基于ODE参数辨识的液压伺服系统灰箱建模

《基于ODE参数辨识的液压伺服系统灰箱建模》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报Jan．252013Vol34No．1187．196ActaAeronauticaetAstronauticaSinicaISSN1000．6893ON11-1929／Vhttp：／／hkxb．buaa．edu．cnhkxb@buaa．edu．CR基于ODE参数辨识的液压伺服系统灰箱建模赵盼1’2，王少萍1’2H1．北京航空航天大学自动化科学与电气工程学院，北京1001912．北京航空航天大学飞行器控制一体化技术国防科技重点实验室，北京100191摘要：针对液压伺服系统常规“白箱”建模由于参数无法精确获得导致所得模型精度不高及“黑箱”建模所得模型内部结构未知的问题，本文提出基于ODE

2、参数辨识的液压伺服系统“灰箱”建模。首先，建立了工程上实用的系统状态空间模型，根据系统特征确定了待辨识参数，将模型辨识问题转化为常微分方程(ODE)参数辨识问题；然后，采用正弦扫频信号作为激励信号和基于带边界约束的信赖域优化算法的初值问题方法进行参数辨识；为了和ODE参数辨识结果进行对比，本文同时采用系统的频率响应数据和最小二乘法辨识得到系统的“黑箱”传递函数模型；最后，通过大量实验验证了辨识模型的精确度。实验结果表明，本文提出的基于信赖域算法的液压伺服系统模型辨识方法可以有效处理参数的边界问题，使辨识模型既具有实际的物理意义，又与实际系统高度符合。关键词：液压伺服系统；灰箱建模；常微分方程

3、；参数辨识；信赖域；边界约束中图分类号：V233．91；TP271+．41文献标识码：A文章编号：1000—6893(2013)01—0187—10液压伺服系统是由液压控制组件和液压执行组件作为动力机构具有反馈控制的控制系统[1]，具有体积小、重量轻、惯性小、反应快、刚度大和精度高等优点，现已被广泛应用于国防工业和民用工业[2]。无论是对液压伺服系统进行动态分析还是计算机数字仿真以及基于模型的控制算法设计，都要首先建立精确的系统模型。建模的常用方法有2种¨J：1)“白箱”建模法是从系统的内部机理出发，利用已有的定理、定律和原理、公式推导出系统的数学模型，也称作机理建模。这类建模方法需要对系统

4、的内部结构和参数具有较深的了解，为了解析表达多进行模型简化，更重要的是有些模型参数值不易精确获得，因此建立的模型与实际系统往往有差距。2)“黑箱”建模法是在对系统内部的特性不明，且可以通过实验获得系统的输入输出数据时，常采用系统辨识的方法辨识系统模型。这种方法虽然不需要对系统的内部机理进行了解，但是得到的模型的内部结构也是未知的，不能满足某些需要了解模型内部结构的场合。采用该方法时假设的辨识模型结构要完备体现系统的特征，在实际运用中往往很难满足，一般采用多次实验尝试的方法。对于液压伺服系统而言，有些元部件特性是已知的，比如伺服放大器增益、伺服阀阀流量电流增益、液压缸的几何参数等，而有些元部件

5、或部件间的特性有时很难获得，如液压缸的阻尼系数、泄漏系数以及油液弹性模量等。因此有必要将机理建模和“黑箱”建模法结合，既发挥前者良好的机理表征的特点，又通过参数辨识使得辨识模型与收稿日期：2012．03．05；退修日期：2012-07-17；录用日期：2012-08—28；网络出版时间：2012·09-1310：43网络出版地址：WWW．cnkinet／kcms／detail／11．1929．V．20120913．1043．002．html基金项目：国家自然科学基金(51175014)*通讯作者Tel．：010．82338933E-mail：shaopingwang@rip．sinacom荸

6、l用格武IZhaoP．WangSP．Grey-boxmodelingofhydraulicservosystemsbasedonODEparameteridentification．ActaAeronauticaetAstronauticaSinica．2013。34(’)：187-196i赵盼．I少萍．基于ODE参教辨识的液压饲暇系统灰籀建模．航空学报．2013．34(1)：187-196．188航空学报Jan．252013V01．34No1实际系统高度符合，从而形成“灰箱”建模方法。因此，本文选用ODE参数辨识来实现液压伺服系统的“灰箱”建模，文中的“灰箱”模型即是指ODE模型。鉴于文献

7、E4]证明了对于液压伺服系统采用正弦扫频信号进行模型辨识比采用M序列更理想，本文在进行ODE参数辨识时采用正弦扫频信号作为激励信号，虽然需要的数据量更大，但辨识得到的模型精度更高。在辨识算法方面，文献[5]采用基于高斯一牛顿优化算法的预报误差法对连续回转马达电液伺服系统进行了参数辨识，但是高斯一牛顿法只具有局部收敛的特性，且处理参数的边界问题不理想。本文则采用能有效处理参数边界约束的信赖域方法作为参数优化算法