基于电源波动瞬态识别的行星减速电机PID参数自适应整定方法与流程

摘要: 本发明涉及电气控制与智能制造自动化,尤其是基于电源波动瞬态识别的行星减速电机pid参数自适应整定方法。背景技术:1、目前,行星减速电机在智能制造、自动化装备以及...
基于电源波动瞬态识别的行星减速电机PID参数自适应整定方法与流程

本发明涉及电气控制与智能制造自动化,尤其是基于电源波动瞬态识别的行星减速电机pid参数自适应整定方法。

背景技术:

1、目前,行星减速电机在智能制造、自动化装备以及精密驱动等场合被广泛应用,其运行稳定性和动态响应能力在极端工况下具有关键性影响。为了克服工业现场中电网质量不佳、用电扰动频发及系统负载随机变化等问题,主流技术普遍采用基于pid(比例-积分-微分)参数自适应整定方法,结合扰动检测实现对电机控制器的动态优化。然而,现有自适应pid整定系统中,扰动检测及整定触发机制大多基于电压、电流等幅值的固定阈值判断,或利用模型预测、神经网络等算法对系统扰动趋势进行推理和整定参数的在线更新。

2、当前典型技术方案主要体现在以下维度:一是采用母线电压或电流信号的瞬时幅值突破设定阈值,判定为电网扰动或突发负载变化,以此启动自适应pid参数整定流程;二是引用模型参考自适应(mrac)或基于递归最小二乘法的系统辨识方法,对扰动发生后电机的动态响应数据进行在线建模,随后调整pid参数;三是结合神经网络、模糊推理等智能算法,将历史运行数据训练为预测模型,通过数据分类或趋势预测进行pid参数优化切换。这些方案在控制精度、容错性和一定鲁棒性上取得了积极进展,并已在部分变频调速、伺服驱动等领域实现实用化。

3、代表性方法如多种工业变频器中集成的幅值比较扰动检测模块,可以针对高压或大功率设备的较明显电网波动,在幅值跨越阈值后发出参数调整指令。基于稀疏信号分解、谐波分析,部分自适应控制装置可检测电压电流的谐波突变作为扰动来源。优化的模型辨识法则适用于对系统非线性和参数时变较弱的环境,能够提升部分场景下自适应参数的收敛速度。由于以上方法多聚焦于幅值层面的异常波动或依赖大时窗数据建模,对高频微幅扰动的灵敏认知以及响应速度的极限优化效果有限。

4、现有技术存在如下突出问题:首先,基于电压、电流等幅值阈值的扰动检测存在固有的检测滞后。当电源扰动以高频微幅扰动或相位结构突变形式出现时,幅值变化可能被噪声掩盖或滞后于实际扰动源,导致整定触发延迟,系统在扰动快速传播期间控制性能无法保障;其次,模型辨识、神经网络等基于长时窗数据统计或训练的方法对实时性和实际执行资源要求较高,当面对影响时间仅为毫秒级的暂态扰动时,往往来不及做出有效调整,甚至错过整定黄金时机;第三,幅值法和模型法往往难以区分不同扰动源引发的控制需求,存在误触发整定或参数不匹配的风险,容易引发控制对象二次冲击、超调加剧或系统稳定性变差等问题。此外,传统方法对扰动物理本质的理解停留在能量变化上,忽略了电源波动的相位结构突变对电机控制系统的早期影响,造成动态响应优化能力有限。

5、针对上述行业痛点,现有技术急需一种能够更早期、更准确识别电源扰动并实现高置信度、自适应触发pid参数整定的技术路径,尤其是在高频小幅度暂态扰动、复杂电网环境下,亟需克服整定触发延迟与误判问题,提升电机在扰动发生初期的动态响应性能和稳定性。该技术需求驱动下,创新地提出了基于电源纹波相位跃变特征的瞬态触发式pid整定机制,将电源扰动从幅值变化升维为相位结构破坏,极大增强了扰动识别的敏感性和鲁棒性,显著缩短了自适应控制策略的响应时延,满足高端制造装备和智能驱控场景对极限动态性能和稳定性的迫切要求。

技术实现思路

1、本技术提供基于电源波动瞬态识别的行星减速电机pid参数自适应整定方法,旨在解决上述背景技术中提到的现有技术存在的问题或问题之一。

2、本技术提供的基于电源波动瞬态识别的行星减速电机pid参数自适应整定方法,具体包括:

3、s1:对行星减速电机供电母线电压进行高采样率实时采集,并经由带通滤波器提取预设频段内的固有电源纹波成分,获取高频纹波信号序列;

4、s2:基于所述高频纹波信号序列执行改进型希尔伯特变换处理,解调生成连续相位时间序列,并计算相邻采样点间的相位差累积偏移量以构建相位变化率数据流;

5、s3:利用动态滑动窗口对所述相位变化率数据流进行局部归一化建模,若满足预设的相位跃变判定条件,则生成相位跃变事件标识;

6、s4:将所述相位跃变事件标识与电机电流响应初沿进行时序对齐验证,若在相位跃变后预设时间窗口内观测到电流斜率绝对值超过预设的电流斜率变化阈值,则确认生成真实扰动源触发信号;

7、s5:响应所述真实扰动源触发信号激活扰动指纹缓存区,在跃变发生后持续捕获电压纹波瞬时频谱重心偏移量、电流谐波畸变率变化梯度及编码器反馈角速度微分峰值,得到扰动特征指纹;

8、s6:将所述扰动特征指纹输入至由历史优质整定案例离线训练获得的预设聚类中心匹配模型中,若判断满足匹配条件则生成pid参数更新指令,否则维持当前控制参数。

9、s7:基于所述pid参数更新指令执行分阶段注入策略,先以50%权重叠加预设补偿参数组,待电机转速误差收敛至阈值内再全量切换至所述pid参数更新指令对应的目标pid参数组。

10、本技术提供的基于电源波动瞬态识别的行星减速电机pid参数自适应整定方法,具有以下有益效果:

11、(1)本方案通过将电源纹波信号的分析重心从传统的幅值域转向相位域,有效克服了现有技术中基于电压阈值检测或频谱能量积分方法在高频、低幅值扰动场景下易发生漏检与误判的技术缺陷。传统瞬态识别机制通常依赖于母线电压幅值突变或总谐波畸变率超标作为触发条件,然而在实际工业环境中,诸多关键扰动(如整流桥换相失败、邻近大功率设备启停)往往表现为微弱但快速的相位结构畸变,其电压幅值变化不显著,导致常规方法响应滞后甚至无法识别。本发明提出利用高采样率采集下的改进型希尔伯特变换提取瞬时相位,并通过动态滑动窗口对相邻采样点间相位差的累积偏移量进行局部归一化建模,能够敏锐捕捉到由电网阻抗突变引发的相位跃变事件,显著提升了扰动检测的灵敏度与时效性。实验表明,该机制可在扰动发生后数百微秒内完成初判,相较传统幅值比较法提前至少0.3~0.5秒实现预警,为后续控制策略调整争取了宝贵的前置时间窗口。

12、(2)进一步地,本方案构建了一套融合时序验证与特征指纹匹配的双重确认机制,显著增强了pid参数整定的可靠性与适应性,避免了因单一指标波动导致的频繁误调参问题。当相位跃变事件被初步识别后,系统并非立即启动参数重配置,而是引入电流响应初沿对齐校验:仅当电流斜率在跃变后预设时间窗口内超过预设的电流斜率变化阈值时才认定为有效扰动源,从而排除非电气耦合类噪声干扰;随后激活轻量级“扰动指纹缓存区”,在5ms内捕获电压纹波频谱重心偏移、电流谐波畸变梯度及角速度微分峰值构成的三维特征向量,并与离线训练获得的历史优质整定案例聚类中心进行匹配。只有当当前扰动指纹落入预设相似区间时,才触发分阶段参数注入——即先以50%权重叠加补偿组,待转速误差收敛后再全量切换。这一设计不仅大幅降低了在线计算负担,规避了复杂模型辨识或神经网络推理所需的长时窗数据积累与实时训练开销,还确保了控制过渡过程的平滑性与稳定性,有效防止因频繁或不当整定引发的机械振动加剧或系统失稳风险。

13、上述机制共同构建了一个无需依赖先验系统模型、不依赖长时间学习周期、且具备强鲁棒性的前馈式扰动感知与自适应控制闭环体系。其核心优势在于实现了从“被动响应”到“前瞻适配”的技术跃迁,能够在扰动能量尚未充分传递至电机机械端之前即完成控制参数的精准预调,显著提升伺服系统的动态跟随能力与抗干扰性能。尤其适用于对响应速度与运行平稳性要求严苛的应用场景,如精密数控机床、机器人关节驱动、高速包装机械等,在保障控制精度的同时兼顾了算法实时性与工程可部署性,具备良好的可扩展性与产业化前景。