CN117709027B - 机电液耦合直线驱动系统动力学模型参数辨识方法及系统 - Google Patents
机电液耦合直线驱动系统动力学模型参数辨识方法及系统 Download PDFInfo
- Publication number
- CN117709027B CN117709027B CN202410162732.4A CN202410162732A CN117709027B CN 117709027 B CN117709027 B CN 117709027B CN 202410162732 A CN202410162732 A CN 202410162732A CN 117709027 B CN117709027 B CN 117709027B
- Authority
- CN
- China
- Prior art keywords
- model
- parameters
- system dynamics
- electromechanical
- friction
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000008878 coupling Effects 0.000 title claims abstract description 52
- 238000010168 coupling process Methods 0.000 title claims abstract description 52
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 52
- 239000007788 liquid Substances 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000003825 pressing Methods 0.000 claims description 28
- 239000003638 chemical reducing agent Substances 0.000 claims description 24
- 238000002474 experimental method Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000010720 hydraulic oil Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010727 cylinder oil Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出的一种机电液耦合直线驱动系统动力学模型参数辨识方法及系统，属于动力学技术领域。所述方法包括：建立系统动力学模型；根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；分别对机电系统动力学模型和液压系统动力学模型的参数进行粗辨识，并基于演员‑评论家算法，通过迭代计算进行参数的精辨识，以完成参数的优化；基于优化后的参数，生成机电液耦合直线驱动系统动力学模型参数。本发明能够在大量实验数据的基础上，快速、准确地辨识出动力学模型中的未知参数，提高参数辨识的精度和效率。
Description
技术领域
本发明涉及动力学技术领域，更具体的说是涉及一种机电液耦合直线驱动系统动力学模型参数辨识方法及系统。
背景技术
随着现代工业的发展， 对机械设备运行安全可靠性、作业质量等提出了更高要求， 机电液耦合驱动系统以其结构简单、控制方便、噪声较低等优势而被广泛应用于航空航天、精密加工、工程机械等诸多领域中。
机电液耦合驱动系统的传动原理是将电动机、液压泵、液压马达、液压有效、液压泵等组成一个液压系统，通过电动机驱动液压泵，将液压油压力转化为机械能，再通过液压马达将机械能转化为动力，从而实现动力传递。在机电液耦合驱动系统的传动原理中，由于液压系统能够将电能转化为液压能，从而提高了能量利用率，减少了能量损失，从而实现了节能的目的。同时，液压系统中使用的液压油具有较好的环保性能，不会对环境造成污染。可见，机电液耦合驱动系统具有高效、节能、环保等优点，已经成为了动力传动技术的主要发展方向。
在机电液耦合直线驱动系统中，动力学模型的参数辨识是一个关键问题。准确的参数辨识对于系统的控制性能和稳定性至关重要。然而，传统的参数辨识方法往往存在精度低、效率差的问题，无法满足现代工业的严格要求。
发明内容
针对以上问题，本发明的目的在于提供一种机电液耦合直线驱动系统动力学模型参数辨识方法及系统，能够在大量实验数据的基础上，快速、准确地辨识出动力学模型中的未知参数，提高参数辨识的精度和效率。
本发明为实现上述目的，通过以下技术方案实现：一种机电液耦合直线驱动系统动力学模型参数辨识方法，包括：
基于机电液耦合直线驱动系统的参数信息建立系统动力学模型；
根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值；
基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数；
通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值；
基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数；
基于优化后的第一模型参数和第二模型参数，生成机电液耦合直线驱动系统动力学模型参数。
进一步，所述基于机电液耦合直线驱动系统的参数信息建立系统动力学模型包括：
基于机电液耦合直线驱动系统的参数信息建立的系统动力学模型具体如下：
其中，为电机转动惯量，/>为电机转动角度，/>为电磁扭矩，/>为电机输出扭矩，/>为电机摩擦扭矩，/>为减速比，/>为刚度，/>为齿轮转动角度，/>为齿轮转动惯量，为法向啮合力，/>为齿轮分度圆半径，/>为减速器和齿轮齿条的摩擦扭矩和，/>为齿轮齿条缸活塞有效面积，/>为齿轮啮合角，/>为齿条质量，/>为齿条位移，/>为齿轮齿条缸内部摩擦扭矩，/>为负载流量，/>为无杆腔有效面积，/>为压边缸活塞位移，/>为泄露系数，为负载压力，/>为体积弹性模量，/>为等效总容积，/>为负载以及活塞杆折合到活塞上的总质量，/>为作用在活塞上除驱动力外的合外力，/>为压边缸内部摩擦扭矩。
进一步，所述电机摩擦扭矩采用库伦粘滞模型通过以下公式计算：
其中，为电机库伦摩擦力矩，/>为电机粘性摩擦系数；
所述减速器和齿轮齿条的摩擦扭矩和采用Stribeck摩擦模型通过以下公式计算：
其中，为减速器与齿轮齿条等效库仑摩擦力矩，/>为减速器与齿轮齿条等效最大静摩擦力矩，/>为减速器与齿轮齿条等效Stribeck速度，/>为减速器粘性摩擦系数。
进一步，所述齿轮齿条缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
其中，为齿轮齿条缸内部库仑摩擦力矩，/>为齿轮齿条缸内部最大静摩擦力矩，/>为齿轮齿条缸内部Stribeck速度，/>为齿轮齿条缸内部粘性摩擦系数；
所述压边缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
其中，为压边缸内部库仑摩擦力矩，/>为压边缸内部最大静摩擦力矩，/>为压边缸内部Stribeck速度，/>为压边缸内部粘性摩擦系数。
进一步，所述根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型，包括：
根据机电液耦合直线驱动系统的可观测量、/>、/>、/>、/>、/>、/>，将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
所述机电系统动力学模型具体如下：
所述液压系统动力学模型具体如下：
。
进一步，所述根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值，包括：
将参数、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>设为待辨识的第一模型参数；
通过技术手册获取参数、/>、/>、/>、/>的初值；
通过刚度测试实验获得齿轮齿条缸活塞运动关系以得到参数的初值；
在匀速运动状态下将机电系统动力学模型转化为：
通过最小二乘法对转化后的机电系统动力学模型进行参数辨识，以获得参数、、/>、/>、/>、/>、/>、/>、/>、/>的初值。
进一步，所述基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数，包括：
初始化待辨识的第一模型参数的学习空间；
基于机电系统动力学模型定义第一损失函数，具体如下：
；
通过激发机器人动力学特性生成系统动力学模型的训练集；
使用演员-评论家学习算法调整第一模型参数。
进一步，所述通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值，包括：
将参数、/>、/>、/>、/>、/>、/>、/>设为待辨识的第二模型参数；
通过技术手册获取参数的初值；
通过可观测量计算出参数的初值；
通过最小二乘法对液压系统动力学模型进行参数辨识，以获得参数、/>、/>、、/>、/>的初值。
进一步，所述基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数，包括：
初始化待辨识的第二模型参数的学习空间；
基于液压系统动力学模型定义第二损失函数和第三损失函数；
第二损失函数具体如下：
第三损失函数具体如下：
通过激发机器人动力学特性生成液压系统动力学模型训练集；
使用演员-评论家强化学习算法调整第二模型参数。
相应的，本发明还公开了一种机电液耦合直线驱动系统动力学模型参数辨识系统，包括：
模型构建模块，用于基于机电液耦合直线驱动系统的参数信息建立系统动力学模型；
模型分割模块，用于根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
第一模型参数粗辨识模块，用于根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值；
第一模型参数精辨识模块，用于基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数；
第二模型参数粗辨识模块，用于通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值；
第二模型参数精辨识模块，用于基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数；
参数生成模块，用于基于优化后的第一模型参数和第二模型参数，生成机电液耦合直线驱动系统动力学模型参数。
对比现有技术，本发明有益效果在于：本发明公开了一种机电液耦合直线驱动系统动力学模型参数辨识方法及系统，通过引入演员-评论家学习算法，能够在大量实验数据的基础上，快速、准确地辨识出动力学模型中的未知参数，提高参数辨识的精度和效率。此外，本发明所提出的方法具有一定的通用性，该方法不仅适用于机电液耦合直线驱动系统，还可以应用于其他类型的机电耦合系统，如旋转系统、振动系统等。通过调整动力学模型和参数辨识的步骤，本发明的方法可以广泛应用于各种复杂机电系统的参数辨识问题。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明具体实施方式的方法流程图。
图2是本发明具体实施方式的系统结构图。
图中，1、模型构建模块；2、模型分割模块；3、第一模型参数粗辨识模块；4、第一模型参数精辨识模块；5、第二模型参数粗辨识模块；6、第二模型参数精辨识模块；7、参数生成模块。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1所示，本实施例提供了一种机电液耦合直线驱动系统动力学模型参数辨识方法，包括如下步骤：
S1：基于机电液耦合直线驱动系统的参数信息建立系统动力学模型。
在具体实施方式中，系统动力学模型具体如下：
其中，为电机转动惯量，/>为电机转动角度，/>为电磁扭矩，/>为电机输出扭矩，/>为电机摩擦扭矩，/>为减速比，/>为刚度，/>为齿轮转动角度，/>为齿轮转动惯量，为法向啮合力，/>为齿轮分度圆半径，/>为减速器和齿轮齿条的摩擦扭矩和，/>为齿轮齿条缸活塞有效面积，/>为齿轮啮合角，/>为齿条质量，/>为齿条位移，/>为齿轮齿条缸内部摩擦扭矩，/>为负载流量，/>为无杆腔有效面积，/>为压边缸活塞位移，/>为泄露系数，为负载压力，/>为体积弹性模量，/>为等效总容积，/>为负载以及活塞杆折合到活塞上的总质量，/>为作用在活塞上除驱动力外的合外力，/>为压边缸内部摩擦扭矩。
在上述参数中，，/>=液压缸进油腔体积，/>；/>。
电机摩擦扭矩选用库伦粘滞模型计算，其计算公式具体如下：
其中，为电机库伦摩擦力矩，/>为电机粘性摩擦系数。
减速器和齿轮齿条的摩擦扭矩和选用Stribeck摩擦模型计算，其计算公式具体如下：
其中，为减速器与齿轮齿条等效库仑摩擦力矩，/>为减速器与齿轮齿条等效最大静摩擦力矩，/>为减速器与齿轮齿条等效Stribeck速度，/>为减速器粘性摩擦系数。
齿轮齿条缸内部摩擦扭矩选用Stribeck摩擦模型计算，其计算公式具体如下：
其中，为齿轮齿条缸内部库仑摩擦力矩，/>为齿轮齿条缸内部最大静摩擦力矩，/>为齿轮齿条缸内部Stribeck速度，/>为齿轮齿条缸内部粘性摩擦系数。
压边缸内部摩擦扭矩选用Stribeck摩擦模型计算，其计算公式具体如下：
其中，为压边缸内部库仑摩擦力矩，/>为压边缸内部最大静摩擦力矩，/>为压边缸内部Stribeck速度，/>为压边缸内部粘性摩擦系数。
S2：根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型。
在具体实施方式中，根据机电液耦合直线驱动系统的可观测量、/>、/>、/>、/>、/>、/>，将系统动力学模型分为机电系统动力学模型和液压系统动力学模型。
机电系统动力学模型具体如下：
液压系统动力学模型具体如下：
。
S3：根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值。
在具体实施方式中，本步骤的目的在于进行机电系统动力学模型参数的粗辨识。具体的，可采用查阅相关的技术手册和资料，从已有的数据和经验中找到可能的机电系统动力学模型参数值。然后，进行测试实验，通过实验数据来初步估计参数的范围和可能值。最后，利用最小二乘法，对实验数据进行拟合，以求得参数的初值，记为第一模型参数的初值。
作为示例的，本步骤具体包括如下步骤：
S301：将参数、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>设为待辨识的第一模型参数。
S302：通过查表或技术手册获取参数、/>、/>、/>、/>的初值。
S303：通过刚度测试实验获得齿轮齿条缸活塞运动关系以得到参数的初值。即锁死电机侧，给齿轮齿条缸加载，获得齿轮齿条缸活塞运动关系以得到/>的初值。
S304：通过匀速运动获得摩擦。因为在匀速运动状态下机电系统动力学模型可写为：
通过最小二乘法对转化后的机电系统动力学模型进行参数辨识，即可获得参数、/>、/>、/>、/>、/>、/>、/>、/>、/>的初值。
S4：基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数。
在具体实施方式中，本步骤的目的在于进行机电系统动力学模型参数的精辨识。具体的，在获得了机电系统动力学模型粗辨识的参数值（第一模型参数的初值）后，我们进一步采用演员-评论家算法对这些参数进行精细调整，将之前步骤得到的参数值作为算法的初始输入，然后通过迭代计算，不断优化参数组合，以达到最佳的模型预测效果。
作为示例的，本步骤具体包括如下步骤：
S401：初始化待辨识的第一模型参数的学习空间。
S402：基于机电系统动力学模型定义第一损失函数，具体如下：
。
S403：通过激发机器人动力学特性生成系统动力学模型的训练集。
S404：使用演员-评论家学习算法调整第一模型参数。
S5：通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值。
在具体实施方式中，本步骤的目的在于实现液压系统动力学模型参数的粗辨识。具体的，通过CAD模型计算出可计算的参数，其余参数通过最小二乘法对实验数据进行拟合，以求得液压系统动力学模型参数的初值，记为第二模型参数的初值。
作为示例的，本步骤具体包括如下步骤：
S501：将参数、/>、/>、/>、/>、/>、/>、/>设为待辨识的第二模型参数。
S502：通过查表或技术手册获取参数的初值。
S503：通过可观测量计算出参数的初值。
S504：通过最小二乘法对液压系统动力学模型进行参数辨识，即可获得参数、、/>、/>、/>、/>的初值。
S6：基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数。
在具体实施方式中，本步骤的目的在于实现液压系统动力学模型参数的精辨识。具体来说，在获得了液压系统动力学模型粗辨识的参数值（第二模型参数的初值）后，我们进一步采用演员-评论家算法对这些参数进行精细调整，将之前步骤得到的参数值作为算法的初始输入，然后通过迭代计算，不断优化参数组合，以达到最佳的模型预测效果。
作为示例的，本步骤具体包括如下步骤：
S601：初始化待辨识的第二模型参数的学习空间；
S602：基于液压系统动力学模型定义第二损失函数和第三损失函数。
第二损失函数具体如下：
第三损失函数具体如下：
S603：通过激发机器人动力学特性生成液压系统动力学模型训练集。
S604：使用演员-评论家强化学习算法调整第二模型参数。
S7：基于优化后的第一模型参数和第二模型参数，生成系统动力学模型参数。
在具体实施方式中，基于优化后的第一模型参数和第二模型参数即可得到机电系统动力学模型和液压系统动力学模型的参数，进而完成系统动力学模型参数的辨识。
本发明提供了一种机电液耦合直线驱动系统动力学模型参数辨识方法，能够在大量实验数据的基础上，快速、准确地辨识出动力学模型中的未知参数，提高参数辨识的精度和效率。
参见图2所示，本发明还公开了一种机电液耦合直线驱动系统动力学模型参数辨识系统，包括：模型构建模块1、模型分割模块2、第一模型参数粗辨识模块3、第一模型参数精辨识模块4、第二模型参数粗辨识模块5、第二模型参数精辨识模块6和参数生成模块7。
模型构建模块1，用于基于机电液耦合直线驱动系统的参数信息建立系统动力学模型。
模型分割模块2，用于根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型。
第一模型参数粗辨识模块3，用于根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值。
第一模型参数精辨识模块4，用于基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数。
第二模型参数粗辨识模块5，用于通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值。
第二模型参数精辨识模块6，用于基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数。
参数生成模块7，用于基于优化后的第一模型参数和第二模型参数，生成机电液耦合直线驱动系统动力学模型参数。
本实施例的机电液耦合直线驱动系统动力学模型参数辨识系统的具体实施方式与上述机电液耦合直线驱动系统动力学模型参数辨识方法的具体实施方式基本一致，在此不再赘述。
综上所述，本发明通过引入演员-评论家学习算法，能够在大量实验数据的基础上，快速、准确地辨识出动力学模型中的未知参数，提高参数辨识的精度和效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。
同理，在本发明各个实施例中的各处理单元可以集成在一个功能模块中，也可以是各个处理单元物理存在，也可以两个或两个以上处理单元集成在一个功能模块中。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的机电液耦合直线驱动系统动力学模型参数辨识方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，包括：
基于机电液耦合直线驱动系统的参数信息建立系统动力学模型；
根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值；
基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数；
通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值；
基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数；
基于优化后的第一模型参数和第二模型参数，生成系统动力学模型参数；
所述基于机电液耦合直线驱动系统的参数信息建立系统动力学模型包括：
基于机电液耦合直线驱动系统的参数信息建立的系统动力学模型具体如下：
；
；
；
；
；
；
；
；
其中，为电机转动惯量，/>为电机转动角度，/>为电磁扭矩，/>为电机输出扭矩，为电机摩擦扭矩，/>为减速比，/>为刚度，/>为齿轮转动角度，/>为齿轮转动惯量，/>为法向啮合力，/>为齿轮分度圆半径，/>为减速器和齿轮齿条的摩擦扭矩和，/>为齿轮齿条缸活塞有效面积，/>为齿轮啮合角，/>为齿条质量，/>为齿条位移，/>为齿轮齿条缸内部摩擦扭矩，/>为负载流量，/>为无杆腔有效面积，/>为压边缸活塞位移，/>为泄露系数，/>为负载压力，/>为体积弹性模量，/>为等效总容积，/>为负载以及活塞杆折合到活塞上的总质量，/>为作用在活塞上除驱动力外的合外力，/>为压边缸内部摩擦扭矩；
所述电机摩擦扭矩采用库伦粘滞模型通过以下公式计算：
；
其中，为电机库伦摩擦力矩，/>为电机粘性摩擦系数；
所述减速器和齿轮齿条的摩擦扭矩和采用Stribeck摩擦模型通过以下公式计算：
；
其中，为减速器与齿轮齿条等效库仑摩擦力矩，/>为减速器与齿轮齿条等效最大静摩擦力矩，/>为减速器与齿轮齿条等效Stribeck速度，/>为减速器粘性摩擦系数；
所述齿轮齿条缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
；
其中，为齿轮齿条缸内部库仑摩擦力矩，/>为齿轮齿条缸内部最大静摩擦力矩，为齿轮齿条缸内部Stribeck速度，/>为齿轮齿条缸内部粘性摩擦系数；
所述压边缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
；
其中，为压边缸内部库仑摩擦力矩，/>为压边缸内部最大静摩擦力矩，/>为压边缸内部Stribeck速度，/>为压边缸内部粘性摩擦系数。
2.根据权利要求1所述的机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，所述根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型，包括：
根据机电液耦合直线驱动系统的可观测量、/>、/>、/>、/>、/>、/>，将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
所述机电系统动力学模型具体如下：
；
所述液压系统动力学模型具体如下：
；
。
3.根据权利要求2所述的机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，所述根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值，包括：
将参数、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、/>设为待辨识的第一模型参数；
通过技术手册获取参数、/>、/>、/>、/>的初值；
通过刚度测试实验获得齿轮齿条缸活塞运动关系以得到参数的初值；
在匀速运动状态下将机电系统动力学模型转化为：
；
通过最小二乘法对转化后的机电系统动力学模型进行参数辨识，以获得参数、/>、、/>、/>、/>、/>、/>、/>、/>的初值。
4.根据权利要求3所述的机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，所述基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数，包括：
初始化待辨识的第一模型参数的学习空间；
基于机电系统动力学模型定义第一损失函数，具体如下：
；
；
；
通过激发机器人动力学特性生成系统动力学模型的训练集；
使用演员-评论家学习算法调整第一模型参数。
5.根据权利要求2所述的机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，所述通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值，包括：
将参数、/>、/>、/>、/>、/>、/>、/>设为待辨识的第二模型参数；
通过技术手册获取参数的初值；
通过可观测量计算出参数的初值；
通过最小二乘法对液压系统动力学模型进行参数辨识，以获得参数、/>、/>、/>、、/>的初值。
6.根据权利要求5所述的机电液耦合直线驱动系统动力学模型参数辨识方法，其特征在于，所述基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数，包括：
初始化待辨识的第二模型参数的学习空间；
基于液压系统动力学模型定义第二损失函数和第三损失函数；
第二损失函数具体如下：
；
；
第三损失函数具体如下：
；
；
通过激发机器人动力学特性生成液压系统动力学模型训练集；
使用演员-评论家强化学习算法调整第二模型参数。
7.一种机电液耦合直线驱动系统动力学模型参数辨识系统，其特征在于，包括：
模型构建模块，用于基于机电液耦合直线驱动系统的参数信息建立系统动力学模型；
模型分割模块，用于根据机电液耦合直线驱动系统的可观测量将系统动力学模型分为机电系统动力学模型和液压系统动力学模型；
第一模型参数粗辨识模块，用于根据相应的技术手册和资料获取机电系统动力学模型的参数，进行测试实验，并通过实验数据估计参数的取值，利用最小二乘法，对实验数据进行拟合，以求得第一模型参数的初值；
第一模型参数精辨识模块，用于基于演员-评论家算法将第一模型参数的初值作为算法的输入，通过迭代计算优化第一模型参数；
第二模型参数粗辨识模块，用于通过CAD模型计算出液压系统动力学模型的部分参数，进行测试实验，并通过最小二乘法对实验数据进行拟合以获取液压系统动力学模型的其它参数，进而获取第二模型参数的初值；
第二模型参数精辨识模块，用于基于演员-评论家算法将第二模型参数的初值作为算法的输入，通过迭代计算优化第二模型参数；
参数生成模块，用于基于优化后的第一模型参数和第二模型参数，生成系统动力学模型参数；
所述基于机电液耦合直线驱动系统的参数信息建立的系统动力学模型具体如下：
；
；
；
；
；
；
；
；
其中，为电机转动惯量，/>为电机转动角度，/>为电磁扭矩，/>为电机输出扭矩，为电机摩擦扭矩，/>为减速比，/>为刚度，/>为齿轮转动角度，/>为齿轮转动惯量，/>为法向啮合力，/>为齿轮分度圆半径，/>为减速器和齿轮齿条的摩擦扭矩和，/>为齿轮齿条缸活塞有效面积，/>为齿轮啮合角，/>为齿条质量，/>为齿条位移，/>为齿轮齿条缸内部摩擦扭矩，/>为负载流量，/>为无杆腔有效面积，/>为压边缸活塞位移，/>为泄露系数，/>为负载压力，/>为体积弹性模量，/>为等效总容积，/>为负载以及活塞杆折合到活塞上的总质量，/>为作用在活塞上除驱动力外的合外力，/>为压边缸内部摩擦扭矩；
所述电机摩擦扭矩采用库伦粘滞模型通过以下公式计算：
；
其中，为电机库伦摩擦力矩，/>为电机粘性摩擦系数；
所述减速器和齿轮齿条的摩擦扭矩和采用Stribeck摩擦模型通过以下公式计算：
；
其中，为减速器与齿轮齿条等效库仑摩擦力矩，/>为减速器与齿轮齿条等效最大静摩擦力矩，/>为减速器与齿轮齿条等效Stribeck速度，/>为减速器粘性摩擦系数；
所述齿轮齿条缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
；
其中，为齿轮齿条缸内部库仑摩擦力矩，/>为齿轮齿条缸内部最大静摩擦力矩，为齿轮齿条缸内部Stribeck速度，/>为齿轮齿条缸内部粘性摩擦系数；
所述压边缸内部摩擦扭矩采用Stribeck摩擦模型通过以下公式计算：
；
其中，为压边缸内部库仑摩擦力矩，/>为压边缸内部最大静摩擦力矩，/>为压边缸内部Stribeck速度，/>为压边缸内部粘性摩擦系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410162732.4A CN117709027B (zh) | 2024-02-05 | 2024-02-05 | 机电液耦合直线驱动系统动力学模型参数辨识方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410162732.4A CN117709027B (zh) | 2024-02-05 | 2024-02-05 | 机电液耦合直线驱动系统动力学模型参数辨识方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117709027A CN117709027A (zh) | 2024-03-15 |
| CN117709027B true CN117709027B (zh) | 2024-05-28 |
Family
ID=90153796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410162732.4A Active CN117709027B (zh) | 2024-02-05 | 2024-02-05 | 机电液耦合直线驱动系统动力学模型参数辨识方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117709027B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110011585A (zh) * | 2019-05-20 | 2019-07-12 | 中国矿业大学 | 一种外部激励引起的永磁半直驱式传动轴系扭振控制方法 |
| CN110059100A (zh) * | 2019-03-20 | 2019-07-26 | 广东工业大学 | 基于演员-评论家网络的sql语句构造方法 |
| CN111046568A (zh) * | 2019-12-18 | 2020-04-21 | 哈尔滨工程大学 | 一种基于航空发动机及尾喷管机电液多系统联合仿真的控制参数优化方法 |
| CN111639422A (zh) * | 2020-05-19 | 2020-09-08 | 华中科技大学 | 基于动力学与神经网络的机床进给系统建模方法及设备 |
| CN111897224A (zh) * | 2020-08-13 | 2020-11-06 | 福州大学 | 基于演员-评论家强化学习和模糊逻辑的多智能体编队控制方法 |
| CN113435606A (zh) * | 2021-07-01 | 2021-09-24 | 吉林大学 | 强化学习模型的优化方法、装置、存储介质及电子设备 |
| CN113869742A (zh) * | 2021-09-29 | 2021-12-31 | 国网江苏省电力有限公司 | 基于行动家和评论家网络的综合供需侧的电力调度系统 |
| CN115993531A (zh) * | 2023-01-29 | 2023-04-21 | 北京航空航天大学 | 一种永磁同步电机双闭环故障预测与健康管理方法及装置 |
| CN116123124A (zh) * | 2023-02-14 | 2023-05-16 | 南京航空航天大学 | 一种基于深度强化学习的压气机主动喘振控制方法及系统 |
| CN116460860A (zh) * | 2023-06-19 | 2023-07-21 | 中国科学技术大学 | 一种基于模型的机器人离线强化学习控制方法 |
| WO2024016386A1 (zh) * | 2022-07-19 | 2024-01-25 | 江苏大学 | 复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法 |
-
2024
- 2024-02-05 CN CN202410162732.4A patent/CN117709027B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110059100A (zh) * | 2019-03-20 | 2019-07-26 | 广东工业大学 | 基于演员-评论家网络的sql语句构造方法 |
| CN110011585A (zh) * | 2019-05-20 | 2019-07-12 | 中国矿业大学 | 一种外部激励引起的永磁半直驱式传动轴系扭振控制方法 |
| CN111046568A (zh) * | 2019-12-18 | 2020-04-21 | 哈尔滨工程大学 | 一种基于航空发动机及尾喷管机电液多系统联合仿真的控制参数优化方法 |
| CN111639422A (zh) * | 2020-05-19 | 2020-09-08 | 华中科技大学 | 基于动力学与神经网络的机床进给系统建模方法及设备 |
| CN111897224A (zh) * | 2020-08-13 | 2020-11-06 | 福州大学 | 基于演员-评论家强化学习和模糊逻辑的多智能体编队控制方法 |
| CN113435606A (zh) * | 2021-07-01 | 2021-09-24 | 吉林大学 | 强化学习模型的优化方法、装置、存储介质及电子设备 |
| CN113869742A (zh) * | 2021-09-29 | 2021-12-31 | 国网江苏省电力有限公司 | 基于行动家和评论家网络的综合供需侧的电力调度系统 |
| WO2024016386A1 (zh) * | 2022-07-19 | 2024-01-25 | 江苏大学 | 复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法 |
| CN115993531A (zh) * | 2023-01-29 | 2023-04-21 | 北京航空航天大学 | 一种永磁同步电机双闭环故障预测与健康管理方法及装置 |
| CN116123124A (zh) * | 2023-02-14 | 2023-05-16 | 南京航空航天大学 | 一种基于深度强化学习的压气机主动喘振控制方法及系统 |
| CN116460860A (zh) * | 2023-06-19 | 2023-07-21 | 中国科学技术大学 | 一种基于模型的机器人离线强化学习控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于延迟策略的最大熵优势演员评论家算法;祁文凯;桑国明;;小型微型计算机系统;20200815(第08期);全文 * |
| 祁文凯 ; 桑国明 ; .基于延迟策略的最大熵优势演员评论家算法.小型微型计算机系统.2020,(第08期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117709027A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Helian et al. | Accurate motion control of a direct-drive hydraulic system with an adaptive nonlinear pump flow compensation | |
| Astashev et al. | Dynamics and control of machines | |
| Yang et al. | A two-stage friction model and its application in tracking error pre-compensation of CNC machine tools | |
| CN104698844A (zh) | 液压位置伺服系统的不确定性补偿的滑模控制方法 | |
| CN113325805A (zh) | 一种自抗扰控制器及其设计方法 | |
| Tran et al. | Extended high gain observer-based sliding mode control for an electro-hydraulic system with a variant payload | |
| CN117709027B (zh) | 机电液耦合直线驱动系统动力学模型参数辨识方法及系统 | |
| Jin et al. | Influencing factors on rotate vector reducer dynamic transmission error | |
| CN116560301A (zh) | 一种基于梯度优化的机床进给系统数理模型参数辨识方法 | |
| He et al. | Design and analysis of a swashplate control system for an asymmetric axial piston pump | |
| Jiang et al. | Residual learning of the dynamics model for feeding system modelling based on dynamic nonlinear correlate factor analysis | |
| Zhu | Smart Machining Systems | |
| Zhang et al. | Gain scheduling control of ball screw feed drives based on linear parameter varying model | |
| Li et al. | Energy dissipation characteristics modelling for hot extrusion forming of aluminum-alloy components | |
| Chen et al. | Position control for a hydraulic loading system using the adaptive backsliding control method | |
| CN112721896B (zh) | 基于位移压力模型的iehb系统主缸液压力估计方法 | |
| Ke et al. | Tangential velocity tracking-based task coordinate frame approach for contouring control of biaxial motion systems | |
| CN116638544A (zh) | 一种基于超局部模型的关节模组协同控制方法 | |
| CN116541980A (zh) | 一种转子冲片尺寸参数优化方法 | |
| Zhang et al. | Nonlinear vibrations of a shell-shaped workpiece during high-speed milling process | |
| CN107977538B (zh) | 复合材料挠性元件设计方法 | |
| Li et al. | Pressure performance improvement by dual-mode control in digital pump/motor | |
| CN113486523B (zh) | 一种线性变参数振动系统全局辨识方法 | |
| Chen et al. | Optimization of five-axis tool grinder structure based on BP neural network and genetic algorithm | |
| CN113977571A (zh) | 一种柔性关节机器人输出力矩控制方法 |
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 |