一种基于迭代优化的传递函数辨识方法技术

本发明专利技术提供了一种基于迭代优化的传递函数辨识方法，涉及电机控制技术领域，所述包括以下步骤：推导模型；设初始值；实测数据；迭代优化；稳定输出；收敛判定，该发明专利技术通过在批处理最小二乘辨识算法里面融合了迭代学习滤波器，辨识出的数据更加精确，有利于高精度控制器的设计，抗干扰能力强，参数辨识精度高，有助于实现对系统的高速高精控制；通过扭矩估计计算出得到一个逼近可行的优化解，可以保证求解的可靠性，与人工估计的初始值相比，能够更好的逼近准确值；不仅能够有效地消除人工估计初始值的步骤，还可以保证传递函数的辨识精度，有利于提高发动机开环精度和响应速度。于提高发动机开环精度和响应速度。于提高发动机开环精度和响应速度。

【技术实现步骤摘要】
一种基于迭代优化的传递函数辨识方法


[0001]本专利技术涉及电机控制
，具体涉及一种基于迭代优化的传递函数辨识方法。

技术介绍

[0002]随着控制理论研究的深入和人工智能技术发展，利用一些先进技术手段能将复杂的技术简单化，或者实现一些之前没有实现的功能改进，或者提高控制精度等都是目前研究的热门方向。被控对象模型精确化使控制模型来校正控制输出成为可能，同时可以抵消因为闭环调节带来的稳态波动，取得更好的控制效果。
[0003]电动汽车时代，为满足电动机节能和提高运用性能的更高要求，需要设计性能更优异的电机控制系统。而合理确定一个简化的电机控制模型，对分析、设计电机控制系统是十分重要的。要使电机运行更平稳，更加可靠就要知道这个系统的精确模型参数。
[0004]目前建立在CARMA模型(带控制量的自回归滑动平均模型)的辨识方法大都将滤波和辨识分开进行，且滤波器的参数都是定值，这就导致了辨识算法的不够灵活，适应性差，对实际应用过程中存在的环境干扰和测量噪声不能很好的过滤，进而影响辨识参数的准确性。但是通过非线性最小二乘法的理论计算求解最优值，以扭矩估计的方式优化初始值的方式可以缩短传递函数求解时间并提高辨识精度；但是当前基于最小二乘法原理的电机开环控制传递函数的辨识方法需要人工估计初始值；并且没有合适的滤波器辨识结果会导致求解出电机传递函数有较大的误差，影响电机的控制精度。

技术实现思路

[0005]针对上述问题本专利技术提供了一种基于迭代优化的传递函数辨识方法，目的是为了解决上述背景技术中提出的需要人工估计初始值，抗干扰能力弱，参数辨识精度低的技术问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于迭代优化的传递函数辨识方法，所述包括以下步骤：
[0007]S1.推导模型：根据电动机电控系统的电气结构和机械结构，推导出对应的传递函数模型，在传递函数中引入多个双二阶环节；
[0008]S2.设初始值：针对目标机型的传递函数求解，将多个二阶传递函数的参考模型的待定参数初始值均置为1；
[0009]S3.实测数据：将目标机型安装在扭矩测试装置上，测试目标扭矩与标定扭矩的关系，确定实际扭矩与预测扭矩的比例系数，修正传递函数参数，以此作为模型参数辨识的参考对象；
[0010]S4.迭代优化：根据所述步骤S2推导出来的传递函数模型，确定需要辨识的系统参数，先使用扭矩估计方法计算得到一个逼近可行的优化解，再将该优化解作为非线性最小二乘法的初始值，进一步迭代优化得到最优解；
[0011]S5.稳定输出：通过滤波器对所述步骤S3中得到的输出值进行滤波，滤波后的输出值返回所述步骤S3；
[0012]S6.收敛判定：辨识结果达到收敛要求，辨识完成；否则返回所述步骤S3。进一步的，所述步骤S1中推导出的传递函数模型如下:
[0013][0014]进一步的，所述步骤S3中不同的工况下对应的扭矩估计比例系数不同，在同一目标机型至少需要启动、怠速、怠速突然加速、100％负载四种工况模式下进行扭矩测试。
[0015]进一步的，所述步骤S3中为了辨识更加精准，在同一目标机型至少需要通过四种线性输入形式来进行扭矩测试。
[0016]进一步的，所述四种线性输入形式分别为：
[0017]x＝t
[0018]x＝t/2
[0019]x＝log
a
(t+1),a>1
[0020]x＝a
t
,a>1
[0021]x为输入值，t为时间，a为常数。
[0022]进一步的，所述步骤S3中，扭矩比例系数估计是在控制器端用电动机标定系统设定目标扭矩，实时计算出标定扭矩，根据目标扭矩和标定扭矩之间的差值推算出电动机内部扭矩消耗，通过不同工况的电动机内部消耗拟合出扭矩消耗曲线图，结合标定扭矩推出预测扭矩，通过实测出测功机扭矩输出，根据预测扭矩与实际扭矩输出之间的比值求解扭矩估计比例系数表。
[0023]进一步的，把已确定阶次的模型通过双线性变换公式将模型由s域转化为z域公式的形式；
[0024]所述双线性变换公式为：
[0025]所述z域公式为：
[0026]其中G(s)为传递函数，T为采样周期，z为延迟算子，α0…
α
n
‑1为离散化后传递函数的分子需要辨识的系数，β1…
β
n
为离散化后传递函数的分母需要辨识的系数；
[0027]由β1…
β
n
组成滤波器，第一次对输出数据进行滤波时设置
[0028]输出数据w经滤波器滤波后的数据为
[0029][0030]进一步的，所述步骤S5中，传递函数辨识后的仿真计算须在闭环控制中进行验证。
[0031]进一步的，所述步骤S5中，辨识精度的误差分析是分析同一组控制参数在传递函数仿真控制量与实测的开环控制测量数据之间的误差。
[0032]进一步的，所述步骤S3之前首先对输出数据用滤波器进行滤波；滤波器的分子系
数为1，分母系数初始值为1，之后每次迭代更新上一次辨识结果的作为分母系数。
[0033]与现有技术相比，本专利技术的有益效果是：
[0034]通过在批处理最小二乘辨识算法里面融合了迭代学习滤波器，辨识出的数据更加精确，有利于高精度控制器的设计，抗干扰能力强，参数辨识精度高，有助于实现对系统的高速高精控制；并且通过多工况重复辨识，通过数据多次迭代后重复收敛，有利于收敛准确度，进一步提高辨识精度高；通过扭矩估计计算出得到一个逼近可行的优化解，可以保证求解的可靠性，与人工估计的初始值相比，能够更好的逼近准确值；不仅能够有效地消除人工估计初始值的步骤，还可以保证传递函数的辨识精度，有利于提高发动机开环精度和响应速度。
附图说明
[0035]图1是本专利技术方法流程示意图；
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0037]下面根据本专利技术的整体结构，对其实施例进行说明。
[0038]实施例，请着重参考图1，一种基于迭代优化的传递函数辨识方法，所述包括以下步骤：
[0039]S1.推导模型：根据电动机电控系统的电气结构和机械结构，推导出对应的传递函数模型，在传递函数中引入多个双二阶环节；
[0040]S2.设初始值：针对目标机型的传递函数求解，将多个二阶传递函数的参考模型的待定参数初始值均置为1；
[0041]S3.实测数据：将目标机型安装在扭矩测试装置上，测试目标扭矩与标定扭矩的关系，确定实际扭矩与预测扭矩的比例系数，修正传递函数参数，以此作为模型参数辨识的参考对象；
[0042]S4.迭代优化：根据所述步骤S2推导出来的传递函数模型，确定需要辨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迭代优化的传递函数辨识方法，其特征在于：所述包括以下步骤：S1.推导模型：根据电动机电控系统的电气结构和机械结构，推导出对应的运行功率与输出扭矩的传递函数模型，在传递函数中引入多个双二阶环节；S2.设初始值：针对目标机型的传递函数求解，将多个二阶传递函数的参考模型的待定参数初始值均置为1；S3.实测数据：将目标机型安装在扭矩测试装置上，测试目标扭矩与标定扭矩的关系，确定实际扭矩与预测扭矩的比例系数，修正传递函数参数，以此作为模型参数辨识的参考对象；S4.迭代优化：根据所述步骤S2推导出来的传递函数模型，确定需要辨识的系统参数，先使用扭矩估计方法计算得到一个逼近可行的优化解，再将该优化解作为非线性最小二乘法的初始值，进一步迭代优化得到最优解；S5.稳定输出：通过滤波器对所述步骤S3中得到的实际扭矩值进行滤波，滤波后的输出值返回所述步骤S3；S6.收敛判定：辨识结果达到收敛要求，辨识完成；否则返回所述步骤S3。2.根据权利要求1所述的一种基于迭代优化的传递函数辨识方法，其特征在于：所述步骤S1中推导出的传递函数模型如下:其中，k1、k2、k3、k4、k5、k6、k7、k8为电动机控制系统模型传递函数中需要拟合的待定参数。3.根据权利要求1所述的一种基于迭代优化的传递函数辨识方法，其特征在于：所述步骤S3中不同的工况下对应的扭矩估计比例系数不同，在同一目标机型至少需要启动、怠速、怠速突然加速、100％负载四种工况模式下进行扭矩测试。4.根据权利要求1所述的一种基于迭代优化的传递函数辨识方...

【专利技术属性】
技术研发人员：贺仁龙，任吉，何振乾，
申请(专利权)人：上海流程智造科技创新研究院有限公司，
类型：发明
国别省市：