CN107024617B - 一种电机转矩振荡频率辨识方法 - Google Patents

一种电机转矩振荡频率辨识方法 Download PDF

Info

Publication number
CN107024617B
CN107024617B CN201710266940.9A CN201710266940A CN107024617B CN 107024617 B CN107024617 B CN 107024617B CN 201710266940 A CN201710266940 A CN 201710266940A CN 107024617 B CN107024617 B CN 107024617B
Authority
CN
China
Prior art keywords
frequency
minimum
global
global minimum
oscillation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710266940.9A
Other languages
English (en)
Other versions
CN107024617A (zh
Inventor
张韬
鲍海静
张静
徐志明
方杰
杨文博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN201710266940.9A priority Critical patent/CN107024617B/zh
Publication of CN107024617A publication Critical patent/CN107024617A/zh
Application granted granted Critical
Publication of CN107024617B publication Critical patent/CN107024617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16Spectrum analysis; Fourier analysis
    • G01R23/173Wobbulating devices similar to swept panoramic receivers
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16Spectrum analysis; Fourier analysis
    • G01R23/165Spectrum analysis; Fourier analysis using filters
    • G01R23/167Spectrum analysis; Fourier analysis using filters with digital filters

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明提供了一种电机转矩振荡频率辨识方法,包括以下步骤:步骤1,提供一缓冲器,当电机发生振动时,采集电机的交轴电流给定信号以得到一反映电流值的数据序列作为第一信号源,并将所述第一信号源存入所述缓冲器;步骤2,提供第一陷波器,所述第一陷波器以不同数值的中心频率,分别对所述步骤1中的所述缓冲器输出的所述第一信号源进行处理,得到对应的若干第二中间数据,每一所述第二中间数据对应一所述中心频率;步骤3,计算所述步骤2中所有若干所述第二中间数据对应的幅值增益;步骤4,根据所述步骤3中的计算结果,通过预设算法确定两个幅值增益最小的第二中间数据所对应的所述中心频率的值,即为所述电机的振荡频率。

Description

一种电机转矩振荡频率辨识方法
技术领域
本发明涉及电机控制技术领域,具体是涉及一种电机转矩振荡频率辨识方法。
背景技术
伺服系统在机电传动行业应用中,伺服电机通常通过联轴器、同步带、丝杠、齿轮等与负载进行联接,在整个传动链中各环节都不是理想刚性,存在一定的弹性变形,伴随着越来越高的控制增益,容易产生机械谐振,并在电机和负载之间产生转矩振动,导致控制系统的速度和位置误差,甚至损害传动装置。从频域进行分析,机械谐振的产生,是由于弹性联接引入了一对共轭零极点,会导致在共轭极点附近的振动幅值突然增大,因此如何在不影响系统速度环带宽的前提下,通过对整个交流伺服系统进行准确的频率分析,是需要解决的一个难点问题。
离散化采样长度与辨识结果的准确性有很大的关系,并且需要在主程序中完成,导致计算时间仍然较长,对于DSP(数字信号处理芯片)来说,运算负荷较大;并且在对有限的离散序列进行频谱分析过程中,辨识结果的准确性与离散频谱的分辨率有很大关系,分辨率越高,辨识结果越准确,需要的采样数据量越大,增加了整个运算过程的计算量,对实现在线辨识有很大的制约。
因此如何在离散化采样长度较低的情况下完成准确、快速的辨识,并且能够使离散频谱的分辨率比较高,是我们需要解决的难点之一。
发明内容
针对现有技术中存在的上述问题,现旨在提供一种电机转矩振荡频率辨识方法,以便捷准确的确定振荡频率。
具体技术方案如下:
一种电机转矩振荡频率辨识方法,其特征在于,包括以下步骤:
步骤1,提供一缓冲器,当电机发生振动时,采集电机的交轴电流给定信号以得到一反映电流值的数据序列作为第一信号源,并将所述第一信号源存入所述缓冲器;
步骤2,提供第一陷波器,所述第一陷波器是所构建的一系列指定间隔中心频率的陷波器,以分别对所述缓冲器输出的所述第一信号源进行陷波处理,得到对应的若干第一中间数据,每一所述第一中间数据对应一所述中心频率;
步骤3,分别计算每个所述第一中间数据对应的幅值增益;
步骤4,根据所述步骤3中的计算结果,通过预设算法确定两个数值最小的所述幅值增益对应的所述第一中间数据所对应的所述中心频率的值,即为所述电机的振荡频率。
进一步地,所述缓冲器包括高通滤波单元,用于滤去所述第一信号源中频率低于一预设频率的谐波。
进一步地,所述的第一陷波器工作于第一频段或者第二频段或者第三频段,分别对应所述第一陷波器的不同工作模式;
所述第一频段为1~1000Hz,所述第二频段为1~100Hz,所述第三频段为10~1000Hz。
进一步地,步骤2中,所述第一陷波器每隔第一预设时间改变一次对应的所述中心频率的数值。
进一步地,对所述第一陷波器进行海明窗加窗处理。
进一步地,所述第一陷波器的中心频率由小至大变化。
进一步地,所述预设算法包括局部最小值判断算法和全局最小值判断算法;
所述局部最小值判断算法,包括以下步骤
步骤A1,比较当前时刻所对应的所述幅值增益是否同时大于上一时刻所述幅值增益的大小,以及大于下一时刻所述幅值增益的大小,若是,则进入步骤A2,若否,则剔除当前时刻所述对应的所述第一中间数据;
步骤A2,将当前时刻的所述幅值增益作为局部最小值计入全局最小值算法判断步骤;
于所述全局最小值算法中配置有第一全局最小值和第二全局最小值;
所述全局最小值算法判断步骤包括:
步骤B1,判断是否获取完所有的局部最小值,
若是,则进入步骤B4;
若否,获取一个局部最小值,进入步骤B2;
步骤B2,将对应的局部最小值与第二全局最小值与比较,
若该局部最小值小于所述第二全局最小值,进入步骤B3;
若该局部最小值大于所述第二全局最小值,则进入步骤B1;
步骤B3,将该局部最小值与第一全局最小值比较,
若该局部最小值小于所述第一全局最小值,将所述第一全局最小值替换为第二全局最小值,则将该局部最小值替换为第一全局最小值,返回B1;
若该局部最小值大于所述第一全局最小值,则将该局部最小值替换为第二全局最小值,返回B1;
步骤B4,输出此刻的第一全局最小值和第二全局最小值对应的第一中间数据。。
进一步地,全局最小值判断算法配置的所述的第二全局最小值大于所述第一全局最小值。
上述技术方案的积极效果是:
上述的电机转矩振荡频率辨识方法,方法简单有效,易于实现,适应度高,并且抗干扰能力强。避免了采用FFT算法直接对交轴电流进行分析导致计算量大、占用大量主循环等缺点。
附图说明
图1为本发明的一种电机转矩振荡频率辨识方法的整体架构图;
图2为本发明的一种电机转矩振荡频率辨识方法的流程图;
图3为本发明的局部最小值判断算法的流程图;
图4为本发明的全局最小值判断算法的流程图;
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,以下实施例结合附图1至附图4对本发明提供的技术方案作具体阐述,但以下内容不作为本发明的限定。
一种电机转矩振荡频率辨识方法,包括以下步骤:
步骤1,提供一缓冲器,当电机发生振动时,采集电机的交轴电流给定信号以得到一反映电流值的数据序列作为第一信号源,并将所述第一信号源存入所述缓冲器;
步骤2,提供第一陷波器,所述第一陷波器以不同数值的中心频率,分别对所述步骤1中的所述缓冲器输出的所述第一信号源进行处理,得到对应的若干第一中间数据,每一所述第一中间数据对应一所述中心频率;
类似于扫频方法,在线辨识算法的精度由扫频间隔决定,无须高次谐波信号输入,依靠依次改变数字陷波器中心频率的方式,来对原始第一信号源进行分别的陷波扫频处理;扫频初值和终值的设定规则通常为限定谐振可能发生的边界区域,扫频间隔与要求精度有关系,所述的第一陷波器可工作于第一频段、第二频段和第三频段,所述第一频段为1~1000Hz,所述第二频段为1~100Hz,所述第三频段为10~1000Hz,通过如第1点所述的同时设置扫描间隔和起始频率点,使辨识工作于不同模式下,分别是第一频段辨识(1~1000Hz),第二频段辨识(1~100Hz),第三频段辨识(10~1000Hz),第一频段,以1Hz的扫描间隔,用于1~1000Hz的扫频频谱分析,能够对范围内所有频率对应的幅值和相位进行准确的分析;
第二频段,系列陷波器中心频率的间隔为1Hz,处理范围为1~100Hz,对应于低频段的幅值求解、频率辨识和位置环控制的末端抖动抑制,适用于的机械臂的传动末端抖动抑制等应用;
第三频段,系列陷波器中心频率的间隔为10Hz,处理范围为1~1000Hz,对应于高频段的幅值求解、频率辨识和速度环控制的共振抑制,适用于数控机床、工业机器人高速运转引起的谐振抑制等应用;但要注意精度越高,导致计算时间越长,需要权衡二者之间的关系,通常第三频段选用1Hz的频率间隔、第二频段选用0.1Hz的频率间隔,就能够获得较准确的频率辨识结果。
对于第一频段辨识,也就是扫频辨识,举例如下,图1为带弹性负载的伺服系统框图,iqref为电流给定信号,通过全局变量缓冲器,得到一个256个采样点的信号序列iqrefbuf[256],通过设计的扫频模式的固定中心频率FIR陷波器依次对其进行陷波处理、幅值计算和寻优、完成振动频率辨识。
本技术方案中相关表达式意义:iqrefbuf[256]:电流/转矩振动信号;Mag(k):第k点频率对应滤波后数据绝对值求和结果;Nf:FIR数字陷波器对应陷波频率的最大值;filterfk[256]:经中心频率fk为FIR数字滤波器滤波后的信号序列;Mag2和Mag1,幅值增益全局最小值;起始频率点:f1和扫频精度:df;扫频点数:N。
扫频范围确定,通过设置起始频率点和扫频精度,能够选择在线速度\转矩振荡频率辨识的模式和范围,提高辨识准确度,通常分为高频段、低频段、扫频段三种模式;例如:通常低频段起始频率点f1设置为1Hz,扫描精度df设置为0.1,扫描点数为1000点,此时辨识分辨率为0.1Hz,适用于1Hz到100Hz的低频段辨识;Bode图模式为f1设置为1Hz,扫描精度df设置为1,扫描点数为1000点,频率辨识分辨率为1Hz,适合于对全局范围内进行扫频分析。
数字陷波器扫频对象是转速和转矩振动情况下的电流给定信号缓冲器数据,对闭环信号不产生任何影响,整个系统仍然保持在线闭环运行;根据扫描频率间隔,FIR数字陷波器能够依次对不同频率段进行扫描,辨识精度只跟扫描间隔有关,通过控制辨识精度df和起始频率点f1,在低频段的频率特性也能准确的辨识。
步骤3,计算所述步骤2中所有若干所述第一中间数据对应的幅值增益;
由于对陷波处理后的原始信号进行幅值增益计算,谐振频率点的幅值增益变换非常明显,足够能够作为对谐振点的判断依据。因此对FIR数字陷波器的设计要求也降低了很多,并且整个算法处理速度也较FFT算法要快、计算量要小;
步骤4,根据所述步骤3中的计算结果,通过预设算法确定两个幅值增益最小的第一中间数据所对应的所述中心频率的值,即为所述电机的振荡频率。
本方案中,由于是对采集信号进行预处理,采用低阶数FIR数字陷波器格式足够完成对信号特征的提取。
采集256点电流给定信号序列iqrefbuf[256],首先通过高通滤波器,对直流分量和低频干扰信号进行滤除;然后通过中心频率为f1的FIR数字陷波器的脉冲响应hf1[25],数字FIR滤波器对应频率的幅频和相频特性如图2所示,滤波表达式如下所示:
x[k]∈1×25为实时数据序列,初值为0,根据缓冲器序列iqrefbuf[256]对x[k]进行右移一位并更新x[0],得到滤波输出信号filterf1[256],并对滤波后输出序列所有值filterf1[256]进行绝对值并求和,完成频率为f1时的幅值增益计算。
Mag(1)=ABS(filterf1[256])
依次通过中心频率为f1,f2…fNk的数字滤波器并求取累加幅值增益绝对值Mag(1),Mag(2)…Mag(Nk),对应频率fk为f1+(k-1)df,df为预设的扫描精度。
若当前频率fk对应的FIR陷波器hfk[25],对电流给定信号序列进行处理,若此频率fk正好对应电流/转矩振动频率,如图3所示,从幅频特性上来看,实线、虚线分别表示处理后的幅值,可以观察到,中心频率点fk的幅值有非常大的削弱,此时对所有频率值的幅值进行绝对值累加求和,较其他中心频率陷波器处理后的信号序列,累加幅值增益绝对值有较大的差异,以此作为对电流/转矩振动频率点的判断。
本设计方案中的陷波器的设计,第一陷波器的作用是用来针对电流/转矩给定信号序列,求取用中心频率为f1到fNk的Nk个陷波器处理之后的幅值结果,并在每个计算循环结束之前与全局最小值Mag1和Mag2进行对比检测,辨识的精度只与分辨率有较大影响,对陷波器本身的阶数要求并不高,但要遵循在线频率辨识中要求处理速度快的要求,因此设计阶数为25阶,通带截止频率为10Hz,阻带截止频率为10Hz的FIR数字陷波器。
对所述第一陷波器进行海明窗加窗处理。由于采用计算机处理的数字陷波器阶数有限,只能对无限长的理想陷波器冲击响应序列进行截断,由于数字陷波器阶数有限,只能对理想陷波器冲击响应序列进行截断,得到有限长度的因果序列h[k],为消除频谱能量泄露,避免频谱发生畸变,对FIR陷波器采用海明窗(Hamming)进行加窗处理,这个类型的主瓣加宽并降低,旁瓣则显著减小,分析带宽加宽,频率分辨率较高,幅值精度较低,但不影响FIR数字陷波器在本设计中对频率辨识精度的要求。
在本设计方案中,FIR数字陷波器本质上是FIR带阻滤波器,起始扫描中心频率为100Hz,扫描精度为pf=1,扫描间隔为1Hz,其中通带截止频率为fk-10Hz,阻带截止频率为fk+10Hz。数字陷波滤波器格式为:
滤波过程包括N+1个乘法器,N个延时器,N个加法器,其中,h[k]为数字陷波器的脉冲响应系数,本技术方案中,N取为25,表示为25阶陷波器,计算量较FFT算法要小很多。
首次对应为f1=100Hz,其滤波器系数h[k]=[-0.0009,-0.0029,-0.0053,-0.0066,-0.0037,0.0050,0.0170,0.0259,0.0246,0.0106,-0.0116,-0.0318,0.9588,-0.0318,-0.0116,0.0106,0.0246,0.0259,0.0170,0.0050,-0.0037,-0.0066,-0.0053,-0.0029,-0.0009]。对陷波器中心频率fk依次进行修改,其冲击响应序列h[k]会相应改变,依次对第一信号源进行不同中心频率的陷波器扫描处理,完成对幅值增益的求解。
完成当前频率点fk数字FIR陷波器对原始信号的预处理、绝对值求和之后,得到设定的频率点(fk=1,2,...,Nf)对应的幅值求和信号Mag(fk),对fk点对应的幅值增益Mag(fk)进行局部最小值和全局最小判断,并最终确定两点全局最小值作为对谐振辨识频率点;
所述缓冲器包括高通滤波单元,用于滤去所述第一信号源中频率低于一预设频率的谐波。
步骤2中,所述第一陷波器每隔第一预设时间改变一次对应的中心频率的数值。
所述第一陷波器的中心频率由小至大变化。所述预设算法包括局部最小值判断算法和全局最小值判断算法;
所述局部最小值判断算法用于在一定区间内选取对应幅值增益最小的对应的第一中间数据,并将得到的幅值增益作为局部最小值,通过所述全局最小值判断算法确定两个幅值增益最小的第一中间数据。
参照图3所示,所述局部最小值判断算法,包括以下步骤
步骤A1,比较当前时刻所对应的所述幅值增益是否同时大于上一时刻所述幅值增益的大小,以及大于下一时刻所述幅值增益的大小,若是,则进入步骤A2,若否,则剔除当前时刻所述对应的所述第一中间数据;
步骤A2,将当前时刻的所述幅值增益作为局部最小值计入全局最小值算法判断步骤。
局部最小值判断算法:以求解当前频率点fk前后梯度的方式S1=Mag(fk)-Mag(fk-1)、S2=Mag(fk-1)-Mag(fk-2),实现对各频率点的累加幅值增益Mag(fk)进行判断,是否满足作为局部最小值的条件,若S1>0且S2<0,则表示当前值对应的幅值增益局部最小值;
参照图4所示,所述全局最小值判断算法,配置有第一全局最小值和第二全局最小值,包括以下步骤
步骤B1,判断是否获取完所有的局部最小值,
若是,则进入步骤B4;
若否,获取一个局部最小值,进入步骤B2;
步骤B2,将对应的局部最小值与第二全局最小值与比较,
若该局部最小值小于所述第二全局最小值,进入步骤B3;
若该局部最小值大于所述第二全局最小值,则进入步骤B1;
步骤B3,将该局部最小值与第一全局最小值比较,
若该局部最小值小于所述第一全局最小值,则将该局部最小值替换为第一全局最小值,返回B1;
若该局部最小值大于所述第一全局最小值,则将该局部最小值替换为第二全局最小值,返回B1;
步骤B4,输出此刻的第一全局最小值和第二全局最小值对应的第一中间数据。
全局最小值判断算法配置的所述的第二全局最小值大于所述第一全局最小值。全局最小值判断算法:完成并搜索到局部最小值时,与Mag1和Mag2进行比较,其中,Mag1和Mag2表示当前保存的搜索到的全局最小的两个值;首先将得到的局部最小值Mag(fk)与第二全局最小值Mag2作比较,若小于,继续与第一全局最小值Mag1相比较,仍小于,则替换Mag1,否则替换Mag2,直到执行完整个频率点的幅值增益计算和比较,本方案完成最小Mag1和Mag2以及分别对应的中心频率的确定。后续会根据对应中心频率作为最终的辨识频率点,输出至主程序的电流给定信号环路上的陷波器,实现对电流振动信号的消除。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。

Claims (8)

1.一种电机转矩振荡频率辨识方法,其特征在于,包括以下步骤:
步骤1,提供一缓冲器,当电机发生振动时,采集电机的交轴电流给定信号以得到一反映电流值的数据序列作为第一信号源,并将所述第一信号源存入所述缓冲器;
步骤2,提供第一陷波器,所述第一陷波器是所构建的一系列指定间隔中心频率的陷波器,以分别对所述缓冲器输出的所述第一信号源进行陷波处理,得到对应的若干第一中间数据,每一所述第一中间数据对应一所述中心频率;
步骤3,分别计算每个所述第一中间数据对应的幅值增益;
步骤4,根据所述步骤3中的计算结果,通过预设算法确定两个数值最小的所述幅值增益对应的所述第一中间数据所对应的所述中心频率的值,即为所述电机的振荡频率。
2.根据权利要求1所述的一种电机转矩振荡频率辨识方法,其特征在于,所述缓冲器包括高通滤波单元,用于滤去所述第一信号源中频率低于一预设频率的谐波。
3.根据权利要求1所述的一种电机转矩振荡频率辨识方法,其特征在于,所述的第一陷波器工作于第一频段或者第二频段或者第三频段,分别对应所述第一陷波器的不同工作模式;
所述第一频段为1~1000Hz,所述第二频段为1~100Hz,所述第三频段为10~1000Hz。
4.根据权利要求1所述的一种电机转矩振荡频率辨识方法,其特征在于,步骤2中,所述第一陷波器每隔第一预设时间改变一次对应的所述中心频率的数值。
5.根据权利要求1所述的一种电机转矩振荡频率辨识方法,其特征在于,对所述第一陷波器进行海明窗加窗处理。
6.根据权利要求1所述的一种电机转矩振荡频率辨识方法,其特征在于,所述第一陷波器的中心频率由小至大变化。
7.根据权利要求6所述的一种电机转矩振荡频率辨识方法,其特征在于,所述预设算法包括局部最小值判断算法和全局最小值判断算法;
所述局部最小值判断算法,包括以下步骤
步骤A1,比较当前时刻所对应的所述幅值增益是否同时大于上一时刻所述幅值增益的大小,以及大于下一时刻所述幅值增益的大小,若是,则进入步骤A2,若否,则剔除当前时刻所述对应的所述第一中间数据;
步骤A2,将当前时刻的所述幅值增益作为局部最小值计入全局最小值算法判断步骤;
于所述全局最小值算法中配置有第一全局最小值和第二全局最小值;
所述全局最小值算法判断步骤包括:
步骤B1,判断是否获取完所有的局部最小值,
若是,则进入步骤B4;
若否,获取一个局部最小值,进入步骤B2;
步骤B2,将对应的局部最小值与第二全局最小值比较,
若该局部最小值小于所述第二全局最小值,进入步骤B3;
若该局部最小值大于所述第二全局最小值,则进入步骤B1;
步骤B3,将该局部最小值与第一全局最小值比较,
若该局部最小值小于所述第一全局最小值,将所述第一全局最小值替换为第二全局最小值,则将该局部最小值替换为第一全局最小值,返回B1;
若该局部最小值大于所述第一全局最小值,则将该局部最小值替换为第二全局最小值,返回B1;
步骤B4,输出此刻的第一全局最小值和第二全局最小值对应的第一中间数据。
8.根据权利要求7所述的一种电机转矩振荡频率辨识方法,其特征在于,全局最小值判断算法配置的所述的第二全局最小值大于所述第一全局最小值。
CN201710266940.9A 2017-04-21 2017-04-21 一种电机转矩振荡频率辨识方法 Active CN107024617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710266940.9A CN107024617B (zh) 2017-04-21 2017-04-21 一种电机转矩振荡频率辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710266940.9A CN107024617B (zh) 2017-04-21 2017-04-21 一种电机转矩振荡频率辨识方法

Publications (2)

Publication Number Publication Date
CN107024617A CN107024617A (zh) 2017-08-08
CN107024617B true CN107024617B (zh) 2019-11-05

Family

ID=59527077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710266940.9A Active CN107024617B (zh) 2017-04-21 2017-04-21 一种电机转矩振荡频率辨识方法

Country Status (1)

Country Link
CN (1) CN107024617B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508511B (zh) * 2018-12-24 2023-06-23 中国航空工业集团公司西安飞机设计研究所 频率响应分析测量中扫频方法
CN111262496A (zh) * 2020-04-30 2020-06-09 南京达风数控技术有限公司 一种伺服控制系统谐振在线抑制的方法及伺服控制系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08149876A (ja) * 1994-11-14 1996-06-07 Matsushita Electric Ind Co Ltd モータ駆動装置
JP2007185014A (ja) * 2006-01-05 2007-07-19 Matsushita Electric Ind Co Ltd モータ制御装置の制御パラメータ算出方法、算出プログラムおよびモータ制御装置
CN102355193A (zh) * 2011-09-30 2012-02-15 哈尔滨工业大学 交流永磁伺服系统的在线转动惯量辨识装置及辨识方法
CN106286127A (zh) * 2015-05-20 2017-01-04 上海电气风电设备有限公司 一种风力发电机组部件振荡监测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08149876A (ja) * 1994-11-14 1996-06-07 Matsushita Electric Ind Co Ltd モータ駆動装置
JP2007185014A (ja) * 2006-01-05 2007-07-19 Matsushita Electric Ind Co Ltd モータ制御装置の制御パラメータ算出方法、算出プログラムおよびモータ制御装置
CN102355193A (zh) * 2011-09-30 2012-02-15 哈尔滨工业大学 交流永磁伺服系统的在线转动惯量辨识装置及辨识方法
CN106286127A (zh) * 2015-05-20 2017-01-04 上海电气风电设备有限公司 一种风力发电机组部件振荡监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Detection and suppression of resonance frequency in motion control system;Rupali Suresh Surpatane等;《 2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT)》;20161124;第4528-4533页 *
The Detection of Resonance Frequency in Motion Control Systems;Sheng-Ming Yang等;《 IEEE Transactions on Industry Applications》;20141031;第50卷(第5期);第3423-3427页 *

Also Published As

Publication number Publication date
CN107024617A (zh) 2017-08-08

Similar Documents

Publication Publication Date Title
CN110210087B (zh) 一种基于粒子群算法的光束抖动模型参数实时辨识方法
Vainio et al. Digital filtering for robust 50/60 Hz zero-crossing detectors
CN107167306B (zh) 基于阶次提取的旋转机械转子运行状态模态分析方法
CN107024617B (zh) 一种电机转矩振荡频率辨识方法
Kalluri et al. Fast algorithms for weighted myriad computation by fixed-point search
CN108399368A (zh) 一种人工源电磁法观测信号去噪方法
CN105305920A (zh) 一种抑制交流伺服系统扭转振动的系统及其方法
WO2021047447A1 (zh) 一种电网振荡阻尼比计算方法
Lim et al. A piloted adaptive notch filter
CN103119848B (zh) 数据处理方法及装置
JP5752072B2 (ja) 正弦波信号のパラメーターを求める方法及びシステム
CN114235072B (zh) 一种基于过零检测的科氏流量计相位差计算方法
CN108344501A (zh) 一种信号相关性应用中共振辨识和消除方法及装置
Lim et al. Adaptive algorithms for joint time delay estimation and IIR filtering
CN115343570B (zh) 一种电网阻抗在线辨识方法及装置
Patil et al. Robust zero-crossing detection of distorted line voltage using line fitting
CN115754692A (zh) 一种电气设备刀闸状态的识别系统、方法、设备及介质
CN112116917B (zh) 基于相位跃变度的电抗器本体与风机声信号分离方法
CN106877840A (zh) 一种机械振动误差消除方法及装置
Serbet et al. Optimization approach in window function design for real-time filter applications
CN107942358B (zh) 一种基于码跟踪环路的载波周跳检测的方法
Besbes et al. A solution to reduce noise enhancement in pre-whitened LMS-type algorithms: The double direction adaptation
Meller et al. Parallel frequency tracking with built-in performance evaluation
Jiang et al. Analysis and study of noise elimination through wavelet in detection of acoustic emission
Zhou et al. A Frequency Domain Identification Method of General Mechanical Drive System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant