自适应扩展卡尔曼滤波算法

鲁棒状态估计

通过马氏距离鲁棒加权与自适应遗忘因子在线更新新息协方差，使无传感器BLDC控制在动态工况下仍能保持较高的转子位置与速度估计精度。

Tong, Jinwu · Lu, Xinyun · Li, Peng · 孙晋

Sensors 2026

技术优势

估计精度显著提升

通过马氏距离鲁棒加权和自适应遗忘因子在线更新新息协方差，有效抑制模型失配和扰动的影响，使转子位置和速度估计精度明显高于传统EKF。

动态响应更快

由于新息协方差能够根据工况实时调整，滤波器增益得到优化，因此系统在转速阶跃和突加负载时响应更迅速。

抗扰鲁棒性更强

马氏距离鲁棒加权策略可识别并抑制野值，使得估计器对外部扰动不敏感，系统鲁棒性提升。

应用场景

• 无刷直流电机驱动控制：替代传统EKF模块，无需额外硬件即可提升无传感器控制性能。
• 机器人关节电机控制：在负载突变时保持高精度状态估计，提高关节控制鲁棒性。
• 工业设备状态监测：提供更准确的转子速度和位置信号，有助于设备状态监测。
• 无人机电调控制：在动态飞行工况下提高转速估计精度，增强电调控制稳定性。