[发明专利]一种基于鲁棒自适应算法的转台伺服系统辨识方法

说明书

本发明公开了一种基于鲁棒自适应算法的转台伺服系统辨识方法，利用离散化方法获得电机伺服系统的动力学辨识模型，采用自适应滤波器对采集的辨识数据进行预处理，构造了避免数据饱和的变增益衰减因子，设计一些内部变量和滤波后的变量推导出参数估计误差信息；根据参数估计误差信息建立折扣项，采用初始值误差信息建立对初始值的惩罚项，基于折扣项和惩罚项构造目标函数，对目标函数进行求最优值，获得参数自适率；同时建立了自适应修正增益，提高了修正速率；折扣项提高了辨识算法的精度，惩罚项改善了估计性能的收敛速度，使得本发明提出的目标函数获得辨识性能明显优于通用的预测误差方法，最后，利用实验平台证明提出的算法的有效性和有用性。

技术领域

本发明涉及一种基于鲁棒自适应算法的转台伺服系统辨识方法，属于非线性系统辨识技术领域。

背景技术

随着计算机和工业技术的快速发展，军事领域和实际工业系统对机械动力传递系统的反应速度和控制精度要求越来越高。由于机械系统都是基于不同的部件相互衔接而成，存在如摩擦非线性、迟滞、死区和间隙等非线性特性，这些非线性特性严重恶化系统的控制性能，进一步削弱了系统的控制精度，因此如何提高电机伺服系统的输出精度是目前受工程师和研究者关注的一个热点话题。目前，绝大部分控制系统是基于系统的动力学模型设计的。为此，提高控制精度的一个前提是利用系统信息对建立的数学模型进行系统辨识，获取精确的系统参数信息。如果模型参数已知，利用常用的控制器都可以得到较高的控制精度。因此，考虑到电机伺服系统中含有特定的非线性特性，基于线性系统辨识技术不能获得较好的参数信息，而基于非线性系统辨识技术能够获得良好的参数信息。

在电机伺服系统辨识领域，国内外的学者们做了大量的研究工作。在{曹薇,罗业才.基于改进粒子群算法的横动伺服控制系统辨识[J].电机与控制应用,2017,44(04):43-46+51}文献中，作者分析了电机伺服系统的工作原理，建立了数学模型，利用一种非线性凹函数作为粒子群算法的惯性权值调节原则，获得改进的粒子群算法，避免了局部最优的问题。最后，基于提出的算法获得辨识模型的精度与实际系统输出之间的误差较小，表明改进的方法是有效的。在{王树波,任雪梅,李斯琪.含齿隙双电机伺服系统未知参数的两阶段辨识[J].控制与决策,2018,33(09):1725-1728}文献中，作者使用Legendre多项式对电机伺服系统中间隙模型进行分段线性化处理，设计一种两阶段辨识算法估计建立的双电机伺服系统的各个参数，仿真结果显示，提出的两阶段估计算法可以有效地估计电机的各个参数。在{谭永红,邱福梅,肖新宙.行波型超声波电机系统的模型辨识[J].控制工程,2011,18(05):806-809}文献中，作者首先利用简单的库伦摩擦建立电机系统的模型并辨识电机的参数，其次，结合LuGre摩擦模型建立复合摩擦模型，采用改进的P.Lischinsky算法估计摩擦的参数。最后，利用模型检验方法来证明提出算法的实用性。在{付俊永,王爽.伺服系统惯量辨识技术(二)改进型随机梯度算法[J].伺服控制,2015(Z2):78-82}中，作者利用电机系统物理建立和傅里叶变换建立电机系统的动力学方程，将修正因子引入到梯度算法中，获得改进的梯度辨识算法，进而实现电机的参数有效估计。在{Rahimi A,Bavafa F,Aghababaei S,et al.The online parameter identification of chaotic behaviourin permanent magnet synchronous motor by self-adaptive learning bat-inspiredalgorithm[J].International Journal of Electrical PowerEnergy Systems,2016,78:285-291}中，作者在建立电机系统的模型每个部分都考虑噪声的影响，这使得模型更加复合实际电机系统动态要求。之后设计了自适应学习蝙蝠激励优化算法辨识系统的参数，和其他算法相比，提出的辨识方法精度和收敛速度都有一定的优势。在{Maier C C,S,Ebner W,et al.Modeling and nonlinear parameter identificationfor hydraulic servo-systems with switching properties[J].Mechatronics,2019,61:83-95}中，作者根据第一原理建立液压电机伺服系统的动态方程，设计了一种非线性优化算法估计建立的模型的参数值。仿真和实验结果表明提出的估计器能够精确地辨识考虑模型的系数信息。在{Petrovas A,A,Z.DC motor parameteridentification using equation error method[J].Electrical Engineering,2018,100(2):415-423}中，作者建立了伺服系统的微分方程表达式，利用电机在有负载和无负载情况下收集系统的辨识数据，之后提出了基于输出误差方法实现了系统参数辨识。在{Miranda-Colorado R,Moreno-Valenzuela J.An Efficient on-Line ParameterIdentification Algorithm for Nonlinear Servomechanisms with an AlgebraicTechnique for State Estimation[J].Asian Journal of Control,2017,19(6):2127-2142}中，作者采用特定状态方程的形式建立伺服系统的动力学模型，在此模型中考虑了电机的速度，位置和加速度误差信息，设计了一个递归的辨识算法估计构建模型的参数。