[发明专利]一种转动设备的参数辨识方法和装置

说明书

本发明公开了一种转动设备的参数辨识方法和装置，属于大型机械转动设备系统参数辨识领域，所述方法包括：S1：建立转动设备在转动过程的运动状态描述方程；S2：将转动设备各参数整个随时间变化过程划分为若干均匀时间区间，基于运动状态描述方程采用二次曲线拟合设备参数变化过程并建立最小二乘算法辨识方程；S3：利用粒子群算法优化参数区间大小，并采用奇异值分解法求解出最小二乘算法辨识方程的解，从而得出转动设备运动过程中的参数时变值，参数时变值包括：运动过程中每个时间点对应的转动惯量J、偏载转矩T_L、阻尼系数C大小以及常数值K。本发明能够提高参数辨识收敛性、具有辨识精度高，鲁棒性好，应用范围广等优点。

技术领域

本发明属于大型机械转动设备系统参数辨识领域，更具体地，涉及一种转动设备的参数辨识方法和装置。

背景技术

无论是在船舶制造业、航空航天工业及军事工业等领域，大型机械转动设备应用都是十分广泛。为保障大型机械转动设备运作的可靠性，在机械结构设计及优化、控制算法研究时都需要对设备的转动惯量、质心位置以及转动阻尼等有准确的了解。在精确识别出转动惯量和质心转矩的情况下，可以通过一系列算法优化设备的结构，以减少偏心率和惯性矩对旋转过程的影响。此外，在系统数学建模过程中，大量未知元素会增加不确定性以及生成精确模型所需的工作量。在提高非线性时变系统的运动精度和稳定性的过程中，利用具有较高识别精度的实时特征参数对系统的控制参数进行自适应校正可以发挥重要作用。

目前主流参数辨识算法主要分为非参数模型辨识方法以及参数模型辨识方法。非参数模型辨识方法获得的模型是非参数模型，主要包括阶跃响应法、脉冲响应法以及频域响应法等。参数模型辨识方法是建立在模型结构完全已知或大体已知基础上，通过极小化模型与过程之间的误差准则函数来确定结构参数，主要包括最小二乘算法、梯度校正法和极大似然法等。

现有的辨识算法在辨识时不变参数或者随时间变化缓慢的参数时具有较高的精度。但是，由于大型转动设备转动速度较快，内部结构变化较大，转动惯量、质心偏载转矩等参数随时间变化较快，应用一般的辨识算法会导致参数辨识收敛性较差，而且辨识精度较低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种转动设备的参数辨识方法和装置，其目的在于提高参数辨识收敛性和辨识精度，由此解决现有辨识算法会导致参数辨识收敛性较差和辨识精度较低的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种转动设备的参数辨识方法，包括：

S1：建立所述转动设备在转动过程的运动状态描述方程；

S2：将所述转动设备各参数整个随时间变化过程划分为若干均匀时间区间，基于所述运动状态描述方程采用二次曲线拟合设备参数变化过程并建立最小二乘算法辨识方程；

S3：利用粒子群算法优化参数区间大小，并采用奇异值分解法求解出所述最小二乘算法辨识方程的解，从而得出所述转动设备运动过程中的参数时变值，所述参数时变值包括：运动过程中每个时间点对应的转动惯量J、偏载转矩T_L、阻尼系数C大小以及常数值K。

在其中一个实施例中，所述步骤S1包括：

当所述转动设备绕转轴转动时，根据转动定律建立所述运动状态描述方程：

J(t)α＝T_e(t)-T_L(t)-Kθ-Cω或J(t)α+T_L(t)+Kθ+Cω＝T_e(t)；

其中，T_L(t)＝Grsin(θ(t))，J为转动惯量，T_e为驱动转矩，T_L(t)为重心偏载，G为质心，r为质心偏离转轴距离，α、ω、θ分别为角加速度、角速度、角度，K为扭杆扭转常数，C为阻尼系数。

在其中一个实施例中，所述步骤S2包括：