基本原理
扰动估测器的核心思想是通过向电机系统施加特定的扰动信号,观察系统响应的变化,然后利用系统的动态模型和控制理论来估计未知参数,如惯量和摩擦系数 。一般基于电机的运动方程建立数学模型,结合观测到的电机实际运行数据(如转速、转矩等),通过一定的算法来计算未知参数。
具体方法
基于自适应控制的方法
-
模型参考自适应控制(MRAC)
- 原理:设计一个参考模型,该模型具有已知的理想动态特性(包含假设的惯量和摩擦系数等参数)。将电机实际系统的输出与参考模型的输出进行比较,得到误差信号。然后设计自适应律,根据误差信号实时调整电机控制系统中的参数估计值,使得实际系统输出逐渐逼近参考模型输出。
- 步骤:
- 建立电机的动力学模型,例如对于永磁同步电机,其数学模型包含电磁转矩方程、机械运动方程等,其中惯量和摩擦系数是待估参数。
- 设计参考模型,通常是一个具有期望性能指标(如期望的转速响应曲线)的系统模型。
- 构建自适应律,常见的有基于梯度下降法或最小均方误差(LMS)算法的自适应律。例如,对于参数估计值 θ ^ \hat{\theta} θ^(包含惯量和摩擦系数),自适应律可以表示为 θ ^ ˙ = − γ e ϕ \dot{\hat{\theta}} = -\gamma e \phi θ^˙=−γeϕ,其中 γ \gamma γ 是自适应增益, e e e 是跟踪误差(参考模型输出与实际系统输出的差值), ϕ \phi ϕ 是与系统状态相关的回归向量。
- 在实际系统中实时运行自适应算法,不断更新参数估计值,直到收敛到稳定状态,此时的估计值即为电机惯量和摩擦系数的估计结果。
-
模型无关自适应控制(MIAC)
- 原理:不依赖于精确的电机数学模型结构,直接从输入输出数据中提取系统的动态特性信息来估计参数。通过设计特殊的输入信号(如伪随机二进制序列 PRBS 等),使系统产生丰富的动态响应,然后利用在线辨识算法对输入输出数据进行处理,从而估计出惯量和摩擦系数。
- 步骤:
- 向电机施加特定的扰动输入信号,采集电机的转速、转矩等输出数据。
- 利用递推最小二乘法(RLS)、卡尔曼滤波等算法对采集的数据进行处理和分析。以 RLS 算法为例,它通过不断更新参数估计值,使得估计模型输出的预测误差平方和最小。具体迭代公式为 θ ^ ( k ) = θ ^ ( k − 1 ) + K ( k ) [ y ( k ) − ϕ T ( k ) θ ^ ( k − 1 ) ] \hat{\theta}(k)=\hat{\theta}(k - 1)+K(k)[y(k)-\phi^T(k)\hat{\theta}(k - 1)] θ^(k)=θ^(k−1)+K(k)[y(k)−ϕT(k)θ^(k−1)],其中 y ( k ) y(k) y(k) 是第 k k k 时刻的输出测量值, ϕ ( k ) \phi(k) ϕ(k) 是第 k k k 时刻的回归向量, K ( k ) K(k) K(k) 是增益矩阵。
- 经过足够长时间的在线辨识后,得到电机惯量和摩擦系数的估计值。
基于滑模观测器的方法
- 原理:滑模观测器是一种非线性观测器,通过设计合适的滑模面和控制律,使观测误差在滑模面上滑动,从而实现对系统状态的准确估计。对于电机系统,可以将惯量和摩擦系数相关的参数融入到状态变量中,然后利用滑模观测器对这些参数进行估计。
- 步骤:
- 建立电机的滑模观测器模型,通常包括对电机状态的预测方程和滑模面设计。例如,对于电机的转速和位置状态,设计滑模面函数 s = x ˙ − x ^ s = \dot{x} - \hat{x} s=x˙−x^,其中 x x x 是实际状态, x ^ \hat{x} x^ 是观测器估计的状态。
- 设计滑模控制律,使得观测误差 s s s 趋近于零。常见的滑模控制律包含符号函数项,以保证系统能够快速到达滑模面并在滑模面上保持滑动。
- 在实际运行中,通过观测电机的输入输出信号(如电压、电流、转速等),利用滑模观测器进行实时计算,最终得到电机惯量和摩擦系数的估计值。由于滑模观测器存在抖振现象(由于符号函数的使用),通常需要采用边界层法等方法对其进行改进,以提高估计的精度和稳定性 。
注意事项
- 扰动信号的设计:扰动信号的类型、幅值和频率等参数对估测结果有重要影响。合适的扰动信号应能使系统产生明显且易于分析的响应变化,同时避免对电机正常运行造成过大干扰。
- 噪声和干扰处理:实际系统中存在各种噪声和干扰,如测量噪声、电磁干扰等,这些会影响估测的准确性。可以采用滤波技术(如低通滤波器、卡尔曼滤波等)对采集的数据进行预处理,以提高数据质量。
- 系统建模误差:电机的实际模型往往较为复杂,在建立数学模型时会存在一定的简化,导致建模误差。需要对模型的准确性进行评估,并在估测算法中考虑如何减小建模误差的影响 。
正文
大体思路
dob本质就是基于电机机械模型进行估测TL,类似隆博戈二阶观测器
DOB扰动估测器
z54在线惯量观测:
二阶隆博戈观测器,观测负载转矩TL,然后利用TL去修正B的值,然后再修正J的值
在线观测器设计
iq 和 iL 可以比作Tq和TL ,本文的Kt融入了pi控制器中
二阶巴特沃斯设计极点带宽
定转速且无载,TL = 0,第6式 可以转化为 第9式
先估测B再估测J
实验:
抑制粘滞摩擦
静摩擦 动摩擦 库伦摩擦
simulink实验记录
注意:实验过程中不能外加扰动力矩TL,也就是无载工况下
实验参数:
%% pmsm参数
%电流环============================
Ts = 1/20000;%电流环频率-开关频率
Rs = 0.51;
wq = 1000;%电流环带宽
L = 0.000295;Ls=L;Ld =L; Lq = L;%Lq = 0.0125;
flux =0.00983;Lamda_f = flux;
pole = 8;%极数
Pn=pole/2;%极对数
J=0.000017;
B = 8e-4;
Kt=3/4*pole*Lamda_f; %3/4 p lamta
Ke =0.041; % V/(rad/s)
curr_d_ki=Rs*wq;
curr_d_kp=L*wq;
%速度环==============================
wm_Ts = 1/1000;%速度环频率
Wsc = 200;
spd_kp= J *Wsc;
spd_ki = spd_kp*Wsc/5;
%母线电压
Udc = 24;
DOB设计
采用带宽为300的观测器,设计方法:
Z19
- 先直接断掉BW,也就是认为B=0,后续可以直接测出B=dB
- 其中估测的J为实际的0.6倍,现实中也没办法准确先得到J的值,需要后续校准
- 并且再本系统中第3s时加入TL=0.5的扰动力矩
测量粘滞摩擦系数B
给定任意一个恒定速度
观测示波器可得3s前B=dB数值为 8 e-4 , 与电机实际给的粘滞摩擦系数吻合。
验证:
将BW连接上测试
可以看到第3s前测出来的dB已经接近0,说明我们估测的Bhat接近真实值
由于3s时给一个持续的负载TL=0.5,运行观测器可得到:
观测器正常运行,并且准确估测出TL
转动惯量J测试
注意此时估测器的J还是不准确的,相当于真实值的0.6倍,接下来需要准确观测出J,让理论值尽量靠近真实值J
将速度命令更改为恒加速命令