煤矿双电机驱动带式输送机的能耗建模与参数辨识

带式输送机运行过程中的能耗与原煤运量和带速关系密切,根据运量优化带速,对于输送机节能运行有重要意义.本文面向煤矿双电机驱动带式输送机节能运行,研究能耗建模和参数辨识方法.首先,根据双电机驱动模式,建立基于电机动态模型的输送机能耗模型;然后,根据电机电流、转速和运量的测量数据,建立基于磁链观测器和递推最小二乘的参数辨识方法;最后,通过仿真实验说明所提方法的有效性.     

具有谐波减速器的柔性关节参数辨识

为了辨识具有谐波减速器的柔性关节模型的关键参数,设计了一套基于多传感器融合的离线辨识方法,根据电机的位置传感器、电流传感器和关节力矩传感器的实验数据完成柔性关节模型关键参数的辨识.首先,建立采用谐波减速器柔轮输出的柔性关节模型;然后,使用正反转加载力矩的方法辨识出电机的力矩系数;并在空载的情况下,由关节力矩和电机输出力矩分别辨识出关节端和电机端的摩擦力;最后,采用敲击法初步辨识出关节的刚度和阻尼后,在关节位置受限条件下,逐渐增加电机输出力矩,得到柔性关节刚度和关节力矩的非线性关系.多次实验的结果显示,辨识出的参数具有较高的重复性,验证了该方法的有效性.     

基于自适应粒子群优化算法的永磁同步电机参数辨识

永磁同步电机广泛应用于工业驱动系统中,开展永磁同步电机参数在线辨识对实现电机高性能控制和可靠状态监测具有重要意义.针对永磁同步电机动态数学模型具有非线性、多参数、强耦合等特点,从电气系统和机械系统两方面建立了永磁同步电机数学模型,针对参数辨识问题的特点,提出了一个惯性因子的自适应公式,在此基础上,建立了以粒子群算法为框架的自适应粒子群优化算法,对永磁同步电机定子电阻Rs和负载转矩TLd进行了在线辨识,并基于实验平台验证了辨识结果.研究结果表明:自适应粒子群优化算法通过不超过20次迭代就可以发现最优参数,模型参数的估计值和测量值匹配良好,该算法可在其他类型电机的参数辨识中推广应用.     

异步电机离线参数辨识

异步电机矢量控制要求准确获得磁场定向,而磁场定向的精度取决于电机参数值.为了准确辨识出电机的参数,本文研究基于静止状态下异步电机T型等效电路模型,采用脉冲电压法,单相交流注入法取代传统堵转和空载试验,实现对异步电机参数的准确测量.仿真实验结果证明上述方法正确可靠,且得到了较高的辩识精度.     

基于电压递推与FFRELS的航空蓄电池模型参数动态辨识

摘要：针对电池等效电路模型参数具有时变性,难以准确辨识的问题,建立了二阶RC航空电池模型,提出了基于遗忘因子扩展递推最小二乘法(FFRELS)的参数辨识算法;同时针对电池开路电压测量时间长的问题,创建了蓄电池开路电压辨识递推模型,实现开路电压的动态估计,该方法能够准确辨识出模型的参数,有效提高蓄电池开路电压的辨识精度。最后通过仿真实验,验证了该方法能够提高电池模型参数的辨识精度。     

基于GA和单纯形法的直流电机参数辨识

提出一种基于优化算法的非线性系统参数辨识的方法.针对直流电机非线性摩擦力和饱和特性,建立直流电机的非线性模型.利用遗传算法的全局寻优特性和单纯形法快速的收敛性,通过获取充分激励的实际系统运行的输入输出数据,辨识出包括非线性摩擦力在内的直流电机所有的8个模型参数.获取系统实际运行的输入输出数据,分别验证电机运行于死区、饱和区和线性区时,模型辨识的精度.这种方法可以方便地应用于其他非线性系统参数辨识中.     

硬件在环系统中电机参数辨识及状态估计研究

矢量控制电机中的敏感参数转子时间常数的实时辨识和电机状态实时估计是电机高性能运行的保证,首先讨论了转子时间常数参数辨识,其次讨论了滑模观测器并给出了观测器稳定性分析,通过观测器得到感应电机磁链状态估计值;将得到的转子磁链值用于MRAS状态估计,得到实时的电机转速.设计了硬件在环仿真系统验证电机状态估计方法及参数辨识方法;硬件在环试验系统包含感应电机,电气测功器以及实时仿真器等硬件,通过硬件在环实时试验得到了实时的电机状态估计及参数辨识结果,试验结果验证了参数辨识及状态估计方法的有效性和实时性.     

水下航行器推进用电机的健康监测技术研究

提出了一种基于模型的水下航行器推进用直流电机的健康监测方法,通过对电机的关键模型参数进行监测,达到监测电机健康状态的目的.以电机的3种典型故障模式为例,建立电机的辨识模型,采用最小二乘算法对模型参数进行辨识,得到反映系统健康状态的特征参量,并采用趋势预测算法对3种典型故障进行仿真评估.仿真结果表明,所提出的方法能较好地...     

Eh-star方法测试杂散损耗算法的研究

针对Eh-star方法测试电机杂散损耗的算法进行研究。首先,通过与几种测试方法进行对比,揭示Eh-star方法的可行性和优越性。接着,在Eh-star方法的测试原理的基础上,通过公式推导和分析,对此方法的算法进行详细分析,得到杂散损耗的推导公式,为下一步将整个算法嵌入计算机,实现自动数据自动采集和计算奠定基础。     

基于正交梯度搜索的动态系统递阶优化辨识

提出了一种辨识线性时不变状态空间系统参数的正交梯度二步递阶优化方法. 通过极小化输出误差目标函数获得了系统参数估计; 提出了正交梯度搜索方法用于解决系统参数的非唯一性问题, 正交梯度搜索的本质是在输入-输出等价类相切平面的正交垂空间更新系统参数; 给出了用 L-M 算法进行参数优化的充分条件; 提出的系统参数递阶优化辨识方法包括两步: 首先用给出的自适应 L-M 算子正交梯度方法确定参数优化方向; 其次由一维搜索方法计算最佳步长. 蒙特卡罗数值仿真实验表明本文提出的方法具有收敛速度快、抗噪能力强以及数值稳定性好等优点.