针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive leas...针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive least squares,RLS)算法进行多种工况下多电机参数失配诊断。针对传统的递归最小二乘法在进行在线电机参数辨识时,容易固遗忘因子影响,存在跟随速度慢、抗干扰性差等问题,在原始递归最小二乘法基础上引入了随系统工况变化而变化的“变遗忘因子”,提高电机参数的跟踪速度和抗负载扰动能力;为验证改进后的递归最小二乘法是否具有可靠性、鲁棒性和泛化性,分别设置了5种假设工况,并进行多组实验对比,通过分析电机速度响应、d-q轴电流以及量化分析转矩跟踪和R_(s)参数辨识精度等,验证改进后的算法具有较强的鲁棒性和泛化性;并通过分析性能指标数据,主要包括平均速度、平均q轴电流等,得出改进后算法分析数据的有效性。展开更多
文摘针对多种电机采用的控制器模型也存在不同,电机参数存在多样性,并且针对多种工况下,电机在工作过程中存在参数变化、负载扰动等情况,导致电机参数辨识精度不高、电机-控制器模型失配等问题,提出了一种改进递归最小二乘法(recursive least squares,RLS)算法进行多种工况下多电机参数失配诊断。针对传统的递归最小二乘法在进行在线电机参数辨识时,容易固遗忘因子影响,存在跟随速度慢、抗干扰性差等问题,在原始递归最小二乘法基础上引入了随系统工况变化而变化的“变遗忘因子”,提高电机参数的跟踪速度和抗负载扰动能力;为验证改进后的递归最小二乘法是否具有可靠性、鲁棒性和泛化性,分别设置了5种假设工况,并进行多组实验对比,通过分析电机速度响应、d-q轴电流以及量化分析转矩跟踪和R_(s)参数辨识精度等,验证改进后的算法具有较强的鲁棒性和泛化性;并通过分析性能指标数据,主要包括平均速度、平均q轴电流等,得出改进后算法分析数据的有效性。
