直流电机参数辨识的实验方法doc11.doc

直流电机参数辨识的实验方法 摘 要 本文的主要目的是估计的直流电动机的参数实验采用一个综合的离散测量测功机。正在审议的参数是电机电枢绕组电阻和电感，反电势常数，电机转矩常数，转动惯量和粘性摩擦。测功机输出的电枢电流，离散角速度测量，电枢电压（系统输入法），由电机开发的扭矩。在这个文件的直流电动机参数辨识采用最小二乘算法，是实施过程中不受一个D/ A转换器和功率放大器使用。特别是，电枢电压产生使用的主要推动者和同步发电机。数据采集??系统是由现有的测功机具有特殊的软件相结合的数据收集不同导致收购在指定的固定时间间隔自动测量。一个卡尔曼滤波器也实现，作为一个国家的观察员，估计角加速度与电枢电流的导数。此外，为提高整体识别性能，直流参数进行了第一次估计解耦AC参数使用DC输入信号。随后，估计直流参数，然后用来识别交流参数。实验结果来说明了该系统的效率。 本文的主要目的是应用集成测功仪的离散测量方法实验性的估算直流电机参数。估算的参数有电动机电枢绕组电阻，电感，反电动势常熟，电机转矩常数，转动惯量和粘滞摩擦系数。这款测功仪的输出是绕组电流，角速度，电枢电压（系统输入）和电机转矩的离散值。文中直流电机的参数辨识，采用了最小平方法，并且在运行中不需要使用D/A转换器和功率放大器。而且，电枢电压由一个原动机和一个同步发电机提供。数据集系统 目前，对于采用多种技术参数辨识。梯度算法，它是一个最速下降法辨识误差最小化。随机状态估计，那里的参数集考虑到是该制度，这是一个卡尔曼滤波器估算未知状态。对于线性时不变系统，最小二乘算法is.widely使用。这种方法最大限度地减少了integralsquared识别错误。前两种方法通常用于时变系统，并要求闭环设置。在这个文件中，第三种方法，那就是最小二乘算法，是选择的效率和简单。然而，这三个方法具有一个共同的充分条件收敛。该充分条件要求的输入输出量测到一个有限的时间必须坚持激动人心[一]。因此，输入必须激发系统的所有参数。例如，让我们的投入，这在我们的例子是电枢电压，是一个直流信号。因此，通过检查方程描述一个直流电动机的动力，它可以很容易地注意到，电枢绕组电感和转动惯量不影响测功机的输出。 文献[１] [２]给出了现在比较常用的几种参数辨识技术。梯度算法是一急剧下降方法以将误差降到最小。随机状态计算，其中参数设置是系统的未知状态，应用卡尔曼滤波器计算。对于线性不变式的系统，最小平方的算法用途广泛有限时间决定的输入输出测量 相应地，必须激发系统的所有参量 一个简单的方法来确定一个令人兴奋的持续投入的特点，可以在某种程度上实现了通过计算机模拟的方式。一般来说，相关的输入信号不能使用商业信号发生器产生。然而，这一“数字“的信号，通过模拟得到，可能是美联储为D/ A的转换器，一个功率放大器之后。此外，相应的测功机输出应收集使用A/ D转换器。因此，参数辨识，可实施后处理的输入和输出数据。不幸的是，所需的功率放大器是不可用。 本文的主要贡献是确定没有一个D/ A转换器和功率放大器使用的直流电动机的参数。基于模拟分析，不同频率的内容随时间变化的输入电压是必需的。为了产生这样一个信号，一个原动力是机械连接到同步发电机。原动机的速度是手动修改，这在转弯，迫使同步发电机，以产生不同的振幅和频率的电压。因此，在异步模式同步发电机hnctions。这种设置部分取代了以前拟议的D/ A转换器和功率放大器。测功机数据采集软件可以取得高达六十通过鼠标点击发起不同的测量。为了收集的输入输出电压和功率计同时在理想的采样率，特别是软件，还配合了测功机软件自动收集不同的测量所需的固定时间间隔。 参数识别过程还需要测量的角加速度和电枢电流的导数。阿Kalnian滤波器[3] -[4]被设计为一个国家观察员估计这些变量。类似的卡尔曼滤波应用于估计角速度和加速度使用一列货运火车轮脉冲发生器[5]。最后，为提高整体系统性能，直流参数最初估计，从业人员由去耦AC参数使用DC输入信号最小二乘算法。这些估计的直流参数，然后用来识别交流参数。 这种新的实验方法是本文的主要贡献。 本文安排如下。第2包括一个具有符号直流电机和相应的最小二乘算法的动态。第3节建议的制度，显示电枢电压产生这一问题的承诺，数据采集，以及一个Kalnian滤波器的实现。第4节，包括实验结果和所提出的系统性能。最后，第5节总结这项工作的结果。 2 最小二乘算法 一个直流电动机的系统动力学是给予 为了设计这些方程为基础的控制器，电动机参数的L，R，Kb=Kt, J的值和F需要找到。要做到这一点，假设一个电压到电机放大器指挥和V的测量v(t),i(t)和θ(t)这将被用来估计参数。这可以通过考虑完成上述前两个方程可以写成如下 该系统由两个线性代数方程组的未知L , R, K T, J