CN109564405B - 通过速度pi控制器参数和反馈滤波器时间常数的同时调谐来限制转矩噪声 - Google Patents

Abstract

控制电路（3'）包括控制器（9'）、受控系统（2'）和用于平滑返回信号（4''）的滤波器（10'），其中控制器（9'）通过控制信号（6'）对受控系统（2'）起作用，并且返回信号（4''）对控制器（9'）起作用，其特征在于，控制器（9'）和滤波器（10'）是同时可调整的，其中调整基于包括下列步骤的方法进行：测量或估计输出信号（1'），其中测量或估计将输出信号（1'）转换成返回信号（4''）；确定返回信号（4''）的功率密度谱；按照使得控制信号（6'）的功率不超过预定义极限值的方式来限制控制器（9'）的控制信号（6'）。

Description

通过速度PI控制器参数和反馈滤波器时间常数的同时调谐来 限制转矩噪声

本发明涉及根据权利要求1或2所述的控制电路。

背景：为了实现速度或位置控制应用中的高性能，控制器参数以及附加滤波器必须仔细调谐。这特别对具有顺从负载的机械是重要任务。

手动执行调谐要求专业控制知识和/或许多经验。如果控制器和滤波器参数是过度防卫性的（defensive），则性能丢失，而过于进取的（aggressive）参数能够具有范围从不合需要振荡和有噪转矩信号到系统的不稳定性和损坏的负面影响。

本发明的目的是采用自动化方法按照使得转矩信号中的噪声级保持为被限制并且同时尽可能快速地运行控制的方式来确定速度控制电路的参数（具体是PI控制参数）和低通滤波器的时间常数。

本发明的目的通过如专利权利要求1或2所述的特征来实现。

目的：本发明公开提出一种基于设备的机械模型和可用速度测量的质量来设置控制器和滤波器参数的全自动方法。

除了物理设备参数（例如惯量、扭转刚度等）之外，速度测量中的噪声级对控制和滤波器参数的良好选择具有显著影响。控制环的结构在图1a中简示，其中黑框的参数假定为已知，以及待调谐框通过蓝色来标记（速度PI、速度滤波器）。

第一新特征是同时调谐控制器和反馈滤波器参数。这些参数在现有解决方案中通常依次调谐，通常完全忽略反馈滤波器和转矩控制块（参见科学论文[Ia]、[IIa]、[IIIa]）。

但是，控制器和滤波器参数是相同控制环的部分，并且因而具有重叠影响。在本发明公开中，示出了同时控制器和滤波器调谐允许在没有附加测量噪声放大的情况下改进控制环性能。

第二新特征是明确考虑可用反馈信号的质量。虽然已知例如估计速度信号经受与高质量编码器装置相比更高的噪声级，但是这些差异通常通过将控制器的比例增益限制到某个值来操控。

在本发明公开中，提出分析所测量速度信号的噪声级，并且对于同时控制器和滤波器调谐考虑这个噪声级。

为此，所生成转矩参考信号中的容许噪声级能够被限制，从而对用户给予折衷转矩信号的平滑性和控制器进取性的直观方式。

有益效果：由于作为所公告特征到将来软件产品中的集成的可能性是现实的，所以有益效果产生于对现有驱动软件添加新特征。

优点是：

通过对具有顺从和刚性机械负载的系统（特别是对使用估计速度信号的设置或者具有低质量编码器/速度反馈装置的设置）两者同时调谐控制器和滤波器参数的增加的控制性能。

只有一个直观参数将要由用户选择以折衷性能和鲁棒性，从而减少参数调谐的试运行时间。

对具有速度反馈装置或者无传感器速度估计的设置的适用性。从自动调谐观点来看，不同反馈类型产生不同速度信号质量（噪声级）。由于在所提出的自动调谐方法中考虑这个方面，所以它独立于反馈类型而工作，并且基于可用速度信号质量来实现最佳可能性能。

附加滤波器（例如谐振频率消除滤波器）的同时调谐以及不同优化标准的设计的可扩展性。

包括控制器、受控系统和用于平滑返回信号的滤波器的控制电路，其中控制器通过控制信号对受控系统起作用，以及返回信号对控制器起作用。控制器和滤波器是同时可调整的。

返回信号中的噪声经过控制器进一步放大，并且引起控制信号中的进取噪声。这能够使损坏在受控系统中发生。这种类型的损坏能够通过同时调整控制器和滤波器来避免。

包括控制器、受控系统和用于平滑返回信号的滤波器的控制电路，其中控制器通过控制信号对受控系统起作用，以及返回信号对控制器起作用。

控制器和滤波器是同时可调整的，其中调整基于包括下列步骤的方法进行：测量或估计输出信号，其中测量或估计将输出信号转换成返回信号；确定返回信号的功率密度谱；按照使得控制信号的功率不超过预定义极限值的方式来限制控制器的控制信号。

有可能通过使用所述方法同时改变控制器和滤波器。因此，控制电路的响应行为能够在没有过多地放大返回信号的噪声分量的情况下尽可能快速地进行。

在该方法中可考虑返回信号的质量。

以此方式，有可能基于给定返回信号按照使得控制电路尽可能小地被损坏或加载的方式来操作控制电路。

噪声分量的了解意味着控制器能够按照更防卫性的方式来调整，使得它更缓慢地进行响应并且以更小程度放大任何噪声。还有可能的是，返回信号可经过滤波器更强地来滤波。

一种用于进行对控制电路的控制器和滤波器的调整的方法，可包括下列步骤：测量或估计输出信号，其中测量或估计将输出信号转换成返回信号；确定返回信号的功率密度谱；按照使得控制信号的功率不超过预定义极限值的方式来限制控制器的控制信号。

附图示出以下项：

图1示出可变速度驱动的速度控制环，

图2示出非参数频率响应估计和对应相干估计，

图3示出通过二质量模型对非参数频率响应估计的近似计算。曲线拟合通过黑线的右边来约束，

图4示出基于优化的控制器和滤波器调谐中的闭环本征值的约束，

图5示出通过同时调谐控制器和反馈滤波器参数所实现的性能改进，

图1a示出其中“速度PI''和“速度滤波器''将要被调谐的速度控制环结构，

图2a示出同时控制器和滤波器调谐的目标：1.：使性能最大化，2.：避免振荡并且确保稳定余量，3.：防止高阶谐振的激励，

图3a示出根据容许转矩纹波的各种等级（单位为标称转矩的百分比）的反馈滤波器时间常数的归一化可实现闭环控制性能，

图4a示出使用PI控制器和反馈滤波器的同时调谐所实现的性能改进。

发明描述：

图1a图解地表示以下内容：

包括控制器9'、受控系统2'和用于平滑返回信号4''的滤波器10'的控制电路3'，其中控制器9'通过控制信号6'对受控系统2'起作用，以及返回信号4''对控制器9'起作用。控制器9'和滤波器10'是同时可调整的。

控制电路3'包括控制器9'、受控系统2'和用于平滑返回信号4''的滤波器10'，其中控制器9'通过控制信号6'对受控系统2'起作用，以及返回信号4''对控制器9'起作用。

控制器9'和滤波器10'是同时可调整的，其中调整基于包括下列步骤的方法来进行：测量或估计输出信号1'，其中测量或估计将输出信号1'转换成返回信号4''；确定返回信号4''的功率密度谱；按照使得控制信号6'的功率不超过预定义极限值的方式来限制控制器9'的控制信号6'。

在该方法中考虑返回信号4''的质量。

用于进行对控制电路3'的控制器9'和滤波器10'的调整的方法包括下列步骤：测量或估计输出信号1'，其中测量或估计将输出信号1'转换成返回信号4''；确定返回信号4''的功率密度谱；按照使得控制信号6'的功率不超过预定义极限值的方式来限制控制器9'的控制信号6'。

现在参照图4，应当注意，寻求控制信号6'的限制和控制电路3'的快速响应。控制信号6'的限制的优化通过将控制电路3'的模式尽可能选择成左边模式来执行。控制电路3'则快速响应扰动，并且能够快速跟随设置点。

假定图1a所描绘系统的机械部分能够通过二质量系统（对于顺从负载）或一质量系统（对于刚性耦合负载）来描述。在顺从情况下，图1b的系统的机械部分通过下列转换函数来描述

对于刚性耦合负载，机械通过下式来描述

参数J_M（发动机惯量）、J_L（负载惯量）、k_T（扭转刚度）、d_T（扭转阻尼）、d_M（发动机侧粘性阻尼）、d_L（负载侧粘性阻尼）和d_tot＝d_M+d_T例如能够尤其从测量来识别或者例如使用本发明公开[IVa]和[Va]所述的技术来识别。

此外，（所测量或估计的）速度反馈的质量在恒定速度的速度信号的功率谱密度（PSD）方面假定为已知。

这个信息能够从初步识别实验来得到，其中发动机在短时间周期（大约2s的测量时间是充分的）内以恒定速度运行。

备选地，不同反馈装置的噪声级能够被确定一次，并且存储在查找表中供将来使用。

图1a所描绘的转矩控制块为了控制器和滤波器调谐的目的而建模为一阶滞后。它通过下式来描述

，

其中时间常数T_el假定为已知。它例如能够从很短实验（其中应用数毫秒的转矩脉冲）来识别。

从所记录转矩参考/需求和所产生实际转矩，T_el能够通过最小二乘参数估计来计算。

同时调谐的核心思路是公式化闭环控制系统的动态，并且通过同时改变控制器和滤波器参数来优化某些特性。

利用速度PI控制器，转换函数给出为

其中K_I=K_P/T_N，并且反馈滤波器通过下式来定义

将要确定三个参数K_P、K_I、T_f。闭合控制环通过下列转换函数来描述

　　（1'）

为了优化闭环系统的性能，考虑下列方面：

1. 使控制环的速度最大化：

控制工程解决方案：使闭环极点（即，转换函数（1'）的极点）的最小绝对值最大化。

2. 防止振荡并且确保稳定余量：

控制工程解决方案：限制闭环极点（即，转换函数（1'）的极点）的角。能够选择相对负实轴的45°或60°的缺省值。

3. 避免系统的机械部分中的高阶谐振的激励：

控制工程解决方案：从下面限制闭环极点（即，转换函数（1'）的极点）的实部。如果机械模型G_mech（s）的参数从如本发明公开[Va]所述的识别实验来得到，则闭环极点的下限能够自动设置成匹配识别实验期间的最大激励频率。因此，用户无需手动设置这个参数。

4. 限制转矩参考信号中的所产生噪声级，控制工程解决方案：

从速度测量噪声的功率谱密度S_nn（ω）和转换函数

链接测量噪声和转矩参考，转矩参考信号的功率谱密度能够计算为

。

转矩参考信号的标准偏差相当于信号的功率（假定白噪声特性），其又与S_uu（ω）的平均值（通过

表示）相同。要注意，因此，转矩参考信号中的噪声级（“转矩纹波”）能够从测量噪声PSD S_nn（ω）以及控制器和滤波器参数K_P、K_I和T_f来估计。

上述方面在图2a中可视化，除了目标4.，其不能在复平面中可视化。

上述方面公式化为优化问题

（参见1.）

（参见2.）

（参见3.）

（参见4.）

在优化问题中，λ_i是六阶转换函数（1'）的极点，以及如以上详述，参数γ是所要求的唯一用户输入。参数γ允许用户折衷转矩参考信号和控制器性能的平滑性。容许转矩参考噪声越大，则参数的进取性将越大，从而引起更高性能。

优化问题能够通过标准技术（例如Nelder-Mead[VIa]或网格法）来解决。在后一种方法中，参数空间被离散化为三维网格。

该方式在这里是可适用的，因为全部三个参数的合理的上限和下限是可用的，从而引起例如

-

额定转矩，其中

网格点线性地间隔

-

，其中

网格点对数地间隔

-

，其中

网格点对数地间隔

选择

已经给出良好结果，并且允许在标准PC上在数秒之内解决优化问题。

图3a示范地示出根据与1%、2%和5%标称转矩的转矩纹波对应的γ的不同值的反馈滤波器时间常数的可实现控制性能（带宽）。

直观地，如果容许高等级的转矩纹波，则能够实现最大性能。但是，与通用假设形成对照，没有通过完全停用反馈滤波（即，T_f=0 ms）实现最大性能。曲线而是示出取决于容许转矩纹波的不同最大峰值。

图4a示出从同时调谐所得到的改进性能的示例。发动机以恒定速度运行，其中速度控制依靠无传感器速度估计。引起发动机侧扰动，并且分析扰动抑制性能。

蓝色曲线示出产生于传统方式（将反馈滤波器时间常数固定到某个值并且随后调谐速度PI参数）的速度（顶部）和转矩（底部）。

红色曲线示出使用所提出的同时调谐方式的可实现性能。虽然转矩信号中的噪声级大致相同，但是发动机速度中的速度下降和恢复时间充分减小。这是可能的，因为增加的反馈滤波器时间常数衰减速度信号中的噪声，从而允许更进取的控制器增益。

如上所提及的，该方式按照各种方式是可扩展的，包括

a）调谐附加滤波器（例如谐振频率消除滤波器（广义陷波滤波器））连同速度PI控制器和反馈滤波器。

b）考虑发动机速度对负载速度的影响以及发动机侧和负载侧扰动两者的影响。

c）优化其他标准（例如闭环或扰动抑制的衰减率）。

由于作为优化问题的同时调谐任务的形式化，能够易于通过引入附加优化变量（a））、添加附加约束（b））和/或通过修改成本函数（c））来考虑上述扩展。

[Va]A robust automatic method to identify physical parameters of a mechanical load with integrated reliability indication。本发明已经向EPO提交并且已经被分配申请号16001317.3。

本发明涉及根据权利要求1所述的方法。

背景：为了实现速度或位置控制应用中的高性能，控制环中的反馈和前馈组件以及附加滤波器必须仔细调谐。

产生参数的这种集合的大多数调谐方法依靠将是可用的机械负载的参数模型。示例是如图1b所示的具有顺从耦合的二质量系统。

这类系统通过物理参数（例如扭转刚度和阻尼、惯量比等）的集合来描述。在许多应用中，这些参数不是已知的，而是必须从发动机转矩（系统输入）和发动机速度（系统输出）的测量来识别。本发明公开提出一种得到相关机械参数的估计的新方式。

本发明的目的是采用自动化方法来确定耦合到发动机的机械负载的物理参数，并且因此在可能的最佳程度上量化参数近似的可靠性。

本发明的目的通过如其专利权利要求1所述的特征来实现。

目的：一种广泛使用的方式是执行识别测量，并且通过附连到驱动/发动机单元的机械负载的频率响应的计算来估计它们。

使用例如快速傅立叶变换（FFT）来评估识别测量产生非参数频率响应估计。对于每个频率，得到系统转换函数的幅值和相位的估计。

但是，为了设计临近（at hand）系统的控制器，对大多数调谐方法要求参数估计。图1b所简示的机械的参数模型通过机械转换函数给出

。

为了完全描述模型及其特性，必须找到对应机械参数（发动机惯量J_M、负载惯量J_L、发动机侧阻尼d_M、负载侧阻尼d_L、扭转刚度k_T、扭转阻尼d_T）。换言之，机械负载的物理参数（例如刚度和阻尼系数）必须从非参数估计来识别。

图2b示出按照红色的非参数估计以及按照蓝色（拟合线）的对应参数估计的示例。

蓝色曲线（拟合曲线）通过执行到红色曲线上的曲线拟合来得到，其中机械设备的结构假定为已知（参见上述转换函数G_TMS（s））。从实践观点来看，这个假设是有效的，因为机械系统的宽类能够通过二质量系统合理良好地近似。

将参数模型自动拟合到非参数频率响应上因若干原因而是挑战性的：

设备可包含动态（例如更高模式），其没有被二质量模型假设所考虑。频率响应中的这类未建模效应破坏曲线拟合。

由于被记录以便得到非参数估计的速度和转矩测量遭受噪声，所以所计算频率响应也遭受噪声。对于极低和高频率尤其是这样，因为设备在识别实验期间没有良好激励。

此外，有限测量时间和取样率使非参数估计的质量退化。

曲线拟合问题是非凸的。因此，必须找到适当初始值，以便避免局部最小数和不良识别结果。

在本发明公开中，提出新方法以克服前述困难。

所有步骤完全自动化并且不要求用户输入。

这里提出的全自动解决方案的备选方案在相关ID“A semi-automatic,interactive tool to identify physical parameters of a mechanical load”中描述，其中人体模式识别能力用来按照引导半自动方式来得到参数设备模型。所述发明已经通过欧洲专利申请16001318.1提交。

本发明公开针对通过执行参数物理模型的波德图（Bode plot）到所计算非参数波德图的自动曲线拟合来解决二质量系统的参数识别的任务。

虽然这个概念是众所周知的（参见参考文献[Ib]、[IIb]、[IIIb]），但是本创新采用两个主要新特征对它进行改进。

首先，新曲线拟合考虑所计算非参数波德图的变化和精度对每个频率不是相同的事实。特别是对于反谐振和高频率，所计算波德图已知为由于小信噪比而遭受大量变化。

直观地，在曲线拟合过程期间对这些频率不应当过多“信任”所计算非参数波德图。在新曲线拟合中说明这个方面，该新曲线拟还考虑设备充分被激励的频率范围。

这是可能的，因为激励信号在前一步骤自动参数化，并且因此其性质为已知。作为结果，新识别过程提供充分改进的鲁棒性。

其次，该方法不仅提供物理设备参数的估计，而且还提供质量指示。基于各种标准，自动评估所估计设备参数能够多么良好地解释基本非参数频率响应。由这个特征所提供的信息能够用来在连续控制器调谐步骤自动调整控制器进取性。

但是首要地，识别的质量指示能够用作在识别质量不良时防止自动调谐控制参数的保护。在这种情况下，自动调谐过程将停止，并且可要求用户重做实验。

对于若干方面，该方法允许向用户提供关于如何改进识别质量的建议（例如，增加激励幅度，减小激励频率范围，降低识别期间的控制器进取性）。

有益效果：由于作为所公告特征到将来软件产品中的集成的可能性是现实的，所以有益效果产生于对现有驱动软件添加新特征。优点是：

在速度/位置控制器调谐的自动设备识别方面赶上其他解决方案。

产生于驱动软件中的唯一特征（自动可靠性指示）的潜在有益效果。

对中间步骤的测量数据和信息被存储，并且能够按照若干方式来评估，包括客户的远程服务、连接到所销售驱动的负载类型的分析等。

机械负载识别能够按照全自动方式通过进行调试所要求的较少专业知识进行。

基于改进模型识别和可靠性指示的增加控制性能。

伪随机二进制信号可用作激励信号。

因此，有利地，只有两个值用于激励信号。激励的幅度由此受到限制。

包括第一控制信号和激励信号的第二控制信号可应用于控制电路，并且算第二控制信号和第二返回信号的功率密度谱，其中机械装置的频率响应从功率密度谱来计算。

因此，当尚未可靠地已知机械装置的参数时，能够估计机械装置的频率响应。

参考模型可用于机械装置（优选地为二质量振荡器），其中这个参考模型能够通过物理参数来描述，其中参数按照使得参考模型的频率响应与所计算频率响应之间的加权和偏差最小化的方式来选择。

因此，能够确定物理参数，其描述参考模型。对于一直到基于参考模型的频率响应具有与所计算频率响应的最佳可能拟合的时间长度来确定参数。

加权可使用相干函数来执行。

因此，能够提供频率响应的近似的可靠性的测量。

可使用相干函数（优选地为它在所考虑频率范围中的平均值），以便通过参考模型来量化对所计算频率响应的近似。

因此，有可能评估基于参考模型的频率响应与已经近似计算的频率响应多么良好地拟合。有可能量化所确定机械参考模型多么良好地描述实际机械装置。

附图示出以下项：

图1b示出机械二质量系统，

图2b示出非参数频率响应估计（红色曲线）和拟合参数模型（蓝色曲线，拟合曲线），

图3b示出自动设备识别和质量指示的流程图，

图4b示出拟合参数估计（红色曲线）和原始非参数估计（蓝色曲线）。除了反谐振区域之外，拟合结果非常精确（仅考虑一直到采用绿色（垂线）所标记的上限的频率），

图5b示出设备识别的质量指示的不同标准。

发明描述：

图1是下列方法的图解表示：

其中第一控制信号1应用于控制电路3中的机械装置2的方法，其中第一返回信号4被测量。

第一返回信号4的功率密度谱用来保证机械装置2的激励信号5（优选地为宽带激励信号）。伪随机二进制信号用作激励信号5。

包括第一控制信号1和激励信号5的第二控制信号6被应用于控制电路3，并且计算第二控制信号6和第二返回信号4'的功率密度谱，其中机械装置2的频率响应从功率密度谱来计算。

参考模型用于机械装置2（优选地为二质量振荡器），其中这个参考模型能够通过物理参数来描述，其中参数按照使得参考模型的频率响应与所计算频率响应之间的加权和偏差最小化的方式来选择。加权使用相干函数来执行。

使用相干函数（优选地为它在所考虑频率范围中的平均值），以便通过参考模型来量化对所计算频率响应的近似。

通过本文所述的本发明，能够确定机械装置2的参考模型的物理参数。

图1图解地示出的控制电路3包括速度控制器9、从属转矩控制8和速度滤波器10。

最初，速度控制器9将第一控制信号1直接传递给转矩控制8。转矩控制8然后致动机械装置2。机械装置2产生实际角速度7（ω_act）。

机械装置2优选地配置为具有负载所耦合到的轴的发动机。

实际角速度7对应于测量值（即，第一返回信号4）。检查第一返回信号4中的噪声分量的幅值。噪声分量的幅值用来计算激励信号5。

因为第二控制信号6和第二返回信号4'两者为已知，所以能够确定机械装置2的参考模型的物理参数。

关于图1b应当注意下列内容：

MM描述约束转矩控制8的转矩。角速度ω_act对应于ω_M。量d_M ω_M表示阻尼。J_M表示发动机的惯量。量k_T表示轴的刚度，d_T表示轴的阻尼。J_L表示负载的惯量。负载的旋转速度表达为ω_L。M_L对应于负载转矩。参数k_T、d_T、J_I、J_M、d_M和d_L（负载的阻尼）能够从图3的红色曲线、图2b的蓝色曲线和图4b的红色曲线来辨别，或者确定曲线的剖面。

所提出方法的一般流程图在图3b中简示。

在第一步骤，基本量（例如主系统惯量J_tot、总粘性阻尼d_tot和电气时间常数T_el）使用现有方法来确定。

在第二步骤，发动机以恒定速度运行大约二秒的短时长。为了保持恒定速度，驱动以缺省参数（即，极为防卫性的）在速度控制模式中操作。在实验期间，记录未滤波速度信号ω_m（通过编码器所测量或者通过驱动所估计）。

在第三步骤，估计（例如使用韦尔奇（Welch）方法）零平均速度信号的功率谱密度（PSD），并且计算其中值S_nn，其称作“噪底”。

在第四步骤，实际识别实验的激励信号基于所识别噪底和总惯量自动参数化。激励信号是伪随机二进制信号（PRBS），其由它的循环时间λ_PRBS和幅度α_PRBS表征。除了那两个参数之外，频率f_3dB,PRBS（一直到该频率，PRBS将足以激励设备）作为第四块的输出是可用的。

在第五步骤，实际识别实验进行。其中，发动机再次以防卫性控制器参数化（例如缺省参数）以恒定速度在速度控制模式中运行。PRBS信号作为附加转矩被注入设备中，以及记录未滤波发动机速度ω_m、未滤波发动机转矩T_m和PRBS信号本身。测量时长为大约5 s。

在第六步骤，非参数设备估计从发动机转矩和速度的估计PSD来计算。

此外，计算三个记录信号的相干函数。作为频率的函数，它们指示输出信号能够多良好地通过输入信号和连接两者的线性系统来说明。

在实际曲线拟合发生之前，计算初始参数。这基于用于查找第一谐振峰值的鲁棒峰值检测。基于所识别初始参数，解决非凸曲线拟合问题。

为此，能够评估不同成本函数，例如每个频率的拟合参数与非参数估计之间采用发动机转矩与发动机速度之间的相应相干值所加权的平方误差和。

优化能够通过不同技术（例如采用Nelder-Mead算法[IVb]）来解决。重要的是要注意，在拟合过程中考虑用于拟合的频率范围以及相干函数。

这提供显著鲁棒性优点。作为第六步骤的结果，所估计物理设备参数（发动机惯量J_M、负载惯量J_L、扭转刚度k_T、扭转阻尼d_T、发动机侧阻尼d_M和负载侧阻尼d_L）是可用的（参见图4b）。

第七步骤专用于质量指示。评估不同标准，即

控制器进取性：从所注入PRBS信号和转矩参考的相干性来评估。系统识别的理想状况将是开环系统，其中转矩参考等于PRBS信号，从而对全部频率产生1的相干值。但是，全部识别实验假定为在闭环控制中运行。

由此，反馈控制器部分衰减所注入PRBS信号。控制器越进取，则相干值降级越多，特别是对较低频率。因此，PRBS与转矩参考之间的相干性的评估允许判断所应用控制器是否适合于识别实验。

系统线性：由于识别实验以恒定速度运行，所以对系统的唯一变化输入是PRBS信号，其中所测量输出是发动机速度信号。评估那两个信号之间的相干函数允许判断总体系统线性和/或对系统的其他未建模输入的存在。

拟合可靠性：波德图的非参数估计从所测量转矩参考和发动机速度来得到。因此，那两个信号之间的相干性能够用来判断非参数估计多可靠。

拟合误差：第四标准是非参数与参数估计之间的总曲线拟合误差的值。数量取决于对曲线拟合所选择的成本函数（例如采用转矩参考与发动机速度之间的相干性所加权的平方误差和），并且归一化成数据点的数量。

对于每个标准，给出质量指示符。基于那些指示符，交通灯指示符示出总识别质量是良好（绿色，谱的右侧）、中等（黄色，谱的中间）还是不良（红色，谱的左侧）。

这个指示符简单地通过考虑具有最低得分的特征（控制器进取性、系统线性、拟合可靠性拟合误差）来计算，如图5b所描绘。

权利要求1：其中第一控制信号应用于控制电路中的机械装置的方法，其中第一返回信号被测量，

其特征在于

所述第一返回信号的所述功率密度谱用来保证所述机械装置的激励信号（优选地为宽带激励信号）。

权利要求2：根据权利要求1所述的方法，其特征在于，伪随机二进制信号被用作激励信号。

权利要求3：根据权利要求1或2所述的方法，其特征在于，包括所述第一控制信号和所述激励信号的第二控制信号被应用于所述控制电路，并且计算所述第二控制信号和所述第二返回信号的所述功率密度谱，其中所述机械装置的所述频率响应从所述功率密度谱来计算。

权利要求4：根据权利要求1至3中的任一项所述的方法，其特征在于，参考模型用于所述机械装置（优选地为二质量振荡器），其中这个参考模型能够通过物理参数来描述，其中所述参数按照使得所述参考模型的频率响应与所计算频率响应之间的加权和偏差最小化的方式来选择。

权利要求5：根据权利要求4所述的方法，其特征在于，所述加权使用相干函数来执行。

权利要求6：根据权利要求5所述的方法，其特征在于，使用所述相干函数（优选地为它在所考虑的所述频率范围中的平均值），以便通过所述参考模型来量化对所计算频率响应的所述近似。

[IVa] A semi automatic, interactive tool to identify physical parameters of a mechanical load。本发明已经向EPO提交并且已经被分配申请号16001318.1。

本发明涉及根据其权利要求1所述的方法。

背景：为了实现速度或位置控制应用中的高性能，控制环中的反馈和前馈组件以及附加滤波器必须仔细调谐。产生参数的这种集合的大多数调谐方法依靠将是可用的机械负载的参数模型。示例是如图1c所示的具有顺从耦合的二质量系统。

这类系统通过物理参数（例如扭转刚度和阻尼、惯量比等）的集合来描述。在许多应用中，这些参数不是已知的，而是必须从发动机转矩（系统输入）和发动机速度（系统输出）的测量来识别。本发明公开提出一种得到相关机械参数的估计的新方式。

本发明的根本问题是确定耦合到发动机的机械负载的物理参数，由此用户能够识别和标记所计算曲线过程中的特性点，所述特性点在半自动过程中确定。

本发明通过如其权利要求1所述的特征来解决。

目的：一种广泛使用的方式是执行识别测量，并且通过附连到驱动/发动机单元的机械负载的频率响应的计算来评估它们。使用例如快速傅立叶变换（FFT）来评估识别测量产生非参数频率响应估计。对于每个频率，得到系统转换函数的幅值和相位的估计。

但是，为了设计临近系统的控制器，对大多数调谐方法要求参数估计。图1c所简示的机械的参数模型通过机械转换函数给出

。

为了完全描述模型及其特性，必须找到对应机械参数（发动机惯量J_M、负载惯量J_L、发动机侧阻尼d_M、负载侧阻尼d_L、扭转刚度k_T、扭转阻尼d_T）。换言之，机械负载的物理参数（例如刚度和阻尼系数）必须从非参数估计来识别。

图2c示出采用红色的非参数估计以及采用蓝色（拟合曲线）的对应参数估计的示例。

蓝色曲线通过执行到红色曲线上的曲线拟合来得到，其中机械设备的结构假定为已知（参见上述转换函数G_TMS（s））。

从实践观点来看，这个假设是有效的，因为机械系统的宽类能够通过二质量系统合理良好地近似。

虽然成熟方法可用来自动解决这个问题（参见相关ID“A robust automaticmethod to identify physical parameters of a mechanical load with integratedreliability indication”，如欧洲专利申请16001317.3所提交的），但是存在困难的情况，其中那些自动方法失败或者仅允许得到受限频率范围中的有效模型，这又限制可实现控制性能。

关键新颖性是允许用户按照交互和易于使用的方式来识别机械系统的物理参数的方法的开发。不要求特殊控制工程知识。

基于非参数估计（即，频率响应），通过简单指令引导用户通过识别。在这个交互过程中，用户仅必须识别曲线的简单特性（例如峰值）。

另一个新颖性在于，所提出方法允许交互地细化识别过程的每个步骤。

有益效果：由于作为所公告特征到将来软件产品中的集成的可能性是现实的，所以有益效果产生于对现有驱动软件添加新交互特征。

优点是

机械负载识别能够通过非专家进行

产生于驱动软件中的唯一交互特征的潜在有益效果

减少的调试时间

基于改进模型识别的增加控制性能。

伪随机二进制信号可用作激励信号。

有利地，只有两个值因而用于激励信号。激励信号的幅度因此受到限制。

包括第一控制信号和激励信号的第二控制信号可应用于控制电路，以及计算第二控制信号和第二返回信号的功率密度谱，其中机械装置的频率响应从功率密度谱来计算。

当没有机械装置的参数可靠地已知时，因而能够估计机械装置的频率响应。

参考模型可由机械装置的用户来选择。

因此，用户能够选择适当模型，其尽可能地接近实际机械装置。用户不被限制到单个参考模型（其可能不适合于根据模型来描述机械装置的物理行为）。

选择可通过参照相应参考模型的频率响应的图形表示进行，其中相应参考模型能够通过物理参数来描述。

因此能够使用直观地识别模型结构或模式的人类能力。通过参照图表，用户能够对参考模型（其提供实际机械装置的良好模拟）进行判定。实际机械装置的刚性行为、谐振行为或耦合行为能够基于其典型模式来识别。用户则能够选择参考模型，直到尽可能良好地描绘实际机械装置的这类时间。

所选参考模型的频率响应中的特性位置可由用户在所计算频率响应中确定或标记。

因此，能够向用户建议他能够选择和处理以找到适当参考模型的图像或图表。

参考模型的物理参数从特性位置来计算和输出。

因此，物理参数能够由用户来确定。参考模型通过物理参数来描述。

通过参照输出物理参数，参考模型的频率响应以图形方式与所计算频率响应叠加。

物理参数的精细调谐因而是可能的。

附图示出以下项：

图1c示出机械二质量系统，

图2c示出非参数频率响应估计（红色曲线）和拟合参数模型（蓝色曲线，拟合曲线），

图3c、图3ca示出定义二质量系统的特征，

图4c示出将要由用户识别的第一特征：第一反谐振之前的-20 dB线条（放置在蓝色曲线之上的蓝色线条）。左下角的象形图示出理想化状况，并且打算促进对于非专家的方法的使用，

图5c示出将要由用户识别的第二特征：第一反谐振频率（垂直绿色线条）。与步骤1相似，象形图告知用户要做什么，

图6c示出将要由用户识别的第三特征：低频滚降频率（垂直淡蓝色线条），其具有左下角的象形图以用于帮助，

图7c示出将要由用户识别的第四特征：谐振峰值（品红十字）。象形图再次提供与要做什么有关的辅助，

图8c示出用于精细调谐的步骤1的交互修改。

发明描述：

图1通过图解视图示出下列方法：

其中第一控制信号1应用于控制电路3中的机械装置2的方法，其中第一返回信号4被测量。

第一返回信号4的功率密度谱用来保证机械装置2的激励信号5（优选地为宽带激励信号）。伪随机二进制信号用作激励信号5。

包括第一控制信号1和激励信号5的第二控制信号6应用于控制电路3，并且计算第二控制信号6和第二返回信号4'的功率密度谱，其中机械装置2的频率响应从功率密度谱来计算。

机械装置2的参考模型的物理参数能够通过这里所述的本发明来确定。

图1图解示出的控制电路3包括速度控制器9、从属转矩控制8和速度滤波器10。

速度控制器9将第一控制信号1直接传递给转矩控制8。转矩控制8然后控制机械装置2。机械装置2生成实际角速度7（ω_act）。

机械装置2优选地组成为具有负载所耦合到的轴的发动机。

测量值（即，第一反馈信号4）对应于实际角速度7。进行检查以查看噪声分量在第一反馈信号4中有多大。激励信号5基于噪声分量的幅值来计算。

由于第二控制信号6和第二反馈信号4'两者为已知，所以能够确定机械装置2的参考模型的物理参数。

参照图1c陈述下列内容：

M_M表示强制转矩控制8的转矩。角速度ω_act对应于ω_M。幅值d_M ω_M表示阻尼。J_M代表发动机的惯量。幅值k_T代表轴的刚性，d_T代表轴的阻尼。J_L代表负载的惯量。负载的速度采用ω_L来表达。M_L对应于负载力矩。参数k_T、d_T、J_I、J_M、d_M和d_L（负载的阻尼）能够从图3的红色曲线和图2c的蓝色曲线来得出，并且建立所提及曲线的过程。

参考模型由机械装置2的用户来选择。选择通过参照相应参考模型的频率响应的图形表示进行，其中相应参考模型能够通过物理参数来描述。

所选参考模型的频率响应中的特性位置由用户在所计算频率响应中确定或标记。

图3c表示向用户所建议以便找到图8c中的蓝色曲线的特性位置。红色曲线从开头指示。目的是通过查找和标记特性位置（即，在与红色曲线的最佳可能匹配中）来确定蓝色曲线。

参考模型的物理参数从特性位置来计算和输出。

通过参照输出物理参数，参考模型的频率响应以图形方式与所计算频率响应叠加。

图8c中的“蓝色斜率”例如采用计算机的鼠标来改变。因而改变图8c中的整个蓝色曲线。物理参数的精细调谐因而是可能的。

图3ca在左手边表示中图解地示出柔性耦合。这涉及负载经由柔性轴（k_T, d_T）来耦合到发动机并且谐振放大引起频率响应的情况。

刚度耦合在右手边表示示出。后者在轴非常刚硬以及J_M和J_L能够相结合以形成总惯量时产生。这个象形图在没有谐振能够在红色曲线中被能看到时将要由用户来选取。

在第一步骤，非参数估计在宽带噪声信号被注入转矩等级以激励设备以用于识别的实验期间从发动机转矩和发动机速度测量来得到。

对于控制器调谐，需要参数模型，其通过顺从二质量系统的物理参数（例如发动机惯量、负载惯量、扭转刚度、扭转阻尼等）来参数化。

非参数估计通过波德幅值图来表示。这是测量数据的结果，并且因此遭受噪声。

此外，能够示出取决于负载机械的多于一个突出谐振峰值。因此，将二质量系统的参数模型拟合到所计算非参数波德图是重要任务。

本发明公开提出基于如下观测来解决这个问题：二质量系统的波德图的一般形状通过如图3c所标记的少量特性特征来描述。

这些也就是

1）第一反谐振之前的-20 dB/dec斜率

2）第一反谐振的频率

3）在低频率的-20 dB/dec斜率的滚降

4）第一谐振的频率和峰值幅值

本发明公开的第二关键思路在于，上述列出特征能够易于由人来检测。因此，特征实现为交互图形用户界面。它通过请求用户在非参数设备模型的图形表示（即，波德幅值图）中标记曲线特征1）-4）来引导他/她通过该过程。在每个步骤中，示出象形图，以便以图形方式指示对应特征如图4c至图7c所示将要放置的位置。

在完成步骤1）-4）之后，能够交互地修改每个选择，以改进所识别参数模型到非参数模型的曲线拟合的质量。

图8c示出其中用户能够拖曳-20 dB线条以便修改步骤1的状况。

通过将基本曲线拟合问题简化成允许快速计算的简化模型来使这个即时交互成为可能。

所产生物理参数被即时更新并且示出，因此1）-4）的变化如何影响参数模型的参数是立即可见的。

这允许用户交互地修改所识别特征，并且观察所产生曲线拟合如何改进。

数学背景在于，上述特征能够用来以顺序方式计算机械转换函数中的物理参数的近似值（参见[Ic]中的第160页）。

1. 步骤1的-20 dB/dec斜率允许计算总惯量

。

2. 反谐振频率（步骤2）和谐振频率（步骤4）允许计算惯量比J_L/J_M，并且因而连同J_tot，能够计算单独惯量J_M和J_L。已知单独惯量J_M和J_L以及反谐振（或谐振）频率，能够计算扭转刚度k_T。

3. 低频滚降（步骤3）允许计算总粘性阻尼d_tot＝d_M+d_L，给定总惯量J_tot。用户能够指定阻尼如何分布在发动机与负载侧之间（缺省选择：1:1）。

4. 已知单独惯量J_M和J_L以及扭转刚度k_T，扭转阻尼d_T能够从谐振峰值幅值来计算（步骤4）。

权利要求1：其中第一控制信号应用于控制电路中的机械装置的方法，其中第一返回信号被测量，其特征在于，所述第一返回信号的所述功率密度谱用来保证所述机械装置的激励信号（优选地为宽带激励信号）。

权利要求2：根据权利要求1所述的方法，其特征在于，伪随机二进制信号用作激励信号。

权利要求3：根据权利要求1或2所述的方法，其特征在于，包括所述第一控制信号和所述激励信号的第二控制信号应用于所述控制电路，并且计算所述第二控制信号和所述第二返回信号的所述功率密度谱，其中所述机械装置的所述频率响应从所述功率密度谱来计算。

权利要求4：根据权利要求1至3中的任一项所述的方法，其特征在于，参考模型由所述机械装置的用户来选择。

权利要求5：根据权利要求4所述的方法，其特征在于，所述选择通过参照相应参考模型的所述频率响应的图形表示进行，其中所述相应参考模型能够通过物理参数来描述。

权利要求6：根据利要求5所述的方法，其特征在于，所选参考模型的所述频率响应中的特性位置由所述用户在所计算频率响应中确定或标记。

权利要求7：根据权利要求6所述的方法，其特征在于，所述参考模型的所述物理参数从所述特性位置来计算和输出。

权利要求8：根据权利要求7所述的方法，其特征在于，通过参照所述输出物理参数，所述参考模型的所述频率响应以图形方式与所计算频率响应叠加。

本公开还包含下列论文的内容：

“Combining usability and performance - what smart actuators can learnfrom automatic commissioning of variable speed drives”（Proceedings Actuator2016，ISBN 978-3-93333-26-3）。

摘要：概括可变速度驱动的自动试运行系统的所要求步骤，并且提供单独步骤的现有方式的概述。此外，基于可用测量信号的质量来呈现关于设备识别实验的自动设计以及控制环中的全部相关滤波器的同时参数化的新结果。这产生用于试运行速度控制环的完整工具链，并且允许在不要求专家知识的情况下从可用硬件来获得最佳可能性能。

论述哪些步骤将是建立智能致动器（例如SMA或EAP）的性能和可用性的相似组合所需的。

介绍：可变速度驱动（VSD）是由于其能量效率和灵活性而是现代自动化应用中的目前发展水平。典型任务包括速度设置点的跟踪以及保持预期速度而不管外部扰动。这是驱动如图1所示工作在闭环反馈下的原因。

产率在这类应用中是关键的，并且能够与反馈环的参数的调谐直接相关。因此，不良调谐的参数可具有范围从降级性能到不稳定性和机械损坏的负面影响。但是，从控制和应用两种观点来看，调谐要求专家技能。这是VSD的大多数实际上以非常防卫性的缺省参数来操作的主要原因，从而引起应用的不良总体性能。

为了改变这个状况并且提升这类应用中的VSD的充分潜力，本论文提供用于试运行阶段期间的控制环的自动参数化的方法。虽然这本身不是新的，但是本论文集中于结合两个被忽视方面：

i）为了开发真正自动试运行系统，用于采集设备识别的测量数据的实验必须仔细设计。具体来说，需要没有操作员输入的识别实验。

ii）可用于反馈的速度信号的质量对于可实现控制性能扮演关重要的角色，因为任何测量暗示如图1所示的噪声到控制环中的引入。

虽然从高质量编码器所得到的干净信号允许更高控制性能是直观的，但是与由低成本装置所测量的有噪速度信号相比，自动试运行系统必须考虑速度测量的质量。

为此，不仅速度PI控制器而且控制环中的附加滤波器必须同时被考虑。

当设计包含智能致动器的系统的控制器时，也应当仔细考虑这些结果中的许多结果。因此，后者仍然能够从经典驱动学习很多。

本论文的其余部分组织如下：在下一小节将提供驱动试运行内部所使用的基本模型，并且引入连同设备识别本身一起所执行的设备识别实验。此后，在强调智能致动器的主要学习可能性之前解释组合控制器/滤波器调谐的基础。最后提供结论。

可变速度驱动中的自动速度控制试运行：

作为自动试运行的示例，考虑连接到机械负载的可变速度驱动的速度控制环的参数化。具有其相关动态元件的控制环在图1中示出。

集中于机械设备，其能够通过两个顺从耦合惯量来描述。机械部分的动态能够通过下列转换函数来描述

（1）

其中，J_M是发动机侧惯量，J_L是负载侧惯量，J_tot=J_M+J_L是总惯量，以及k_T和d_T分别描述顺从耦合的刚性和阻尼。本论文中为了呈现的简洁和清楚起见而省略发动机和负载侧阻尼，但是所示方法能够易于扩展到考虑这类效果。虽然现代驱动的转矩控制通常是非线性的[1]，但是转矩控制块的闭环行为能够为了速度控制器设计的目的而通过简化线性模型来近似。常用近似是具有时间延迟的二阶滞后元件[3]或者一阶滞后元件。在这个概述中，依靠后者，即

（2）

其中，电气时间常数T_e表征转矩控制环的动态，并且假定为从转矩控制性能规范已知。

速度控制器和速度反馈滤波器的结构在标准驱动中是固定的，其中最常用PI控制器和一阶低通反馈滤波器在使用中。对应转换函数为

（3）

（4）

试运行中的挑战是找到适当参数K_P、K_I和T_f，其产生充分速度控制性能。虽然“性能”最通常感知为高控制带宽，但是控制信号（转矩参考）的平滑性是另一个重要调谐目标。

设计设备识别实验：

在第一步骤，总机械惯量J_tot将要被大致估计。一种常见方式是应用转矩斜坡，并且从所测量转矩T_M和速度ω_act来推断总惯量。由于转矩斜坡几乎不激励机械的高频动态，所以能够忽略耦合的顺从性，从而产生简化转换函数

（5）

因此，

和J_tot能够例如从对速度（一次）和转矩（二次）求积分或者通过在时域中应用递归最小二乘技术来估计[3]。

为了估计其余机械参数，必须激励更高频率范围。如图1所描绘的，激励信号被注入到转矩参考等级。备选地，激励信号也能够对速度等级来指定[4]。为了识别驱动系统中的机械负载（例如正弦扫描），能够使用啾声信号（chirp signal）和伪随机二进制信号（PRBS）（参见例如[15]、[16]以用于关于设备识别信号的概述）。在这里由于其保证幅度极限和相比较地容易参数化而依靠PRBS信号。采用所选的基本信号类型，有待参数化识别信号。基本原因在于，设备在一方面应当尽可能多地被激励，以便使对于识别所记录的信号中的信噪比最大化。另一方面，激励应当尽可能少，以便使设备的机械应力最小化。虽然这个一般思路是直观的，但是它通常要求经验以适当地选择信号参数。

PRBS信号的特征在于两个关键性质：信号幅度α_PRBS和循环时间λ_PRBS。按照[1]、[15]，PRBS信号的功率谱密度（PSD）能够被理解为一直到下列频率的常数

（6）

具有下列PSD幅值

（7）。

分析（7），增加幅度直接升高PSD，并且因而改进信噪比。此外，增加循环时间产生低频所在的PRBS PSD的更大值，但是按照（6）、（7）限制激励的频率范围。[1]中，以实验方式研究PRBS参数对所产生识别质量的影响。在这里，提出基于PRBS信号性质以及可用速度反馈信号的质量来预测识别结果的质量。识别质量能够通过指定所产生频率响应中的容许变化γ（即，非参数波德幅值图估计）来量化。

假定测量信号中的恒定噪声级

并且利用PRBS信号的PSD性质（6）、（7），实现预期识别质量的PRBS信号的所要求幅度能够推导为

（8）。

其中J_tot是总系统惯量，以及f_3dB是频率（一直到该频率，设备将要被激励以用于识别）。虽然对于具有更高惯量的系统要求更高激励幅度是显而易见的，但是分析（8）还揭示，识别在高频的动态以过大比例的大激励幅度为代价进行。

取决于所附连机械所容许的幅度，可识别频率范围因而受到限制。

为了在识别实验的自动参数化的意义上获益于（8），速度测量

中的噪声级必须为已知。理想地，这将通过采用转矩控制模式（即，相对于速度的开环控制）运行系统并且例如通过应用韦尔奇方法估计速度信号的

来得到[15]、[16]。但是，实际上，保持恒定速度在许多应用中极为重要，并且反馈信号质量的估计必须按照闭环进行。为了缓解这个方面，极为防卫性的速度PI控制器能够用于识别实验。于是，能够忽略闭环识别[15]、[16]的复杂效果，以及测量噪声的PSD能够通过去除信号平均之后的所测量速度的PSD来近似计算。

因此，

能够从平均

（即，去除信号平均之后的所测量速度PSD的估计）来推断。

设备识别：

从前一小节所述的设备识别实验，PRBS、转矩和速度信号作为测量是可用的。在下一个步骤，目标是识别设备的机械部分的参数。时域方式[5]、[6]和频域方法[3]、[4]、[12]、[17]两者对于解决这个任务均被报导。

对于后者，第一步骤是得到频率响应的非参数估计。在开环识别的情况下，概念上简单方式是如例如[11]所报导通过将速度的离散傅立叶变换（DFT）除以转矩的DFT来推断估计

。为了减轻泄漏效应并且为了得到平滑和一致估计，韦尔奇方法能够用来计算（交叉）功率谱密度的估计[3]、[4]。采用

表示速度和转矩的交叉PSD并且采用

表示转矩的功率谱密度，频率响应能够通过下式来估计

（9）。

但是，（9）隐式地假定开环识别。如之前所论述的，在这里研究闭环识别的实际相关情况。在这种状况中，按照下式将频率响应估计基于三个信号是有益的

（10），

其中，d是PRBS信号，u是转矩参考，以及y是所测量速度。这将改进非参数估计的总体质量。

由于临近机械系统的结构为已知，所以有可能基于频率响应的非参数估计来识别机械的物理参数。这能够公式化为解决优化问题

（11）。

其中，

是在频率ω_i所估计的二质量模型（1）的转换函数，以及

是对应非参数估计。因子k_i能够用来对成本函数中的误差项进行加权。如[3]、[4]所指出，问题（11）是非凸的，并且因此解决是重要的。除此之外，标准最小二乘曲线拟合可由于以下两个主要原因而不导致令人满意的结果：首先，非参数波德图特别是在反谐振频率退化[3]。为了解决这个问题，提出采用相干函数，其将PRBS信号与速度信号相关以用于对（11）中的误差进行加权，与[14]所呈现的结果相似。直观来说，相干函数量化到输出能够通过给定输入以及连接两者的线性系统来说明的程度[3]。从（交叉）谱密度的估计，两个信号u和y的相干性能够从下式计算

（12）。

所提出相干加权

确保对于曲线拟合中的物理参数的识别考虑其中非参数频率响应估计是不可靠的频率范围没那么重要。

图2示出紧接对应计算的测量频率响应的相干函数估计的示例。

其次，未建模效应可负面影响曲线拟合结果。作为示例，考虑图3中的非参数估计（蓝色）。显然，超过一个谐振存在。一个选项将是把模型结构扩展到三或多质量系统[3]、[4]。这以用于解决曲线拟合的增加计算负载为代价。但是，对于多个应用，仅对系统的第一谐振进行建模是充分的。因此，在曲线拟合过程中仅考虑一直到上限f_max的频率。频率f_max能够易于通过频率响应估计的人工检查来识别。为了自动确定f_max，峰值检测算法[21]能够应用于频率响应估计的平滑版本。已经确定了反谐振（f_α）和谐振（f_o）频率，上限能够通过相对于对数换算中的f_o镜像f_α来估计，即

（13）。

图3还示出通过约束用于拟合和采用相干加权的频率范围所得到的曲线拟合（红色）的示例。

同时控制器和滤波器调谐：

假定机械设备的模型以及基本闭环转矩控制的动态，已经报导关于调谐PI速度控制器的参数的若干结果。在具有刚性负载耦合的系统中，频繁使用的方式是基于对称和幅度最优的调谐[13]、[18]、[20]。对于具有顺从负载耦合的机械系统，PI控制器的调谐规则在[7]和[8]中提供。只依靠非参数设备模型的基于优化的方式在[11]中提出。

此外，已经报导结构控制器扩展，例如附加反馈[9]、模型预测控制[10]和模糊PI[17]。但是，这类高级控制结构在工业驱动中常常不可用，并且此外伴随增加调谐复杂度的缺点。除此之外，上述方式考虑顺从负载耦合的动态，但是忽略转矩控制环的动态。甚至通过简化一阶近似（2）所引入的单个附加极点也能够引起相位裕度的严重损失，并且甚至可能引起不稳定性。我们强调，如也在[19]所提出的考虑速度控制环中的全部相关动态元件因此是强制性的。这还涉及速度反馈滤波器（4），其通常是一阶低通。

按传统，速度PI控制器被看作是实现良好速度控制性能的关键元件。反馈滤波器已经收到少许多的关注，因为通用假设是滤波应当尽可能轻。

下面示出更重反馈滤波实际上不一定引起降级的性能。其原因在于，调谐现实世界系统中的速度环始终必须考虑可用速度测量的质量。虽然这个陈述初看起来似乎不重要，但是其暗示是实质性的。如果速度测量例如被噪声严重破坏，则只能够实现极小控制器增益，以便不过多放大噪声。在这种状况中，更重反馈滤波实际上能够允许更高控制器增益，同时将转矩信号中的纹波保持为低于所指定极限。

由于速度PI控制器和反馈滤波器是同一控制环的部分，所以单独调谐它们不是明智的。在参数化速度PI控制器之后改变反馈滤波器将使性能退化，并且甚至能够引起不稳定性。

公式化上述思路，提出同时调谐速度PI和反馈滤波器。并不局限于速度环调谐的一般原因是考虑控制环中的全部相关动态元件，并且同时调谐控制环中的全部可调整参数。

频繁使用的调谐目标是使速度环性能（即，带宽）最大化。但是，将要考虑限制可实现性能的若干约束。将这个思路公式化为优化问题，并且随后在下文说明约束。

，服从于

，

，

，

，

（14）

在（14）中，λ_i是闭环极点，即，下式中的分母的根

（15）。

如图4所描绘的，目标是使全部闭环本征值（其对应于控制环的带宽）的最小绝对值最大化。第一约束限定复平面中的闭环极点的角，由此确保稳定性并且防止过度振荡。第二约束限制控制器的进取性，并且由此防止高阶谐振的激励（参见（13）中的f_max）。最后，限定控制信号（即，命令转矩参考）中的容许噪声级。其中，转矩PSD

基于速度测量

中的所识别噪声级以及将测量噪声链接到控制信号的转换函数

来估计。

我们指出，（14）中的最后约束的有益效果是双重的：首先，转矩噪声限度δ提供用于折衷控制信号的平滑性和速度控制性能的直观手段。δ选择成越大，则容许转矩纹波越大，并且可实现性能将越高。其次，可用反馈信号的质量通过

来量化，并且因而明确考虑控制器和反馈滤波器调谐。

图5示出比较标准方式（对固定反馈滤波器时间调谐速度PI参数）的所产生速度控制性能与速度PI和反馈滤波器的所提出同时调谐的示范结果。已经调谐两种控制器，以产生控制信号中的相同噪声级（参见图5中的下图）。同时调谐方式引起要大得多的速度反馈滤波器时间。因此，更进取PI增益是可能的，从而在相同等级的转矩纹波产生充分改进的控制性能。

智能致动器能够从可变速度驱动的成功自动调谐学习的事物：

对控制环中的单独元件的结构进行建模是开发自动试运行系统中的所需第一步骤。这类模型与这里所呈现VSD相比将具有智能致动器中的更复杂性质。由于采用基于PDE的最通常描述，需要模型简化技术，以定义控制设计的适当模型。在第二步骤，识别实验必须设计成提供充分激励，从而允许可靠识别。这个步骤专用于估计设备的参数。如所示，估计可用反馈信号的质量是设备识别的另一个重要部分。一旦设备的参数模型可用，能够调谐反馈环的参数。

将三个信号用于得到频率响应的非参数估计是明智的。此外，相干加权是改进通过将机械模型拟合到所估计频率响应上所得到的参数估计的有效方法。这仍然能够是有价值方法，即使在研究更复杂致动器模型时。第三重要方面是将曲线拟合约束到对所选模型结构是有效的频率范围—极大地取决于所执行的模型简化。最后强调可实现识别质量通过可用于识别的样本量自然限制。

最后，实现高控制环性能的关键是同时调谐反馈环中的全部参数而不是依次调谐。此外，将要考虑反馈信号的质量，因为它是确定可实现性能的主要因素之一。

我们指出，如果能够建立直观性能标准到优化问题中的约束的映射，则基于优化的调谐方式提供组合性能和可用性的有效方式。由于不断增加的计算功率，与简单调谐规则（例如对称最优规则）相比，附加计算负载越来越少地相关。

结论：

在本论文中示出VSD的自动试运行的关键要素。从适当灰色框模型开始到参数识别并且最后到相关反馈环参数的组合调谐。

以上所述全部还将是在智能致动器系统中实现高闭环性能所需的，即使模型的复杂度和不同步骤的相依性将要高得多。

参考文献：

附图标记：

1' 输出信号

2' 受控系统

3' 控制电路

4''返回信号

6' 控制信号

9' 控制器

10'滤波器。

Claims (4)

1.一种系统，包括：

控制器；

受控系统；和

配置成平滑返回信号的滤波器，

其中所述控制器配置成对所述受控系统起作用，相对地控制信号以及所述返回信号配置成对所述控制器起作用，

其中所述系统配置成：

测量或估计输出信号作为测量或估计值，

使用所述测量或估计值将所述输出信号转换成所述返回信号；

确定所述返回信号的功率密度谱；以及

基于所确定的功率密度谱来限制所述控制器的控制信号，使得所述控制信号的值不超过预定义极限值，

其中从所述返回信号确定噪声级并且基于所述噪声级限制所述控制信号。

2.根据权利要求1所述的系统，其中，所述控制信号的所述值是所述控制信号的噪声级的值。

3.一种用于进行对控制电路的控制器和滤波器的调整的方法，

所述控制电路包括：

控制器；

受控系统；和

配置成平滑返回信号的滤波器，

其中所述控制器配置成对所述受控系统起作用，相对地控制信号以及所述返回信号配置成对所述控制器起作用，以及

其中所述控制器和所述滤波器是同时可调整的；

所述方法包括下列步骤：

测量或估计输出信号作为测量或估计值，

使用所述测量或估计值将所述输出信号转换成所述返回信号；

确定所述返回信号的功率密度谱；

基于所确定的功率密度谱来限制所述控制器的控制信号，使得所述控制信号的值不超过预定义极限值，

其中从所述返回信号确定噪声级并且基于所述噪声级限制所述控制信号。

4.根据权利要求3所述的方法，其中，所述控制信号的所述值是所述控制信号的噪声级的值。

Images