1.一种改进自适应无轨迹卡尔曼滤波转动惯量辨识方法，其特征在于，具体按照以下步骤实施：

步骤1、利用预测误差向量和测量噪声协方差矩阵求解自适应因子，所述步骤1具体按照以下步骤实施：步骤1.1、对永磁同步电机非线性系统进行建模，搭建UKF算法的方程，UKF方程表示为：式中，x为状态变量；为状态变量x的估计值；y为观测量； 为观测量y的估计值；A为状态变量的矩阵；B为输入矩阵；H为观测量的矩阵；u为输入变量；K为卡尔曼修正系数矩阵，t为时间；

步骤1.2、将公式(1)、(2)离散化构建UKF数字化系统，分别计算离散后的状态变量的估计值 离散后的观测量的估计值

计算离散后的状态变量的预测值 离散后的观测量的预测值式中，A′为离散后的状态矩阵；B′为离散后的输入矩阵；Hk为离散后的观测量的矩阵；Kk为离散后的卡尔曼修正系数矩阵；下标“k”代表离散化采样时刻；上标“～”为预测值；上标T

“^”为估计值；离散后的状态变量xk＝[ωm TL 1/J] ；离散后的观测量yk＝ωm；离散后的输入变量uk＝Tem；ωm为永磁同步电机转子角速度；TL为永磁同步电机负载转矩；J为永磁同步电机转动惯量；Tem为永磁同步电机电磁转矩；

步骤1.3、定义预测误差向量 即为永磁同步电机转子实际角速度与估计角速度的差值；自适应因子γk由以下公式得到：其中，Py为测量误差协方差矩阵；tr(·)表示矩阵的求迹运算；

由公式(7)知，自适应因子γk对于UKF算法的改进在于：当滤波初值选取存在误差或者系统状态模型存在扰动时，γk＜1，其含义表示系统的数学模型预测信息对滤波算法影响应尽量小；当永磁同步电机控制系统状态模型出现异常波动时，γk近似为0，因此，γk能够结合协方差观测值自适应地调节永磁同步电机控制系统各状态量；

步骤2、利用互协方差矩阵和测量误差协方差矩阵求解卡尔曼修正系数矩阵，与自适应因子一起构建永磁同步电机控制系统的改进自适应无轨迹卡尔曼滤波器；

所述步骤2具体如下：

步骤2.1，设置UKF状态方程的初始状态变量及其误差协方差矩阵，然后构造并计算UKF算法中的概率密度分布Sigma点：初始化状态变量及其方差：

其中， 为状态变量初始均值，E[·]为求取期望运算，x(0)为状态变量初始值，P(0)为误差协方差矩阵的初始值；

采用传统对称性采样，所选取的Sigma点个数为2L+1，Sigma点的构造公式如下：2

其中，χ0代表第一个Sigma采样点，χi代表第i个Sigma采样点；λ为比例因子，λ＝α(L+κ)‑L；α为尺度参数，决定着Sigma点在永磁同步电机控制系统的状态变量均值 周围的分布状态；κ为可调参数，调整此参数可以提高逼近精度，当永磁同步电机控制系统的状态变量为多变量且是高斯分布时，κ＝3‑L； 矩阵平方根的第i行或第i列，矩阵平方根的第i‑1行或第i‑1列，采用Cholesky分解方法求取；Px为状态误差协方差矩阵；N+为正整数集合；

根据公式(9)选取Sigma点如下：其中，k代表采样时刻；

构造完Sigma点后需要对每个点赋予相应的权值，其权值系数计算方法如下：其中， 为均值的权系数； 为方差的权系数； 分别为均值权系数和方差权系数的初值；α为尺度参数，决定着Sigma点在永磁同步电机控制系统的状态变量均值 周‑4

围的分布状态，10 ≤α≤1；β为非负的权系数，N+为正整数集合；

步骤2.2，求状态变量预测均值和方差，计算过程如下：其中，k代表采样时刻； 表示经过非线性变换后的Sigma点；χi(k‑1)为选取的Sigma点；f[·]为永磁同步电机非线性系统状态函数； 为k时刻状态变量的预测值；

为均值的权系数； 为状态误差协方差矩阵的预测值； 为方差的权系数；Q(k)为系统噪声协方差矩阵； 为k时刻观测量的预测值；h[·]为永磁同步电机非线性观测函数；

步骤2.3，更新测量误差协方差矩阵和互协方差矩阵：其中，k代表采样时刻；Py(k)为测量误差协方差矩阵；γk为自适应因子； 为方差的权系数； 表示经过非线性变换后的Sigma点； 为k时刻观测量的预测值；R(k)为测量噪声协方差矩阵； 为k时刻状态变量的预测值；Pxy(k)为互协方差矩阵；h[·]为永磁同步电机非线性观测函数；

步骤2.4，利用互协方差矩阵和测量误差协方差矩阵，求解卡尔曼修正系数矩阵K：离散后的卡尔曼修正系数矩阵的计算方程为：‑1

Kk＝Pxy(k)Py (k)      (18)其中，k代表采样时刻，Py(k)为测量误差协方差矩阵，Pxy(k)为互协方差矩阵；

根据公式(16)、(17)、(18)得到改进后的离散卡尔曼修正系数矩阵公式，用于对状态变量和状态误差协方差矩阵进行修正更新：其中，k代表采样时刻；K′k为改进后的离散卡尔曼修正系数矩阵；Py(k)为测量误差协方差矩阵；γk为自适应因子； 为方差的权系数； 表示经过非线性变换后的Sigma点；

为k时刻状态变量的预测值； 为k时刻观测量的预测值；R(k)为测量噪声协方差矩阵；Pxy(k)为互协方差矩阵；h[·]为永磁同步电机非线性观测函数；

步骤3、在线实时调整状态预测协方差矩阵，得到状态变量和误差协方差矩阵的最优估计值，从而提高永磁同步电机转动惯量辨识的收敛速度，优化永磁同步电机转动惯量辨识的动态性能，

所述步骤3具体如下：

步骤3.1，构造测量噪声协方差矩阵R(k)的调节方程：2

R′(k)＝[e(J)]R(k)max+R(k)min 0≤e(J)≤1         (20)其中，R′(k)为测量噪声协方差调节矩阵，R(k)max为稳定性最好的测量噪声协方差矩阵，R(k)min为收敛速度最快的测量噪声协方差矩阵，e(J)为永磁同步电机转动惯量实际值与辨识值偏差的标幺值，

因此，公式(19)改写为：

其中，K′k为改进后的离散卡尔曼修正系数矩阵；R′(k)为测量噪声协方差调节矩阵；k代表采样时刻；Py(k)为测量误差协方差矩阵；γk为自适应因子； 为方差的权系数；

表示经过非线性变换后的Sigma点； 为k时刻状态变量的预测值； 为k时刻观测量的预测值；Pxy(k)为互协方差矩阵；h[·]为永磁同步电机非线性观测函数；

步骤3.2，对预测值进行修正更新，使辨识值尽快接近真实值，以提高永磁同步电机转动惯量辨识的动态性能：

对预测值修正更新得到状态变量在k时刻的估计值和状态误差协方差矩阵的方程如下：

其中，k代表采样时刻； 为状态变量在k时刻的预测值；y(k)为k时刻的观测量；

为k时刻观测量的预测值；K′k为改进后的离散卡尔曼修正系数矩阵；γk为自适应因子，为状态误差协方差矩阵的预测值，Py(k)为测量误差协方差矩阵， 为K′k的转置。

2.根据权利要求1所述的一种改进自适应无轨迹卡尔曼滤波转动惯量辨识方法，其特征在于，所述步骤2.1中非负的权系数β取2。

3.根据权利要求1所述的一种改进自适应无轨迹卡尔曼滤波转动惯量辨识方法，其特征在于，所述永磁同步电机转动惯量实际值与辨识值偏差的标幺值e(J)取值范围为[0,1]。