PMSM参数辨识：带遗忘因子最小二乘法应用

1. PMSM参数辨识的背景与挑战

永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）作为现代工业驱动系统的核心部件，其精确控制依赖于准确的电机参数。但在实际应用中，电机参数会因温度变化、磁饱和、机械磨损等因素发生漂移，导致控制性能下降。传统的参数测量方法存在以下痛点：

• 转动惯量(J)和阻尼系数(B)通常需要离线测量，严重影响生产效率
• 负载转矩(TL)在实际运行中动态变化，难以实时获取
• 参数间存在强耦合，单独辨识某一参数时误差会传导到其他参数

我在某工业伺服项目中发现，当负载惯量变化30%时，若不更新控制器参数，定位误差会放大2-3倍。这凸显了在线参数辨识的必要性。

2. 带遗忘因子最小二乘法的原理剖析

2.1 标准最小二乘法的局限性

标准最小二乘法(RLS)通过最小化误差平方和来估计参数，其递推公式为：

matlab复制θ(k) = θ(k-1) + K(k)[y(k) - φ'(k)θ(k-1)]
K(k) = P(k-1)φ(k)[λ + φ'(k)P(k-1)φ(k)]^-1
P(k) = [I - K(k)φ'(k)]P(k-1)/λ

但当系统参数时变时，旧数据会持续影响估计结果，导致算法无法跟踪参数变化。

2.2 遗忘因子机制

引入遗忘因子λ（0<λ≤1）后，旧数据的权重呈指数衰减：

• λ=1：退化为标准RLS
• 0.95<λ<0.99：适合缓慢时变系统
• 0.9<λ≤0.95：适合快速时变场景

实测表明，对于PMSM参数辨识，λ取0.97可在跟踪速度与抗噪性间取得较好平衡。λ每减小0.01，收敛速度提升约15%，但方差会增大20%。

3. 多参数联合辨识的模型构建

3.1 PMSM运动方程离散化

将机械运动方程离散化为差分形式：

code复制JΔω + Bω = Te - TL - Tf

其中：

• Δω = [ω(k)-ω(k-1)]/Ts
• Te为电磁转矩（可通过iq计算）
• Tf为摩擦转矩（可建模为常数）

3.2 参数化线性模型

整理为最小二乘格式y=φ'θ：

code复制y = Te(k) - Tf
φ = [Δω(k), ω(k), -1]'
θ = [J, B, TL]'

这种构造方式实现了三参数解耦，使协方差矩阵P保持良好条件数。

4. 收敛性优化的关键技术

4.1 激励信号设计

参数可辨识性依赖于持续激励(PE)条件。建议采用：

python复制# 伪随机速度指令生成
omega_ref = base_speed + 0.2*base_speed*np.random.randn()

实验数据表明，包含3-5Hz带宽的随机成分可使估计误差降低40%以上。

4.2 协方差矩阵初始化

P(0)的取值显著影响初期收敛：

• 过大会导致初始震荡
• 过小会减慢收敛速度
  推荐经验公式：

code复制P(0) = diag([J_nom^2, 100*B_nom^2, 4*TL_max^2])

4.3 数据预处理

1. 转速微分采用五点中心差分：

   c复制delta_omega = (-ω[k+2]+8ω[k+1]-8ω[k-1]+ω[k-2])/(12*Ts)
   

2. 电磁转矩计算补偿死区效应
3. 采用移动平均滤波，窗长取5-10个采样周期

5. 实验验证与结果分析

在某800W伺服电机上测试结果：

收敛过程曲线显示：

• 转动惯量在0.5s内收敛
• 阻尼系数需1.2s达到稳态
• 负载转矩在突变后0.3s内完成跟踪

6. 工程实现中的注意事项

1. 采样同步问题：

   • 电流采样与PWM周期对齐
   • 采用定时器触发ADC，避免软件延迟

   c复制// STM32配置示例
   htim1.Instance->CCR1 = PWM_PERIOD/2;
   HAL_TIM_PWM_Start(&htim1, TIM_CHANNEL_1);
   HAL_ADC_Start_DMA(&hadc1, (uint32_t*)adc_buf, 2);
   

2. 数值稳定性处理：

   • 定期重置协方差矩阵（如检测到trace(P)<1e-6时）
   • 采用UD分解替代直接矩阵求逆

3. 参数可信度检验：

   matlab复制if (J_est < 0) || (B_est < 0) || (abs(TL_est) > TL_max)
       θ = last_valid_θ; 
   end
   

4. 与FOC的协同工作：

   • 在速度环计算周期中插入辨识算法
   • 参数更新频率设为速度环的1/5~1/10

我在某CNC机床项目中发现，当采用RTOS任务调度时，需确保辨识算法与电流采样中断的优先级关系，避免数据不同步导致估计发散。