永磁同步电机转动惯量的在线辨识方法、装置及电子设备

摘要: 本技术涉及电机控制领域,尤其涉及一种永磁同步电机转动惯量的在线辨识方法、装置及电子设备。背景技术:1、内置式永磁同步电机广泛应用于电动汽车、工业伺服等领域。在高...
永磁同步电机转动惯量的在线辨识方法、装置及电子设备

本技术涉及电机控制领域,尤其涉及一种永磁同步电机转动惯量的在线辨识方法、装置及电子设备。

背景技术:

1、内置式永磁同步电机广泛应用于电动汽车、工业伺服等领域。在高性能控制中,转动惯量是速度环控制器参数整定的关键参数,其准确性直接影响系统的动态响应和稳定性。

2、现有技术中,基于机械方程与神经网络的在线惯量辨识方法较为常见。现有技术对实测转速直接差分求取角加速度,以电磁转矩与角加速度的线性回归模型为基础,采用梯度下降算法在线更新权重,从而辨识转动惯量。然而,这种方案下计算的转动惯量会随着负载机构、传动连接以及工况而变化,在负载欠补时存在辨识结果发散或错误收敛的问题,这可能导致控制器输出失效,电机无法启动的问题。此外,实测转速直接差分求取角加速度会放大测量噪声,影响转动惯量的辨识精度。

3、因此,有必要提出一种技术方案,能够在线、精准的实现转动惯量的辨识。

技术实现思路

1、本技术实施例提供一种永磁同步电机转动惯量的在线辨识方法、装置及电子设备,该方法通过消去负载常数项以实现解耦,使惯量辨识准确。

2、第一方面,本技术提供了一种永磁同步电机转动惯量的在线辨识方法,包括:

3、采集永磁同步电机的实时电流和转速,计算电磁转矩;

4、设置固定长度的滑动窗口,计算滑动窗口内的滑动窗口平均加速度和滑动窗口平均转矩,滑动窗口平均加速度被配置为滑动窗口两端的转速差与滑动窗口时间的比值,滑动窗口平均转矩被配置为滑动窗口内电磁转矩的滑动平均值;

5、设置辨识窗口,基于辨识窗口范围内的滑动窗口平均加速度和滑动窗口平均转矩,计算辨识窗口平均加速度运行均值和辨识窗口平均转矩运行均值;其中,辨识窗口的长度随滑动窗口平均加速度和滑动窗口平均转矩的累计数量而扩展,直至达到预设上限值;

6、基于滑动窗口平均加速度和滑动窗口平均转矩,构造包含转动惯量和未知负载扰动常数项的第一电机机械运动方程,并基于辨识窗口平均加速度运行均值和辨识窗口平均转矩运行均值,构造包含转动惯量和未知负载扰动常数项的第二电机机械运动方程;

7、基于第一电机机械运动方程和第二电机机械运动方程,将转动惯量与未知负载扰动常数项解耦,获得无未知负载扰动常数项的第三电机机械运动方程;

8、采用惯量神经元搭建辨识模型,辨识模型被配置为拟合第三电机机械运动方程,利用归一化最小均方学习律在线调整惯量神经元的权重,使惯量神经元的权重收敛至真实转动惯量,输出转动惯量辨识值。

9、在其中一个实施例中,第三电机机械运动方程被配置为表示中心化转矩与中心化加速度之间的线性映射关系,中心化转矩被配置为滑动窗口平均转矩与辨识窗口平均转矩运行均值的差值,中心化加速度被配置为滑动窗口平均加速度与辨识窗口平均加速度运行均值的差值;

10、利用归一化最小均方学习律在线调整惯量神经元的权重,包括:

11、对中心化加速度按预设尺度进行归一化处理,得到归一化中心化加速度;

12、以归一化中心化加速度作为惯量神经元的输入,利用惯量神经元的权重对惯量神经元的输入进行前向预测,得到预测中心化转矩值;

13、基于中心化转矩与预测中心化转矩值,计算得到预测误差;

14、根据预测误差,利用归一化最小均方学习律在线调整惯量神经元的权重,使惯量神经元的权重收敛至真实转动惯量。

15、在其中一个实施例中,将第一电机机械运动方程与第二电机机械运动方程相减,转动惯量与未知负载扰动常数项解耦,获得无未知负载扰动常数项的所述第三电机机械运动方程。

16、在其中一个实施例中,该方法还包括:

17、设置补偿网络,补偿网络包括多个隐藏层神经元,每个隐藏层神经元包括各自的输入权重、偏置和输出权重;

18、将利用归一化最小均方学习律在线调整惯量神经元的权重的时段定义为辨识阶段,其余时段为非辨识阶段;

19、在非辨识阶段中,计算滑动窗口两端转速的平均值,得到窗口平均转速,对窗口平均转速进行归一化处理,得到归一化转速;

20、将归一化转速分别输入至各个隐藏层神经元,每个隐藏层神经元利用非线性激活函数对输入的归一化转速进行非线性变换,得到各个隐藏层神经元的输出值;

21、基于所述隐藏层神经元的输出权重对各个隐藏层神经元的输出值进行加权求和,得到非线性补偿值;

22、根据滑动窗口平均转矩,以及基于惯量神经元的预测权重计算得的预测转矩值,计算得到系统残差;

23、计算系统残差与补偿值的差值,得到补偿误差;

24、根据补偿误差,利用梯度下降法反向传播更新各个隐藏层神经元的输入权重、偏置和输出权重,以使补偿误差趋近于零

25、在其中一个实施例中,在辨识阶段,冻结每个隐藏层神经元的输入权重、偏置和输出权重。

26、在其中一个实施例中,在线辨识方法还设置有启动检测状态机,启动检测状态机包括辨识状态和锁定状态,辨识状态对应辨识阶段,锁定状态对应于非辨识阶段;

27、当滑动窗口平均加速度超过预设的起动阈值时,启动检测状态机进入辨识状态,执行转动惯量的在线辨识;

28、当滑动窗口平均加速度低于预设的稳定阈值且持续达预设拍数时,启动检测状态机由辨识状态切换至锁定状态,锁定惯量神经元的权重,稳定阈值小于起动阈值;

29、在永磁同步电机运行过程中,锁定状态为不可逆状态,启动检测状态机切换至锁定状态后不再切换至其他状态。

30、在其中一个实施例中,启动检测状态机还包括待机状态,待机状态对应于非辨识阶段;

31、当检测到永磁同步电机停机、转速归零或上电复位时,将启动检测状态机从辨识状态或锁定状态重置为待机状态,并清零辨识窗口中累计的辨识窗口平均加速度运行均值和辨识窗口平均转矩运行均值。

32、在其中一个实施例中,将转动惯量辨识值进行轻平滑处理,得到平滑后的转动惯量辨识值;

33、将平滑后的转动惯量辨识值经一拍单位延迟后,得到延迟后的转动惯量辨识值,一拍单位延迟的初始值取标称惯量,在永磁同步电机起动初期以标称惯量作为送入控制器的转动惯量值;

34、对延迟后的转动惯量辨识值进行安全限幅,得到限幅后的转动惯量辨识值;

35、在永磁同步电机起动初期结束后,将限幅后的转动惯量辨识值作为送入控制器的转动惯量值。

36、第二方面,本技术还提供了一种永磁同步电机转动惯量的在线辨识装置,包括:

37、数据采集模块,用于采集永磁同步电机的实时电流和转速,并计算电磁转矩;

38、滑动窗口计算模块,用于设置固定长度的滑动窗口,计算滑动窗口内的滑动窗口平均加速度和滑动窗口平均转矩,滑动窗口平均加速度被配置为滑动窗口两端的转速差与滑动窗口时间的比值,滑动窗口平均转矩被配置为滑动窗口内电磁转矩的滑动平均值;

39、辨识窗口计算模块,用于设置辨识窗口,基于辨识窗口范围内的滑动窗口平均加速度和滑动窗口平均转矩,计算辨识窗口平均加速度运行均值和辨识窗口平均转矩运行均值;其中,辨识窗口的长度随滑动窗口平均加速度和滑动窗口平均转矩的累计数量而扩展,直至达到预设上限值;

40、解耦模块,用于基于滑动窗口平均加速度和滑动窗口平均转矩,构造包含转动惯量和未知负载扰动常数项的第一电机机械运动方程,并基于辨识窗口平均加速度运行均值和辨识窗口平均转矩运行均值,构造包含转动惯量和未知负载扰动常数项的第二电机机械运动方程;基于第一电机机械运动方程和第二电机机械运动方程,将转动惯量与未知负载扰动常数项解耦,获得无未知负载扰动常数项的第三电机机械运动方程;

41、惯量辨识模块,用于采用惯量神经元搭建辨识模型,辨识模型被配置为拟合第三电机机械运动方程,利用归一化最小均方学习律在线调整惯量神经元的权重,使惯量神经元的权重收敛至真实转动惯量,输出转动惯量辨识值。

42、第三方面,本技术还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现第一方面的永磁同步电机转动惯量的在线辨识方法。

43、上述的永磁同步电机转动惯量的在线辨识方法,通过采集永磁同步电机的实时电流和转速计算电磁转矩,设置固定长度的滑动窗口,计算滑动窗口平均加速度和滑动窗口平均转矩,通过窗口平均替代直接微分以抑制噪声放大。设置辨识窗口,基于窗口内累计的滑动窗口平均加速度和滑动窗口平均转矩计算运行均值,进一步构造包含转动惯量和未知负载常数项的第一电机机械运动方程,以及包含转动惯量和未知负载常数项的第二电机机械运动方程,将两方程相减消去负载常数项,实现惯量与负载的解耦。采用惯量神经元拟合解耦后的第三电机机械运动方程,利用归一化最小均方学习律在线调整神经元权重,使神经元权重收敛至真实转动惯量并输出。该方法通过滑动窗口抗噪和电机机械方程相减解耦,消除噪声放大和负载干扰,使惯量辨识准确。