CN108054975A

CN108054975A - 一种双电机驱动带式输送机能耗模型的参数辨识方法

Info

Publication number: CN108054975A
Application number: CN201711404298.2A
Authority: CN
Inventors: 杨春雨; 李恒; 周林娜; 代伟; 车志远
Original assignee: China University of Mining and Technology CUMT
Current assignee: China University of Mining and Technology CUMT
Priority date: 2017-12-22
Filing date: 2017-12-22
Publication date: 2018-05-18
Anticipated expiration: 2037-12-22
Also published as: CN108054975B

Abstract

本发明公开了一种双电机驱动带式输送机能耗模型的参数辨识方法，包括步骤：S10、根据基于单电机动态模型的能耗模型建立煤矿双电机驱动带式输送机能耗模型；S20、根据电动机在施加负载后的电机运行参数，对电机的转速和负载转矩进行参数辨识；S30、根据辨识出的转速和负载转矩参数值，对双电机驱动带式输送机的能耗参数进行辨识。通过先对电机转速和负载转矩进行辨识，将辨识出的转速值和负载转矩值带入到能耗模型中，避免了采用转速传感器和扭矩仪带来的测量误差导致的辨识精度降低问题，辨识结果更接近实际，更准确。

Description

一种双电机驱动带式输送机能耗模型的参数辨识方法

技术领域

本发明涉及一种电机参数辨识处理方法，属电机技术领域，具体是一种双电机驱动带式输送机能耗模型的参数辨识方法。

背景技术

准确的带式输送机能耗模型是进行能耗参数辨识、电机优化控制的关键，目前已有的带式输送机的能耗模型仅适用于单电机驱动的带式输送机。

考虑到采用最小二成法对带式输送机能耗参数进行参数辨识时，辨识精度受电机转速和负载转矩影响较大，因此保障电机转速和负载转矩参数测量的精度是关键。对带式输送机实际运行状态进行检测时，电机转速和负载转矩可通过转速传感器和扭矩仪来测量，但在工业现场安装传感器难度较大，同时降低了系统的可靠性，因此通过参数辨识方法计算出电机转速和负载转矩已成为一项热门研究。扩展卡尔曼滤波算法在辨识电机转速和负载转矩时，表现出良好的动态性能好鲁棒性，但传统的扩展卡尔曼滤波算法只能同时辨识单个电机的参数，解决多电机驱动带式输送机能耗模型的电机参数辨识问题，需逐个设计辨识算法。

针对上述现有技术中在进行带式输送机能耗参数辨识时遇到的无法同时辨识多个电机参数的问题，目前尚未提出有效的解决方案。

发明内容

针对上述现有技术存在的问题，本发明提供一种双电机驱动带式输送机能耗模型的参数辨识方法，可直接辨识双电机驱动带式输送机能耗模型转速和负载转矩参数。

为了实现上述目的，本发明采用的技术方案是：一种双电机驱动带式输送机能耗模型的参数辨识方法，包括以下步骤：

S10、根据基于单电机动态模型的能耗模型建立煤矿双电机驱动带式输送机能耗模型；

S20、根据电动机在施加负载后的电机运行参数，对电机的转速和负载转矩进行参数辨识；

S30、根据辨识出的转速和负载转矩参数值，对双电机驱动带式输送机的能耗参数进行辨识。

进一步，所述的步骤S10中通过单电机动态模型的能耗模型内的负载以及输送机运行过程中需要克服的阻力，可得到双电机负载，进而通过单电机动态模型的能耗模型建立双电机驱动带式输送机能耗模型。

进一步，所述的步骤S20中电机转速和负载转矩的辨识方法包括以下步骤：

S201、在两相旋转坐标系下，以定子电压为输入，定子电流为输出，同时考虑电机的运动方程和负载转矩的状态方程，建立包含转速和负载转矩的电机系统的扩展卡尔曼滤波模型；

S202、对电机状态方程进行线性化处理，同时由于在实际电机系统中存在观测噪声，引入系统模型噪声和测量噪声；

S203、将线性化的电机模型离散化，设采样时间为T_S，得到离散的电机模型；

S204、通过扩展卡尔曼滤波算法经状态预测及状态校正对电机参数进行辨识。

优选的，所述步骤S202中，系统模型噪声和测量噪声皆为服从正态分布的高斯白噪声。

进一步，所述的步骤S30中将步骤S20中电机转速和负载转矩的辨识结果代入到步骤S10能耗模型中，通过递推最小二乘法进行能耗参数的辨识。

本发明的有益效果是：先对电机转速和负载转矩进行辨识，将辨识出的转速值和负载转矩值带入到能耗模型中，避免了采用转速传感器和扭矩仪带来的测量误差导致的辨识精度降低问题，辨识结果更接近实际，更准确。

附图说明

图1为本发明的一种带式输送机能耗模型的参数辨识方法的流程图；

图2为双电机驱动带式输送机结构图；

图3为双电机驱动带式输送机电机参数辨识过程图；

图4为异步电机d轴电流辨识值与实际值对比图；

图5为异步电机q轴电流辨识值与实际值对比图；

图6为异步电机磁链辨识值与实际值对比图；

图7为异步电机转速辨识值输出图；

图8为异步电机负载转矩辨识值输出图；

图9为双电机驱动带式输送机能耗参数辨识结果输出图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，一种双电机驱动带式输送机能耗模型的参数辨识方法，包括以下步骤：

S10、根据基于单电机动态模型的能耗模型建立煤矿双电机驱动带式输送机能耗模型：

按转子磁链定向控制(Flux Orientation Control，FOC)策略，假设在mt坐标系下，J为机组的转动惯量；ω为电机转子角速度；np为电动机的磁极对数；Lm为定子等效绕组与转子等效绕组间的互感系数；Lr为转子等效绕组的自感系数；ist、ism为定子电流的t轴和m轴分量；ψ_r为转子磁链；T_L为电动机所加的负载转矩；σ为漏磁系数，Ls为定子等效绕组的自感系数；Tr为转子时间常数，T_r＝L_r/R_r；ω1为同步角速度；ust、usm为定子电压的t轴和m轴分量；于是，异步电动机在mt坐标系上转子磁链定向的状态方程如下：

其中第一个方程为电机的运动方程，本实施例中，认为负载是恒转矩负载，则可以忽略阻尼转矩和扭转弹性转矩，于是：由式中的第二个方程可得：其中p是微分算子；

按转子磁链定向，将定子电流分解为励磁分量ism和转矩分量ist，转子磁链ψ_r仅由定子电流励磁分量ism产生，而电磁转矩Te正比于转子磁链和定子电流转矩分量的乘积istψ_r，实现了定子电流两个分量的解耦；

本实施例中，如图2所示，电机之间为刚性联结，电机转速和负载的波动对多个电机的影响都近似相同；负载TL可以描述为：T_L＝F_Ur (1)；

其中r是转子半径(不失一般性假设减速器比例是1)；FU是输送机运行过程中需要克服的阻力；于是，两台异步电机(分别用下标1和2表示)同时驱动的带式输送机模型为：

其中Rt是常数，其大小为第一个方程为双电机的运动方程：输送机运行过程的阻力，其表达式为：

其中V是传送带速度，V＝rω；T为原煤运量；ρ为运料密度；b1为板间距离；f为摩擦因数；L为驱动滑轮的中心距离；CFt是常数；Q＝QRO+QRU+2QB，QRO是承载托辊旋转部分的单位质量，QRU是回程托辊旋转部分传动带的单位质量，QB是传动带的单位质量；k1、k2和k3是与皮带结构参数有关的常量；

根据公式(1)和(2)，可得：其中θ＝[θ₁ θ₂ θ₃ θ₄]^T；θ与输送机参数相关，难以测量，是待辨识的参数；

于是，得到双异步电机同轴刚性联接动的带式输送机能耗模型为：

S20、根据电动机在施加负载后的电机运行参数，对电机的转速和负载转矩进行参数辨识：

在两相旋转坐标系下，以旋转坐标系下m、t轴的定子电压u(t)＝[u_sm1 u_st1 u_sm2u_st2]为输入，定子电流y＝[i_sm1 i_st1 i_sm2 i_st2]^T为输出建立电机的状态方程，同时考虑电机的运动方程和负载转矩的状态方程时,则可建立同时包含转速和负载转矩的电机数学模型；在双电机刚性联结时，考虑双电机驱动带式输送机的运动方程为；当带式输送机运行状态趋于稳定是，运量基本不变，驱动带式输送机的负载转矩也趋于稳定，因此考虑稳态状况下此时电机系统的模型可描述如下：

其中x＝[ψ_r1 i_sm1 i_st1 ψ_r2 i_sm2 i_st2 ω T_L]，x为系统的n维状态向量，本实例中由于在电机状态方程中加入了运动方程和负载转矩的状态方程，电机状态方程变为非线性的，为了使用扩展卡尔曼滤波算法辨识，对电机状态方程进行线性化处理，同时考虑在实际电机系统中存在观测噪声，引入系统模型噪声w(t)和测量噪声v(t)：

将线性化的电机模型离散化，设采样时间为T_S，得到离散的电机模型为：

其中Y为系统的m为观测序列，w(k)为状态噪声，v(k)为测量噪声，是相互独立的带时变均值和协方差的服从正态分布的高斯白噪声序列，同时：

本实例中，双电机转速和负载转矩的辨识过程如图3所示，具体过程如下：1.状态预测：

X_k|k-1＝H_k|k-1X_k-1

2.状态校正：

P_k|k＝(I-K_kH_k)P_k|k-1；

S30、根据辨识出的转速和负载转矩参数值，对双电机驱动带式输送机的能耗参数进行辨识：

由于待辨识参数与测量数据呈线性关系，为了尽量减少辨识过程中的大矩阵求逆及大量运算，本实施例采用递推最小二乘算法辨识θ；

根据公式(3)可知：即：

由于转速和负载转矩已知，令x＝ψ(T,ω)、和于是，可以建立最小二乘法基本形式：y(k)＝x(k)θ；其算法具体实现如下：

本实例中，为了验证所涉及方法的有效性和优点，针对双电机驱动带式输送机能耗模型的参数辨识方法利用Simulink搭建仿真平台并进行仿真：仿真平台包括包括电机模块、平衡控制模块、观测器模块、输送机负载模块；双电机参数设置如下：Lm1＝0.2838H，Lr1＝0.289H，Ls1＝0.2941H，Tr1＝0.11H/Ω，Cgm1＝0.055，Rt1＝4.4Ω，Lm2＝0.284H，Lr2＝0.29H，Ls2＝0.295H，Tr2＝0.107，Cgm2＝0.057，Rt2＝4.49Ω，np＝2，转动惯量J1＝0.1284Nm.s2，J2＝0.13Nm.s2。将负载中待辨识参数和电机转速分别设置为θ₁＝1.2，θ₂＝0.3，θ₃＝3.5，θ₄＝2.3。观测器增益取为K＝5。选择运量(激励信号)为T＝7。

由于电机启动时电流和电压不稳定，为了减小卡尔曼滤波算法的辨识误差，选择在1.2s时刻开始采样并在线辨识，额定转速ω＝200rad/s，双电机驱动带式输送机能耗模型的参数辨识方法的仿真结果如图4到图9所示；图4、图5分别为电机1的d，q轴电流的实际值与辨识值对比；图6是电机1转子磁链的观测器波形和实际磁链波形的比较；图中横坐标表示时间t，纵坐标表示磁链值，为了能够更好的观察磁链观测值与磁链实际值在电机开始运行极短时间内的偏差，对t进行log运算将原本按照等差数列递增的横坐标按照等比数列进行递增，这样就放大了电机运行初始时间内磁链的变化曲线，使得观测结果更加清晰；图7、图8为电机转速和负载转矩的辨识值；图9为能耗参数辨识结果，具体结果如表1所示：

	θ₁	θ₂	θ₃	θ₄
					辨识结果	1.2052	0.3078	3.4549	2.2613
真实值	1.2	0.3	3.5	2.3
					误差	0.43％	2.60％	1.29％	1.68％

表1辨识结果与真实值比较表

由图9及表1可知通过双电机驱动带式输送机能耗模型的参数辨识方法辨识能耗参数不仅解决了电机转速和负载转矩在实际工况下难以精准获取的难题，同时还具有优良的辨识精度。需要指出，本发明给出的这个实例所表现出的优良性能是用来解释说明本发明的，而不是对本发明进行的限制。

以上阐述的是一种双电机驱动带式输送机的能耗模型参数辨识方法的设计过程和思路。本发明使用的双电机驱动带式输送机的能耗模型参数辨识方法实现对双电机系统的转速和负载转矩以及能耗参数的准确估计，降低系统搭建所需成本同时，提高了转速和负载转矩的精度。在电机参数辨识环节，设计了一种双卡尔曼滤波辨识方法，能够同时辨识双电机的参数，避免了单独辨识单个电机参数带来的参数初始值设置过多的问题，辨识方法更简单。

Claims

1.一种双电机驱动带式输送机能耗模型的参数辨识方法，其特征在于，包括以下步骤：

通过负载：T_L＝F_Ur (1)

以及输送机运行过程中需要克服的阻力：

可得出：

进而建立煤矿双电机驱动带式输送机能耗模型：

S201、在两相旋转坐标系下，以定子电压为输入，定子电流为输出，同时考虑电机的运动方程和负载转矩的状态方程，建立包含转速和负载转矩的电机系统的扩展卡尔曼滤波模型：

S202、对电机状态方程进行线性化处理，同时由于在实际电机系统中存在观测噪声，引入系统模型噪声w(t)和测量噪声v(t)：

S203、将线性化的电机模型离散化，设采样时间为T_s，得到离散的电机模型：

S204、通过扩展卡尔曼滤波算法经状态预测及状态校正对电机参数进行辨识；

将能耗模型变换为递推最小二乘法标准形式y(k)＝x(k)θ，其中x＝ψ(T,ω)；其算法具体为：

2.根据权利要求1所述的一种双电机驱动带式输送机能耗模型的参数辨识方法，其特征在于，双电机采用集中驱动模式驱动模式驱动带式输送机，电机之间为刚性联结，电机转速和负载的波动对多个电机的影响都近似相同。

3.根据权利要求1所述的一种双电机驱动带式输送机能耗模型的参数辨识方法，其特征在于，所述的步骤S20中的扩展卡尔曼滤波模型建立时，带式输送机运行状态趋于稳定，运量基本不变，驱动带式输送机的负载转矩也趋于稳定，即

4.根据权利要求1所述的一种双电机驱动带式输送机能耗模型的参数辨识方法，其特征在于，所述的步骤S202中所引入的系统模型噪声w(t)和测量噪声v(t)是相互独立的带时变均值和协方差的服从正态分布的高斯白噪声序列。