一种基于运动模型的负载惯量辨识方法技术

本发明专利技术涉及交流伺服系统技术领域，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。本发明专利技术中，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。

【技术实现步骤摘要】
一种基于运动模型的负载惯量辨识方法
本专利技术涉及交流伺服系统
，尤其是指一种基于运动模型的负载惯量辨识方法。
技术介绍
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习方法主要有如下两种：(1)直接计算法，让电机进行加减速运动，根据电机输出的转矩除以实际的加速度，直接得到负载惯量。(2)最小二乘法，让电机进行变加速运动，获取多个不同的转矩值和多个不同的加速度值，通过最小化误差的平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。
技术实现思路
本专利技术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，本专利技术采用如下技术方案：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：本专利技术的有益效果：本专利技术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。本专利技术中，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为本专利技术的步骤流程图。图2为本专利技术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专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。以下结合附图对本专利技术进行详细的描述。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。本专利技术中，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，需要设本文档来自技高网...

【技术保护点】
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：/nA.在伺服电机的内部建立虚拟电机运动模型；/nB.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；/nC.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。/n

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：蓝希清，冀秋香，黄明洁，
申请(专利权)人：威科达东莞智能控制有限公司，
类型：发明
国别省市：广东;44