Ｓｕｍｎｅｒ，Ｋ Ｊ Ｂｒａｄｌｅｙ，Ａ Ｆｅｒｒａｈ． Ｔｈｅ ｒｅｃｕｒｓｉｖｅ ｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｔｕｎｉｎｇ ｔｈｅ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎ－ｓｔａｎｔ ｉｎ ｈｉｇｈ－ｐｅｒｆｏｒｍａｎｃｅ ｓｅｎｓｏｒｌｅｓｓ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｄｒｉｖｅｓ． Ｐｒｏｃ． Ｉｎｔ． Ｃｏｎｆ． Ｅｌｅｃｔ． Ｍａｃｈ． ［Ｃ］，１９９８：９２６～９３０
［７３］ Ｒ Ｂｅｇｕｅｎａｎｅ，Ｇ Ａ Ｃａｐｏｌｉｎｏ． Ｉｎｄｕｃｔｉｏｎ ｍｏ－ｔｏｒ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔ ｍｅａｓｕｒｅｍｅｎｔ ｆｏｒ ｖｅｃｔｏｒ ｃｏｎ－ｔｒｏｌ ｄｒｉｖｅｓ ｗｉｔｈｏｕｔ ｒｏｔａｒｙ ｔｒａｎｓｄｕｃｅｒ． Ｐｒｏｃ． ＩＥＥＥＩｎｔ． Ｓｙｍｐ． Ｐｏｗｅｒ Ｅｎｇ． Ｐｏｗｅｒ Ｔｅｃｈｎｏｌ． ［Ｃ］，１９９５，３（１）：１３～１７
［７４］ Ｒ Ｂｅｇｕｅｎａｎｅ，Ｃ Ｇｈｙｓｅｌｅｎ，Ｈ Ｓｃｈｏｏｒｅｎｓ． Ａ ｐｒｏ－ｐｏｓｅｄ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｓｐｅｅｄ ｓｅｎｓｏｒ ｗｉｔｈｏｕｔ ｃｏｎｔａｃｔ ｆｒｏｍ ｓｌｏｔｈａｒｍｏｎｉｃｓ． Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｒｏｔｏｒｉｃ ｔｉｍｅ ｃｏｎｓｔａｎｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｐｒｏｃ． Ｉｎｓｔ． Ｅｌｅｃｔ． Ｅｎｇ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ｖａｒｉａｂｌｅ－ＳｐｅｅｄＤｒｉｖｅｓ［Ｃ］，１９９４：９０～９５
［７５］ Ｌ Ｌｏｒｏｎ，Ｇ Ｌａｌｉｂｅｒｔé． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｅｘｔｅｎｄｅｄＫａｌｍａｎ ｆｉｌｔｅｒ ｔｏ ｐａｒａｍｅｔｅｒｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｓ． Ｐｒｏｃ．Ｅｕｒｏｐｅ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ． ［Ｃ］，１９９３，５：８５～９０［７６］ Ｌｉ－Ｃｈｅｎｇ Ｚａｉ，Ｃ Ｌ ＤｅＭａｒｃｏ，Ｔ Ａ Ｌｉｐｏ． Ａｎ ｅｘｔｅｎｄｅｄＫａｌｍａｎ ｆｉｌｔｅｒ ａｐｐｒｏａｃｈ ｔｏ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔ ｍｅａｓｕｒｅｍｅｎｔ ｉｎＰＷＭ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉ． ［Ｊ］，１９９２，２８（１）：９６～１０４
［７７］ Ｔ Ｋａｔａｏｋａ，Ｓ Ｔｏｄａ，Ｙ Ｓａｔｏ． Ｏｎ－ｌｉｎｅ ｅｓｔｉｍａｔｉｏｎ ｏｆｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｐａｒａｍｅｔｅｒｓ ｂｙ ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ． Ｐｒｏｃ．Ｅｕｒｏｐｅ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ． ［Ｃ］，１９９３（４）：３２５～３２９
［７８］ Ｍｅｎａａ Ｍ，Ｔｏｕｈａｍｉ Ｏ，Ｉｂｔｉｏｕｅｎ Ｒ． Ｅｓｔｉｍａｔｉｏｎ ｏｆｒｏｔｏｒ ｒｅｓｉｓｔａｎｃｅ ｏｆ ａｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｕｓｉｎｇ ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎｆｉｌｔｅｒ ａｎｄ ｓｐｉｒａｌ ｖｅｃｔｏｒ ｔｈｅｏｒｙ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２００３ ＩＥＥＥ Ｃｏｎ－ｆｅｒｅｎｃｅ ｏｎ Ｃｏｎｔｒｏｌ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｃ］，２００３（２）：１２６２～１２６６［７９］ Ｓ Ｗａｄｅ，Ｍ Ｗ Ｄｕｎｎｉｇａｎ，Ｂ Ｗ Ｗｉｌｌｉａｍｓ． Ｉｍｐｒｏｖｅ－ｍｅｎｔｓ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ． Ｐｒｏｃ． Ｅｕｒｏｐｅ． Ｃｏｎｆ．Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ． ［Ｃ］，１９９５（１）：５４２～５４６
［８０］ Ｒ Ｓ Ｐｅｎａ，Ｇ Ｍ Ａｓｈｅｒ． Ｐａｒａｍｅｔｅｒ ｓｅｎｓｉｔｉｖｉｔｙ ｓｔｕｄｉｅｓｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｐａｒａｍｅｔｅｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ ｅｘｔｅｎｄｅｄＫａｌｍａｎ ｆｉｌｔｅｒ． Ｐｒｏｃ． Ｅｕｒｏｐｅ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ．［Ｃ］，１９９３（４）：３０６～３１１
［８１］ Ｄ Ｊ Ａｔｋｉｎｓｏｎ，Ｐ Ｐ Ａｃａｒｎｌｅｙ，Ｊ Ｗ Ｆｉｎｃｈ． Ｐａｒａｍｅｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓ． Ｐｒｏｃ．Ｅｕｒｏｐｅ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ． ［Ｃ］，１９８９：３０７～３１２
10 | Power Electronics
［８２］ Ｔ Ｄｕ，Ｍ Ａ Ｂｒｄｙｓ． Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ ｊｏｉｎｔｓｔａｔｅ ａｎｄ ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ ｉｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｄｒｉｖｅｓ ｓｙｓｔｅｍｓ． Ｐｒｏｃ． Ｉｎｓｔ． Ｅｌｅｃｔ． Ｅｎｇ． Ｃｏｎｆ． Ｃｏｎｔｒ．［Ｃ］，１９９１：９１５～９２０
［８３］ Ｔ Ｄｕ，Ｐ Ｖａｓ，Ｆ Ｓｔｒｏｎａｃｈ． Ｄｅｓｉｇｎ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｏｆ ｅｘｔｅｎｄｅｄ ｏｂｓｅｒｖｅｒｓ ｆｏｒ ｊｏｉｎｔ ｓｔａｔｅ ａｎｄ ｐａｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎｉｎ ｈｉｇｈ－ｐｅｒｆｏｒｍａｎｃｅ ＡＣ ｄｒｉｖｅｓ． Ｐｒｏｃ． Ｉｎｓｔ． Ｅｌｅｃｔ． Ｅｎｇ．—Ｅｌｅｃｔ．Ｐｏｗｅｒ Ａｐｐｌｉｃａｔ． ［Ｃ］，１９９５，１４２（２）：７１～７８
［８４］ Ｔ Ｄｕ，Ｍ Ａ Ｂｒｄｙｓ． Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｅｘ－ｔｅｎｄｅｄ Ｌｕｅｎｂｅｒｇｅｒ ｏｂｓｅｒｖｅｒｓ ｆｏｒ ｊｏｉｎｔ ｓｔａｔｅ ａｎｄ ｐａ－ｒａｍｅｔｅｒ ｅｓｔｉｍａｔｉｏｎ ｏｆ ＰＷＭｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅ．Ｐｒｏｃ． Ｅｕｒｏｐｅ． Ｃｏｎｆ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． Ａｐｐｌｉｃａｔ． ［Ｃ］，１９９３（４）：４３９～４４４
［８５］ Ｖｅｒａｎ Ｖａｓｉｃ，Ｓｌｏｂｏｄａｎ Ｎ． Ｖｕｋｏｓａｖｉｃ，Ｅｍｉｌ Ｌｅｖｉ． ＡＳｔａｔｏｒ Ｒｅｓｉｓｔａｎｃｅ Ｅｓｔｉｍａｔｉｏｎ Ｓｃｈｅｍｅ ｆｏｒ Ｓｐｅｅｄ ＳｅｎｓｏｒｌｅｓｓＲｏｔｏｒ Ｆｌｕｘ Ｏｒｉｅｎｔｅｄ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｄｒｉｖｅｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｅｎｅｒ．Ｃｏｎｖ． ［Ｊ］，２００３，１８（４）：４７６～４８３
［８６］ Ｇｉｏｒｇｉｏ Ｂａｒｔｏｌｉｎｉ，Ａｌｅｓｓａｎｄｒｏ Ｐｉｓａｎｏ，Ｐｉｅｒｌｕｉｇｉ Ｐｉｓｕ．Ｓｉｍｐｌｉｆｉｅｄ Ｅｘｐｏｎｅｎｔｉａｌｌｙ Ｃｏｎｖｅｒｇｅｎｔ Ｒｏｔｏｒ Ｒｅｓｉｓｔａｎｃｅ Ｅｓｔｉｍａ－ｔｉｏｎ ｆｏｒ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ａｕｔｏ． Ｃｏｎｔ． ［Ｊ］，２００３，４８（２）：３２５～３３０
［８７］ Ｓｅｏｋ Ｈｏ Ｊｅｏｎ，Ｋｗａｎｇ Ｋｙｏ Ｏｈ，Ｊｉｎ Ｙｏｕｎｇ Ｃｈｏｉ．Ｆｌｕｘ Ｏｂｓｅｒｖｅｒ Ｗｉｔｈ Ｏｎｌｉｎｅ Ｔｕｎｉｎｇ ｏｆ Ｓｔａｔｏｒ ａｎｄ Ｒｏｔｏｒ Ｒｅｓｉｓ－ｔａｎｃｅｓ ｆｏｒ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒｏｎ． ［Ｊ］，２００２，４９（３）：６５３～６６４
［８８］ Ｘｉｎｇ Ｙｕ，Ｍａｔｔｈｅｗ Ｗ Ｄｕｎｎｉｇａｎ，，Ｂａｒｒｙ ＷＷｉｌｌｉａｍｓ． Ａ Ｎｏｖｅｌ Ｒｏｔｏｒ Ｒｅｓｉｓｔａｎｃｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｍｅｔｈｏｄ ｆｏｒａｎ Ｉｎｄｉｒｅｃｔ Ｒｏｔｏｒ Ｆｌｕｘ－Ｏｒｉｅｎｔａｔｅｄ Ｃｏｎｔｒｏｌｌｅｄ Ｉｎｄｕｃｔｉｏｎ Ｍａ－ｃｈｉｎｅ Ｓｙｓｔｅｍ． ＩＥＥＥ Ｔｒａｎｓ． Ｐｏｗｅｒ Ｅｌｅｃｔｒｏｎ． ［Ｊ］，２００２，１７（３）：３５３～３６４
［８９］ Ｒｉｃｃａｒｄｏ Ｍａｒｉｎｏ，Ｓｅｒｇｅｉ Ｐｅｒｅｓａｄａ，Ｐａｔｒｉｚｉｏ Ｔｏｍｅｉ．Ｏｎ－Ｌｉｎｅ Ｓｔａｔｏｒ ａｎｄ Ｒｏｔｏｒ Ｒｅｓｉｓｔａｎｃｅ Ｅｓｔｉｍａｔｉｏｎ ｆｏｒ ＩｎｄｕｃｔｉｏｎＭｏｔｏｒｓ． ＩＥＥＥ Ｔｒａｎｓ．Ｃｏｎｔｒ． Ｓｙｓ． Ｔｅｃｈ． ［Ｊ］，２０００，８（３）：５７０～５７９
［９０］ Ｍ Ｋｏｙａｍａ，Ｍ Ｙａｎｏ，Ｉ Ｋａｍｉｙａｍａ，Ｓ Ｙａｎｏ． Ｍｉ－ｃｒｏｐｒｏｃｅｓｓｏｒ－ｂａｓｅｄ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｆｏｒ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒｄｒｉｖｅｓ ｗｉｔｈ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｆｕｎｃｔｉｏｎ． Ｐｒｏｃ．ＩＥＥＥ Ｉｎｄ． Ａｐｐｌｉｃａｔ． Ｓｏｃ． Ａｎｎｕ． Ｍｅｅｔｉｎｇ［Ｃ］，１９８５：５６４～５６９［９１］ Ｌ Ｊ Ｇａｒｃｅｓ． Ｐａｒａｍｅｔｅｒ ａｄａｐｔｉｏｎ ｆｏｒ ｔｈｅ ｓｐｅｅｄ－ｃｏｎ－ｔｒｏｌｌｅｄ ｓｔａｔｉｃ ａｃ ｄｒｉｖｅ ｗｉｔｈ ａ ｓｑｕｉｒｒｅｌ－ｃａｇｅ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ． ＩＥＥＥＴｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉｃａｔ． ［Ｊ］，１９８０，１６（２）： １７３～１７８
［９２］ Ｔ Ｍ Ｒｏｗａｎ，Ｒ Ｊ Ｋｅｒｋｍａｎ，Ｄ Ｌｅｇｇａｔｅ． Ａｓｉｍｐｌｅ ｏｎ－ｌｉｎｅ ａｄａｐｔｉｏｎ ｆｏｒ ｉｎｄｉｒｅｃｔ ｆｉｅｌｄ ｏｒｉｅｎｔａｔｉｏｎｏｆ ａｎ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ａｐｐｌｉｃａｔ．［Ｊ］，１９９１，２７（４）：７２０～７２７
［９３］ Ｓ Ｎ Ｖｕｋｏｓａｖｉｃ，Ｍ Ｒ Ｓｔｏｊｉｃ． Ｏｎ－ｌｉｎｅ ｔｕｎｉｎｇ ｏｆ ｔｈｅｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔ ｆｏｒ ｖｅｃｔｏｒ－ｃｏｎｔｒｏｌｌｅｄ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｉｎｐｏｓｉｔｉｏｎ ｃｏｎｔｒｏｌ ａｐｐｌｉｃａｔｉｏｎｓ． ＩＥＥＥ Ｔｒａｎｓ． Ｉｎｄ． Ｅｌｅｃｔｒｏｎ． ［Ｊ］，１９９３，４０（２）：１３０～１３８
［９４］ Ｄ Ｄａｌａｌ，Ｒ Ｋｒｉｓｈｎａｎ． Ｐａｒａｍｅｔｅｒ ｃｏｍｐｅｎｓａｔｉｏｎ ｏｆｉｎｄｉｒｅｃｔ ｖｅｃｔｏｒ ｃｏｎｔｒｏｌｌｅｄ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅ ｕｓｉｎｇｅｓｔｉｍａｔｅｄ ａｉｒｇａｐ ｐｏｗｅｒ． Ｐｒｏｃ． ＩＥＥＥ Ｉｎｄ． Ａｐｐｌｉｃａｔ．Ｓｏｃ． Ａｎｎｕ． Ｍｅｅｔｉｎｇ［Ｃ］，１９８７：１７０～１７６
［９５］ Ｒ Ｄ Ｌｏｒｅｎｚ，Ｄ Ｂ Ｌａｗｓｏｎ． Ａ ｓｉｍｐｌｉｆｉｅｄａｐｐｒｏａｃｈ ｔｏ ｃｏｎｔｉｎｕｏｕｓ，ｏｎ－ｌｉｎｅ ｔｕｎｉｎｇ ｏｆ ｆｉｅｌｄ－ｏｒｉ－ｅｎｔｅｄ ｉｎｄｕｃｔｉｏｎ ｍａｃｈｉｎｅ ｄｒｉｖｅｓ． ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｄ．Ａｐｐｌｉｃａｔ． ［Ｊ］，１９９０，２６（３）：４２０～４２４
［９６］ Ｇ Ｋａｎｇ，Ｊ Ｊｕｎｇ，Ｋ Ｎａｍ． Ａ ｎｅｗ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔｕｐｄａｔｅ ｒｕｌｅ ｕｓｉｎｇ ｓｔａｔｏｒ ｆｌｕｘ ｅｓｔｉｍａｔｅｓ ｆｏｒ ａｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ． Ｐｒｏｃ．ＩＥＥＥ Ｉｎｄ． Ａｐｐｌｉｃａｔ． Ｓｏｃ． Ａｎｎｕ． Ｍｅｅｔｉｎｇ，１９９９：１２７８～１２８３［９７］ Ａ Ｂａ－Ｒａｚｚｏｕｋ，Ａ Ｃｈｅｒｉｔｉ，Ｇ Ｏｌｉｖｉｅｒ． Ａｒｔｉ－ｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ｒｏｔｏｒ ｔｉｍｅ ｃｏｎｓｔａｎｔ ａｄａｐｔａｔｉｏｎ ｉｎｉｎｄｉｒｅｃｔ ｆｉｅｌｄ ｏｒｉｅｎｔｅｄ ｃｏｎｔｒｏｌ ｄｒｉｖｅｓ． Ｐｒｏｃ． ＩＥＥＥ ＰｏｗｅｒＥｌｅｃｔｒｏｎ． Ｓｐｅｃｉａｌｉｓｔｓ Ｃｏｎｆ． ［Ｃ］，１９９６：７０１～７０７［９８］ Ｄ Ｆｏｄｏｒ，Ｇ Ｇｒｉｖａ，Ｆ Ｐｒｏｆｕｍｏ． Ｃｏｍｐｅｎｓａ－ｔｉｏｎ ｏｆ ｐａｒａｍｅｔｅｒｓ ｖａｒｉａｔｉｏｎｓ ｉｎ ｉｎｄｕｃｔｉｏｎ ｍｏｔｏｒ ｄｒｉｖｅｓｕｓｉｎｇ ａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ． Ｐｒｏｃ． ＩＥＥＥ Ｐｏｗｅｒ Ｅｌｅｃｔ．Ｓｐｅｃｉａｌｉｓｔｓ Ｃｏｎｆ． ［Ｃ］，１９９５：１３０７～１３１１
［９９］ Ｋａｎ Ａｋａｔｓｕ，Ａｔｓｕｏ Ｋａｗａｍｕｒａ． Ｏｎｌｉｎｅ Ｒｏｔｏｒ Ｒｅｓｉｓ－ｔａｎｃｅ Ｅｓｔｉｍａｔｉｏｎ Ｕｓｉｎｇ ｔｈｅ Ｔｒａｎｓｉｅｎｔ Ｓｔａｔｅ Ｕｎｄｅｒ ｔｈｅ ＳｐｅｅｄＳｅｎｓｏｒｌｅｓｓ Ｃｏｎｔｒｏｌ ｏｆ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ． ＩＥＥＥ Ｔｒａｎｓ． ＰｏｗｅｒＥｌｅｃｔｒｏｎ． ［Ｊ］，２０００，１５（３）：５５３～５６０
［１００］ Ｊｕｎｇ－Ｓｏｏ Ｃｈｏｉ，Ｙｏｏｎ－Ｓｅｏｋ Ｈａｎ，Ｙｏｕｎｇ－Ｓｅｏｋ Ｋｉｍ．Ａ Ｎｅｗ Ｓｐｅｅｄ Ｅｓｔｉｍａｔｉｏｎ Ｓｃｈｅｍｅ ｏｆ ｔｈｅ Ｉｎｄｕｃｔｉｏｎ Ｍｏｔｏｒ Ｃｏｎ－ｓｉｄｅｒｉｎｇ ｔｈｅ Ｆｌｕｘ Ｓａｔｕｒａｔｉｏｎ． ＩＥＥＥ Ｔｒａｎｓ． Ｍａｇｎｅｔ． ［Ｊ］，２０００，３６（５）：３５９５～３５９８
作者简介
李 洁 女，１９７６年生，工学博士，副教授，主要研究方向为感应电机高性能控制、软开关电源等。
钟彦儒 男，１９５０年生，博士生导师，教授，主要从事新型电力电子装置研究。
MEMS加速度传感器的研究 摘要：微传感器因其尺寸微小，测量准确度和灵敏度高而广泛应用于工程、医学、生物等各个领域。本次报告中，我们将对MEMS技术在惯性传感器件应用——加速度传感器作为讨论学习的主要内容。本报告选取电容式加速度传感器为例，分别从原理、工艺、检测电路、应用等几个方面展开说明，涉及MEMS电容式加速度传感器的各个方面，较为全面。很多都是自己的理解，因此也易于接受。 关键词：MEMS 加速度传感器检测电路 0 引言 随着微机械系统和微加工技术的发展，微型传感器也随之迅速发展。惯性系统已广泛用于航天、航空、航海和许多民用领域，成为目前各种航行体上应用的一种主要导航设备，能够提供比较精确的姿态与多种导航信息。我们利用惯性敏感元件和初始位置就可以确定载体的动态位置、姿态和速度。而加速度计作为惯性系统的一个核心敏感器件，虽然较陀螺仪发明较晚，但是发展速度很快。各个较大的半导体公司如MOTOROLA和Analog Devices Inc. 等都在MEMS加速度计的研发生产中取得了很大的成就。因此，此次对于MEMS加速度传感器的研究对于了解专业发展前沿和激发自己的学习兴趣都有很大的帮助。 根据原理不同，MEMS加速度传感器可以分为压阻式、压电式、电容式、谐振式和隧穿式等几大类，为了突出重点，对MENS传感器的原理、工艺及应用有个全面的了解，我们在此选择了其中的一种——电容式加速度传感器做深入研究。 1 电容式加速度传感器的原理 1.1 基本原理 电容式传感器是电容值随环境参数变化而发生改变的传感器。根据平板电容器的表达式C=εS/d可知，S和d的变化都会导致电容的变化，因此电容式加速度计的测量原理又可分为变面积式和变间距式，由于变间距式在制造工艺上的优越性，因此当今大部分电容式加速度计都是采用变间距来改变电容进而来测量加速度。电容式加速度传感器的结构示意如图1 所示。
生物传感器的研究现状及应用 生物传感器？这个熟悉但又概念模糊的名词最近不断出现在媒体报道上，生物传感器相关的研究项目陆续获得巨额的研究资助，显示出越来越受重视的前景。要掌握生命科学研究的前研信息，争取好的研究课题和资金，你怎能不了解生物传感器？ 让我们来看看生物通最近的一些报道： 英国纽卡斯尔大学科学家研发了可用于检测肿瘤蛋白以及耐药性MASA细菌的微型生物传感器。该系统利用一个回旋装置来检测，类似导航系统和气袋的原理。振荡晶片的大小类似于一颗尘埃尺寸，有望可使医生诊断和监测常见类型的肿瘤，获得最佳治疗方案。该装置可以鉴定肿瘤标志物－蛋白以及其它肿瘤细胞产生的丰度不同的生物分子。该小组下一步目标是把检测系统做成一个手持式系统，更加快速方便地检测组织样品。欧共体已经拨款1200万欧元资金给该小组，以使该技术进一步完善。 苏格兰IntermediaryTechnologyInstitutes计划投资1亿2千万英镑发展“生物传感器平台（BiosensorPlatform）”——一种治疗诊断技术。作为将诊断和治疗疾病结合在一起的新兴疗法，能够在诊断的同时，提出适合不同病人的治疗方案，可以降低疾病诊断和医学临床的费用与复杂性，同时具备提供疾病发展和药品疗效成果的能力。目前该技术已被使用在某些乳癌的治疗上，只需在事前做些特殊的测试，即可根据结果决定适合的疗程。这个技术更被医学界视为未来疾病疗程的主流。 来自加州大学洛杉矶分校的研究者使用GeneFluidics开发的新型生物传感器来鉴定引起感染的特定革兰氏阴性菌，该结果表明利用微型电化学传感器芯片已经可以用于人临床样本的细菌检查。GeneFluidics'16-sensor上的芯片包被了UCLA设计的特异的遗传探针。临床样本直接加到芯片上，然后其电化学信号被多通道阅读器获取。根据传感器上信号的变化来判断尿路感染的细菌种类。从样品收集到结果仅需45分钟。比传统方法（需要2天时间）
肖金凤 1971年1月 生,1994年毕业于湖南大学电气与信息工程学院电机专业,学士学位,2004年毕业于湖南大学电气与信息工程学院控制工程专业,硕士学位,讲师。主要研究方向为电机智能控制、工业过程控制及综合自动化。 异步电动机无速度传感 器矢量控制系统设计 * 肖金凤1 , 黄守道2 , 李劲松 1 (1.南华大学,湖南 衡阳 421001;2.湖南大学,湖南 长沙 410082) 摘要 文章提出一种基于模糊神经网络的模型参考自适应电机转速辨识方法,将其与SVP WM 调制技术控制的变频器系统结合起来,组成了一种基于DSP 的异步电机无速度传感器矢量控制系统。具体介绍了其结构及软硬件的设计。仿真结果表明此系统动态性能好,能准确跟踪电机转速的变化。 关键词 异步电动机 无速度传感器 SVP WM 矢量控制 数字信号处理器 Fiel d Oriented Control Syste m of Speed Sensorless Based on DSP X iao Jinfeng ,Huang Shoudao ,L i Jingsong (1.N anhua Un iversity ;2.H unan Un i v ersity ) Abstract :This paper presents a ne w m et h od of i n ducti o n m otor speed identifica -ti o n .It is the co m binati o n o f f u zzy neural net w ork (FNN )w ith m odel reference adap -ti v e syste m (MRAS).W e co m bi n e this m ethod w it h the i n verter contro lled by space vector pulse w idth m odu lati o n (SVP WM )to for m a field oriented con tro l syste m o f speed senso rless based on DSP . Its struct u re and soft w are and hardw are are ana -l y zed .The S i m u lation results sho w that the contro l syste m has better dyna m ic per -f o r m ance and can accurately track the variati o n of the m otor speed . K ey w ords :I nducti o n m oto r Speed sensorless SVP WM F ield oriented con -tro l (FOC) DSP *湖南省自然科学基金资助项目(编号:02JJ Y 2089) 1 引言 异步电动机的数学模型由电压方程、磁链方 程、转矩方程和运动方程组成,是一个高阶、非线性、强耦合的多变量系统。采用传统的控制策略对其进行控制时,动态控制效果较差。目前异步电动机控制研究工作正围绕几个方面展开:采用新型电力电子器件和脉宽调制控制技术;应用矢量控制技术及现代控制理论、智能控制技术;广泛应用数字控制系统及计算机技术;无速度传感器控制技术。本文以电机控制专用芯片 T M S320F240为核心,采用磁通、转速闭环的矢量控制策略,利用SVP WM 脉宽调制技术、无速度传感器及智能控制技术,设计了一电机控制系统。仿真结果表明该控制系统抗干扰能力强,动态性能好。 2 速度估计策略 模型参考自适应方法(MRAS)是应用较广的速度估计方法。本文设计的模型参考自适应速度估计系统为减少定子电阻的影响选择瞬时无功功率模型,同时为有效解决瞬时无功功率模型参考 40 异步电动机无速度传感器矢量控制系统设计《中小型电机》2005,32(2)
无线加速度传感器文献综述 一、研究现状 无线加速度传感器是传感器技术、MEMS技术、微处理器和无线通信技术相结合的产物，由加速度传感器、微处理器、射频收发芯片及电源构成。目前，国内外无线加速度传感器，包括其他类型的无线传感器，按体系结构可分为三大类: (1)COTS( Commercial Off The Shelf)节点，该类节点中的传感器、微处理器、通信模块等使用的都是现成的商用产品。典型代表有美国伯克利大学加州分校（UCB）的MICATelos节点，欧洲传感器研究项目小组开发的EyesIFX节点，中科院研究的GAIN系列也属于该类节点。这种节点除了无线传感器的共同特点外还具有低成本、短周期、技术门槛相对较低等优势，被各高校和研究机构广泛采纳，所以该类型的节点是最多的。 (2)SOC(System On Chip)节点，该类节点只使用一个芯片，就可实现节点的数据采集、控制和通信功能。SOC节点通常都为特定的应用而开发，由于需要芯片设计能力，因此开发门槛较高，成果相对较少。典型代表有Rockwell科学实验室的WINS节点、麻省理工开发的uAMPS-III等。 (3)Smart Dust节点，又称微型节点或尘埃节点。该类节点使用了业界最尖端的技术，体积只有几个平方毫米，通常为军事应用而开发，微型节点的代表为Smart Dust节点和SPEC节点，都由UCB研制。内嵌微处理器是无线加速度传感相比于传统传感器的又一特点，微处理器负责控制传感器进行数据的采集、处理和收发。 二、无线加速度传感器的工作原理 无线加速度传感器实际上就是将以加速度传感器为核心的数据采集模块、微处理器为核心的数据预处理模块、射频芯片为核心的无线传输模块，以及以微电池能量模块集成并封装在一个外壳内的系统。无线加速度传感器工作时，加速度传感器检测加速度信号（模拟信号），然后送入A/D转换器使其转换为数字信号，在作A/D转换之前，一般会设置信号调理电路，用来放大和滤波（如对建筑结构的检测，由于大跨度桥梁等大型建筑结构的自振频率较低,而桥面振动、桥梁负荷冲击等对振动信号的影响又相对较大,因此,在A/D采样之前需对模拟信号作抗混滤波处理,以滤除或降低高频干扰）。A/D的输出传送给微处理器进行预处理并存储数据，得到的预处理加速度数据将送给无线收发模块进行无线传输。最后，接受装置接收并数据传输给PC机作进一步的分析处理与显示。典型的无线加速度传感器节点结构由以下几个部分组成： (1)数据采集模块：用于对检测区域进行数据采集与信号调理。 (2)数据处理模块：微处理器对整个传感器节点的操作进行控制，对数据进行预处理并存储。 (3)无线传输模块：以射频芯片为核心，根据IEEE802.15.4协议进行无线通信，传输控制信息并首发数据信息。 (4)能量模块：为另三大模块提供电源，一般为微电池 三、无线加速度传感器存在的问题
传感器技术综述 Luqingsong@https://www.doczj.com/doc/238857935.html, 摘要：本文简介了传感器技术的原理、分类和应用，以位移传感器为例概述了传感器技术的研究现状，在此基础上分析了我国传感器技术发展中存在的问题和解决方法，分析了传感器技术的发展方向。 关键词：传感器技术应用研究发展方向 1传感器 传感器是一种检测装置，一般由敏感元件、传感元件和其他辅助件组成，有时也将信号调节也转换电路、辅助电源作为传感器的组成部分。能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。传感器通常可以按照一系列方法进行分类。根据用途分类，传感器常以测别的物理量命名，如位移传感器、速度传感器、温度传感器、压力传感器等；根据工作原理分类，传感器可以依据工作原理进行命名，如振动传感器、磁敏传感器、生物感器等；按输出信号，可分为模拟传感器和数字传感器等；还可按照传感器的制造工艺、构成、作用形式等进行分类。[1] 随着微电子技术、微机械加工技术、光电科学以及当代生物科学等高新技术的推动下，传感器己经从过去单一功能转变为功能多样、科技含量高的新型产品。传感器技术是当前代表国家综合科研水平的重要技术，传感器技术的具体应用是传感器技术转化的重要途径和方法。其所涉及的知识领域非常广泛，研究和发展也越来越多地和其他学科技术的发展紧密联系。 2主要传感技术分类[2][5] 2.1光电传感技术 光电式传感器是以光为测量媒介、以光电器件为转换元件的传感器，它具有非接触、响应快、性能可靠等卓越特性。随着光电科技的飞速发展，光电传感器己成为光电传感器己成为各种光电检测系统中实现光电转换的关键元件，并在传感器应用中占据着重要的地位，其中在非接触式测量领域更是扮演者无法替代的角色。光电传感器工作时，光电器件负责将光能(红外辐射、可见光及紫外辐射)信号转换为电学信号。光电器件不仅结构简单、经济性好，且具有响应快、可靠性强等优势，在自动控制、智能化控制等方面应用前景十分广阔。此外，光电传感器除了对光学信号进行测量，还能够对引起光源变化的构件或其它被测量进行
无速度传感器永磁同步电机发展与控制策略评述潘萍付子义 中图分类号：ＴＭ３５１ＴＭ３４４．４文献标识码：Ａ文章编号：１００１－６８４８（２００７）０６－００９１－０２无速度传感器永磁同步电机发展与控制策略评述 潘萍，付子义 （河南理工大学，焦作４５４００３） 摘要：介绍了永磁同步电机无速度传感器控制策略，分析了无速度传感器技术研究现状，指出状态观测器法及谐波注入法是目前无速度传感器技术的研究热点。 关键词：永磁同步电机；无速度传感器；评述；控制策略；状态观测器；谐波注入法 ＤｅｖｅｌｏｐｍｅｎｔＲｅｎｅｗａｎｄＳｔｒａｔｅｇｙｏｆＰｅｒｍａｎｅｎｔＭ＿ａｇｎｅｔＳｙｎｃｈｒｏｎｏｕｓＭｏＯｒＳｐｅｅｄＳｅｎｓｏｒｌｅｓｓ ＰＡＮＰｉｎｇ，ＦＵＺｉ—ｙｉ （ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４００３，Ｃｈｉｎａ） ＡＢＳＴＲＡＣＴ：Ｔｈｉｓｐａｐｅｒｓｕｍｍａｒｉｚｅｓｔｈｅｓｔｒａｔｅｇｙｏｆｐｅｒｍａｎｅｎｔｍａｇｎｅｔｓｙｎｃｈｒｏｎｏｕｓｍｏｔｏｒ．Ｉｔａｎａｌｙｚｅｓｔｈｅｐｒｅｓｅｎｔｏｆｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓｔｅｃｈｏｎｏｌｏｇｙｏｆｐｅｒｍａｎｅｎｔｍａｇｎｅｔｓｙｎｃｈｒｏｎｏｕｓｍｏｔｏｒ，ｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｓｔａｔｅｏｂｓｅｒｖｅｒａｎｄｈａｒｍｏｎｉｃｉｎｊｅｃｔｉｏｎｐｒｏｃｅｓｓａｒｅｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｆｏｃｕｓ． ＫＥＹＷＯＲＤＳ：Ｐｅｒｍａｎｅｎｔｍａｇｎｅｔｓｙｎｃｈｒｏｎｏｕｓｍｏｔｏｒ；Ｓｐｅｅｄｓｅｎｓｏｒｌｅｓｓ；Ｒｅｖｉｅｗ；Ｃｏｎｔｒｏｌｓｔｒａｔｅｇｙ；Ｓｔａｔｅｏｂｓｅｒｖｅｒ；Ｈａｒｍｏｎｉｃｉｎｊｅｃｔｉｏｎｍｅｔｈｏｄ Ｏ引言 永磁同步电机控制系统离不开高精度的位置和速度传感器，但在实际的系统中，传感器的存在不仅增加了系统成本，还易受工作环境影响，同时也降低了系统的可靠性，因此，无速度传感器交流调速系统成为近年研究热点¨ｊ。 １无速度传感器永磁同步电机研究及发展 无速度传感器永磁同步电机是在电机转子和机座不安装电磁或光电传感器的情况下，利用直接计算、参数辨识、状态估计、间接测量等手段，从定子边较易测量的量，如定子电压、定子电流中提取出与速度有关的量，从而得出转子速度，并应用到速度反馈控制系统中。 国际上对永磁同步电机无速度传感器的研究始于２０世纪７０年代旧Ｊ。１９７５年，Ａ．Ａｂｂｏｎｄａｎｔｉ等人推导出了基于稳态方程的转差频率估计方法， 收稿日期：２００６—０９－２６ 基金项目：河南省杰出青年科学基金（０２１１０６０５００）；河南省重要攻关项目（９９１１０２０４２９）在无速度传感器控制领域作出首次尝试，调速比可达１０：ｌ。但由于其出发点是稳态方程，动态性能和调速精度难以保证。１９７９年，Ｍ．Ｉｓｈｉｄａ等学者利用转子齿谐波来检测转速，限于当时的检测技术和控制芯片的实时控制能力，仅在大于３００ｒ／ｒａｉｎ的转速范围取得较好的结果。１９８３年Ｒ．Ｊｏｅｔｔｅｎ首次将无速度传感器技术应用于永磁同步电机矢量控制。近年来，德国亚探工大（ＲＷＴＨＡａｃｈｅｎ）电机研究所的学者又先后开展了采用推广卡尔曼滤波器的永磁同步电机和感应电机无机械传感器调速系统的研究。美国麻省理工学院（ＭＩＴ）电机工程系的学者在１９９２年发表了采用全阶状态观测器的无传感器永磁同步电机调速系统的论文。由于状态观测器受电机参数变化的影响较大，还需要另外一个状态观测器来估计电机的参数，这样使无传感器永磁同步调速系统的估计算法变得比较复杂，同时系统还存在对负载变化比较敏感等问题。国内自９０年代中开始，也开始对永磁电机无速度传感器控制技术进行研究，但主要局限于各高等院校，研究主要还是着重于理论和仿真方面。 一９１— 万方数据
BLDC无位置传感器控制技术 2014.11.12 duguqiubai1234@https://www.doczj.com/doc/238857935.html, BLDC电机是一种结合了直流电机和交流电机优点的改进型电机。其转子采用永磁材料励磁，体积小、重量轻、结构简单、维护方便。BLDC电机又具有控制简便、高效节能等一系列优点，已广泛应用于仪表和家用电器等领域。 本文主要讨论高压BLDC风机无位置传感器起动和运行技术。 一、无位置传感器技术简介 BLDC电机最简单的控制方法是安装三个位置传感器，使用六步换相法控制。但传感器器会增大电机的体积和成本，另外传感器的位置精度影响电机的运行；特别对于极对数较多的电机，传感器偏差少许机械角度也可能引起电角度偏差很多。在某些恶劣环境下,如高温、潮湿、腐蚀性气体等环境，传感器易损坏，因而无法使用。 使用无位置传感器方式则可以克服上述缺点。 无传感器BLDC在性能上也存在一些不足: （1）难以实现重负载（例如额定转矩）起动。好在风机属于轻负载起动的情况。 （2）难以快速起动。例如很难实现1秒内从静止加速到全速。好在风机通常不要求很短时间内完成加速。 （3）无法实现全速范围内任意调速。有传感器BLDC能够实现0%～100%额定转速范围内的调速，而无传感器BLDC通常只能实现10%～100%额定转速范围内的调速。好在风机通常不要求10%额定转速以下运行。 经过以上分析，可以看出风机非常适合使用无位置传感器方式控制。 国内高压无位置传感器BLDC技术仍处于不成熟阶段。使用该技术的产品应以稳定可靠为主要要求，而不是以性能优越为主要要求。高压无传感器BLDC如果追求性能优越，则成本太高，技术难度过大。 风机类产品通常起动后连续工作时间较长，所以通常不要求快速起动，不也要求反复起停。
传感器的目前现状与发展趋势 吴伟 1106032008 材控2班 摘要：传感器是高度自动化系统乃至现代尖端技术必不可少的一个关键组成部分。传感器技术是世界各国竞相发展的高新技术，也是进入21 世纪以来优先发展的十大顶尖技术之一。传感器技术所涉及的知识领域非常广泛，其研究和发展也越来越多地和其他学科技术的发展紧密联系。本文首先介绍了传感器的基本知识和传感器技术的发展历史。之后，综述了近几年高端前沿的光电传感器技术和生物传感器技术的主要研究状况。最后，展望了现代传感器技术的发展和应用前景。 关键词：传感器技术；传感器；研究现状；趋势 引言 当今社会的发展，是信息化社会的发展。在信息时代，人们的社会活动将主要依靠对信息资源的开发及获取、传输与处理。而传感器是获取自然领域中信息的主要途径与手段，是现代科学的中枢神经系统。它是指那些对被测对象的某一确定的信息具有感受(或响应)与检出功能，并使之按照一定规律转换成与之对应的可输出信号的元器件或装置的总称。传感器处于研究对象与测控系统的接口位置，一切科学研究和生产过程所要获取的信息都要通过它转换为容易传输和处理的电信号。如果把计算机比喻为处理和识别信息的“大脑”，把通信系统比喻为传递信息的“神经系统”，那么传感器就是感知和获取信息的“感觉器官”。 传感器技术是现代科技的前沿技术，发展迅猛，同计算机技术与通信技术一起被称为信息技术的三大支柱，许多国家已将传感器技术列为与通信技术和计算机技术同等重要的位置。现代传感器技术具有巨大的应用潜力，拥有广泛的开发空间，发展前景十分广阔。 1 传感器的基本知识
1.1 传感器的定义和组成 广义地说，传感器是指将被测量转化为可感知或定量认识的信号的传感器。从狭义方面讲，感受被测量，并按一定规律将其转化为同种或别种性质的输出信号的装置。传感器一般由敏感元件、转换元件、测量电路和辅助电源四部分组成，其中敏感元件和转换元件可能合二为一，而有的传感器不需要辅助电源。 1.2 传感器技术的基本特性 在测试过程中，要求传感器能感受到被测量的变化并将其不失真地转换成容易测量的量。被测量有两种形式：一种是稳定的，称为静态信号；一种是随着时间变化的，称为动态信号。由于输入量的状态不同，传感器的输入特性也不同，因此，传感器的基本特性一般用静态特性和动态特性来描述。衡量传感器的静态特性指标有线性度、灵敏度、迟滞、重复性、分辨率和漂移等。影响传感器的动态特性主要是传感器的固有因素，如温度传感器的热惯性等，动态特性还与传感器输入量的变化形式有关。 2 传感器技术的发展历史与回顾 传感器技术是在20世纪的中期才刚刚问世的。在那时，与计算机技术和数字控制技术相比，传感技术的发展都落后于它们，不少先进的成果仍停留在实验研究阶段，并没有投入到实际生产与广泛应用中，转化率比较低。在国外，传感器技术主要是在各国不断发展与提高的工业化浪潮下诞生的，并在早期多用于国家级项目的科研研发以及各国军事技术、航空航天领域的试验研究。然而，随着各国机械工业、电子、计算机、自动化等相关信息化产业的迅猛发展，以日本和欧美等西方国家为代表的传感器研发及其相关技术产业的发展已在国际市场中逐步占有了重要的份额。 我国从20世纪60年代开始传感技术的研究与开发，经过从“六五”到“九五”的国家攻关，在传感器研究开发、设计、制造、可靠性改进等方面获得长足的进步，初步形成了传感器研究、开发、生产和应用的体系，并在数控机床攻关中取得了一批可喜的、为世界瞩目的发明专利与工况监控系统或仪器的成果。但从总体上讲，它还不能适应我国经济与科技的迅速发展，我国不少传感器、信号
课程设计任务书 学生姓名：专业班级： 指导教师：工作单位：武汉理工大学 题目: 无速度传感器的矢量控制系统仿真 初始条件： 电机参数为：额定电压U=380V、频率50 =、定子电阻s R=0.252Ω、 f Hz 额定功率P=2.2KW、定子自感 L=0.0016H、转子电阻r R=0.332Ω、额定转速 s n=1420rpm、转子自感r L＝0.0016H、级对数p n＝2、互感m L＝0.08H、转动惯量J=0.6Kgm2 要求完成的主要任务: （1）设计系统原理图; （2）用MATLAB设计系统仿真模型； （3）能够正常运行得到仿真结果,包括转速、转矩等曲线，并将推算转速与实际转速进行比较 参考文献： [1] 洪乃刚.《电力电子和电力拖动控制系统的MATLAB仿真》.北京：机械 工业出版社，2005:212-215 时间安排： 2011年12月5日至2011年12月14日，历时一周半，具体进度安排见下表 具体时间设计内容 12.5 指导老师就课程设计内容、设计要求、进度安排、评分标准等做具体介 绍；学生确定选题，明确设计要求 12.6－12.9 开始查阅资料，完成方案的初步设计 12.10—12.11 由指导老师审核设计方案，学生修改、完善并对其进行分析 12.12－12.13 撰写课程设计说明书 12.14 上交课程设计说明书，并进行答辩 指导教师签名：年月日 系主任（或责任教师）签名：年月日
摘要 异步电动机具有非线性、强耦合、多变量的性质，要获得高动态调速性能，必须从动态模型出发，分析异步电动机的转矩和磁链控制规律，研究高性能异步电机的调速方案。矢量控制是目前交流电动机较先进的一种动态模型,它又有基于转差频率控制的、无速度传感器和有速度传感器等多种矢量控制方式。无速度传感器控制的高性能通用变频器是当前全世界自动化技术和节能应用中受到普遍关心的产品和开发课题。本文介绍无速度传感器的矢量控制系统的原理和Matlab仿真。 关键词：矢量控制、无速度传感器、Matlab
无速度传感器的高性能异步电动机调速系统 范钦德杜耀武 范钦德先生，上海电器科学研究所(集团)有限公司研究员级高级工程师； 杜耀武先生，上海格立特电力电子有限公司工学博士。 关键词：无速度传感器 矢量控制磁链观测 目前广泛使用的通用变频器多为VVVF控制的开环系统，明显地存在转矩小、低速性能差、稳态精确度低、动态性能(加减速性能和负载抗干扰性能)不理想等缺点。特别是低速时由于定子压降和死区电压误差的存在，使系统性能受到严重影响，甚至发生不稳定现象。而在高性能的交流电机矢量控制系统中，转速的闭环控制环节一般是必不可少的。通常，采用光电码盘等速度传感器来进行转速检测，并反馈转速信号。这样，由于速度传感器的安装会给系统带来一些问题：如安装的精确度将影响测速的精确度，并给电机的维护带来一定困难，同时破坏了异步电机的简单坚固的特点，在恶劣环境下，速度传感器工作的精确度易受环境的影响。另外，因必须安装速度传感器，对推广应用也将造成一定的影响。 作为高性能通用变频器发展方向的无速度传感器矢量控制通用变频器就是解决上述缺点而提出的现实问题。其根本目的是在保持通用变频器方便、可靠等优点的前提下，不增加硬件成本，无需速度传感器，其性能却接近带速度反馈的矢量控制系统。 无速度传感器矢量控制的核心问题是对电机磁链的观测和转子的速度进行估计，控制系统性能好坏将取决于合理的控制方案与速度辨识环节的恰当结合。上世纪70年代末国外就已经开展了此项的研究。目前较典型的估计算法有：利用电机方程式直接计算法；模型参考自适应法；扩展卡尔曼滤波法；定子侧电量FFT分析法；非线性方法。但这些方法大多从理想条件下的电机数学模型出发，在不同程度上依赖于电机的参数和运行状态。当电机参数变化时，系统控制性能变差而且有些方法过于复杂，给具体方案的实现带来了很大的困难。基于电机磁链观测的转子速度估计方法计算简便，工程上易于实现，许多高性能无速度传感器矢量控制均采用该方法。 本调速系统基于一种电机磁链混合观测模型，设计了一种无速度传感器的控制方案，实现速度闭环控制。该方法简单实用，在整个速度范围内达到了良好的性能。 一控制原理 矢量控制技术得以有效实现的基础在于异步电机磁链信息的准确获取。为进行磁场定向和磁场反
微加速度传感器的研究现状及发展趋势 摘要：介绍了为加速度传感器的研究现状、基本原理及其分类和发展趋势。重点论述了为加速度传感器的特点和它在民用领域和军用领域的不同应用，并对微加速度传感器领域内一些新的进展进行了讨论，指出了微加速度传感器的发展趋势。 关键词：MEMS 微加速度传感器 应用 发展趋势 Research and Development of Microaccelerometer Abstract：The research situation, the basic principle,classification and its development trend of acceleration sensor are introduced.The characteristics and application in civil areas and military field are discussesed, and some new progress to the micro acceleration sensor field are discussed.The development trend of micro acceleration sensor is proposed. Keywords：MEMS Micro acceleration sensor Applications Development trend 0前言 20世纪40年代初，德国人研制了世界上第一只摆式陀螺加速度计。此后的半个多世纪以来，由于航空、航海和航天领域对惯性测量元件的需求，各种新型加速度计应运而生，其性能和精度也有了很大的完善和提高。 加速度计面世后一直作为最重要的惯性仪表之一，用在惯性导航和惯性制导系统中，与海陆空天运载体的自动驾驶及高技术武器的高精度制导联系在一起受到重视。这时候的加速度计整个都很昂贵，使其他领域对它很少问津。 这种状况直到微机械加速度计(Micro Mechanical Accelerometer，MMA)的问世才发生了改变。随着微机电系统技术的发展，微加速度计制作技术越来越成熟，国内外都将微加速度计开发作为微机电系统产品化的优先项目。微加速度计与通常的加速度计相比，具有很多优点：体积小、重量轻、成本低、功耗低、可靠性好等。它可以广泛地运用于航空航天、汽车工业、工业自动化及机器人等领域，具有广阔的应用前景。 当前国内在加速度技术上仍沿用传统的压电技术，精度停留在5×10-5g水平上，而且尺寸偏大，重量偏重，影响我国惯导技术的先进性。近年来国内虽然有多个单位MEMS微加速度计进行了研究，但在精度上仍未取得突破，大体上只能达到10-1g的水平。 1微加速度传感器概述及发展现状 1.1微加速度传感器的工作原理 MEMS加速度传感器是以集成电路工艺和微机械加工工艺为基础，在单晶硅片上制造出来的微机电系统，包括微机械加速度计、微机械陀螺仪和微惯性测量组合(MIMU)。微加速度传感器的工作原理是经典力学中的牛顿定律，其功能是测量运动物体(如车辆、飞机、导弹、舰艇、人造卫星等)的质心运动和姿态运动，进而可以对运动物体实现控制和导航。MEMS微加速度传感器与非MEMS为加速度传感器相比，其体积和价格可减少几个数量级，对国防具有重大战略意义。基于MEMS加速度传感器建低成本、高性能的微型惯性导航系统正在成为当前惯性技术领域的一个研究热点。
传感器技术的研究应用现状与发展前景 传感器技术作为信息技术的三大基础之一，是当前各发达国家竞相发展的高技术是进入21 世纪以来优先发展的十大顶尖技术之一。传感器在科学技术领域、工农业生产以及日常生活中发挥着越来越重要的作用。人类社会对传感器提出的越来越高的要求是传感器技术发展的强大动力，而现代科学技术突飞猛进则提供了坚强的后盾。传感器是信息系统的源头, 在某种程度上是决定系统特性和性能指标的关键部件。本文回顾了传感器技术的发展历史，综述了近几年高端前沿的光电传感器技术和生物传感器技术的主要研究应用状况，并通过简述当前的应用实例，展望了现代传感器技术的发展和应用前景。 1.引言 传感器是将物理、化学、生物等自然科学和机械、土木、化工等工程技术中的非电信号转换成电信号的换能器。当今社会的发展是信息化社会的发展，在信息时代人们的社会活动将主要依靠对信息资源的开发及获取、传输与处理，而传感器是获取自然领域中信息的主要途径与手段，是现代科学的中枢神经系统，它是指那些对被测对象的某一确定的信息具有感受(或响应)与检出功能，并使之按照一定规律转换成与之对应的可输出信号的元器件或装置的总称。传感器处于研究对象与测控系统的接口位置一切科学研究和生产过程所要获取的信息都要通过它转换为容易传输和处理的电信号。如果把计算机比喻为处理和识别信息的大脑，把通信系统比喻为传递信息的神经系统，那么传感器就是感知和获取信息的感觉器官。传感器技术是现代科技的前沿技术，发展迅猛，同计算机技术与通信技术一起被称为信息技术的三大支柱，许多国家已将传感器技术列为与通信技术和计算机技术同等重要的位置现代传感器技术具有巨大的应用潜力拥有广泛的开发空间，发展前景十分广阔。 2.传感器的发展历史及分类 2.1传感器技术的发展历史 传感器技术是20世纪的中期才刚刚问世的，在那时与计算机技术和数字控制技术相比，传感技术的发展都落后于它们，不少先进的成果仍停留在实验研究阶段并没有投入到实际生产与广泛应用转化率比较低。在国外，传感器技术主要是在各国不断发展与提高的工业化浪潮下诞生的，并在早期多用于国家级项目
龙源期刊网 https://www.doczj.com/doc/238857935.html, 浅谈交流电机无速度传感器控制策略 作者：吴宏宇吴兴宇史运涛 来源：《科技风》2016年第24期 摘要：目前，随着工业自动化的不断发展，交流电机将会被广泛使用。同时由于无速度 传感器技术具有低成本与高可靠性等优点，所以发展交流电机无速度传感器技术，对于提高科技生产力以及工业自动化具有极其重要的意义。本文将简要介绍高性能无速度传感器交流电机控制策略，一种是异步电机与速度自适应全阶观测器相结合，另一种永磁同步电机与滑模观测器相结合的控制方法，旨在进一步促进高性能无速度传感器交流电机控制策略的发展。 关键词：交流电机；无速度传感器；全阶观测器；滑模观测器 随着电力电子技术、微电子技术、现代电机控制理论的迅速发展，交流电机获得快速的推广与应用[ 1 ]。目前，在高性能交流电机控制领域中矢量控制[ 2 ]已经被广泛应用。在实际应用中，为了进一步提高交流电机在不同环境下运行的可靠性，交流电机无速度传感器控制技术被提出。无速度传感器控制方法主要分为两大类，一种为外部信号注入，这种方法只适应于极低速的工况运行，同时额外的信号注入会带来高损耗、噪声等问题。另一种为基于交流电机模型的方法，如：模型参考自适应[ 3 ]、卡尔曼滤波[ 4 ]、滑模观测器[ 5 ]、自适应全阶观测器[ 6 ]等方法，这些方法具有很高的控制精度以及鲁棒性。 本文将重点介绍自适应全阶观测器、滑模观测器与矢量控制在交流电机无速度传感器技术中的应用。 1 速度自适应全阶观测器 对于异步电机来说，定子磁链和电磁转矩通常无法直接得到，一般是采用实时测量的电压电流信息和电机参数，并根据电机数学模型构造观测器来对内部的状态变量进行估计。全阶观测器在较宽范围内都有很高的观测精度[ 7 ]，通过引入速度自适应环节后可以在观测定子磁链的同时估计电机转速，实现无速度传感器控制。 在全阶观测器的设计中，反馈增益矩阵与自适应率系数的设计直接关系到系统的稳定性、鲁棒性以及收敛速度[ 7 ]。为了保证系统的稳定性与收敛性，本文将介绍一种采用极点左移的方法来设计增益矩阵并对其进行简化，最终得到一个常数增益矩阵。引入速度自适应环节，可以利用李雅普诺夫函数推导出转速估计的自适应率[ 7 ]，在实际应用中为了保证估计转速的收敛速度一般采用PI调节器来代替纯积分环节。 2 滑模观测器 在无速度传感器永磁同步电机控制策略中，滑模观测器被广泛应用，因为其具有结构简单、鲁棒性强以及快速的动态响应[ 8 ]。滑模观测器的主要思想是通过选取滑模面与滑模增益
传感器技术发展现状及趋势 桂林航天工业学院 课程论文 题目：传感器技术发展现状及趋势 专业：工商企业管理（生产运作与质量管理） 姓名：罗并 学号：20190820Z00102 指导教师：陈少航 2019年 6月12日 传感器技术发展现状及趋势 在信息化社会，几乎没有任何一种科学技术的发展和应用能够离得开传感器和信号探 测技术的支持。生活在信息时代的人们，绝大部分的日常生活与信息资源的开发，采集， 传送和处理息息相关。分析当前信息与技术发展状态，21世纪的先进传感器必须具备小型化，智能化，多功能化和网络化等优良特征。 为了能够与信息时代信息量激增，要求捕获和处理信息的能力日益增强的技术发展趋 势保持一致，对于传感器性能指标(包括精确性，可靠性，灵敏性等)的要求越来越严格； 与此同时，传感器系统的操作友好性亦被提上了议事日程，因此还要求传感器必须配有标 准的输出模式；而传统的大体积弱功能传感器往往很难满足上述要求，所以它们已逐步被 各种不同类型的高性能微型传感器所取代；后者主要由硅材料构成，具有体积小，重量轻，反应快，灵敏度高以及成本低等优点。 目前，几乎所有的传感器都在由传统的结构化生产设计向基于计算机辅助设计(CAD) 的模拟式工程化设计转变，从而使设计者们能够在较短的时间内设计出低成本，高性能的 新型系统，这种设计手段的巨大转变在很大程度上推动着传感器系统以更快的速度向着能 够满足科技发展需求的微型化的方向发展。 智能化传感器(Smart Sensor)是20世纪80年代末出现的另外一种涉及多种学科的新 型传感器系统。此类传感器系统一经问世即刻受到科研界的普遍重视，尤其在探测器应用 领域，如分布式实时探测，网络探测和多信号探测方面一直颇受欢迎，产生的影响较大。，智能化传感器具有以下优点: (1)智能化传感器不但能够对信息进行处理，分析和调节，能够对所测的数值及其误 差进行补偿，而且还能够进行逻辑思考和结论判断，能够借助于一览表对非线性信号进行
交流感应电动机无速度传感器的 高动态性能控制方法综述 清华大学 杨耕 上海大学 陈伯时 摘要:文章分析了交流感应电机无速度传感器的高动态性能控制方案的控制要点。在介绍国内外产业界已实用化的、以及正在研发中的几种代表性的控制策略的同时,讨论了各种方法理论要点和实际应用中的特点。最后,介绍了当前的几个研究热点问题并就发展方向提出了一点设想。 关键词:异步电动机控制 无速度传感器 转矩控制 磁链观测 速度辨识 Rev iew the M ethods for the Speed Sen sor-less Con trol of I nduction M otor Yang Geng Chen Bo sh i Abstract:T h is paper analyzes theo retical po ints of the i m p lem entati on fo r h igh perfo r m ance contro l of in2 ducti on mo to r w ithout speed senso r.A fter that,typ ical app roaches of the contro l strategy,w h ich are used in p ractical p roducts o r are being developed recently,are p resented and the characteristic of each app roach is dis2 cussed.F inally,som e unso lved p roblem s being researched as w ell as the develop ing po tentials are introduced. Keywords:contro l of inducti on mo to r speed senso r2less to rque contro l flux observer speed identifica2 ti on 1 前言 交流感应电机的无速度传感器高动态性能控制,是为了实现与有速度传感器的矢量控制(或直接转矩控制)相当的转矩和速度性能的方案,被用于无法设置速度传感器的设备或新一代高性能通用变频器之中[1,2]。相关的理论与技术也成为近10年来交流传动领域的热门研发内容之一。 本文主要综述在无速度传感器的前提下,具有速度反馈控制环的矢量控制方案(V C)和直接转矩控制方案(D TC),而不讨论诸如“V F控制+为补偿负载变动的滑差补偿”等只考虑静态的方法。本文在介绍各种方法的同时,综述其理论要点和实际应用中的特点、介绍所应用的厂家,从中总结出实现高动态性能控制的要点及主要成果。最后,介绍当前几个研究热点问题。 2 控制方法 211 方法分类的出发点 一般地,由转矩控制环及速度控制环构成的无速度传感器矢量控制(或直接转矩控制)系统由图1所示的3个环节构成。即:①速度调节器;②磁链和转矩控制器;③速度推算或辨识器(含磁链计算或观测) 。 图1 无速度传感器控制系统构成 对于环节②,需要控制转矩和磁链。由此可以分为:a以转子磁链定向控制为基础的矢量控制策略。目前常用的有计算滑差频率的被称为间接法(I V C)和把状态观测器观测到的转子磁链进行反馈控制的直接法(DV C)。b以控制定子磁链为特点的,被称之为直接转矩控制策略(D TC)。 环节③的结构依存于环节②的结构。实际上在计算或推定速度值时,常常也要获得(计算或观测)磁链(转子的或是定子的)值。因此,按其理论上的特点,可以把获得转速和磁链的方法大致分 3 电气传动 2001年 第3期
航空新型传感器的发展现状分析 微机电系统（Microelectro Mechanical Systems,MEMS）是在微电子技术基础上发展起来的多学科交叉的前沿研究领域。经过几十年的发展，已成为世界瞩目的重大科技领域之一。它涉及电子、机械、材料、物理学、化学、生物学、医学等多种学科与技术，具有广阔的应用前景。目前，全世界有大约600余家单位从事MEMS的研制和生产工作，已研制出包括微型压力传感器、加速度传感器、微喷墨打印头、数字微镜显示器在内的几百种产品，其中微传感器占相当大的比例。微传感器是采用微电子和微机械加工技术制造出来的航空新型传感器。与传统的传感器相比，它具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时，在微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。本文概述国内外目前已实现的微机械传感器特别是微机械谐振式传感器的类型、工作原理、性 能和发展方向。 微机械压力传感器是最早开始研制的微机械产品，也是微机械技术中最成熟、最早开始产业化的产品。从信号检测方式来看，微机械压力传感器分为压阻式和电容式两类，分别以体微机械加工技术和牺牲层技术为基础制造。从敏感膜结构来看，有圆形、方形、矩形、E形等多种结构。目前，压阻式压力传感器的精度可达 0.05％～0.01％,年稳定性达0.1％/F.S,温度误差为0.0002％,耐压可达几百兆帕,过压保护范围可达传感器量程的20倍以上,并能进行大范围下的全温补偿[1]。现阶段微机械压力传感器的 主要发展方向有以下几个方面。 (1)将敏感元件与信号处理、校准、补偿、微控制器等进行单片集成，研制智能化 的压力传感器。 这一方面，Motorala公司的YoshiiY等人在Transducer'97上报道的单片集成智能压力传感器堪称典范[2]。这种传感器在1个 SOI晶片上集成了压阻式压力传感器、温度传感器、CMOS电路、电压电流调制、8位MCU内核（68H05）、10位模/数转换（A/D）器、8位数模转换（D/A）器，2K字节EPROM、128字节RAM，启动系统ROM和用于数据通信的外围电路接口，其输出特性可以由MCU的软件进行校准和补偿，在相当宽的温度 范围内具有极高的精度和良好的线性。 (2)进一步提高压力传感器的灵敏度，实现低量程的微压传感器[3]。 这种结构以Endevco公司在1977年提出的双岛结构为代表,它可以实现应力集中从而提高了压阻式压力传感器的灵敏度,可实现10kPa以下的微压传感器。1989年复旦大学提出1种梁膜结构来实现应力集中，其结构可看作1个正面的哑铃形梁叠加在平膜