[发明专利]一种滚珠丝杠进给系统动态特性稀疏辨识方法

说明书

一种滚珠丝杠进给系统动态特性稀疏辨识方法，其特征是通过覆盖工作行程的随机激励实验构造数据集，将滚珠丝杠进给系统建模为非线性摩擦扰动下的线性变参数系统，构造常规字典函数库和双曲正切字典函数库分别表征位置相关动态特性和非线性摩擦并构造回归模型，利用稀疏回归确定所有字典函数的系数，进而得到最终的预测模型。本发明通过一次激励实验的数据，即可辨识得到同时考虑非线性摩擦和位置相关动态特性的电机驱动力矩‑工作台位预测模型，实现滚珠丝杠进给系统动态特性的准确高效建模。

技术领域

本发明涉及机电系统建模领域，尤其是滚珠丝杠进给系统动态特性建模方法，具体地说是一种滚珠丝杠进给系统动态特性稀疏辨识方法。

背景技术

滚珠丝杠进给系统因其传动效率高、工作行程大、承载能力强和使用寿命长等优点，广泛应用于以各式数控机床为代表的机械系统。机械系统精密化和高速化的发展趋势对滚珠丝杠进给系统的运动控制精度提出了更高要求，而建立准确描述系统动态特性的模型是保证其运动控制精度的基础。

由于受到非线性摩擦扰动以及位置相关动态特性等非线性时变因素的影响，滚珠丝杠进给系统的动态特性难以准确高效地建模。相关的建模方法目前主要分为机理建模和数据驱动建模两大类。机理建模需要辨识模型中的各类物理参数，建模过程繁琐低效且精度有限。数据驱动建模常用的神经网络模型则受限于其黑盒特性，不具备机理可解释性且难以稳定泛化。因此，亟需一种面向滚珠丝杠进给系统动态特性的准确高效的建模方法。

发明内容

本发明的目的针对现有的滚珠丝杠进给系统动态特性建模存在建模过程繁琐低效且精度有限，准备性不佳以及不具备机理可解释性且难以稳定泛化的问题，发明一种滚珠丝杠进给系统动态特性稀疏辨识方法。通过覆盖工作行程的随机激励实验构造数据集，将滚珠丝杠进给系统建模为非线性摩擦扰动下的线性变参数系统，构造常规字典函数库和双曲正切字典函数库分别表征位置相关动态特性和非线性摩擦并构造回归模型，对所有系数进行最小二乘回归和分步稀疏回归，进而得到最终的电机驱动力矩-工作台位移预测模型。

本发明的技术方案是：

一种滚珠丝杠进给系统动态特性稀疏辨识方法，其特征在于，包括以下步骤：

1)进行覆盖工作行程的随机激励实验，同步监测电机驱动力矩和工作台位移；

2)将滚珠丝杠进给系统建模为非线性摩擦扰动下的线性变参数系统；

3)构造常规字典函数库表征系统的位置相关动态特性；

4)构造双曲正切字典函数库表征系统的非线性摩擦；

5)基于上述两类字典函数库构造回归模型；

6)使用最小二乘法求解回归模型中所有字典函数的系数；

7)将所有系数分为位移、驱动力矩和非线性摩擦相关三部分进行分步稀疏回归；

8)将稀疏回归后的系数代入回归模型并将其转换为预测形式。

本发明的有益效果是：

本发明所公开的方法通过一次激励实验的数据，即可辨识得到同时考虑非线性摩擦和位置相关动态特性的电机驱动力矩-工作台位移预测模型，可以实现滚珠丝杠进给系统动态特性的准确高效建模。

附图说明

图1为随机激励实验所监测的电机驱动力矩和工作台轨迹示意图。

图2为基于两类字典函数库构造的回归模型结构示意图。

图3为随机激励时的位移预测误差示意图。

图4为工作台正弦运动时的实际位移和位移预测误差示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。