一种伺服系统的健康管理方法和装置制造方法及图纸

本发明专利技术公开一种伺服系统的健康管理方法和装置，包括：确定伺服系统各环节的参数；根据确定的参数计算伺服系统各环节的性能指标；根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。本发明专利技术将复杂的系统分解为简单的控制环节，根据各个环节阶跃响应估计其参数，从而计算出系统的性能指标，并根据性能指标判断发生故障的概率，实现了自动化的伺服系统健康管理，包括对复杂变化的参数和指标的预测和对系统运行状态的判别。本发明专利技术可在计算机上实现，无需增加其他硬件设备，且模型可以随数据的积累不断更新，通用性强，维护成本低。

【技术实现步骤摘要】
一种伺服系统的健康管理方法和装置
本专利技术涉及参数辨识及预测领域。更具体地，涉及一种伺服系统的健康管理方法和装置。
技术介绍
伺服系统的健康管理是工程应用中的重要问题，对伺服系统的性能指标进行预测和对系统的工作状态进行判别是健康管理的核心技术。伺服系统中常见的控制环节包括比例环节、积分环节、惯性环节、超前滞后环节等。其中多数控制环节的传递函数比较复杂，无法根据输入输出信号求得未知参数的精确解。目前常见的伺服系统的辨识方法主要是最小二乘法，也有一些利用神经网络进行辨识的工作。在利用最小二乘法对传递函数进行辨识时，由于目标函数是非线性函数，需要先把目标函数近似为线性函数，这导致求得的传递函数处于“欠拟合”的状态，即伺服系统的非线性性质没有得到充分拟合，得到的模型误差较大。基于神经网络的算法虽然较好地拟合了传递函数的非线性性质，但是没有考虑到传递函数的先验知识(如传递函数的形式、参数的大致范围等)，而且神经网络模型难以解析，输入数据和输出数据之间的关系式不明确，不能反映伺服系统的具体设计形式。因此这两种参数估计方法都存在一定的局限性。对伺服系统进行健康管理的目标是预测性能指标的变化情况并判断其工作状态(即发生故障的可能性)。当前状态下的瞬时值不能反映性能指标的发展趋势，需要根据一段时期内的历史数据对性能指标的变化趋势进行预测。目前常用的方法是根据经验，使用某种形式的函数对性能指标随时间的变化进行拟合。这种方法的预测效果依赖于选择的函数。由于影响性能指标的因素很复杂，人工选择的函数不能完全反映性能指标的变化模型，且不同环境下的适应性较差。因此曲线拟合的方法在预测伺服系统的性能指标的变化时有较大的局限性。在对伺服系统进行健康管理时，常用方法是根据控制系统的性能指标是否满足设计要求来判断系统的运行状态。这种方法仅能在性能指标不满足设计要求时报警，不能在系统性能指标满足设计要求时预测各环节出现问题的可能性，即不能做到对可能发生的故障进行预警。因此，需要提供一种伺服系统的健康管理方法和装置。
技术实现思路
本专利技术的目的在于提供一种伺服系统的健康管理方法和装置，可以对伺服系统进行故障预测，实现了自动化的伺服系统健康管理。为达到上述目的，本专利技术采用下述技术方案：一种伺服系统的健康管理方法，包括：确定伺服系统各环节的参数；根据确定的参数计算伺服系统各环节的性能指标；根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。进一步地，所述确定伺服系统各环节的参数包括：根据历史数据识别伺服系统中各环节的阶跃响应时域表达式；向所述伺服系统中各环节分别输入单位阶跃信号，并得出输出信号；根据最小二乘原则将得到的阶跃响应时域表达式进行优化得到伺服系统各环节的参数模型。进一步地，所述性能指标包括：带宽、相角裕量。进一步地，所述根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警包括：判断得到的性能指标是否满足预先设置的要求，若不满足按故障处理；计算满足要求的性能指标用于伺服系统时发生故障的概率，当概率值达到预设值时进行预警。进一步地，所述计算满足要求的性能指标用于伺服系统时发生故障的概率包括：根据深度神经网络模型和现有性能指标预测未来的性能指标，计算预测得到的未来性能指标在伺服系统中发生故障的概率。本专利技术还公开了一种伺服系统的健康管理装置，包括：参数预测模块：用于确定伺服系统各环节的参数；性能指标预测模块：用于根据确定的参数计算伺服系统各环节的性能指标；工作预警模块：用于根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。进一步地，所述参数预测模块还用于：根据历史数据识别伺服系统中各环节的阶跃响应时域表达式；向所述伺服系统中各环节分别输入单位阶跃信号，并得出输出信号；根据最小二乘原则将得到的阶跃响应时域表达式进行优化得到伺服系统各环节的参数模型。进一步地，所述性能指标包括：带宽、相角裕量。进一步地，所述工作预警模块包括：判别模块：用于判断得到的性能指标是否满足预先设置的要求，若不满足按故障处理；计算模块：用于计算满足要求的性能指标用于伺服系统时发生故障的概率，当概率值达到预设值时进行预警。进一步地，所述性能指标预测模块还用于根据深度神经网络模型和现有性能指标预测未来的性能指标，并将得到的未来的性能指标发送至计算模块，以使所述计算模块计算预测得到的未来性能指标在伺服系统中发生故障的概率。本专利技术的有益效果如下：本专利技术所述技术方案将复杂的系统分解为简单的控制环节，根据各个环节阶跃响应估计其参数，从而计算出系统的性能指标，并根据性能指标判断发生故障的概率，实现了自动化的伺服系统健康管理，包括对复杂变化的参数和指标的预测和对系统运行状态的判别。本专利技术可在计算机上实现，无需增加其他硬件设备，且模型可以随数据的积累不断更新，通用性强，维护成本低。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明；图1为本专利技术实施例的一种伺服系统的健康管理方法流程图；图2为本专利技术实施例的参数估计流程图；图3为本专利技术实施例的性能指标预测示意图；图4为本专利技术实施例的一种伺服系统的健康管理装置示意图。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。如图1所示，本专利技术公开的一种伺服系统的健康管理方法，包括：确定伺服系统各环节的参数；根据确定的参数计算伺服系统各环节的性能指标；根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。首先，估计控制环节的参数。如图1所示，首先把复杂的控制系统分解为小的控制环节，根据先验知识得出要识别的控制环节的阶跃响应时域表达式(带有未知参数)。向控制环节输入一个单位阶跃信号，并获得输出信号。根据最小二乘原则，利用优化方法对控制环节的参数进行估计的数学模型如式(1)所示。式中xi和yi(i＝1,2,…,n)分别表示输入信号和输出信号，t表示时间，θ表示待估计的参数组成的向量，f表示包含θ的阶跃响应时域表达式。在辨识未知参数θ时，不同的环节需要采取不同的算法。当参数辨识问题是一个连续可导的凸优化问题时，根据费马定理，最优解θ*满足式(2)根据式(2)可以求得优化问题的全局最优解，从而得到未知参数的估计。当式(2)有解析解时利用解析式直接求得最优解θ*，当式(2)没有解析解时通过迭代方法求得θ*的近似解。当控制环节的参数辨识问题是一个非凸优化问题时，没有算法可以保证得到全局最优解，通过选择合适的初始值，利用迭代算法求得局部最优解作为θ*的近似值。伺服系统的正向回路包括一个比例环节和一个惯性环节，比例环节的辨识问题是一个凸优化问题，可以利用最小二乘法得到参数的估计。比例环节的阶跃响应为g1(t)＝K1x(3)用xi和yi(i＝1,2,…,n)表示采样到的输入信号和输出信号，利用最小二乘法对积分环节进行拟合的数学描述如问题1所示。问题1(积分环节的最小二乘拟合)K＞0这个优化问题的目标函数是关于K的二次函数，约束条件都是凸集，因此该问题是凸优化问题。根据费马定理，在无约束条本文档来自技高网...

【技术保护点】
1.一种伺服系统的健康管理方法，其特征在于，包括：确定伺服系统各环节的参数；根据确定的参数计算伺服系统各环节的性能指标；根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。

【技术特征摘要】
1.一种伺服系统的健康管理方法，其特征在于，包括：确定伺服系统各环节的参数；根据确定的参数计算伺服系统各环节的性能指标；根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警。2.根据权利要求1所述的方法，其特征在于，所述确定伺服系统各环节的参数包括：根据历史数据识别伺服系统中各环节的阶跃响应时域表达式；向所述伺服系统中各环节分别输入单位阶跃信号，并得出输出信号；根据最小二乘原则将得到的阶跃响应时域表达式进行优化得到伺服系统各环节的参数模型。3.根据权利要求1所述的方法，其特征在于，所述性能指标包括：带宽、相角裕量。4.根据权利要求1所述的方法，其特征在于，所述根据所述计算的性能指标和伺服系统的运行状态对伺服系统中出现故障的环节进行预警包括：判断得到的性能指标是否满足预先设置的要求，若不满足按故障处理；计算满足要求的性能指标用于伺服系统时发生故障的概率，当概率值达到预设值时进行预警。5.根据权利要求4所述的方法，其特征在于，所述计算满足要求的性能指标用于伺服系统时发生故障的概率包括：根据深度神经网络模型和现有性能指标预测未来的性能指标，计算预测得到的未来性能指标在伺服系统中发生故障的概率。6.一种伺服系统的...

【专利技术属性】
技术研发人员：刘金祥，
申请(专利权)人：北京无线电测量研究所，
类型：发明
国别省市：北京,11