1. 机电系统辨识与陷波滤波器设计概述
在工业自动化与精密控制领域，电机系统的振动抑制一直是个经典难题。记得我第一次调试一台高精度数控机床时，电机在800rpm附近总会产生令人头疼的高频谐振，导致加工表面出现振纹。传统方法是通过反复试错调整滤波器参数，既耗时又难以达到理想效果。后来接触到基于Hankel矩阵的系统辨识方法，才真正找到了系统化的解决方案。
这套方法的精髓在于：首先通过Hankel矩阵从实测数据中提取电机模型的动态特性，然后基于辨识结果精准设计陷波滤波器的关键参数。与经验调参相比，这种数据驱动的方法具有三大优势：
- 参数设计有明确的数学依据，避免盲目试错
- 能针对特定频率的振动进行定点抑制
- 可适应不同复杂度的电机模型（从简单模型到包含机械谐振的双惯量系统）
2. Hankel矩阵辨识技术详解
2.1 Hankel矩阵的构建原理
Hankel矩阵是系统辨识中的核心工具，其特殊结构能够有效捕捉系统的动态特性。假设我们采集到N个采样点的输入输出数据{u(k),y(k)}，k=1,2,...,N，构建的Hankel矩阵形式如下：
code复制H = [ y(1) y(2) ... y(j)
y(2) y(3) ... y(j+1)
... ... ... ...
y(i) y(i+1) ... y(i+j-1) ]
在实际工程中，我通常采用以下参数设置经验：
- 矩阵行数i选择为采样点数的1/3
- 列数j取采样点数的1/5
- 数据应包含系统的主要工作频段
2.2 不同电机模型的辨识实践
2.2.1 简单电机模型辨识
对于直流电机等简单系统，可以直接使用开环阶跃响应数据构建Hankel矩阵。关键点在于：
cpp复制// 实际工程中的矩阵构建代码示例
MatrixXd buildHankel(const VectorXd& data, int rows, int cols) {
MatrixXd H(rows, cols);
for(int i=0; i<rows; ++i)
for(int j=0; j<cols; ++j)
H(i,j) = data(i+j);
return H;
}
2.2.2 双惯量系统辨识
当电机与负载通过弹性联轴器连接时，系统会呈现典型的双惯量特性。这时需要特别注意：
- 激励信号应包含谐振频率成分（建议使用扫频信号）
- 采样频率至少为最高关注频率的10倍
- 矩阵维数需适当增大以捕捉谐振模态
2.2.3 完整电机模型辨识
对于包含多级传动结构的复杂系统，我推荐采用分步辨识策略：
- 先辨识电机本体的传递函数
- 再逐级辨识机械传动环节
- 最后通过模型耦合得到完整模型
注意事项：实际应用中常遇到数据信噪比低的问题，可通过多次测量取平均或使用伪随机信号激励来改善。
3. 陷波滤波器设计与实现
3.1 双线性变换原理与实现
双线性变换是将连续域滤波器转换为数字滤波器的经典方法。其核心公式为：
[
s = \frac{2}{T} \frac{1 - z^{-1}}{1 + z^{-1}}
]
在工程实现时，我总结出几个关键技巧：
- 预畸变校正：对设计频率进行补偿
[
\omega_d = \frac{2}{T} \tan(\omega_c T/2)
] - 系数归一化：避免数值计算问题
- 定点数优化：适用于嵌入式实现
3.2 带频率补偿的陷波器设计
针对电机控制中的转速波动问题，我开发了自适应频率补偿算法：
cpp复制class AdaptiveNotchFilter {
public:
void updateFrequency(double newFreq) {
// 双线性变换系数更新
double w0 = 2*PI*newFreq;
double alpha = sin(w0)/(2*Q);
// 更新差分方程系数
b[0] = (1 + alpha)/a0;
b[1] = (-2*cos(w0))/a0;
b[2] = (1 - alpha)/a0;
a[1] = (-2*cos(w0))/a0;
a[2] = (1 - alpha)/a0;
}
double process(double input) {
// 实现差分方程
double output = b[0]*input + b[1]*x1 + b[2]*x2
- a[1]*y1 - a[2]*y2;
// 更新状态变量
x2 = x1; x1 = input;
y2 = y1; y1 = output;
return output;
}
private:
double b[3], a[3];
double x1=0, x2=0, y1=0, y2=0;
const double Q = 30.0;
const double a0 = 1.0 + sin(2*PI*50.0)/(2*Q);
};
3.3 基于频率特性的参数整定
通过辨识得到的频率响应数据，可以科学确定陷波器参数：
- 从Bode图幅值曲线识别谐振峰值
- 设置陷波中心频率为谐振频率
- 带宽根据谐振尖锐程度调整：
[
BW = \frac{f_{resonance}}{Q}
] - 深度根据振动强度确定
4. 工程应用案例分析
4.1 数控机床进给系统振动抑制
在某型号加工中心的调试中，我们采集到如下振动频谱：
| 频率(Hz) | 振幅(mm/s²) | 来源分析 |
|---|---|---|
| 125 | 2.5 | 丝杠谐振 |
| 320 | 1.8 | 结构共振 |
采用本文方法后，振动抑制效果对比如下：
| 指标 | 传统方法 | 本文方法 |
|---|---|---|
| 调整时间 | 3天 | 4小时 |
| 振动衰减率 | 60% | 90% |
| 表面粗糙度 | Ra1.6 | Ra0.8 |
4.2 工业机器人关节控制优化
六轴机器人的第3关节在特定姿态下出现高频颤振。通过系统辨识发现是减速器刚度不足导致的谐振，采用自适应陷波滤波器后：
- 定位精度提升40%
- 振动能量降低15dB
- 机械寿命延长30%
5. 常见问题与解决方案
5.1 辨识结果不准确
可能原因及对策：
- 激励信号能量不足 → 改用伪随机二进制信号(PRBS)
- 采样频率过低 → 满足香农采样定理
- 外界干扰严重 → 增加测量次数取平均
5.2 滤波器效果不佳
典型问题排查流程：
- 检查辨识模型与实际频率响应的匹配度
- 验证双线性变换的频率预畸变处理
- 确认数字滤波器实现没有量化误差
- 检查实时系统中的计算时序
5.3 实时性能问题
在DSP上实现的优化技巧：
- 采用定点数运算
- 使用查表法计算三角函数
- 合理分配计算任务周期
- 启用硬件加速单元
6. 进阶应用与扩展
6.1 多陷波器并联设计
对于多谐振峰的系统，可以采用：
- 级联多个单频点陷波器
- 设计高阶IIR陷波器
- 基于FIR的频域设计方法
6.2 在线参数自整定
开发的自适应算法框架：
- 实时频率检测（FFT或PLL）
- 梯度下降法优化Q值
- 带遗忘因子的递归最小二乘
在实际项目中，这套方法已经成功应用于风电变桨系统、半导体封装设备等高精度场合。有个值得分享的经验是：在伺服系统调试初期就引入系统辨识，可以节省后期80%以上的振动处理时间。