在伺服系统运行过程中,系统饱和会影响观测器参数辨识的准确性。为了解决这个问题,提出一种抗饱和扩展状态观测器(ASESO)。建立单惯量伺服系统的数学模型,针对伺服系统饱和与未饱和2种情况,设计ASESO来在线辨识伺服系统的转动惯量与集总扰动,其中集总扰动用来对系统进行前馈补偿,削弱外部扰动对系统模型线性化的影响。与传统的ESO相比,ASESO在2种系统状态(饱和与未饱和)下有不同的观测器模型。当系统满足限制饱和条件(CSCs)时,观测器处于未饱和状态并实时更新转动惯量;相反,当系统进入饱和状态时,由于系统控制量变化很小,导致并不是所有的CSCs都满足,观测器不再更新转动惯量,保持前一时刻的识别值。最后利用Lyapunov理论验证了所设计方案的稳定性。仿真结果表明所提方案在2种状态下均保证了转动惯量辨识的准确性。理论分析和仿真结果共同...

为解决风力发电系统因工况复杂、干扰源众多造成的常规控制方法效果难以满足高性能要求的难题,提出了一种以最大功率跟踪为目标,综合惯量辨识和模型预测控制的复合预测控制策略。首先通过惯量辨识得到对象的部分未知模型,再通过模型预测对得到的模型滚动优化,并进行反馈校正。最后的仿真结果表明,该复合预测控制策略具有有效的功率输出、较好的系统稳定性和抗干扰能力。

由于永磁同步电机系统具有非线性、强耦合、多变量的特点,且易受内部参数变化、负载扰动的影响,为保证系统调速过程的快速性和准确性,设计了一种基于惯量辨识的自适应反推控制调速方法。首先,采用自适应算法对定子电阻、黏性摩擦和负载转矩进行实时估计;其次,利用基于惯量辨识的自适应反推控制方法,减小工业控制中转动惯量对电机调速系统的影响;最后,进行了仿真验证。结果表明,与传统的PI和传统的自适应反推法相比,基于惯量辨识的自适应反推控制方法具有最优的转速跟踪性能和抗干扰能力。