Нажмите для просмотра прикрепленного файла

Конечно, чайник - понятие относительное. В общем, попалась мне эта работа, после просмотра по диагонали захотелось читать,читать, читать... Чего и всем остальным желаю. Очень структурированно. RTFM!
ЗЫ: можно сразу в какой-нить MATHCAD загонять.

Попалась еще одна работа. Странно, почему раньше не находил... вариант, что я тупой, отпадает: комбинация слов для поиска практически неизменная

Нажмите для просмотра прикрепленного файла

Модератору: я вижу тенденцию, что объем ценных файлов начинает увеличиваться. С другой стороны, нет никакой гарантии, что ссылки на эти доки будут валидными. Как считаете, будет лучше: просто ссылки кидать, делать как сейчас или заливать в закрома ?

Спасибо, _Pasha за инфу. Тоже вот нашёл какие-то фундаментальные описания по ШД. Сам честно говоря, мало что в них понял - возможно из-за того, что мне на данный момент это не нужно, но может кому то сейчас пригодиться. И возможно, что не только чайникам

Внесу свои 5 копеек.
Вот тезисы товарища BİLAL AKIN, на соискание DEGREE OF MASTER OF SCIENCE.

Аннотация
This thesis presents different state estimation techniques for speed sensorlees field oriented control of induction motors. The theoretical basis of each algorithm is explained in detail and its performance is tested with imulations and experiments individually.
First, a stochastical nonlinear state estimator, Extended Kalman Filter (EKF) is presented. The motor model designed for EKF application involves rotor speed, dq-axis rotor fluxes and dq-axis stator currents. Thus, using this observer the rotor speed and rotor fluxes are estimated simultaneously. Different from the widely accepted use of EKF, in which it is optimized for either steady-state or transient operations, here using adjustable noise level process algorithm the optimization of EKF has been done for both states; the steady-state and the transient-state of operations. Additionally, the measurement noise immunity of EKF is also investigated.
Second, Unscented Kalman Filter (UKF), which is an updated version of EKF, is proposed as a state estimator for speed sensorless field oriented control of induction motors. UKF state update computations, different from EKF, are derivative free and they do not involve costly calculation of Jacobian matrices. Moreover, variance of each state is not assumed Gaussian, therefore a more realistic approach is provided by UKF. In this work, the superiority of UKF is shown in the state estimation of induction motor.
Third, Model Reference Adaptive System is studied as a state estimator. Two different methods, back emf scheme and reactive power scheme, are applied to MRAS algorithm to estimate rotor speed.
Finally, a flux estimator and an open-loop speed estimator combination is employed to observe stator-rotor fluxes, rotor-flux angle and rotor speed. In flux estimator, voltage model is assisted by current model via a closed-loop to compensate voltage model’s disadvantages.

Keywords: Induction motor drive, sensorless field-oriented control, state estimation,
EKF, UKF, MRAS

На мой взгляд, весьма сильная, гармоничная работа, сочетающая теоретическую информацию с ее практической реализацией.

Спасибо за правильное оформление! Тогда всем пожелание: давайте тоже ABSTRACT при выкладывании чего-либо. А не так, как у меня, по дурацки. Я тоже исправлюсь

Ух!
Набрел на схемы частотников Control Techniques.
Изделия, внушающие уважение, хоть и устаревшие, но не мне рассказывать, что 5 лет назад электроника в общем и целом была лучше, чем ныне.
Кстати, вживую - платы красивейшие, без признаков бессвинца
Изучайте, в общем, схемоту, кому надо.
Нажмите для просмотра прикрепленного файла