永磁同步电机双率残差增广最小二乘参数辨识

针对永磁同步电机系统输入输出的本质多采样率特性,结合多项式变化技术,构建模型转换矩阵,推导出基于电流和电压的永磁同步电机双率采样数学模型,获得其扩展参数向量,并构建其回归模型,针对输入输出量中不可测干扰量采用残差估计,进而建立永磁同步电机双率残差增广最小二乘算法(DR-RELS),对其算法收敛性进行分析。仿真实验结果表明,DR-RELS算法对变换后的永磁同步电机双率采样数据模型参数估计一致收敛,同时噪声方差的大小影响该算法收敛效果。

永磁同步电动机双率采样系统递推最小二乘参数辨识

永磁同步电机具有响应快、高精度、高转矩比等诸多优点,针对电机参数经典辨识理论往往建立在输入输出同一采样频率下。而电机控制系统本身具有多采样率性特性,结合多项式变化技术,推导得基于电流和电压的永磁同步电机双率采样数学模型,并采用双率递推最小二乘算法(DR-RLS)对其参数进行辨识。仿真实验结果表明,DRRLS算法对变换后的双率采样数据模型参数一致收敛,但因某些参数项对系统的非敏感性,其收敛速度不如其他参数项。

输入多采样率系统随机梯度辨识算法研究

经典参数估计往往建立在系统输入输出相同采样频率下,而工业过程往往都是滞后系统,具有输入多采样率性特性。结合多项式变化技术,得到永磁同步电动机输入多采样率数学模型,并采用随机梯度算法对该模型参数进行辨识,同时在遗忘因子作用下能提高了收敛速度和辨识精度,仿真结果表明该算法的有效性。

永磁同步电机多采样率修正随机梯度辨识

结合多项式变换技术,推导永磁同步电机多采样率系统参数回归模型,在随机梯度辨识算法中引入收敛指数ε,提出多采样率系统修正随机梯度辨识算法。随着收敛指数值的减小,该算法使电机多采样率模型参数辨识过程的收敛速度和精度指标均得到提高。仿真和实验结果证明了该算法的有效性。