学习型残差实验观测器：基于机器学习和主动实验的电机参数观测器
内容提要
本文提出学习型残差实验观测器（LREO），将永磁同步电机高频注入由按转速开关的开环策略改为由联合后验不确定性驱动的受控实验。该方法统一维护转子位置、转速、电阻、磁链与电感的联合协方差，利用带遗忘的累积信息矩阵定位不可辨识方向，通过双判据加新息检验实现“继续估计、触发注入、模型告警”三分支决策，并以信息增益与代价门控保证注入稀疏有据。
延伸解读
从“按转速表”到“按信息缺口”的范式转变
文章指出，传统高频注入按转速阈值开关，隐含“低速必缺观测、高速必充足”的假设。但参数温漂、深度弱磁、大电流饱和等场景下，高速也可能出现某方向不可辨识。LREO 改用联合后验协方差与累积信息矩阵最小特征值双判据触发注入，使转速阈值成为判据的特例而非预设。这提醒读者：无传感器控制的注入时机应关注信息结构，而非单一转速变量。
三分支决策：区分“看不清”与“模型坏了”
文章用新息一致性检验把不确定性分为两类：协方差大而新息正常，说明信息不足，可触发注入实验修复；新息持续超限，则说明模型失配，注入也救不了，应告警降级。这一区分直指“一有不确定性就无脑注入”的工程误区。对读者而言，这意味着注入策略必须与故障诊断逻辑耦合，否则可能用高频激励掩盖死区补偿残差或传感器故障等真实问题。
注入收益二次衰减，稀疏注入有解析依据
文章由 Sherman–Morrison 公式导出：单次标量观测的协方差缩减为方向方差²÷(方向方差+噪声方差)。方向已被照亮时增益二次趋零，方向很暗时一次实验几乎消除全部方差。这从解析上说明连续注入收益递减、注入行为天然稀疏，并支撑代价门控判据。读者可据此理解：注入不是越多越好，其价值取决于当前方向方差与注入噪声的相对大小。
适用边界：表贴电机与低速参数耦合的诚实局限
文章明确承认方法边界：表贴式电机凸极微弱，位置方向注入收益天然受限，代价门控会降低其优先级；低速下定子电阻与永磁磁链的敏感方向近似共线，任何算法都无法凭空解耦，LREO 的贡献是让后验诚实展宽并主动设计实验去“挣”可辨识性，而非虚假收敛。读者应把触发阈值整定和双高斯近似下的 π 歧义管理视为工程落地的主要难点。
Q&A
什么是学习型残差实验观测器（LREO）？
学习型残差实验观测器（Learning Residual-Experiment Observer, LREO）是一种用于永磁同步电机无传感器控制的观测器框架。它在一个联合状态—参数贝叶斯后验中同时维护转子位置、转速、定子电阻、永磁磁链与电感的不确定性，利用带遗忘因子的累积Fisher信息矩阵监测各状态方向的可辨识性，仅当后验协方差与信息矩阵最小特征值构成的双判据同时满足时，触发一次对准缺失可辨识方向的受控高频注入，并将注入响应作为额外观测行块进入同一次贝叶斯更新。
LREO如何决定什么时候需要高频注入？
LREO的注入触发不是按转速阈值，而是由联合后验的不确定性结构决定。具体使用两个判据：C1（后验不确定度超限，即联合协方差的最大特征值大于协方差门限）和C2（存在长期照明不足的方向，即累积信息矩阵的最小特征值小于信息门限）。仅当C1且C2同时满足，并且新息一致性检验正常时，才触发一次对准缺失可辨识方向的受控高频注入。
LREO与传统高频注入方法的主要区别是什么？
传统高频注入通常按转速阈值开关注入，属于开环策略，不区分不确定性来源，也不权衡注入代价。LREO将注入从预设信号源升格为受控实验：注入时机由后验不确定性触发，注入方向对准不可辨识方向，状态—参数耦合在联合协方差中显式记录，并通过信息增益与代价门控保证注入稀疏有据。此外，LREO用新息一致性检验区分信息不足与模型失配，失配时告警而非注入。
LREO如何区分“信息不足”和“模型失配”？
LREO通过新息一致性检验来区分。定义归一化新息平方检验统计量，模型一致时该统计量渐近服从自由度为2的卡方分布。若滑动窗均值持续超限，说明模型与观测系统性不符，属于模型失配，应告警/降级而不注入；若不确定性大但新息一致，则属于信息不足，可触发注入实验来修复。
LREO的注入代价门控是如何工作的？
LREO在注入前解析预测信息增益，并与注入代价比较。对单标量量测，注入后协方差的迹缩减为方向方差²/(方向方差+噪声方差)。仅当该增益大于门限ρ乘以注入代价时，才执行注入。注入代价包括开关损耗、附加纹波转矩与声学噪声。由于连续注入收益二次衰减，该门控保证注入行为自然稀疏，避免“一有不确定性就无脑注入”。
LREO如何处理磁极极性（π歧义）问题？
凸极响应对转子角度加π不敏感，存在固有π歧义。LREO利用磁饱和不对称：在估计直轴上分别注入正、负极性电流脉冲并比较响应幅值，判定估计直轴与真实N极同向还是反向。LREO维护一个离散的极性状态及其置信度，初始上电时执行一次极性实验；运行中当极性置信度低于阈值时，由C2在极性方向的分量触发复测。极性状态翻转属于离散事件，触发位置估计分支重置。
LREO在哪些情况下可能不适用或效果受限？
LREO的适用边界包括：触发阈值仍需工程整定，无普适值；可辨识性不是算法创造的，若基波与高频对某参数方向的敏感方向始终共线，任何算法都无法凭空解耦；位置后验本质双峰，高斯滤波只在选定极性分支内有效，极性管理是必要补丁；表贴式电机凸极微弱，位置方向的注入收益天然受限；注入期间基波电流纹波增大，对纹波敏感场合需加重代价权重或改为静默时段注入。
