[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

说明书

本发明公开了一种考虑数据扰动补偿的交流伺服系统模型辨识方法及设备，属于交流伺服系统运动控制技术领域。该方法包括以下步骤：构建交流伺服系统的模型结构，并设计模型辨识准则函数，对系统进行激励实验，获取相应的输入和输出反馈数据，进而利用过程数据的期望值计算数据扰动补偿量，并将其叠加到模型参数的自适应更新校正中，消除数据扰动的影响，提高模型辨识算法的精度。本发明提出的考虑数据扰动补偿的模型辨识方法同时考虑了数据噪声干扰和数据帧丢失的情况，并可实时修正受控系统的丢帧率，适用性更广，其可将无偏估测的数据扰动信息迭代修正到系统的模型参数的自适应更新中，减小模型辨识误差，进一步提高模型辨识算法的精度和可靠性。

技术领域

本发明属于交流伺服系统运动控制技术领域，更具体地，涉及一种考虑数据扰动补偿的交流伺服系统模型辨识方法。

背景技术

在工业自动化领域，总线型交流伺服系统通过使用先进的以太网现场总线构成闭环控制系统，从而避免了点对点式的传统连接方式。相对于传统的脉冲式交流伺服系统，总线型交流伺服系统具有高速、数据包容量大、传输距离长、成本低、支持灵活的物理拓扑结构等优点。

但是，在获取相关信号时，运行环境的实际情况或者传感器自身的缺陷等将会产生噪声干扰，影响数据采集的精度，从而上位机获取的系统真实信号实则为带有测量扰动或者测量噪声的信号。同时，在数据传输到上位机的过程中，由于链路的实际连接情况，数据碰撞和节点竞争失败等问题将导致传输的数据帧丢失。另一方面，考虑到链路堵塞或数据传递过程中损坏等，主从设备接收与发送的数据帧不一致将会产生无效的现场总线数据包，从而造成数据不完备。

对总线型交流伺服系统进行控制决策的制定时，应针对噪声干扰和数据帧丢失的情况下，利用系统的数据扰动信息进行被控对象模型结构的确定和模型参数的辨识。目前存在的针对数据扰动的补偿方法存在两方面的问题：

1)没有同时针对噪声干扰和数据帧丢失两种情况同时进行扰动信息的无偏估计，从而实用性有限，若分别任针对噪声干扰和数据帧丢失进行补偿策略的研究则增加了模型辨识算法的复杂度；

2)对数据帧丢失的补偿方法都需要提前预知系统的丢帧概率或者丢帧周期的系统时间轴，而考虑到外部环境的变化，如突变的通信链路状态、传感器故障等，不同时刻数据驱动系统的丢帧率是时变的。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种考虑数据扰动补偿的交流伺服系统模型辨识方法及设备，其目的在于，利用系统实际获取的输入和输出数据进行数据扰动信息的无偏估计，从而将数据扰动信息叠加到系统模型参数的自适应更新中，最终减小模型辨识误差，提高模型辨识算法的精度和可靠性。

为实现上述目的，按照本发明的一个方面，提供了一种考虑数据扰动补偿的交流伺服系统模型辨识方法，具体步骤如下：

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：