CN109063990A - 伺服系统响应性能评估方法 - Google Patents

伺服系统响应性能评估方法 Download PDF

Info

Publication number
CN109063990A
CN109063990A CN201810802855.4A CN201810802855A CN109063990A CN 109063990 A CN109063990 A CN 109063990A CN 201810802855 A CN201810802855 A CN 201810802855A CN 109063990 A CN109063990 A CN 109063990A
Authority
CN
China
Prior art keywords
servo
test data
group
weight
fuzzy
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.)
Granted
Application number
CN201810802855.4A
Other languages
English (en)
Other versions
CN109063990B (zh
Inventor
袁小芳
田争鸣
陈祎婧
黄国明
李哲
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.)
Hunan University
Original Assignee
Hunan University
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 Hunan University filed Critical Hunan University
Priority to CN201810802855.4A priority Critical patent/CN109063990B/zh
Publication of CN109063990A publication Critical patent/CN109063990A/zh
Application granted granted Critical
Publication of CN109063990B publication Critical patent/CN109063990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种伺服系统响应性能评估方法，包括如下步骤：获取对交流伺服系统所设定的若干组试验数据；获取交流伺服系统在每一组试验数据中的负载大小和负载变化率，以及交流伺服系统在每一组试验数据下的超调量及建立时间；采用模糊决策方法获得交流伺服系统在每一组试验数据下的超调量权重和建立时间权重；根据交流伺服系统在每一组试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及试验数据的组数，确定交流伺服系统转矩变化响应性能的综合评估值；根据综合评估值获得交流伺服系统的评估结果。本发明的技术方案旨在对交流伺服系统的转矩响应性能进行评估。

Description

伺服系统响应性能评估方法
技术领域
本发明涉及交流伺服系统技术领域，尤其涉及一种伺服系统响应性能评估方法。
背景技术
随着“制造2025”计划的实施，我国的工业生产技术在近些年取得了显著进展。交流伺服系统作为工业生产机械的核心部件，是决定工业生产效率及产品品质的重要因素。交流伺服系统通常使用于负载多变的场合，不同负载和不同负载变化率对交流伺服系统的响应性能提出不同要求，交流伺服系统中的超调量与建立时间是评估交流伺服系统转矩变化响应性能的重要指标。在低负载变化率条件下，交流伺服系统超调量倾向于较小；在高负载变化率条件下，交流伺服系统建立时间倾向于较短。目前缺少综合超调量与建立时间两项指标来评估交流伺服系统转矩响应性能的综合评估方法。
发明内容
本发明的主要目的在于提供一种伺服系统响应性能评估方法，旨在综合超调量与建立时间两项指标来评估交流伺服系统转矩响应性能。
为实现上述目的，本发明提供的伺服系统响应性能评估方法，应用于交流伺服系统转矩变化响应性能的评估，所述伺服系统响应性能评估方法包括如下步骤：
获取对所述交流伺服系统所设定的若干组试验数据，其中，每一组所述试验数据包括不同的负载大小和不同的负载变化率；
获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间；
根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重，其中，所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重之和为1；
根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值；
根据所述综合评估值获得所述交流伺服系统的评估结果。
优选地，所述根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重的步骤，具体包括：
建立输入输出模糊集，所述输入输出模糊集包括负载大小的模糊集、负载变化率的模糊集，以及响应性能指标权重的模糊集，所述响应性能指标为建立时间；
确定负载大小的隶属度函数、负载变化率的隶属度函数，以及响应性能指标权重的隶属度函数；
建立负载大小、负载变化率，以及响应性能指标权重的模糊规则和模糊规则表；
根据所述负载大小的隶属度函数、所述负载变化率的隶属度函数、所述响应性能指标权重的隶属度函数及所述模糊规则表进行模糊推理，以得到所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
优选地，所述根据所述负载大小的隶属度函数、所述负载变化率的隶属度函数、所述响应性能指标权重的隶属度函数及所述模糊规则表进行模糊推理，以得到所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重的步骤，具体包括：
根据所述负载大小的隶属度函数、每一组所述试验数据中的负载大小、所述负载变化率的隶属度函数、每一组所述试验数据中的负载变化率，以及所述模糊规则表，获得相匹配的若干条模糊规则和相匹配的模糊规则表；
根据所述相匹配的模糊规则表，确定若干条被触发的模糊规则；
对每一条所述被触发的模糊规则进行规则前提推理，以获得每一条所述被触发的模糊规则的总前提的可信度和规则前提可信度表；
根据所述规则前提可信度表和所述相匹配的模糊规则表，获得每一条所述被触发的模糊规则的输出结果；
根据每一条所述被触发的模糊规则的输出结果，获得总输出结果；
根据所述总输出结果及所述响应性能指标权重的隶属度函数进行反模糊化计算，以获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
优选地，所述根据所述负载大小的隶属度函数、每一组所述试验数据中的负载大小、所述负载变化率的隶属度函数、每一组所述试验数据中的负载变化率，以及所述模糊规则表，获得相匹配的若干条模糊规则和相匹配的模糊规则表的步骤，具体包括：
根据所述负载大小的隶属度函数和每一组所述试验数据中的负载大小，确定每一组所述试验数据下的负载大小隶属度；
根据所述负载变化率的隶属度函数和每一组所述试验数据中的负载变化率，确定每一组所述试验数据下的负载变化率隶属度；
根据每一组所述试验数据下的所述负载大小隶属度和所述负载变化率隶属度，以及所述模糊规则表，获得匹配的若干条模糊规则和匹配的模糊规则表。
优选地，将每一组所述试验数据中的负载大小采用负载系数与额定负载的乘积表示，其中，所述负载系数为[0,1]中互异的随机值。
优选地，所述根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值的步骤，具体包括：
将所述交流伺服系统在每一组所述试验数据下的超调量和建立时间根据所述超调量权重和所述建立时间权重进行加权求和，以得到加权求和结果；
根据所述试验数据的组数和所述加权求和结果，确定所述加权求和结果的均值；
将所述加权求和结果的均值确定为所述交流伺服系统转矩变化响应性能的综合评估值。
优选地，所述获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间的步骤，具体包括：
获取所述交流伺服系统在每一组所述试验数据中的设定负载大小和设定负载变化率；
记录所述交流伺服系统在所述设定负载大小和所述设定负载变化率下的时间响应曲线；
根据所述交流伺服系统在每一组所述试验数据下的所述时间响应曲线，确定所述交流伺服系统在每一组所述试验数据下的超调量和建立时间。
优选地，所述根据所述综合评估值获得所述交流伺服系统的评估结果的步骤，具体包括：
将所述综合评估值与设定的临界值进行比对；
根据比对结果，确定所述交流伺服系统的评估结果。
在本发明的技术方案中，首先获取对所述交流伺服系统所设定的若干组试验数据，其中，每一组所述试验数据包括不同的负载大小和不同的负载变化率；再获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间；然后，根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重；并根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值；从而，根据所述综合评估值获得所述交流伺服系统的评估结果。本发明的技术方案提出了一种在负载多变场合下基于超调量与建立时间对交流伺服系统的转矩响应性能进行综合评估的评估方法，其综合超调量与建立时间两项指标来评估交流伺服系统转矩响应性能的综合评估方法，评估结果准确可靠。
附图说明
图1为本发明伺服系统响应性能评估方法第一实施例的流程示意图；
图2为本发明伺服系统响应性能评估方法第二实施例的流程示意图；
图3为本发明伺服系统响应性能评估方法第三实施例的流程示意图；
图4为本发明伺服系统响应性能评估方法第四实施例的流程示意图；
图5为本发明伺服系统响应性能评估方法第五实施例的流程示意图；
图6为本发明伺服系统响应性能评估方法第六实施例的流程示意图；
图7为本发明伺服系统响应性能评估方法第七实施例的流程示意图。
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参阅图1，为实现上述目的，本发明的第一实施例提供一种伺服系统响应性能评估方法，本发明提供的伺服系统响应性能评估方法，应用于交流伺服系统转矩变化响应性能的评估，所述伺服系统响应性能评估方法包括如下步骤：
步骤S10，获取对所述交流伺服系统所设定的若干组试验数据，其中，每一组所述试验数据包括不同的负载大小和不同的负载变化率；
步骤S20，获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间；
步骤S30，根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重，其中，所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重之和为1；
步骤S40，根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值；
步骤S50，根据所述综合评估值获得所述交流伺服系统的评估结果。
在本发明的技术方案中，首先获取对所述交流伺服系统所设定的若干组试验数据，其中，每一组所述试验数据包括不同的负载大小和不同的负载变化率；再获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间；然后，根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重；并根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值；从而，根据所述综合评估值获得所述交流伺服系统的评估结果。本发明的技术方案提出了一种在负载多变场合下基于超调量与建立时间对交流伺服系统的转矩响应性能进行综合评估的评估方法，其综合超调量δ与建立时间t两项指标来评估交流伺服系统转矩响应性能的综合评估方法，评估结果准确可靠。
所述超调量是指当交流伺服系统转速超过稳态值时，最大转速差值对稳态转速值的百分比。所述建立时间是指交流伺服系统从转矩变化开始至转速达到不再超过稳态转速的±5％的范围所经历的时间。所述负载变化率定义为其中，△T为负载变化值，T为负载大小值。
通过对一套交流伺服系统设定若干组不同的试验数据，使每一组试验数据中包括不同的负载大小和不同的负载变化率，在本实施例中，试验数据的组数为100组，即，通过设定不同的负载大小和不同的负载变化率，形成100组试验数据。优选地，可以将每一套交流伺服系统的负载大小采用负载系数CK与额定负载TN的乘积CKTN表示，其中，所述负载系数CK为[0,1]中互异的随机值。
负载变化率ρK可以为[0,100]之间互异的随机值，在本实施例中，可以将负载变化率ρK控制在较小范围内，例如，负载变化率ρK可以为[0,10]之间互异的随机值。
建立时间权重为w1，超调量权重为w2，由于本发明通过建立时间和超调量两性能指标来综合评估交流伺服系统的响应性能，因此，需要保证w1+w2＝1。
请参阅图2，基于本发明伺服系统响应性能评估方法的第一实施例，本发明伺服系统响应性能评估方法的第二实施例中，所述步骤S30，具体包括：
步骤S31，建立输入输出模糊集，所述输入输出模糊集包括负载大小的模糊集、负载变化率的模糊集，以及响应性能指标权重的模糊集，所述响应性能指标为建立时间；
步骤S32，确定负载大小的隶属度函数、负载变化率的隶属度函数，以及响应性能指标权重的隶属度函数；
步骤S33，建立负载大小、负载变化率，以及响应性能指标权重的模糊规则和模糊规则表；
步骤S34，根据所述负载大小的隶属度函数、所述负载变化率的隶属度函数、所述响应性能指标权重的隶属度函数及所述模糊规则表进行模糊推理，以得到所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
所述输入输出模糊集包括负载大小的模糊集、负载变化率的模糊集和响应性能指标权重的模糊集，在本实施例中，以建立时间作为响应性能指标为例进行介绍。
具体的，将负载大小分为三个模糊集：ST(负载小)，MT(负载中)，BT(负载大)，取值范围为[0,TN]；将负载变化率分为三个模糊集：Sρ(负载变化率小)，Mρ(负载变化率中)，Bρ(负载变化率大)，取值范围为[0,10]；将建立时间权重分为三个模糊集：S(权重小)，M(权重中)，B(权重大)，取值范围[0,1]。
步骤S32中隶属度函数可以选择不同的隶属度函数类型，在本实施例中，采用三角形隶属度函数。
由于本实施例中将每一组所述试验数据中的负载大小采用负载系数CK与额定负载TN的乘积CKTN表示，因此，所述确定负载大小的隶属度函数的步骤，可以具体为：确定负载系数的隶属度函数。
本实施例中，具体的，定义负载大小的隶属度函数如下：
定义负载变化率ρ的隶属度函数如下：
建立时间权重w1的隶属度函数如下：
根据用户与企业的操作经验设计模糊规则的标准为：
“负载越小，负载变化率越小，建立时间权重越小”；
“负载越小，负载变化率适中，建立时间权重适中”；
“负载越小，负载变化率越大，建立时间权重适中”；
“负载适中，负载变化率越小，建立时间权重适中”；
“负载适中，负载变化率适中，建立时间权重适中”；
“负载适中，负载变化率越大，建立时间权重越大”；
“负载越大，负载变化率越小，建立时间权重越小”；
“负载越大，负载变化率适中，建立时间权重越适中”；
“负载越大，负载变化率越大，建立时间权重越大”。
建立模糊规则表后，根据模糊规则建立模糊规则表。模糊规则表如下：
请参阅图3，基于本发明伺服系统响应性能评估方法的第二实施例，本发明伺服系统响应性能评估方法的第三实施例中，所述步骤S34，具体包括：
步骤S341，根据所述负载大小的隶属度函数、每一组所述试验数据中的负载大小、所述负载变化率的隶属度函数、每一组所述试验数据中的负载变化率，以及所述模糊规则表，获得相匹配的若干条模糊规则和相匹配的模糊规则表；
步骤S342，根据所述相匹配的模糊规则表，确定若干条被触发的模糊规则；
步骤S343，对每一条所述被触发的模糊规则进行规则前提推理，以获得每一条所述被触发的模糊规则的总前提的可信度和规则前提可信度表；
步骤S344，根据所述规则前提可信度表和所述相匹配的模糊规则表，获得每一条所述被触发的模糊规则的输出结果；
步骤S345，根据每一条所述被触发的模糊规则的输出结果，获得总输出结果；
步骤S346，根据所述总输出结果及所述响应性能指标权重的隶属度函数进行反模糊化计算，以获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
步骤S34为模糊推理的步骤，其中，步骤S341为规则匹配。
具体的，假定当前采集数据信息为T＝0.6TN，ρ＝3，分别带入所属的隶属度函数中求隶属度，得到：
通过以上隶属度可以得到四条相匹配的模糊规则，如下表所示：
步骤S342为规则触发。由上述表格可知，被触发的规则有四条：
Rule1:IF x is MT and y is SρTHEN z is M；
Rule2:IF x is MT and y is MρTHEN z is M；
Rule3:IF x is BT and y is SρTHEN z is S；
Rule4:IF x is BT and y is MρTHEN z is M.
步骤S343为规则前提推理。在同一条被触发的模糊规则内，前提之间通过取小运算，得到每一条被触发的模糊规则的总前提的可信度如下：
规则1前提的可信度为：min(4/5,2/5)＝2/5；
规则2前提的可信度为：min(4/5,3/5)＝3/5；
规则3前提的可信度为：min(2/5,1/5)＝1/5；
规则4前提的可信度为：min(1/5,3/5)＝1/5。
由此得到规则前提可信度表格：
步骤S344为中，将所述规则前提可信度表和所述相匹配的模糊规则表进行取小运算，得到每条被触发的模糊规则的输出结果，如下表所示：
通过步骤S345获得模糊系统总输出结果，在本实施例中，具体的，模糊系统的总输出结果为将各条被触发的模糊规则的输出结果进行取大运算，即：
步骤S346为反模糊化，在本实施例中，采用最大平均法进行反模糊化，将带入建立时间权重的隶属度函数中的μM(z)，得到规则前提隶属度与规则结论隶属度μM(z)的交点：
从而，得到：z1＝0.3，z2＝0.7。因此，采用最大平均法得到精确输出为：
则建立时间权重w1＝0.5，超调量权重为w2＝0.5。
请参阅图4，基于本发明伺服系统响应性能评估方法的第三实施例，本发明伺服系统响应性能评估方法的第四实施例中，所述步骤S341，具体包括：
步骤S341a，根据所述负载大小的隶属度函数和每一组所述试验数据中的负载大小，确定每一组所述试验数据下的负载大小隶属度；
步骤S341b，根据所述负载变化率的隶属度函数和每一组所述试验数据中的负载变化率，确定每一组所述试验数据下的负载变化率隶属度；
步骤S341c，根据每一组所述试验数据下的所述负载大小隶属度和所述负载变化率隶属度，以及所述模糊规则表，获得匹配的若干条模糊规则和匹配的模糊规则表。
关于步骤S341的具体介绍，请参阅本发明伺服系统响应性能评估方法的第三实施例。
请参阅图5，基于本发明伺服系统响应性能评估方法的第一实施例至第四实施例的任一项，本发明伺服系统响应性能评估方法的第五实施例中，所述步骤S40，具体包括：
步骤S41，将所述交流伺服系统在每一组所述试验数据下的超调量和建立时间根据所述超调量权重和所述建立时间权重进行加权求和，以得到加权求和结果；
步骤S42，根据所述试验数据的组数和所述加权求和结果，确定所述加权求和结果的均值；
步骤S43，将所述加权求和结果的均值确定为所述交流伺服系统转矩变化响应性能的综合评估值。
具体的，按照前述方法求得交流伺服系统在每组所述试验数据(不同负载大小与负载变化率)下的权重w1k，w2k，k＝{1，2，3，4……100}。将超调量δK和建立时间tk根据权重w1k，w2k进行加权求和。加权求和公式为：
RK＝tK×w1K+δK×w2K
得到加权求和的结果后，再对RK求取平均值得到：
请参阅图6，基于本发明伺服系统响应性能评估方法的第一实施例至第五实施例的任一项，本发明伺服系统响应性能评估方法的第六实施例中，所述步骤S20，具体包括：
步骤S21，获取所述交流伺服系统在每一组所述试验数据中的设定负载大小和设定负载变化率；
步骤S22，记录所述交流伺服系统在所述设定负载大小和所述设定负载变化率下的时间响应曲线；
步骤S23，根据所述交流伺服系统在每一组所述试验数据下的所述时间响应曲线，确定所述交流伺服系统在每一组所述试验数据下的超调量和建立时间。
记录交流伺服系统在每一组试验数据下的时间响应曲线后，每一组试验数据下的超调量和建立时间可以由时间响应曲线读出。
请参阅图7，基于本发明伺服系统响应性能评估方法的第一实施例至第六实施例的任一项，本发明伺服系统响应性能评估方法的第七实施例中，所述步骤S50，具体包括：
步骤S51，将所述综合评估值与设定的临界值进行比对；
步骤S52，根据比对结果，确定所述交流伺服系统的评估结果。
设定的临界值可以根据需要设置，在此不作限制。在本实施例中，通过临界值20％和30％来与综合评估值比对，具体的：
若则该伺服系统转矩变化响应性能为优；
若则该伺服系统转矩变化响应性能为良；
若则该伺服系统转矩变化响应性能为差。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种伺服系统响应性能评估方法，其特征在于，应用于交流伺服系统转矩变化响应性能的评估，所述伺服系统响应性能评估方法包括如下步骤：
获取对所述交流伺服系统所设定的若干组试验数据，其中，每一组所述试验数据包括不同的负载大小和不同的负载变化率；
获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间；
根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重，其中，所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重之和为1；
根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值；
根据所述综合评估值获得所述交流伺服系统的评估结果。
2.根据权利要求1所述的伺服系统响应性能评估方法，其特征在于，所述根据每一组所述试验数据中的负载大小和负载变化率，采用模糊决策方法获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重的步骤，具体包括：
建立输入输出模糊集，所述输入输出模糊集包括负载大小的模糊集、负载变化率的模糊集，以及响应性能指标权重的模糊集，所述响应性能指标为建立时间；
确定负载大小的隶属度函数、负载变化率的隶属度函数，以及响应性能指标权重的隶属度函数；
建立负载大小、负载变化率，以及响应性能指标权重的模糊规则和模糊规则表；
根据所述负载大小的隶属度函数、所述负载变化率的隶属度函数、所述响应性能指标权重的隶属度函数及所述模糊规则表进行模糊推理，以得到所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
3.根据权利要求2所述的伺服系统响应性能评估方法，其特征在于，所述根据所述负载大小的隶属度函数、所述负载变化率的隶属度函数、所述响应性能指标权重的隶属度函数及所述模糊规则表进行模糊推理，以得到所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重的步骤，具体包括：
根据所述负载大小的隶属度函数、每一组所述试验数据中的负载大小、所述负载变化率的隶属度函数、每一组所述试验数据中的负载变化率，以及所述模糊规则表，获得相匹配的若干条模糊规则和相匹配的模糊规则表；
根据所述相匹配的模糊规则表，确定若干条被触发的模糊规则；
对每一条所述被触发的模糊规则进行规则前提推理，以获得每一条所述被触发的模糊规则的总前提的可信度和规则前提可信度表；
根据所述规则前提可信度表和所述相匹配的模糊规则表，获得每一条所述被触发的模糊规则的输出结果；
根据每一条所述被触发的模糊规则的输出结果，获得总输出结果；
根据所述总输出结果及所述响应性能指标权重的隶属度函数进行反模糊化计算，以获得所述交流伺服系统在每一组所述试验数据下的超调量权重和建立时间权重。
4.根据权利要求3所述的伺服系统响应性能评估方法，其特征在于，所述根据所述负载大小的隶属度函数、每一组所述试验数据中的负载大小、所述负载变化率的隶属度函数、每一组所述试验数据中的负载变化率，以及所述模糊规则表，获得相匹配的若干条模糊规则和相匹配的模糊规则表的步骤，具体包括：
根据所述负载大小的隶属度函数和每一组所述试验数据中的负载大小，确定每一组所述试验数据下的负载大小隶属度；
根据所述负载变化率的隶属度函数和每一组所述试验数据中的负载变化率，确定每一组所述试验数据下的负载变化率隶属度；
根据每一组所述试验数据下的所述负载大小隶属度和所述负载变化率隶属度，以及所述模糊规则表，获得匹配的若干条模糊规则和匹配的模糊规则表。
5.根据权利要求2至4中任一项所述的伺服系统响应性能评估方法，其特征在于，将每一组所述试验数据中的负载大小采用负载系数与额定负载的乘积表示，其中，所述负载系数为[0,1]中互异的随机值。
6.根据权利要求1至4中任一项所述的伺服系统响应性能评估方法，其特征在于，所述根据所述交流伺服系统在每一组所述试验数据下的超调量和超调量权重、建立时间和建立时间权重，以及所述试验数据的组数，确定所述交流伺服系统转矩变化响应性能的综合评估值的步骤，具体包括：
将所述交流伺服系统在每一组所述试验数据下的超调量和建立时间根据所述超调量权重和所述建立时间权重进行加权求和，以得到加权求和结果；
根据所述试验数据的组数和所述加权求和结果，确定所述加权求和结果的均值；
将所述加权求和结果的均值确定为所述交流伺服系统转矩变化响应性能的综合评估值。
7.根据权利要求1至4中任一项所述的伺服系统响应性能评估方法，其特征在于，所述获取所述交流伺服系统在每一组所述试验数据中的负载大小和负载变化率，以及所述交流伺服系统在每一组所述试验数据下的超调量及建立时间的步骤，具体包括：
获取所述交流伺服系统在每一组所述试验数据中的设定负载大小和设定负载变化率；
记录所述交流伺服系统在所述设定负载大小和所述设定负载变化率下的时间响应曲线；
根据所述交流伺服系统在每一组所述试验数据下的所述时间响应曲线，确定所述交流伺服系统在每一组所述试验数据下的超调量和建立时间。
8.根据权利要求1至4中任一项所述的伺服系统响应性能评估方法，其特征在于，所述根据所述综合评估值获得所述交流伺服系统的评估结果的步骤，具体包括：
将所述综合评估值与设定的临界值进行比对；
根据比对结果，确定所述交流伺服系统的评估结果。
CN201810802855.4A 2018-07-20 2018-07-20 伺服系统响应性能评估方法 Active CN109063990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810802855.4A CN109063990B (zh) 2018-07-20 2018-07-20 伺服系统响应性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810802855.4A CN109063990B (zh) 2018-07-20 2018-07-20 伺服系统响应性能评估方法

Publications (2)

Publication Number Publication Date
CN109063990A true CN109063990A (zh) 2018-12-21
CN109063990B CN109063990B (zh) 2020-08-11

Family

ID=64817771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810802855.4A Active CN109063990B (zh) 2018-07-20 2018-07-20 伺服系统响应性能评估方法

Country Status (1)

Country Link
CN (1) CN109063990B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000152491A (ja) * 1998-11-16 2000-05-30 Sanden Corp 三相電動機の欠相・逆相運転防止回路
CN103558548A (zh) * 2013-11-04 2014-02-05 江苏汇尔豪电机科技有限公司 多功能伺服电机性能测试装置及其测试系统
CN105048918A (zh) * 2015-07-08 2015-11-11 河南科技大学 一种无刷直流电机自适应模糊控制方法
CN107229766A (zh) * 2017-03-10 2017-10-03 北京理工大学 一种车用电机驱动系统综合性能评价方法
CN107479365A (zh) * 2017-09-22 2017-12-15 西南民族大学 基于遗传算法的pid悬浮控制器的模糊综合评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000152491A (ja) * 1998-11-16 2000-05-30 Sanden Corp 三相電動機の欠相・逆相運転防止回路
CN103558548A (zh) * 2013-11-04 2014-02-05 江苏汇尔豪电机科技有限公司 多功能伺服电机性能测试装置及其测试系统
CN105048918A (zh) * 2015-07-08 2015-11-11 河南科技大学 一种无刷直流电机自适应模糊控制方法
CN107229766A (zh) * 2017-03-10 2017-10-03 北京理工大学 一种车用电机驱动系统综合性能评价方法
CN107479365A (zh) * 2017-09-22 2017-12-15 西南民族大学 基于遗传算法的pid悬浮控制器的模糊综合评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张韬等: "永磁交流伺服系统性能测试和分析平台的开发", 《上海电气技术》 *

Also Published As

Publication number Publication date
CN109063990B (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN107784325B (zh) 基于数据驱动增量融合的螺旋式故障诊断方法
TW541448B (en) Rotating equipment diagnostic system and adaptive controller
CN107766418A (zh) 一种基于融合模型的信用评估方法、电子设备和存储介质
CN111368904B (zh) 一种基于电力指纹的电器设备识别方法
CN110033281A (zh) 一种智能客服至人工客服转换的方法及装置
CN109472586A (zh) 策略确定方法及装置、存储介质、电子装置
CN107544450A (zh) 基于数据的流程工业网络模型构建方法及系统
Wang et al. Application of an oversampling method based on GMM and boundary optimization in imbalance-bearing fault diagnosis
CN117216529A (zh) 一种熔盐储能系统设备在线监测方法、系统及产品
CN108122046A (zh) 一种基于智能数据分析的创业公司绩效预测方法
CN115619209A (zh) 融合修正参数层次分析法的电力建设工程风险评价系统
Xiang et al. State-of-health prognosis for lithium-ion batteries considering the limitations in measurements via maximal information entropy and collective sparse variational gaussian process
CN109063990A (zh) 伺服系统响应性能评估方法
Tsai Skew normal distribution and the design of control charts for averages
Ding et al. A clustering-based framework for performance degradation prediction of slewing bearing using multiple physical signals
CN107122609A (zh) 一种基于质量特性基因理论的机电产品质量评价方法
Wysocki et al. An investment strategy for the stock exchange using neural networks
CN107977804B (zh) 一种保兑仓业务风险评估方法
CN107679753A (zh) 一种基于加权马氏距离的电力市场主体市场力评价方法
CN113869194A (zh) 基于深度学习的变参数铣削加工过程信号标记方法及系统
Chen et al. A pruning optimized fast learn++ nse algorithm
Řezáč Advanced empirical estimate of information value for credit scoring models
Yijun et al. Artificial neural networks for corporation credit rating analysis
CN113158389B (zh) 一种基于机器学习算法的中压配网馈线分类方法
CN118377971B (zh) 基于大数据分析的企业热点话题智能化监测系统

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