DC伺服电机系统的描述

DC伺服电机及其电气和机械组件提供了一个很好的例子，可以说明使用第一原理的多域建模。

直流伺服电动机是一个较大系统的一部分，该系统包含控制电子（H-Bridge）和连接到电动机轴上的磁盘。总体模型，spe_servomotor，如下所示，其中输入信号（V）是应用于H桥电路的电压信号，而输出信号（DEG）是电动机轴的角度位置。

open_system（'spe_servomotor'）

我们在DC伺服电动机子系统中开发了直流电动机的第一原理模型。我们使用SIMSCAPE电气来对电气组件和SIMSCAPE DRIVELINE进行建模，以建模电动机的机械组件。下图显示了伺服电机子系统的内容。

open_system（'spe_servomotor/dc伺服电机'）

直流电动机模型显示从电流到扭矩的关系（左侧的绿线）。扭矩导致电动机的轴旋转，我们之间的旋转与后电动势（电动力）之间有关系。其余参数包括轴惯性，粘性摩擦（阻尼），电枢电阻和电枢电感。

尽管制造商可以为其中一些数量提供值，但它们仅是近似值。我们希望尽可能精确地估算这些参数，以确定它是否是实际DC伺服电机系统的准确表示。

当我们在电动机输入中应用一系列电压脉冲时，电动机轴响应。但是，如果模型参数与物理系统的参数不匹配，则模型响应也不匹配实际系统的响应。这是Simulink®设计优金宝app化™在估计参数值中起关键作用的地方。参数估计过程包括许多定义明确的步骤：

金宝appSimulink设计优化提供了参数估计器App是一个用户界面，可帮助您执行参数估计，组织估算项目并保存为将来的工作。

双击伺服运动模型右下角的橙色块以启动参数估计器，预先加载该项目的数据。这是通过测量的实验数据配置的估计数据。对于其他用途，您可以从各种来源导入实验数据集，包括MATLAB®变量，MAT文件，Excel®文件或逗号分隔 - 值文件。这参数估计器还可以预先加载用于估算的伺服运动子系统的参数：b，，，，j，，，，公里，，，，洛杉矶， 和RA。它还配置了验证数据验证数据估计后，我们将在以后使用。测量数据中估计数据在实验图中显示。在此示例中，只有一个数据集用于估计。

实验图还用于查看测量数据与当前模型的匹配程度。点击图模型响应在里面参数估计选项卡以在实验图上显示模拟信号数据。模拟与测量数据不匹配，表明需要估算模型参数。

选择估计参数

金宝appSimulink设计优化使您可以以最适合您的应用程序的方式估算模型中的某些或所有参数。通过单击选择估计参数选择参数在里面参数估计标签。对于我们的直流电动机示例，我们已经加载了电机模型的五个参数：b，，，，j，，，，公里，，，，洛杉矶， 和RA。由于我们从身体的见解中知道，这些参数都不是负面的，因此我们将其下限设置为零。

DC电机模型的估计参数

根据指定估计的参数，我们选择用于估计的实验。点击选择实验在里面参数估计选项卡和选择估计数据用于估计。

现在，我们几乎准备开始估算，但首先创建另一个图来监视估计进度。点击添加图并选择参数轨迹。这创建了一个图，该图显示了参数值在估计过程中的变化。点击看法标签布置图，以使实验图和轨迹迭代图都可见。

点击估计按钮参数估计选项卡以启动估计。估计将继续迭代参数值，直到估计收敛并终止。参数估计提供了各种最新的估计方法。最常见的选择包括非线性最小二乘和Nelder-Mead优化方法。有关这些方法的更多信息可在“优化工具箱™文档”中获得。您还可以在全局优化工具箱中使用模式搜索方法进行参数估计。

下图显示了与模拟数据叠加的测量数据。模拟数据来自带有估计参数的模型。比较估计过程前后系统的响应清楚地表明，估计成功识别了模型参数，模拟响应准确地匹配了实验数据。

验证

完成估计后，重要的是要针对其他数据集验证结果。成功的估计不仅应匹配我们用于估计的实验数据，还应匹配我们在实验中收集的其他数据集。

我们使用了第二个数据集验证数据用于验证估计结果。如下图所示，模型响应与数据集之间的匹配非常好。实际上，对于此示例，这两条曲线几乎相同。

概括

跨学科和行业的工程师和科学家非常了解建模动态系统的好处。他们可以使用第一原理数学或基于测试数据的方法。第一原理模型为系统行为提供了重要的见解，但可能缺乏准确性。数据驱动的模型提供了准确的结果，但倾向于对系统物理学的了解有限。本文显示了使用参数估计来通过使用实验数据估算模型参数来提高直流伺服电机模型的准确性。

关闭模型

bdclose（'spe_servomotor'）