1.用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，其特征在于，具体按照如下步骤进行：步骤1：以定子电流、转子磁链和转子速度为状态变量，建立异步电机在两相静止坐标系下的数学模型；

步骤2：基于步骤1得到的所述异步电机在两相静止坐标系下的数学模型，将改进的Sage-Husa噪声统计估计器嵌入到迭代卡尔曼滤波器中，通过迭代运算和在线估计得到虚拟噪声的未知协方差矩阵；

步骤3：在步骤2中得到所述虚拟噪声的未知协方差矩阵中，引入自适应衰落因子，同时增加估计的状态向量的方差，得到了改进后的迭代扩展卡尔曼滤波。

2.根据权利要求1所述的用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，其特征在于，步骤1中，所述异步电机在两相静止坐标系下的数学模型如公式(1)所示：其中，A为系统矩阵，B为输入矩阵，C为输出矩阵；

u、 依次为状态变量、输入变量、输出变量；

将公式(1)进行一阶后向差分离散化，得到：其中，

xk＝[isα,k isβ,k ψrα,k ψrβ,k ωr,k]T,uk＝[usα,k usβ,k]T，T′sr＝σLs/Rsr，Rsr＝Rs+(Lm/Lr)2Rr,Tr＝Lr/Rr；

其中，Rs为电机定子电阻，Rr为转子电阻；ψrα为α轴下的转子磁链分量，ψrβ为β轴下的转子磁链分量，Ls为电机定子电感，Lm为互感，Lr为转子电感，ωr为电机转速，usα为α轴下的定子电压分量，usβ为β轴下的定子电压分量，isα为α轴下的定子电流分量，isβ为β轴下的定子电流分量。

3.根据权利要求1所述的用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，其特征在于，所述步骤2具体为：步骤2.1鉴于系统噪声和测量噪声的影响因素，基于异步电机调速系统的离散化数学模型可表示为：其中，xk为状态向量，zk为测量向量，wk为状态噪声，vk为测量噪声，fk为可微的过渡函数，gk为测量函数，同时，做出如下假设：wk和vk为零均值、独立恒等分布的高斯噪声如下公式(4)，其中， 状态的先验分布近似为高斯分布

步骤2.2：通过对过程函数和测量函数的扩展，给出了基于泰勒级数近似的当前估计如下公式(5)：其中， Δ1和Δ2表示截断的高次项，得到的局部线性化模型如下公式(6)：

其中， 为虚拟过程噪声， 为虚拟测量噪声，步骤2.3：忽略高阶项Δ1和Δ2，得到 和 然后将卡尔曼滤波应用于局部线性化的模型，得到EKF，

步骤2.4：由于忽略了高阶项，IEKF重新对系统方程进行了一步前向平滑估计和当前状态滤波估计，并迭代地利用时间传播和测量更新i次，在只考虑测量校正的情况下，给定一个先验状态估计 i次迭代操作的IEKF算法如下公式(15)：其中，i为迭代次数；

步骤2.5：动态更新Q和R矩阵

其中，r为虚拟测量噪声的均值， bf为遗忘因子，取值为0

其中，q为虚拟过程噪声的均值，dk和εk同上，省略后半部分减法项可得到如下公式(25)：

4.根据权利要求3所述的用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，其特征在于，所述步骤2.3的具体操作如下：提前一步预测

测量校正：

其中，K是增益矩阵，P是误差协方差矩阵，R为测量噪声协方差矩阵，Q为系统噪声协方差矩阵，I为单位矩阵，上标 表示预测值，下标k表示当前拍，k-1表示上一拍。

5.根据权利要求1所述的用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，其特征在于，所述步骤3的具体过程为：步骤3.1：按照如下公式(26)，将衰落因子应用在估计的协方差矩阵，以增加估计的状态向量的方差：其中，λ为衰落因子， Nk＝G0-Rk-

CQkCT，