电机行业求职平台
状态空间参数直接辨识改进
算法函数的线性动态运算对
一连续时间函数
f(t)的线性动态运算(LD)类似于对一已知函数<(t)求内积,即:
LD{f(t)}<(t)→(f,<)(4)对时间函数 f(t)进行 LD 运算产生该函数的量度 f(t)
后,
f(t)便可以用量度组成的数据向量与已知函数的内积表示,即: f(t)=fT<(t)
(
5 ) 定 义 块 脉 冲 函 数 < ( t ) 为 在 t
∈<0 , T> 内 , 具 有 m 级 的 向 量 : iT/mi=1 , 2 ,
…,m(6)用块脉冲函数(BPF)来描述连续时间函数>T 对下列目标函数求极小值;
e=∫T0< ( T ) >2dt→min ( 8 ) 可 求 得 函 数 f ( t ) 的 量 度 : fi=12{f< ( i-
1)T/m>+f(iT/m)}i=1,2,…,m(9)在<0,T>对级数为 m 的块脉冲函数(BPF)积分:
∫T0<(t)dt=Q<(t)(10)式中:Q 为 BPF 的运算矩阵,Q 为一上三角阵:Q=$T。
状态方程的量度变换式上述同步电机状态空间模型(
1)、(2)、(3)等,可表述为一
般状态方程形式:
Xa=A(A)X+B(A)UY=C(A)X+D(A)U(13)将(13)式中各
状态变量展开:
xai(t)=ai1x1(t)+ai2x2(t)+…+ainxn(t)+bi1u1(t)+bi2u2(t)+…
+bimum(t)(14)i=1,2,…,n 状态方程阶数。上式两边在<0,T>区间积分:xTi<(t)-
xi , 0T< ( t ) =ai1xT1Q< ( t ) +ai2xT2Q< ( t ) +…+ainxTnQ< ( t ) +bi1uT1Q< ( t )
+bi2uT2Q<(t)+…+bimuTmQ<(t)(15)xi,0 是 xi(t)的初始值的量度。
两边约去
<(t),则状态方程( 13)化成为( 16)式的代数方程。定义向量:
Bi=Th ( k ) =T ( 18 ) 则 ( 17 ) 式 写 为 最 小 二 乘 形 式 ( 5 ) 收 敛 性 判 断 : 若
max2m+nj=1B2i,j(k)≤E,则迭代收敛,否则转(2)继续。
本算法直接应用于状态空间连续模型,通过引入函数的量度变换,将微分方程变换为
代数方程,再应用最小二乘原理推导出参数辨识算法。理论上可以证明,该算法具有无偏性、
一致性和有效性。在递推算法中,对状态向量加入遗忘因子以降低
“老”数据所提供的信息量,
从而克服多次递推所产生的
“数据饱和”影响,进一步改善了算法的收敛性。
仿 真 计 算 结 果 设 有 一 台
100MW 同 步
参 数 ( 标 么 值 ) 如 下 :
xd=1.81 , x
′d=0.29 , x″d=0.18 , Td0=6.20 , T″d0=0.24 , xadRfd=1280 , xq=1.34 , x′q=0.42 , T
″q=0.96,H=6.80,D=1.45 这里,H 为机组转动惯量,D 是机组机械阻尼系数。假设发电机
在正常稳定运行时受到突然扰动,使得发电机各电压产生波动
t 参数辨识算例参数真值算
例
1 初值辨识值算例 2 初值辨识值算例 3 初值辨识值 Xd1.将以上给定的模型参数作为实际
值,取步长
T=0.005s,计算发电机受到扰动后的暂态过程,得到暂态过程 d、q 轴的电势、电
流、转矩等数据,作为模拟的实测数据。以本文所提出的同步电机模型和改进算法,在下列
3 种不同情形下对电机参数进行辨识,得到如所示的辨识结果(最右列为计及随机干扰时
的参数辨识)。
算例
1:参数初值偏离真值 33.4%以内,不计随机干扰。
算例
2:参数初值偏离真值 80%以内,不计随机干扰。
算例
3:参数初值偏离真值 50%以内,在发电机电压上加幅值为 0.05 的正态随机干扰。
由以上算例结果可见:
3 个算例的 4 组辨识运算都能收敛于真值。当初值与真值偏差由
33.3%~80%增大时,迭代次数增加,辨识精度略有降低。考虑测量信号随机干扰后,迭代
次数增加到
69 次仍收敛于真值,参数辨识最大误差为 3.7241%,从工程角度看,辨识精度
是较高的。本文给出的算法具有较好的收敛性和抗干扰能力。
结论本文提出的同步电机状态空间连续模型参数直接辨识法,可直接应用于各种同步
电机连续模型而无需进行离散化处理。将状态方程变换为代数方程求解;引入遗忘因子以克
服多次递推所产生数据饱和的影响,从而改善了算法的收敛法。在实际计算中,还可以调整
遗忘因子以获得最佳辨识效果。实际算例证明了该模型及算法的有效性。