孙彦瑞，苏成志

(长春理工大学机电工程学院，长春 130000)

0 引言

机器人在运行时，每个轴的负载转动惯量与负载扭矩随着机器人的姿态的变化而变化；伺服系统对负载转动惯量的辨识精度、辨识快慢，决定着伺服系统运行的稳定性、精确性与快速性。伺服系统不能精确、高速地辨识负载转动惯量，在机器人运行时电机容易出现振荡与谐振的现象，控制系统内部参数与实际工况不符。如果转动惯量辨识值过大可能使系统不稳定，响应慢；如果转动惯量辨识值过小，系统响应会加快，但系统会产生超调或震荡的现象，甚至会造成低速时的转矩脉动的现象[1]。针对此问题，如何更好地实时辨识伺服系统负载转动惯量值，是解决伺服系统运行不稳定的关键。

国内外的很多学者对伺服系统转动惯量的辨识已经研究出了很多的成果。Kweon T J 等采用全阶Luenberger观测器[2]，其中全阶观测器会受到转动惯量的初始值影响，并且在最严重的情况下，系统将会不稳定运行。Guo Y运用模型参考自适应方法(MRAS)来对转动惯量进行辨识[3]，该方法需要高精度的速度信息，并且低速时有很大的误差。Campos M D采用卡尔曼滤波器(Kalman filter)对负载转动惯量与负载扭矩进行观测，但是协方差矩阵很难建立[4]。Li Niu使用定阶递推经验频域最优参数估计(Fixedorder Recursive Empirical Frequency-domain Optimal Parameter Estimation)辨识负载转动惯量与负载扭矩信息，具有较高的鲁棒性，但是该方法在频域内计算很复杂[5]。文献[6]提出基于规则的参数整定方法，该方法是通过设计某一种规则，对系统的响应性能进行量化评价，从而得到最优的参数整定的方法，包括模糊控制法、遗传算法和评价函数法等，但此类方法由于整定时间长、参数评价准则确定困难等原因，并没有被广泛的应用到永磁同步伺服系统中。……