陷波滤波器在双惯量系统谐振抑制中的应用与实践

1. 项目背景与核心问题

在工业伺服控制领域，双惯量系统是最常见的机械传动模型之一。这类系统由电机侧的惯量和负载侧的惯量通过弹性联轴器或传动轴连接而成，其典型应用场景包括数控机床主轴驱动、工业机器人关节控制、半导体设备精密定位等。我在某精密电子设备制造企业的伺服系统调试中，曾遇到一个典型案例：当系统运行到特定转速区间时，电机电流会出现高频振荡，伴随刺耳的机械噪声，严重时甚至触发驱动器过流保护。

经过频谱分析，发现这正是典型的机械谐振现象——当电机激励频率接近系统固有频率时，弹性元件储存的势能与惯量元件的动能相互转换，形成持续振荡。这种谐振不仅影响控制精度，长期运行还会加速机械部件磨损。传统解决方案是降低控制带宽来避开谐振频率，但这会牺牲系统动态响应速度。而陷波滤波器作为一种"外科手术式"的解决方案，能够精准抑制特定频率的振荡，同时保持系统在其他频段的性能。

2. 陷波滤波器原理深度解析

2.1 数学本质与传递函数推导

陷波滤波器（Notch Filter）本质上是一个在特定频率处产生深度衰减的带阻滤波器。其标准二阶传递函数形式为：

code复制G(s) = (s² + ωₙ²) / (s² + 2ζωₙs + ωₙ²)

其中ωₙ为陷波中心频率（rad/s），ζ为阻尼系数。这个看似简单的方程蕴含着精妙的设计思想：

• 分子部分(s² + ωₙ²)在s=jωₙ时为零，实现频率点处的完全衰减
• 分母中的阻尼项2ζωₙs控制陷波带宽，ζ越大则带宽越宽
• 在远离ωₙ的频率段，分子分母近似相等，增益接近1（0dB）

在实际伺服系统中，我们常用离散化后的数字滤波器实现。以双线性变换为例，将s=(2/T)(1-z⁻¹)/(1+z⁻¹)代入连续传递函数，经过整理可得数字滤波器差分方程：

code复制y[k] = b0*x[k] + b1*x[k-1] + b2*x[k-2] - a1*y[k-1] - a2*y[k-2]

其中系数b0,b1,b2,a1,a2由ωₙ、ζ和采样周期T共同决定。我在某项目中使用T=0.001s（1kHz控制频率），谐振峰出现在320Hz，取ζ=0.1时，通过Matlab的c2d函数计算得到：

matlab复制sys_cont = tf([1 0 (2*pi*320)^2], [1 2*0.1*(2*pi*320) (2*pi*320)^2]);
sys_disc = c2d(sys_cont, 0.001, 'tustin');

2.2 参数整定实践经验

陷波滤波器效果对参数极为敏感，在多个项目实践中我总结了以下调参要点：

1. 中心频率识别：

   • 优先采用频率响应分析法，通过扫频或FFT确定谐振峰精确位置
   • 某次调试中，时域观察谐振频率约315Hz，但频谱分析显示实际为318.7Hz，这3.7Hz差异导致初始滤波器效果不佳

2. 阻尼系数选择：

   • 典型取值范围0.05~0.3，过小会导致抑制带宽不足，过大则可能影响相邻频率特性
   • 经验公式：ζ = Δω/(2ωₙ)，其中Δω为需要抑制的带宽

3. 相位补偿考量：

   • 陷波滤波器在ωₙ附近会引入非线性相位变化
   • 在要求严格的场合，可采用零相位滤波或相位超前补偿

关键提示：机械谐振频率会随温度、负载变化漂移，建议保留±5%的频率调节余量。在某半导体设备案例中，系统冷启动和工作2小时后谐振频率漂移达2.8%。

3. 双惯量系统建模与谐振分析

3.1 机理模型构建

双惯量系统的经典动力学模型如图1所示，包含以下参数：

• Jm：电机惯量（kg·m²）
• Jl：负载惯量（kg·m²）
• Ks：轴系刚度（N·m/rad）
• Cs：轴系阻尼（N·m·s/rad）

code复制电机转矩 → Jm → Ks/Cs → Jl → 负载扰动

在Simulink中构建该模型时，我通常采用以下模块化结构：

1. 电机子系统：包含PMSM模型、电流环PI控制器
2. 机械传动链：使用Simscape的Rotational Spring Damper模块
3. 负载扰动模型：包含周期性切削力、随机振动等典型工况

3.2 谐振特性仿真分析

通过开环频率扫描，可以清晰观察到系统的反谐振峰（Anti-Resonance）和谐振峰。在某CNC主轴案例中，仿真得到：

这个结果解释了为何在300-340Hz转速区间会出现问题。通过波特图相位分析还发现，在谐振点附近相位突变接近180°，这正是导致传统PID控制不稳定的根本原因。

4. Simulink仿真平台实现

4.1 完整控制架构搭建

基于速度环控制的典型仿真模型包含：

1. 指令生成模块：阶跃、斜坡、正弦等多种激励信号
2. 双惯量机械模型：参数可配置的Subsystem
3. 控制算法层：
   • 速度环PID控制器
   • 陷波滤波器模块（离散实现）
4. 分析工具：
   • 实时FFT分析仪
   • 李萨如图形观测

关键实现技巧：

• 使用Matlab Function模块实现可调参数的陷波滤波器
• 通过Model Reference封装机械模型，便于参数批量测试
• 配置Solver为ode4（Runge-Kutta），固定步长0.0001s保证数值稳定性

4.2 滤波器性能对比测试

设置三种工况进行对比分析：

1. 无滤波器：

   • 转速波动幅度：±12rpm
   • 电流THD：8.7%
   • 明显观察到320Hz振荡分量

2. 固定参数陷波器：

   • 转速波动：±3rpm
   • 电流THD：3.2%
   • 谐振峰衰减-25dB

3. 自适应陷波器：

   • 采用LMS算法在线调整ωₙ
   • 转速波动：±1.5rpm
   • 电流THD：1.8%
   • 自动跟踪频率漂移

matlab复制% 自适应陷波器核心算法片段
function [y, wn] = adaptive_notch(u, wn_prev, mu)
    persistent x_buf;
    % LMS算法更新频率
    error = u - x_buf'*[1; -2*cos(wn_prev*T)];
    wn = wn_prev - mu*error*x_buf(2)*sin(wn_prev*T);
    % 限制频率变化范围
    wn = max(min(wn, wn_prev*1.05), wn_prev*0.95);
    % 更新滤波器状态
    y = b0*u + b1*x_buf(1) + b2*x_buf(2) - a1*y_prev - a2*y_pprev;
    x_buf = [u; x_buf(1)];
end

5. 工程实践中的挑战与解决方案

5.1 多谐振峰处理

在复杂的传动系统中，常存在多个谐振频率。某五轴机床案例中就检测到3个显著谐振峰（215Hz、387Hz、512Hz）。对此可采用：

1. 级联多个陷波器：
   • 注意相位累积效应
   • 建议按频率从低到高排列
2. 高阶陷波滤波器：
   • 形式：(s²+ω₁²)(s²+ω₂²)/...
   • 需要更高计算资源

5.2 数字实现中的陷阱

1. 频率混叠：

   • 采样频率不足时，高频谐振会"折叠"到低频
   • 经验法则：采样率 > 10×谐振频率

2. 量化误差：

   • 定点DSP实现时，系数精度影响大
   • 某案例中，将Q15格式改为Q31后，抑制深度改善6dB

3. 计算延时：

   • 滤波器引入的群延时可能影响稳定性
   • 可通过提前采样或预测补偿

5.3 实测与仿真差异分析

在某工业机器人项目中发现，仿真中完美的陷波器在实际调试中效果不佳。经排查发现：

最终通过"仿真+频响测试+在线调整"三阶段调试法，将振动幅度从±15μm降低到±2μm以内。

6. 进阶应用与扩展思考

6.1 谐振频率在线辨识

传统离线辨识方法难以适应工况变化，可采用：

1. 基于FFT的实时监测：

   • 滑动窗口FFT计算
   • 峰值检测算法自动定位谐振点

2. 模型参考自适应：

   matlab复制% 基于梯度下降的频率估计
   function wn_update = estimate_wn(y, u, wn_old)
       H = jacobian(wn); % 灵敏度矩阵
       wn_update = wn_old - 0.1*H'*(y - u);
   end
   

6.2 与其他抑振方法对比

在实际项目中，我常采用"陷波器+加速度反馈"的复合方案，既抑制内部谐振又抵抗外部扰动。

6.3 新兴技术融合

1. 机器学习增强：

   • 用LSTM网络预测频率漂移趋势
   • DRL算法自动优化ζ参数

2. 边缘计算实现：

   • 在工业网关部署轻量级算法
   • 某案例采用树莓派实现多轴协同抑振

3. 数字孪生应用：

   • 建立高保真虚拟模型
   • 提前仿真不同陷波参数效果

某半导体设备制造商采用数字孪生技术后，调试周期从平均3周缩短到4天，产品不良率下降62%。