基于参数辨识的抽油机电机参数估计方法技术

本发明专利技术涉及用参数辨识算法对抽油机电动机的参数进行估计，包括以下步骤：步骤S1，建立矢量控制的PMSM电机模型，确定辨识的参数，建立d

【技术实现步骤摘要】
基于参数辨识的抽油机电机参数估计方法


[0001]本专利技术涉及用参数辨识算法对抽油机电动机的参数进行估计的
，尤其涉及一种参数辨识算法对抽油机电动机的参数进行估计。

技术介绍

[0002]在石油开采行业，特别是在塔架式抽油机中，永磁同步电动机的使用变得越来越广泛。然而永磁同步电机在运行过程中，其参数可能会随着温度、机器老化和环境条件而变化，从而导致机器性能下降甚至系统失稳。因此，精确地辨识永磁同步电机的参数成为了一项亟需解决的问题。
[0003]目前，国内外已有许多学者对永磁同步电机参数辨识问题展开了广泛而深入的研究。参数辨识的方法主要分为两种：离线辨识和在线辨识。离线辨识主要有DC电流延迟、AC静态方法和矢量控制方法等，但是这类辨识方法需要在电机保持稳定状态时进行，不适用于电机实际运行的场合，因此离线辨识电机参数的意义不大。在线辨识主要有最小二乘法及其拓展算法、模型参考自适应方法、遗传算法以及群体智能优化算法、基于人工神经网络的参数辨识方法、扩展卡尔曼滤波法等。
[0004]文章编号为ISSN:0020
‑
72171362
‑
3060，提出了一种基于模型参考自适应控制理论的多参数识别方法，采用逐步参数辨识的方法以解决电压方程秩缺陷问题。长沙理工大学硕士学位论文《基于遗传算法的永磁同步电机参数辨识》(钟卫鹏.2019)，利用遗传算法设计了一种电机多参数估计方法，然而该算法计算量大且需要较多的时间资源。《电工技术学报》2016年31卷17期161
‑<br/>169页，使用加入遗忘因子后的递推最小二乘法实现了对数据的时变加权操作，削弱了过去观测数据的作用，增强了新采集数据对参数辨识的更新作用，从而使算法的跟踪能力进一步增强。由此可见，所述在固定遗忘因子的递推最小二乘法中，遗忘因子常常被设置为固定不变的值，也就意味着对数据进行了时变加权，不断削弱过去采集数据的作用，增强当前新采集数据的作用。
[0005]以上方法无论如何选择遗忘因子的初值，算法的跟踪能力和稳态性都无法保证是最优的，总是会牺牲一部分算法的能力，从而无法保证算法的综合性能。

技术实现思路

[0006]为此，本专利技术提供一种针对遗忘因子递推最小二乘算法不能兼顾跟踪能力和稳定性的问题，在其基础上，引入动态遗忘因子。依据当前理论模型与实际模型的输出值之差，动态调整遗忘因子的大小，在保证算法较快的收敛速度以及较高的稳态抗噪声鲁棒性的同时，提高算法的综合性能。用以克服现有技术中算法的跟踪能力和稳态性都无法保证是最优的，总是会牺牲一部分算法的能力，从而无法保证算法的综合性能的问题。
[0007]为实现上述目的，本专利技术提供一种基于参数辨识的抽油机电机参数估计方法,包括：
[0008]步骤S1，建立矢量控制的PMSM电机模型，确定辨识的参数，建立d
‑
q同步坐标系下，
电机的电压方程；
[0009]步骤S2，将电压方程进行处理转换成与待辨识参数有关的公式；
[0010]步骤S3，根据理论模型与实际模型的输出值之差，动态调整遗忘因子的大小,并利用可变遗忘因子递推公式；
[0011]步骤S4，根据利用可变遗忘因子递推步骤S3中的迭代结果的偏差值与初始值计算变更后数值；
[0012]步骤S5，根据变更后数值更新其中辨识的参数；
[0013]步骤S6，根据辨识的参数与实际参数进行对比，判断抽油机电机运行状态。
[0014]进一步地，在步骤1中，所述辨识的参数为：定子电阻R,永磁磁链Ψ
f
，d轴电感L
d
，q轴电感L
q
；
[0015]所述d
‑
q同步坐标系下电机的电压方程表示为；
[0016][0017]式中，u
d
为d轴电压；u
q
为q轴电压；R为定子电阻；i
d
为d轴电流；i
q
为q轴电流；L
d
为d轴电感；L
q
为q轴电感；ω
e
为电机电角速度；Ψ
f
为永磁体磁链。
[0018]进一步地，在步骤S2中，首先将步骤S1中的公式以d轴电流和q轴电流为状态变量，对电压公式进行转换：
[0019][0020]通过将采样周期进行微分处理，将电机的电压公式进行离散化处理，得到：
[0021][0022][0023]其中：k表示系统运行时的第k个时刻；T为系统的采样周期；
[0024]将离散化处理的公式转化为最小二乘形式：y(k)＝φ
T
(k)θ(k)；
[0025]其中：y(k)＝i
q
(k+1)；
[0026]φ(k)＝[i
q
(k)
ꢀ‑
ω
e
(k)i
d
(k)
ꢀ‑
ω
e
(k) u
q
(k)]T
为系统的输入矩阵；为待辨识参数矩阵；
[0027]T为系统的采样周期。
[0028]进一步地，在步骤S3中，所述理论模型与实际模型的输出值之差为ε(k)，且在k时刻ε(k)的值表示为：
[0029]采用Sigmoid函数进行优化，建立动态遗忘因子函数：采用Sigmoid函数进行优化，建立动态遗忘因子函数：
[0030]式中：α为一个接近并小于1的正可调数；
[0031]将遗忘因子更改为为动态函数后，算法递推公式为：
[0032][0033]式中：为偏差值；P(k)为协方差矩阵；L(k)为增益矩阵；λ(k)为遗忘因子。
[0034]进一步地，在步骤S4中，所述计算结果为所述初始值为θ(0)，所述变更后数值为θ(k)，所述三者的计算逻辑为：
[0035]进一步地，在步骤S5中，根据θ(k)更新其中辨识的参数，需根据步骤S4中的结果更新辨识参数定子电阻R,永磁磁链Ψ
f
，d轴电感L
d
，q轴电感L
q
的数值。
[0036]进一步地，若位置和速度测量模块用来获取电机的转速和转子电角速度，转速用于转速环的反馈，转子电角速度用于坐标变换，当设定参考转速时，可以利用所得出的参数辨识值对采用电流闭环PID控制，根据辨识值更新PID模块的参数。
[0037]进一步地，在步骤S6中，获取实际生产过程中抽油机电机的生产参数，并将其与参数估计方法计算出的参数进行对比，根据对比结果对实际的电机运行状态进行分析，判断电机的实际运行状态是否正常。
[0038]进一步地，在进行参数对比的过程中，将实际数据与参数估计方法计算出的参数进行逐一对比，逐个判断参数的范围是否合规，判断电机的实际运行状态是否正常。
[0039]进一步地，在进行参数对比的过程中，将实际数据与参数估计方法计算出的参数进行整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于参数辨识的抽油机电机参数估计方法，其特征在于，包括以下步骤：步骤S1，建立矢量控制的PMSM电机模型，确定辨识的参数，建立d
‑
q同步坐标系下，电机的电压方程；步骤S2，将电压方程进行处理转换成与待辨识参数有关的公式；步骤S3，根据理论模型与实际模型的输出值之差，动态调整遗忘因子的大小,并利用可变遗忘因子递推公式；步骤S4，根据利用可变遗忘因子递推步骤S3中的迭代结果的偏差值与初始值计算变更后数值；步骤S5，根据变更后数值更新其中辨识的参数；步骤S6，根据辨识的参数与实际参数进行对比，判断抽油机电机运行状态。2.根据权利要求1所述的基于参数辨识的抽油机电机参数估计方法，其特征在于，在步骤1中，所述辨识的参数为：定子电阻R,永磁磁链Ψ
f
，d轴电感L
d
，q轴电感L
q
；所述d
‑
q同步坐标系下电机的电压方程表示为；式中，u
d
为d轴电压；u
q
为q轴电压；R为定子电阻；i
d
为d轴电流；i
q
为q轴电流；L
d
为d轴电感；L
q
为q轴电感；ω
e
为电机电角速度；Ψ
f
为永磁体磁链。3.根据权利要求1所述的基于参数辨识的抽油机电机参数估计方法，其特征在于，在步骤S2中，首先将步骤S1中的公式以d轴电流和q轴电流为状态变量，对电压公式进行转换：通过将采样周期进行微分处理，将电机的电压公式进行离散化处理，得到：通过将采样周期进行微分处理，将电机的电压公式进行离散化处理，得到：其中：k表示系统运行时的第k个时刻；T为系统的采样周期；将离散化处理的公式转化为最小二乘形式：y(k)＝φ
T
(k)θ(k)；其中：y(k)＝i
q
(k+1)；φ(k)＝[i
q
(k)
ꢀ‑
ω
e
(k)i
d
(k)
ꢀ‑
ω
e
(...

【专利技术属性】
技术研发人员：王刚，金岩松，姚国庆，王素玲，邵克勇，杨胡坤，冷建成，宋玉杰，叶卫东，孙峤，
申请(专利权)人：中国石油天然气集团有限公司，
类型：发明
国别省市：