- 頭條伺服系統在線慣量辨識的新算法2019-11-20 作者：楊明、屈婉瑩 等 | 來源：《電工技術學報》 | 點擊率：導語哈爾濱工業大學電氣工程及自動化學院的研究人員楊明、屈婉瑩、陳揚洋、徐殿國，在《電工技術學報》2018年增刊2上撰文（論文標題為“基于變周期遞推最小二乘法與卡爾曼觀測器的伺服系統在線慣量辨識”）指出，交流伺服系統運行過程中，系統參數的變化和外界干擾會影響系統性能。而系統控制器參數需要根據系統轉動慣量進行實時整定，因此獲得系統轉動慣量對于實現高性能伺服系統具有重要意義。 本文提出一種變周期最小二乘算法進行在線慣量辨識，同時利用卡爾曼觀測器獲取負載轉矩。在分析測速量化誤差對辨識誤差影響的基礎上，將轉速差作為辨識算法執行判據，很好地解決了在低加速度下無法辨識的問題，拓寬了辨識算法的適用范圍。仿真和實驗證明了本文所提算法的有效性。
交流伺服系統因其高性能、高精度、高效率的特點廣泛應用于工業自動化、電動汽車、機器人等領域。但電機運行過程中負載擾動的影響以及電機參數的變化會使得控制器參數不匹配，進而影響系統性能。因此，實時獲取準確的電機參數對于參數自整定、故障檢測以及提高系統可靠性具有重要的研究意義和應用價值。
要實現高性能伺服系統，必須具備參數自整定功能，使其能夠在線進行控制器參數設計，獲得良好的動靜態性能。而系統轉動慣量的變化將會影響系統極限帶寬，極限帶寬是影響速度環PI控制器設計的基本參數，實時監測系統轉動慣量變化并配合調整速度環PI控制器參數，能夠保證系統始終處于良好的運行狀態，這也進一步推動了伺服系統轉動慣量辨識技術的發展。
慣量辨識主要分為離線辨識和在線辨識。離線辨識是指安裝在生產設備中的伺服系統，按照預定指令運行一段時間，依據轉矩、轉速等相關數據進行計算，從而得出系統慣量值。常見的離線辨識方法是加減速法，采用正負對稱的三角波或正弦波等作為速度指令信號，根據系統實際響應計算獲得轉動慣量。
文獻[7]采用離線辨識的方法，提出一種改進的加減速法，采用正負交替脈沖為速度信號，使得電機可以在微振狀態下進行慣量辨識，所提方法易于實現，但辨識過程中電機始終運行在給定電流限幅下，易使電機發熱。
采用離線辨識可在給定指令運行周期結束時獲得一個階段性的辨識結果，所得辨識結果準確度高，但應用場合較為受限。在線辨識則是在系統運行過程中，捕捉動態信息進行計算，獲得實時的轉動慣量，主要有朗道自適應遞推估計、狀態觀測器估計、模型參考自適應法、最小二乘遞推（Recursive Least Square, RLS）算法、蟻群算法等。
文獻[9]以運動方程為模型，提出了一種自適應觀測器，采用朗道自適應算法，在對誤差及穩定性分析的基礎上，合理選擇參數，實現同時快速準確的轉動慣量和擾動轉矩的辨識，并與控制器相結合提高了系統動態性能。文獻[12]采用蟻群算法，基于最小方差原理，啟發蟻群朝最優方向聚集，可得到收斂快、誤差小的轉動慣量辨識結果。
文獻[13,14]結合負載觀測器對轉動慣量進行在線辨識，其中文獻[13]采用最小二乘法進行迭代計算，并將所得結果用于速度環PI控制器參數自整定，具有較強的魯棒性。文獻[14]則采用擴展卡爾曼觀測器同時得到轉動慣量和擾動轉矩的觀測值，針對杠桿滑塊機構進行受力分析并得到等效轉動慣量的計算公式，其建模方法為工業應用提供了很好的示例。
以上文獻對于慣量辨識算法都進行了充分的研究和優化，但大多局限于理想的實驗條件，對于實際應用考慮仍有欠缺之處。目前在商用伺服產品領域，日系產品同時具有離線和在線辨識功能，其在線辨識可直接根據上位機指令在實際生產中應用，自動捕獲暫態過程信息進行慣量辨識，而國內產品大多只具有離線辨識功能。
此外，國內外現有的在線慣量辨識方法仍存在兩個問題：
①伺服產品在加載條件下的慣量辨識均存在誤差增大或無法收斂的現象，因而其普遍的應用限定條件為系統負載轉矩不變或緩慢變化，其主要難點在于慣量辨識需要負載轉矩的準確估計，而負載轉矩的估計又需要實際的轉動慣量值，二者存在矛盾；
②實際應用場合中，存在階躍、斜坡、正弦以及插補曲線等多種位置和轉速指令信號，若系統處于低加速度狀態，會增加負載轉矩的估計難度，降低轉矩估計的準確性。而現有文獻的在線辨識多在給定信號為階躍信號等加速度較大的情況下實現，并未涉及加速度較小的斜坡指令信號。
針對此研究現狀，本文提出一種基于變周期遞推最小二乘法與卡爾曼觀測器相結合的在線慣量辨識算法，該算法具有收斂速度快、抗噪能力強、適用范圍廣的特點。
在分析實際數字控制系統下測速量化誤差對辨識結果影響的基礎上，采用變周期RLS算法進行系統轉動慣量的辨識，解決在低加速度下無法進行在線慣量辨識的問題。同時，為實現在加載條件下也能獲取有效辨識結果，在進行辨識的同時也需獲取負載轉矩，由于卡爾曼觀測器可利用系統狀態的觀測值以及最小化實際值與估測模型之間的誤差得到未知變量的估計值，可以很好地反映系統狀態變量的情況，故采用卡爾曼觀測器對負載轉矩進行觀測。
本文所提算法進一步拓展了RLS慣量辨識算法的使用范圍，仿真和實驗證明了所提算法的有效性。
圖7 實驗平臺
結論
本文提出一種基于變周期RLS和卡爾曼觀測器的在線慣量辨識方法，在分析測速量化誤差對辨識結果影響的基礎上，對傳統的RLS辨識算法加以改進，構造基于轉速差的RLS執行判據，使其在滿足判據的條件下進行遞推計算得到辨識結果，解決了在低加速度下無法得到有效辨識值的問題，進一步拓寬了辨識算法的適用范圍。最后，進行了不同給定信號及不同負載條件下的仿真和實驗，充分驗證了本文所提辨識算法的有效性，且通過對比實驗也說明該算法在抗噪能力以及穩定性方面都優于RLS算法。
進一步閱讀，請點擊下方鏈接，訪問期刊官方網站，可下載全文PDF版。
