基于滤波器的迭代学习最小二乘辨识方法*
2018-03-13史伟民吴达伟杨亮亮
机电工程 2018年3期
史伟民,吴达伟,杨亮亮
(浙江理工大学 机械与自动控制学院,浙江 杭州 310018)
0 引 言
一个运动控制系统通常由上位机、运动控制器、伺服驱动器、电机及执行机构等构成[1-3]。运动控制器作为一个机电系统的重要组成部分,它直接影响整个系统的控制效果。
要想达到高速度高精度的控制效果,控制器参数的设置至关重要。如果参数设置不合理将会导致整个运动控制系统的不稳定,进而达不到所要求的运动性能。目前对控制器参数的设置多是根据人为经验来调整,虽然简单易行但是效率低下,控制性能依赖参数设置人员自身素质。因此,要想得到一个稳定的、高速度高精度的控制参数,精确的控制对象模型很重要[4-6]。
最小二乘辨识方法因其简单稳定,在参数辨识方面有着广泛的应用。文献[7]中采用递推最小二乘法对永磁同步电机进行离线参数辨识,成功地辨识了电阻和电感参数;文献[8]中以直线伺服系统作为辨识对象,用基于最小二乘的阶跃辨识法获得了比较精确的系统模型参数;李洪宇等[9]通过测量定子电压和电流,基于扩展卡尔曼滤波器(EKF),研究了一种新颖算法,通过将两个基于扩展卡尔曼滤波器模型有机结合,协同工作,实现了对转子电阻、励磁电感、转子磁链和转速在线辨识;李旭春等[10]在电机静止状态下使用递推最小二乘的辨识方法获得了电机参数,虽然他们通过不同的辨识算法获得了辨识参数,但是得到的辨识参数反映在伯德图上的情况并未做详细说明。……
登录APP查看全文
