07AA60R1 GJV3074365R1
卡尔曼滤波器同样也观测器的一种。是卡尔曼滤波思想在观测器理论的应用。扩展卡尔曼滤波器同其他观测器一样，能够跟踪系统状态，其所不同的是它是非线性的、随机的。ekf状态估计分为两大阶段：预测阶段和校正阶段。在预测阶段由上一次估计所得结果推算下一次估计的预测值。在校正阶段为利用实际输出和预测输出偏差对预测值进行反馈校正。卡尔曼滤波实质就是对预测值反馈校正。因此，不仅具有优化和自适应能力，而且可以更好地抑制测量噪声和系统噪声。但是ekf滤波器缺点在于系统测量噪声和系统噪声的未知，带来的问题是难于采用确定的办法选择ekf滤波器中协方差矩阵。一般采用试凑法选择协方差矩阵，而协方差矩阵关系到系统动态性能及其稳定性。因此，协方差矩阵的确定关乎系统稳定与否显得至关重要。
滑模观测器是滑模变结构控制在观测器理论的一种应用。其特点是性能完全由其滑模超平面决定，过渡过程不会产生超调，整个系统对本身参数变化及外部扰动均具有较强的稳健性。基本思想是首先根据pmsm数学模型建立滑模电流观测器，选择滑模观测器观测电流与实际电流偏差为滑模超平面，该偏差经砰砰控制，估算出含高次谐波的感应电动势构成系统闭环，含有高次的感应电动势经滤波后计算得出位置和转速。估计变量中含有高次谐波是滑模观测器的不足之处，这影响了高性能伺服系统中的应用，尽管可以进行滤波处理，但通常方式的滤波会引起相位偏差。如前所述卡尔曼滤波器可以考虑噪声对系统的影响，可以将滑模观测器与卡尔曼滤波有效结合，成分发挥卡尔曼滤波的长处，构成更加完善的观测器。
免责声明：
AMIKON我们销售新产品和停产产品，独立渠道购买此类特色产品。阿米控不是本网站特色产品的授权分*销商、经销商或代表。本网站上使用的所有产品名称/产品图片、商标、品牌和徽标均为其各自所有者的财产。带有这些名称,图片、商标、品牌和徽标的产品描述、描写或销售仅用于识别目的，并不表示与任何权利持有人有任何关联或授权。
