CN112511053A - 一种基于运动模型的负载惯量辨识方法 - Google Patents

一种基于运动模型的负载惯量辨识方法 Download PDF

Info

Publication number
CN112511053A
CN112511053A CN202011165658.XA CN202011165658A CN112511053A CN 112511053 A CN112511053 A CN 112511053A CN 202011165658 A CN202011165658 A CN 202011165658A CN 112511053 A CN112511053 A CN 112511053A
Authority
CN
China
Prior art keywords
motor
torque
motion model
load inertia
actual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011165658.XA
Other languages
English (en)
Other versions
CN112511053B (zh
Inventor
蓝希清
冀秋香
黄明洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Vector Science Co ltd
Original Assignee
Vector Dongguan Intelligent Control Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Vector Dongguan Intelligent Control Co ltd filed Critical Vector Dongguan Intelligent Control Co ltd
Priority to CN202011165658.XA priority Critical patent/CN112511053B/zh
Publication of CN112511053A publication Critical patent/CN112511053A/zh
Application granted granted Critical
Publication of CN112511053B publication Critical patent/CN112511053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/143—Inertia or moment of inertia estimation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/20—Estimation of torque

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明涉及交流伺服***技术领域，尤其是指一种基于运动模型的负载惯量辨识方法，在伺服内部建立虚拟的电机运动模型，虚拟电机模型输出的电机转矩和实际输出转矩进行比较，从而进一步修正负载惯量值。通过不断迭代修正，最终能够准确的计算出负载惯量，迭代次数越多，负载惯量越精确。整个过程不需要采集电机的加速度，有效地避免了加速度采集误差对负载惯量辨识造成的不利影响。本发明中，无论是离线惯量学习还是在线惯量学习，通过调整迭代周期，负载惯量均能够准确的辨识。

Description

一种基于运动模型的负载惯量辨识方法
技术领域
本发明涉及交流伺服***技术领域，尤其是指一种基于运动模型的负载惯量辨识方法。
背景技术
伺服电机作为驱动执行机构，其响应速度快、控制精度高且体积较小。如今市场上通用的伺服电机为永磁同步电机，其控制方式均采用数字化的矢量控制方式。由于伺服电机可工作于转矩控制模式、速度控制模式或位置控制模式。所以，控制上一般采用位置环、速度环、转矩环嵌套的三环控制结构。其中，速度环的性能受负载惯量的影响较大。如果伺服电机工作于位置控制模式或速度控制模式，则需要正确设置负载惯量参数。而作为通用的伺服产品，不同设备的负载惯量是不一样的，多数场合是未知的。所以，安装有伺服电机的设备在试运行前时均需要花很长的时间去计算或测量负载惯量。
目前的伺服负载惯量学***方和计算出最佳惯量。
上述方式中，直接计算法需要较高的加速度才能计算出准确的惯量，计算出的惯量受负载扰动影响很大，不同的加速度可能计算出不同的惯量，不容易收敛。最小二乘法计算复杂，需要有不同的加速度才能估算准确，实用性不高。不管是直接计算法，还是最小二乘法，都需要获取电机的加速度，当加速度较小时，计算得到的惯量误差极大。
发明内容
本发明针对现有技术的问题提供一种基于运动模型的负载惯量辨识方法，设置虚拟电机运动模型，再结合迭代算法，能够准确地自学习处负载惯量。
为了解决上述技术问题，本发明采用如下技术方案：一种基于运动模型的负载惯量辨识方法，包括以下步骤：
A.在伺服电机的内部建立虚拟电机运动模型；
B.在一个运动迭代周期内，将虚拟电机运动模型的输出电机转矩和实际的输出转矩进行算法迭代比较，得到下一个迭代周期的负载惯量；
C.重复步骤B，在足够多的迭代次数后获得伺服电机的负载惯量。
优选的，步骤B的虚拟电机运动模型的输出电机转矩和实际的输出转矩的比较步骤包括：
B1.计算虚拟电机运动模型的转速vfb，同时，获取实际电机转速vref；
B2.计算虚拟电机运动模型的转速vfb与实际电机转速vref之间的误差Tmpre；
B3.根据误差Tmpre计算虚拟电机运动模型的电机转矩Tm；
B4.设实际电机输出转矩为Tr，根据实际电机输出转矩Tr计算出实际加速转矩Tacc；
B5.负载转矩Tl等于实际电机输出转矩Tr减去实际加速转矩Tacc，则可以计算虚拟电机运动模型的模型加速转矩Tmacc等于虚拟电机运动模型的电机转矩Tm减去负载转矩Tl；
B6.将获得的实际加速转矩Tacc与模型加速转矩Tmacc进行算法迭代，从而获得所需要的负载惯量。
优选的，所述虚拟电机运动模型的转速vfb的计算方法为：
首先设定初始负载惯量，计算其倒数为Kj(k)；
将Kj(k)与上一周期的模型加速转矩Tmacc相乘后求积分，得到模型电机转速vfb。
优选的，所述误差Tmpre的计算方法为：
在虚拟电机运动模型内设置PI调节器，将获得的实际电机转速vref和模型电机转速vfb输入到PI调节器中，则可以计算出误差
Figure BDA0002745694570000031
其中，Kp和Ki分别是比例增益和积分增益，T是离散时间。
优选的，在所述虚拟电机运动模型内设置低通滤波器，将获得的误差Tmpre经过低通滤波器后，可以获得模型电机转矩
Tm(k+1)＝aTm(k)+(1-a)Tmpre(k)，
其中，a是低通滤波参数。
其中，低通滤波参数a和实际的转矩滤波参数一致。
优选的，在所述虚拟电机运动模型内设置高通滤波器，将实际电机输出转矩为Tr经过高通滤波器后，可以获得实际加速转矩
Tacc(k+1)＝Tr(k)-Tr(k-1)+Tacc(k)b，
其中，b是高通滤波参数，高通滤波参数b的大小取决于电机的负载类型。
优选的，在一个迭代周期内，对实际加速转矩Tacc和模型加速转矩Tmacc分别求和，得到∑Tacc和∑Tmacc，则每隔一个迭代周期，可更新下一次迭代的负载惯量为：
Figure BDA0002745694570000041
本发明的有益效果：
本发明提供的一种基于运动模型的负载惯量辨识方法，在伺服内部建立虚拟的电机运动模型，虚拟电机模型输出的电机转矩和实际输出转矩进行比较，从而进一步修正负载惯量值。通过不断迭代修正，最终能够准确的计算出负载惯量，迭代次数越多，负载惯量越精确。整个过程不需要采集电机的加速度，有效地避免了加速度采集误差对负载惯量辨识造成的不利影响。本发明中，无论是离线惯量学习还是在线惯量学习，通过调整迭代周期，负载惯量均能够准确的辨识。
附图说明
图1为本发明的步骤流程图。
图2为本发明的虚拟电机运动模型的结构示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。以下结合附图对本发明进行详细的描述。
本实施例提供的一种基于运动模型的负载惯量辨识方法，如图1，包括以下步骤：
A.在伺服电机的内部建立虚拟电机运动模型；
B.在一个运动迭代周期内，将虚拟电机运动模型的输出电机转矩和实际的输出转矩进行算法迭代比较，得到下一个迭代周期的负载惯量；
C.重复步骤B，在足够多的迭代次数后获得伺服电机的负载惯量。
具体地，在伺服内部建立虚拟的电机运动模型，虚拟电机模型输出的电机转矩和实际输出转矩通过迭代算法进行比较，从而进一步修正负载惯量值。通过不断迭代修正，最终能够准确的计算出负载惯量，迭代次数越多，负载惯量越精确。整个过程不需要采集电机的加速度，有效地避免了加速度采集误差对负载惯量辨识造成的不利影响。本发明中，无论是离线惯量学习还是在线惯量学习，通过调整迭代周期，负载惯量均能够准确的辨识。
本实施例提供的一种基于运动模型的负载惯量辨识方法，虚拟电机运动模型的输出电机转矩和实际的输出转矩的比较步骤包括：
B1.计算虚拟电机运动模型的模型电机转速vfb，同时，获取实际电机转速vref；
B2.计算模型电机转速vfb与实际电机转速vref之间的误差Tmpre；
B3.根据误差Tmpre计算虚拟电机运动模型的电机转矩Tm；
B4.设实际电机输出转矩为Tr，根据实际电机输出转矩Tr计算出实际加速转矩Tacc；
B5.负载转矩Tl等于实际电机输出转矩Tr减去实际加速转矩Tacc，则可以计算虚拟电机运动模型的模型加速转矩Tmacc等于虚拟电机运动模型的电机转矩Tm减去负载转矩Tl；
B6.将获得的实际加速转矩Tacc与模型加速转矩Tmacc进行算法迭代，从而获得所需要的负载惯量。
其中，如图2为建立的虚拟电机运动模型的结构，本实施例的虚拟电机运动模型包括有PI调节器，低通滤波器以及高通滤波器。本实施例的计算过程为：首先，需要设定初始负载惯量，并计算其倒数为Kj(k)，再将Kj(k)与上一周期的模型加速转矩Tmacc相乘后求积分，便可以得到模型电机转速vfb。
接着，获取实际电机转速vref，并将获得的实际电机转速vref和模型电机转速vfb输入到PI调节器中，则可以计算出误差
Figure BDA0002745694570000061
Kp和Ki分别是比例增益和积分增益，T是离散时间。接着，将误差经过低通滤波器，进行运算后可以获取模型电机转矩Tm(k+1)＝aTm(k)+(1-a)Tmpre(k)，其中a是低通滤波参数，低通滤波参数a和实际的转矩滤波参数一致。
然后，便需要开始计算实际加速转矩Tacc和模型加速转矩Tmacc两个迭代算法的主要参数，设实际电机输出转矩为Tr，将实际电机输出转矩Tr经过高通滤波器后，可以获得实际加速转矩Tacc(k+1)＝Tr(k)-Tr(k-1)+Tacc(k)b，其中，b是高通滤波参数，高通滤波参数b的大小取决于电机的负载类型。再接着，将实际电机输出转矩Tr减去实际加速转矩Tacc等于负载转矩Tl，再以虚拟电机运动模型的电机转矩Tm减去负载转矩Tl等于模型加速转矩Tmacc。获得实际加速转矩Tacc和模型加速转矩Tmacc两个参数后，则可以进行迭代算法，在一个迭代周期内，对实际加速转矩Tacc和模型加速转矩Tmacc分别求和，得到∑Tacc和∑Tmacc，则每隔一个迭代周期，可更新下一次迭代的负载惯量为：
Figure BDA0002745694570000071
本实施例中，通过上述的虚拟电机运动模型的模型加速转矩Tmacc与实际电机的加速转矩Tacc进行迭代运算，能够准确的自学习出负载惯量从而为伺服的参数自整定提供准确的的负载参数，方便自动化设备的调试。并且，整个自学习的过程中，不需要采集电机的加速度，有效避免了加速度采集误差对负载惯量辨识造成不利的影响，
以上所述，仅是本发明较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明以较佳实施例公开如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。

Claims (8)

1.一种基于运动模型的负载惯量辨识方法，其特征在于，包括以下步骤：
A.在伺服电机的内部建立虚拟电机运动模型；
B.在一个运动迭代周期内，将虚拟电机运动模型的输出电机转矩和实际电机的输出转矩进行算法迭代比较，得到下一个迭代周期的负载惯量；
C.重复步骤B，在足够多的迭代次数后获得伺服电机的负载惯量。
2.根据权利要求1所述一种基于运动模型的负载惯量辨识方法，其特征在于，步骤B的虚拟电机运动模型的输出电机转矩和实际的输出转矩的比较步骤包括：
B1.计算虚拟电机运动模型的模型电机转速vfb，同时，获取实际电机转速vref；
B2.计算模型电机转速vfb与实际电机转速vref之间的误差Tmpre；
B3.根据误差Tmpre计算虚拟电机运动模型的电机转矩Tm；
B4.设实际电机输出转矩为Tr，根据实际电机输出转矩Tr计算出实际加速转矩Tacc；
B5.负载转矩Tl等于实际电机输出转矩Tr减去实际加速转矩Tacc，则可以计算虚拟电机运动模型的模型加速转矩Tmacc等于虚拟电机运动模型的电机转矩Tm减去负载转矩Tl；
B6.将获得的实际加速转矩Tacc与模型加速转矩Tmacc进行算法迭代，从而获得所需要的负载惯量。
3.根据权利要求2所述一种基于运动模型的负载惯量辨识方法，其特征在于，所述虚拟电机运动模型的转速vfb的计算方法为：
首先设定初始负载惯量，计算其倒数为Kj(k)；
将Kj(k)与上一周期的模型加速转矩Tmacc相乘后求积分，得到模型电机转速vfb。
4.根据权利要求2所述一种基于运动模型的负载惯量辨识方法，其特征在于，所述误差Tmpre的计算方法为：
在虚拟电机运动模型内设置PI调节器，将获得的实际电机转速vref和模型电机转速vfb输入到PI调节器中，则可以计算出误差
Figure FDA0002745694560000021
其中，Kp和Ki分别是比例增益和积分增益，T是离散时间。
5.根据权利要求2所述一种基于运动模型的负载惯量辨识方法，其特征在于：在所述虚拟电机运动模型内设置低通滤波器，将获得的误差Tmpre经过低通滤波器后，可以获得模型电机转矩
Tm(k+1)＝aTm(k)+(1-a)Tmpre(k)，
其中，a是低通滤波参数。
6.根据权利要求5所述一种基于运动模型的负载惯量辨识方法，其特征在于：低通滤波参数a和实际的转矩滤波参数一致。
7.根据权利要求2所述一种基于运动模型的负载惯量辨识方法，其特征在于：在所述虚拟电机运动模型内设置高通滤波器，将实际电机输出转矩为Tr经过高通滤波器后，可以获得实际加速转矩
Tacc(k+1)＝Tr(k)-Tr(k-1)+Tacc(k)b，
其中，b是高通滤波参数，高通滤波参数b的大小取决于电机的负载类型。
8.根据权利要求2所述一种基于运动模型的负载惯量辨识方法，其特征在于：在一个迭代周期内，对实际加速转矩Tacc和模型加速转矩Tmacc分别求和，得到∑Tacc和∑Tmacc，则每隔一个迭代周期，可更新下一次迭代的负载惯量为：
Figure FDA0002745694560000031
CN202011165658.XA 2020-10-27 2020-10-27 一种基于运动模型的负载惯量辨识方法 Active CN112511053B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011165658.XA CN112511053B (zh) 2020-10-27 2020-10-27 一种基于运动模型的负载惯量辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011165658.XA CN112511053B (zh) 2020-10-27 2020-10-27 一种基于运动模型的负载惯量辨识方法

Publications (2)

Publication Number Publication Date
CN112511053A true CN112511053A (zh) 2021-03-16
CN112511053B CN112511053B (zh) 2023-03-10

Family

ID=74955959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011165658.XA Active CN112511053B (zh) 2020-10-27 2020-10-27 一种基于运动模型的负载惯量辨识方法

Country Status (1)

Country Link
CN (1) CN112511053B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6037736A (en) * 1995-05-17 2000-03-14 Kabushiki Kaisha Yaskawa Denki Apparatus for determination of control constant
JP2008148402A (ja) * 2006-12-07 2008-06-26 Toshiba Mitsubishi-Electric Industrial System Corp 電力変換装置
CN101292418A (zh) * 2005-10-18 2008-10-22 株式会社安川电机 电动机控制装置及方法和程序存储介质
CN103338003A (zh) * 2013-06-28 2013-10-02 西安交通大学 一种电机负载转矩及惯量同时在线辨识的方法
CN103684188A (zh) * 2013-12-31 2014-03-26 上海英威腾工业技术有限公司 一种运动控制***的转动惯量辨识方法及***
CN105915121A (zh) * 2016-05-31 2016-08-31 西安交通大学 一种采用遗传算法优化的伺服***惯量辨识方法
CN109347391A (zh) * 2018-10-29 2019-02-15 江苏大学 一种考虑***噪声的朗道自适应转动惯量辨识方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6037736A (en) * 1995-05-17 2000-03-14 Kabushiki Kaisha Yaskawa Denki Apparatus for determination of control constant
CN101292418A (zh) * 2005-10-18 2008-10-22 株式会社安川电机 电动机控制装置及方法和程序存储介质
JP2008148402A (ja) * 2006-12-07 2008-06-26 Toshiba Mitsubishi-Electric Industrial System Corp 電力変換装置
CN103338003A (zh) * 2013-06-28 2013-10-02 西安交通大学 一种电机负载转矩及惯量同时在线辨识的方法
CN103684188A (zh) * 2013-12-31 2014-03-26 上海英威腾工业技术有限公司 一种运动控制***的转动惯量辨识方法及***
CN105915121A (zh) * 2016-05-31 2016-08-31 西安交通大学 一种采用遗传算法优化的伺服***惯量辨识方法
CN109347391A (zh) * 2018-10-29 2019-02-15 江苏大学 一种考虑***噪声的朗道自适应转动惯量辨识方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐勇: "交流伺服***转动惯量在线辨识及负载转矩观测", 《微电机》 *

Also Published As

Publication number Publication date
CN112511053B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN107070315B (zh) 一种多开关磁阻电机转速同步控制装置及控制方法
CN106487297B (zh) 一种基于无迹卡尔曼滤波算法的pmsm参数辨识方法
CN108092567B (zh) 一种永磁同步电动机转速控制***及方法
CN104378038B (zh) 基于人工神经网络的永磁同步电机参数辨识方法
CN110880895B (zh) 永磁同步电机q轴电流补偿值确定方法及脉动抑制方法
CN105048896B (zh) 一种无刷直流电机直接转矩自适应模糊控制方法
CN104167973A (zh) 位置控制装置的惯性估算方法和惯性估算装置
CN111736471A (zh) 一种旋转倒立摆的迭代反馈整定控制及其鲁棒优化方法
CN109586645B (zh) 一种永磁同步电机惯量识别方法及设备
CN109491251B (zh) 考虑数据扰动补偿的交流伺服***模型辨识方法及设备
CN109194225A (zh) 一种双馈电机参数在线辨识方法
CN112511053B (zh) 一种基于运动模型的负载惯量辨识方法
CN109743002B (zh) 伺服***控制器、前馈控制信号确定方法、惯量辨识方法
CN112986977B (zh) 一种克服雷达扩展卡尔曼航迹滤波发散的方法
CN115566954A (zh) 嵌入式电机调速控制补偿方法及***
CN112564557A (zh) 一种永磁同步电机的控制方法、装置、设备及存储介质
Rigatos et al. Sensorless nonlinear control of induction motors using Unscented Kalman Filtering
WO2023124921A1 (zh) 永磁同步电机的转矩估测方法、装置、设备及存储介质
CN114301352B (zh) 电机的测速方法及其测速装置和测速***
Wang et al. Speed and load torque estimation of SPMSM based on Kalman filter
CN110048653B (zh) 无轴承异步电机的滑模变结构mras转速辨识方法
CN117639596B (zh) 一种基于fpga的高速永磁同步电机转速计算方法
CN107733310B (zh) 一种适用于异步电机大转矩启动的无速度传感器控制方法
CN109150026A (zh) 一种无位置传感器无刷电机换相方法
CN114977920B (zh) 一种高精度的永磁同步电机参数辨识方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240112

Address after: 518000 No. 502, building 13, Chuangke Town, University Town, Taoyuan Street, Nanshan District, Shenzhen, Guangdong

Patentee after: SHENZHEN VECTOR SCIENCE CO.,LTD.

Address before: 523000 a, building 12, Zhongji Zhigu, No.1, Nanshan Road, Songshanhu high tech Industrial Development Zone, Dongguan City, Guangdong Province

Patentee before: VECTOR (DONGGUAN) INTELLIGENT CONTROL CO.,LTD.