伺服系统线性特性和非线性摩擦的解耦辨识方法研究

针对伺服进给机构包含线性结构和非线性摩擦特性的特点,提出一种将线性模型和非线性摩擦特性进行分步解耦辨识的方法.首先分别确定伺服系统的线性模型和非线性模型,将伺服系统结构模型转化为线性模型加非线性摩擦反馈的结构.为了消除非线性摩擦力对线性模型的影响,采用2路同向非过零速信号对系统激励,利用2组系统输入和输出信号的差值作为线性参数的辨识数据对线性参数进行估计.获得线性模型后进一步利用系统稳态输出实现对非线性Coulomb摩擦幅值特性的估计.系统仿真和实验都证明了该辨识方法对提高伺服系统的辨识精度及控制器设计的有效性和可靠性.     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。     

基于修正黏性摩擦LuGre模型的比例多路阀摩擦补偿

为减小摩擦对比例多路阀性能的影响,提出基于修正黏性摩擦LuGre模型的比例多路阀摩擦特性分析、模型参数辨识以及摩擦补偿方法。通过实验测试间接得出摩擦数据,运用数据拟合方法辨识出修正黏性摩擦LuGre模型的静态和动态参数。基于辨识参数设计出修正黏性摩擦LuGre模型摩擦状态观测器,将观测器摩擦信号输出量反馈到控制模型输入端,减小摩擦对比例多路阀性能的不良影响。仿真结果表明,基于辨识参数的修正黏性摩擦LuGre模型摩擦补偿方法可提高比例多路阀的位置跟踪精度。     

基于特征区间自动搜索的主蒸汽调节阀流量特性建模算法研究

在火力发电机组中,实发功率的变化通常是通过调节主蒸汽调节阀的开度来改变主蒸汽流量实现的。然而,主蒸汽调节阀往往存在非线性特性,对功率控制回路的性能产生不利影响。该文提出建立主蒸汽调节阀的特性模型,有利于获得阀门真实特性,以及方便为功率控制过程提供逆补偿。在顺阀和单阀方式下对阀门进行实验,提出自动搜索方法对样本数据进行线性区间划分,基于每个区间数据建立线性模型,采用最小二乘算法辨识模型参数,并为下一步迭代更新线性区间提供指导,线性区间和模型辨识交替进行直到达到模型拟合要求。实例分析表明,该方法能够准确地估计阀门流量特性,具有较强实用性。     

基于 RP-EKF 的无人机动力系统参数辨识

针对无人机动力系统电池电压波动导致系统噪声大、辨识结果精度低的问题,本研究提出了一种基于反向预测-增广卡尔曼滤波(RP-EKF)的无人机动力系统参数辨识方法。首先构建增广参数矩阵,将压降噪声模型考虑入辨识环节,其次提出反向预测卡尔曼滤波算法,设定新息平方比阈值,计算原始预测新息平方与反向预测新息平方的比值,通过对比预测新息比与阈值完成过程噪声调整并实现估计模型修正。实验结果表明,本文提出的基于RP-EKF的参数辨识方法,平均误差为39.22 rpm,均方根误差为55.85 rpm,平均相对偏差为0.85%,相比于最小二乘算法与卡尔曼滤波算法,本文方法辨识结果平均误差分别提高41.51%和22.26%,均方根误差提高49.63%和13.0%,平均相对偏差提高41.7%和22.7%。本文提出的算法拥有更高的辨识精度。     

A／D转换器动态线性模型辨识

本文提出一种仅由输出数据辨识A／D转移器动态线性参数模型的方法。输入信号必须是非高斯的并具有文中所描述的特性。模型的阶次和参数由高阶统计估计。实验结果证实了方法的正确性。     

电动振动台建模和速度估计的实验研究

为实现电动振动台振动输出力的高精度跟随控制,对电动振动测试实验系统的数学模型和速度估计方法进行实验研究。运用机理法建立了系统数学模型,并通过递推最小二乘法算法辨识出模型中的未知参数。采用基于输出力、位移和速度的三参量控制器作为控制算法。由于速度信号缺乏有效的传感元件,采用基于加速度和位移的卡尔曼滤波器来估计三参量反馈信号中的速度信号,以此克服直接用位移差分获得速度信号所产生的量化噪声。构建以Twin CAT实时控制软件为基础的振动输出力跟随控制实验系统,实验结果证明采用卡尔曼滤波器能有效消除系统的量化噪声。     

液压挖掘机上车结构参数与液压缸摩擦力参数辨识

在液压挖掘机上车机械臂的动力学分析基础上,提出利用液压缸平稳低速运行时的动力学特性建立与摩擦力无关的挖掘机臂动力学模型,并运用该模型通过离线辨识确定臂的结构参数。基于经典摩擦力模型建立液压缸的辨识模型,通过在线辨识实验得到了液压缸的摩擦力参数,为深入研究液压挖掘机的动力学特性、建立可靠的系统仿真模型及实现臂运动的精确控制提供了依据。     

基于渐近法的废气氧传感器Hammerstein模型辨识

为了解决与发动机空燃比控制相关的废气氧(EG0)传感器精确建模问题,基于渐近(ASYM)法辨识了EGO传感器的Hammerstein模型。模型的非线性部分用静态实验数据拟合,动态线性部分的辨识分为三步。先估计一个高阶ARX模型,然后依据渐近准则(ASYC)找出最佳频率响应估计的模型阶次,再采用极大似然(ML)法估计降阶后的模型参数。通过残差分析、交叉验证和模型误差模型(MEM)测试,将得到的ASYM模型与输出误差(OE)模型和Box-Jenkins(BJ)模型进行比较。结果表明,基于ASYM法的Hammerstein模型能够更精确地捕获EGO传感器的频域动态特性,并且用ASYM法能够量化模型的频域误差上限以评价建模精度。     

压电执行器的Bouc-Wen模型在线参数辨识

现有的定参数Bouc-Wen模型由于无法表征压电执行器迟滞具有的频移和时变性,极易产生较大的模拟误差。为了精确地模拟压电执行器的迟滞特性,本文建立了压电执行器的Bouc-Wen模型,并采用递推最小二乘在线辨识方法来实时辨识Bouc-Wen模型的参数。为了避免出现数据饱和现象,使用限定记忆来限定辨识方法所使用的数据组数。为验证该辨识方法的有效性,建立了相应的实验系统对其进行实验验证。实验结果表明,限定记忆递推最小二乘在线辨识方法能使Bouc-Wen模型也呈现频移和时变特性。以100 Hz的驱动电压为例,其最大绝对模拟误差从1.38μm降为0.51μm。因此,与传统的离线参数辨识方法相比,限定记忆递推最小二乘在线辨识方法能够有效地提高Bouc-Wen模型的模拟精度。