[发明专利]一种采用遗传算法优化的伺服系统惯量辨识方法

摘要

本发明公开了一种采用遗传算法优化的伺服系统惯量辨识方法。以模型参考自适应理论为基础，根据朗道离散时间递推算法设计惯量辨识的自适应规律。利用遗传算法的全局搜索能力，以模型参考自适应系统为控制对象，以电机实际角速度和估计角速度之间的输出偏差作为控制误差，以时间乘以误差绝对值积分作为优化目标，动态调整惯量辨识中的自适应增益β，实现控制参数的在线优化。本发明在惯量辨识中既具有较快的收敛速度又具有较高的辨识精度，同时对转动惯量的变化还具有较强的自适应能力。

主权项

1.一种采用遗传算法优化的伺服系统惯量辨识方法，其特征在于，包括以下步骤：以模型参考自适应理论为基础建立惯量辨识系统，将含有待估计参数的方程作为参考模型，不含未知参数的方程作为可调模型，利用两模型输出量的误差来实时调节可调模型的参数，实现可调模型的输出跟踪控制对象的输出；根据朗道离散时间递推算法得到惯量辨识的自适应规律；以模型参考自适应系统为控制对象，以电机实际角速度和估计角速度之间的输出偏差作为控制误差，以时间乘以误差绝对值积分作为优化目标，采用遗传算法对自适应增益β进行在线寻优，动态调整惯量辨识中的自适应增益β，实现控制参数的在线优化；参考模型为：ω_m(k)＝2ω_m(k‑1)‑ω_m(k‑2)+b[T_e(k‑1)‑T_e(k‑2)]式中：T_e为电机的电磁转矩；T_L为电机的负载转矩；J为系统转动惯量；ω_m为电机的机械角速度；B为粘滞摩擦系数；b为待辨识量，满足b＝T/J；可调模型为：式中：为电机角速度的估计值；为待辨识量的估计值；ΔT_e(k‑1)＝T_e(k‑1)‑T_e(k‑2)；系统转动惯量的自适应辨识规律：式中：β为自适应增益，遗传算法包括以下步骤：a.参数编码；b.产生初始种群；c.参数解码设置自适应增益，计算适应度；d.判断是否满足终止条件；e.若是，则进行参数解码，寻优结束；f.若否，则进行遗传操作；产生新种群，返回步骤c进行反复的迭代寻优过程；参数编码具体步骤如下：设定求解精度为Δx，自适应增益β为寻优参数，其取值范围为(U_min，U_max)，参数编码的二进制位数L满足公式：Δx＝(U_max‑U_min)/(2^L‑1)式中：Δx为设定的求解精度；U_min为参数取值下限；U_max为参数取值上限；L为二进制编码位串长度；将编码的二进制位串解码成十进制实数值，相应的解码计算公式为：式中：b_i为编码位串b的第i位基因值；优化的目标函数为：式中：t为采样时间；|e(t)|为误差的绝对值，对应惯量辨识算法中的角速度输出偏差，即适应度函数为：式中：t为采样时间；|e(t)|为误差的绝对值，对应惯量辨识算法中的角速度输出偏差，即遗传算法的终止条件是最优个体的适应度达到设定的阈值或迭代次数达到设定的代数；遗传操作包括：选择操作、交叉操作和变异操作；选择操作采用轮盘赌选择法，选择概率的计算公式为：式中：p_i为个体i被选中的概率；f_i为个体i的适应度；M为种群大小；交叉操作采用两点交叉：通过在个体编码位串中随机设置两个交叉点，然后再按照一定的交叉概率p_c交换两个个体在所设定的两个交叉点之间的部分染色体；变异操作采用基本位变异：对交叉后的个体，以变异概率p_m对个体编码位串中随机指定的某一位基因位上的基因值进行翻转。