Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Marginalized particle filter for sensorless control of PMSM drives

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F12%3A43916873" target="_blank" >RIV/49777513:23220/12:43916873 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6388915" target="_blank" >http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6388915</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/IECON.2012.6388915" target="_blank" >10.1109/IECON.2012.6388915</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Marginalized particle filter for sensorless control of PMSM drives

  • Popis výsledku v původním jazyce

    Marginalized particle filter is a stochastic filter combining Kalman filters with particle filters. It decomposes the model into linear and nonlinear part and applies the Kalman filter for the former and the particle filter for the latter. Its application in sensorless control of permanent magnet synchronous motor (PMSM) drives is based on separate treatment of the state variables: the rotor position is represented by a set of samples (particles), and the rotor speed is estimated by the Kalman filters associated with each sample. In effect, this allows to represent accurately the inherent non-Gaussianity and nonlinearity of the model. We show that the resulting filter is capable to estimate the rotor position in the full speed range, including the standstill. Analysis of the filter performance is presented on open-loop off-line analysis of data recorded on a drive prototype. Execution time of optimized implementation of the algorithm for six particles in DSP is comparable to that of th

  • Název v anglickém jazyce

    Marginalized particle filter for sensorless control of PMSM drives

  • Popis výsledku anglicky

    Marginalized particle filter is a stochastic filter combining Kalman filters with particle filters. It decomposes the model into linear and nonlinear part and applies the Kalman filter for the former and the particle filter for the latter. Its application in sensorless control of permanent magnet synchronous motor (PMSM) drives is based on separate treatment of the state variables: the rotor position is represented by a set of samples (particles), and the rotor speed is estimated by the Kalman filters associated with each sample. In effect, this allows to represent accurately the inherent non-Gaussianity and nonlinearity of the model. We show that the resulting filter is capable to estimate the rotor position in the full speed range, including the standstill. Analysis of the filter performance is presented on open-loop off-line analysis of data recorded on a drive prototype. Execution time of optimized implementation of the algorithm for six particles in DSP is comparable to that of th

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JA - Elektronika a optoelektronika, elektrotechnika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GAP102%2F11%2F0437" target="_blank" >GAP102/11/0437: Regulace a identifikace parametrů střídavých elektrických pohonů v kritických provozních stavech</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of IECON 2012 - 38th Annual Conference on IEEE Industrial Electronics Society and 2012 6th IEEE International Conference on E-Learning in Industrial Electronics (ICELIE) Montreal, Canada

  • ISBN

    978-1-4673-2421-2

  • ISSN

    1553-572X

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    1877-1882

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Montreal

  • Datum konání akce

    25. 10. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000316962901144