ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

8
Содержание
том 62 / Август, 2019
СТАТЬЯ

DOI 10.17586/0021-3454-2019-62-4-346-354

УДК 681.5.015.8

ИДЕНТИФИКАЦИЯ ЭЛЕКТРОМЕХАНИЧЕСКИХ ПАРАМЕТРОВ СЕРВОПРИВОДОВ

Орловска-Ковальска Т. .
Вроцлавский университет науки и технологии, кафедра электрических машин, электроприводов и измерений ; зав. кафедрой


Ловлин С. Ю.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент


Цветкова М. Х.
Университет ИТМО; студент


Абдуллин А. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент


Маматов А. Г.
Университет ИТМО; кафедра электротехники и прецизионных электромеханических систем;; аспирант


Гурьянов В. А.
Университет ИТМО ; доцент кафедры электротехники и прецизионных электромеханических систем


Аннотация. Представлен метод идентификации электромеханических параметров сервопривода, основанный на методе наименьших квадратов. Метод обеспечивает автоматическое получение экспериментальных данных в условиях ограничения скорости и угла поворота. Разработанный алгоритм может автоматически корректироваться во время его работы для достижения высокой точности оцененных параметров. Приведен алгоритм работы сервопривода следящего телескопа. Предложенный алгоритм представляет интерес для разработчиков электромеханических систем. Выполнена экспериментальная проверка полученных результатов на двухмассовом стенде с переменным коэффициентом жесткости и варьируемым моментом инерции второй массы.
Ключевые слова: ограничение движения электропривода, автоматизация идентификации, возмущающее воздействие, прецизионный электропривод, релейное управление

Список литературы:
  1. Ljung L. System Identification: Theory for the User. MIT Press, Cambridge, MA, 1980.
  2. Садовников М. А., Томасов В. С., Толмачев В. А. Прецизионный электропривод для оптических комплексов контроля космического пространства // Изв. вузов. Приборостроение. 2011. Т. 54, № 6. С. 81—86.
  3. Kapun A., Curkovic M., Hace A., Jezernik K. Identifying dynamic model parameters of a BLDC motor // Simulation Modelling Practice and Theory. 2008. Vol. 16. P. 1254—1265.
  4. Tutunji T., Molhim M., Turki E. Mechatronic system identification using an impulse response recursive algorithm // Simulation Modelling Practice and Theory. 2007. Vol. 15. P. 970—988.
  5. Ravindra Pantankar, Liangtao Zhu. Real-time multiple parameter estimation for voltage controlled brushless DC motor actuators // Proc. of the 2004 American Control Conference. 2004. Vol. 4. P. 3851—3856.
  6. Lovlin S. Y., Abdullin A. A. Adaptive system for compensation of periodic disturbances in servo drive // 2016 IX Intern. Conf. on Power Drives Systems (ICPDS). Perm, 2016. P. 1—5. DOI: 10.1109/ICPDS.2016.7756719.
  7. Васильев В. Н., Томасов В. С., Шаргородский В. Д., Садовников В. А. Состояние и перспективы развития прецизинных приводов комплексов высокоточных наблюдений // Изв. вузов. Приборостроение. 2008. № 6. С. 5—11.
  8. Lovlin S. Y., Tsvetkova M. H., Subbotin D. A. Identification of a permanent magnet synchronous motor system with dead-zone characteristics // Advances in Automatic Control: Proc. of the 16th Intern. Conf. on Automatic Control, Modelling & Simulation (ACMOS '14). 2014. N 35. P. 199—206.
  9. Liu L., Cartes D. A., Liu W. Particles warm optimization based parameter identification applied to PMSM // Proc. of the 2007 American Control Conf. 2007. P. 2955—2960.
  10. Subbotin D. A., Lovlin S. Y., Tsvetkova M. H. Identifying dynamic model parameters of a servo drive. // Manufacturing Engineering, Automatic Control and Robotics. Proc. of the 14th Intern. Conf. on Robotics, Control and Manufacturing Technology (ROCOM '14). 2014. N 32. P. 50—57.
  11. Xing Y. A novel rotor resistance identification method for an indirect rotor flux- oriented controlled induction machine system // IEEE Trans. Power Electronic. 2002. Vol. 17. P. 353—364.
  12. Gutierrez-Villalobos J. M., Rodriguez-Resendiz J., Rivas-Araiza E. A., Mucino V. H. A review of parameter estimators and controllers for induction motors based on artificial neural networks // Neurocomputing. 2013. Vol. 118. P. 87—100.
  13. Cirrincione M. et al. A new experimental application of least-squares techniques for the estimation of the induction motor parameters // IEEE Trans. Ind. Appl. 2003. Vol. 39. P. 1247—1256.
  14. Alonge F., D'Ippolito F., Raimondi F. M. Least squares and genetic algorithms for parameter identification of induction motors // Control Engineering Practice. 2001. Vol. 9. P. 647—657.
  15. Балковой А. П., Цаценкин В. К. Прецизионный электропривод с вентильными двигателями. М.: Изд. дом МЭИ, 2010.
  16. Cabrera L. A. et al. Tuning the stator resistance of induction motors using artificial neural network // IEEE Trans. Power Electron. 1997. Vol. 12. P. 779—787.
  17. Zhu Z. Q. and Howe D. Influence of design parameters on cogging torque in permanent magnet machines // IEEE Trans. on Energy Conversion. 2000. Vol. 15. P. 407—412.
  18. Koubaa Y. Parametric identification of induction motor with H–G diagram // Intern. Conf. on Electrical Drives and Power Electronics. 2001. P. 433—437.