[发明专利]考虑数据扰动补偿的交流伺服系统模型辨识方法及设备

权利要求书

1.一种考虑数据扰动补偿的交流伺服系统模型辨识方法，其特征在于，包括如下步骤：

步骤1：确定交流伺服系统的模型结构：

其中，q为时移因子，i_q(t)和y(t)分别为输入电流信号和输出速度信号，和为待辨识的系统模型参数，n_b和n_a分别为输入信号和输出信号的阶次，t表示时间序列；

设定为待优化的系统模型参数矩阵，则y(t)简化为：

其中，为信息矩阵，表征了系统采集的数据集合；

步骤2：进行激励实验，获取相应的反馈数据：

在步骤1的模型结构中考虑输入端和输出端的随机数据帧丢失和测量噪声，交流伺服系统实际接收到的输入数据i_qm(t)和输出数据y_m(t)表示为：

i_qm(t)＝i_qr(t)i_q(t)+i_qd(t)

y_m(t)＝y_r(t)y(t)+y_d(t)

其中，i_qd(t)和y_d(t)分别为输入数据和输出数据的噪声干扰，i_qr(t)和y_r(t)为表征实际数据是否成功传输的随机二进制变量，其值为1表示实际数据成功传输，其值为0表示数据帧丢失，并且考虑到输入和输出数据总是存在于同一链路中，因此有i_qr(t)＝y_r(t)；

步骤3：设计模型辨识优化准则函数：

利用实际采集的过程数据，设计模型辨识优化准则函数如下：

其中，为辨识得到的交流伺服系统最优模型参数，表示使J(θ)最小的θ的估测值，N表示数据容量，表示使用实际反馈信号构建的信息矩阵；

步骤4：无偏估计数据扰动补偿量：

定义扰动信息的实时补偿量为则由下式可计算出扰动信息的实时补偿量：

其中，为按照步骤3的模型辨识优化准则函数在(t-1)时刻辨识得到的模型参数矩阵；

步骤5：考虑数据扰动补偿的模型参数自适应更新：

根据步骤4求得的模型参数自适应更新由如下公式表示：

其中，grad表示计算下降梯度信息，为模型参数的变化量，r(t)为收敛因子，并且满足r(0)＝r₀≥0，当满足时迭代结束，a为预设阈值。

2.如权利要求1所述的一种考虑数据扰动补偿的交流伺服系统模型辨识方法，其特征在于，步骤5中r(t)由下式计算得到：

其中，λ(t)和λ(t-1)为中间变量，ζ(t)表示遗忘因子，具体定义为：

其中，μ₁和μ₂为调节系数，用于平衡模型辨识算法的稳定和收敛性。

3.如权利要求1或2所述的一种考虑数据扰动补偿的交流伺服系统模型辨识方法，其特征在于，步骤4中，定义E表示期望值，

P_r＝E[i_qr(t)]＝E[y_r(t)]为数据顺利传输概率的期望值，可得以下期望值关系：

其中，s表示任意时刻；

因此，可建立无数据扰动与有数据扰动的信息矩阵期望的关联：

其中，diag表示对角矩阵，Λ(t)为待估计的数据扰动补偿量，是维度为n_θ的单位矩阵并且和为中间变量，分别表示：

因而有：

为Λ(t)的实时估测值。

4.一种考虑数据扰动补偿的交流伺服系统模型辨识设备，其特征在于，包括处理器和交流伺服系统模型辨识程序模块；所述交流伺服系统模型辨识程序模块在被所述处理器调用时，执行如权利要求1～3任意一项所述的交流伺服系统模型辨识方法。