周期性扰动抑制设备和周期性扰动抑制方法

技术领域

本发明涉及用于抑制由控制对象产生的周期性扰动的周期性扰动抑制设备和抑制方法。

背景技术

当具有学习功能的控制设备和电机控制设备运行时，控制对象有时产生周期性扰动。

在例如电机作为产生周期性扰动的控制对象的情况下，产生被称为转矩波动（torque ripple）的脉动（pulsation），它导致多种问题，比如振动、噪声、乘坐不舒服、机器谐振等。确切地说，在广泛使用的磁体嵌入型同步电机（后文将称为PM电机）中，复杂地产生齿槽转矩波动和磁阻转矩波动。为了抑制这种产生，通过以电气方式向控制对象施加补偿信号以抵消脉动来抑制转矩波动的多种方法是已知的。

这些方法能够粗略地分为两种，一种为前馈补偿方法，其基于对电磁场的分析结果和近似表达式来补偿转矩波动，而另一种为反馈方法。

反馈方法分组为通过转矩计进行学习的方法、通过根据电机电流波动估计转矩波动来进行抑制控制的方法、以及基于检测出的电流值和转速值来进行抑制控制的转矩波动扰动观测器方法。尽管这些反馈方法能够联机地应对波动特性变动，但是这些方法有在根据电流波动估计转矩波动时不可避免地产生的近似误差以及在高频频带工作时由扰动观测器滤波器呈现的频带限制。

转矩波动是由电机的旋转变动程度产生的周期性扰动，并且即使在电机以更低速度运转时，周期性扰动的更高阶分量也趋于与机器谐振频率匹配。所以，在对振荡式的可变速驱动系统应用学习控制的情况下，必须考虑针对由振幅突变和相位反转导致的不稳定现象的应对措施。为了实现这一点，通常需要借助于复杂的高阶模型以及对该模型的适当的控制/调整，因此对诸如转矩波动之类的周期性扰动的有效控制是困难的。用于抑制这样的周期性扰动的措施根据专利文献-1已知。

在专利文献1的措施中，如从图18所见，转矩命令Tref被输入到命令值转换部分1以产生与电机的旋转同步的旋转坐标系的d轴和q轴（相互垂直的dq轴）的电流命令id*和iq*，并且这些电流命令被输入到反相器2（向量控制设备）以经受向量控制。基于电流命令id*和iq*，反相器2产生输出以控制PM电机3，该PM电机3通过轴连接到负载。由轴上安装的转矩检测设备检测出的轴转矩检测值Tdet和由轴上安装的位置检测设备检测出的转子相位角θ被输入到观测器部分4中。

在观测器部分4中，PM电机3的周期脉动由傅里叶变换的频率分量提取装置（傅里叶变换部分FT）检测为直流电流，而频率分量上的周期性扰动由周期性扰动观测器补偿部分4a估计，并且估计值以抑制周期性扰动的方式被加到电流命令iq*。

由图18中SC所表示的是n阶（或维）正弦/余弦波生成部分，而Tr表示转换周期且n表示补偿阶次（或度）。

周期性扰动观测器补偿部分4a用作抑制周期性扰动的控制装置之一，并且补偿部分4a的基本构造与常规的扰动观测器的相同，且部分4a分开地控制扰动分量。通过使用对每个频率分量都呈现复向量的系统识别模型作为扰动观测器的逆系统模型，直接估计并补偿要控制的频率的扰动。利用这种方式，尽管控制构造在构造上相对简单，但是不论阶次如何针对预期频率都能够获得显著的控制效果。

现有技术文献

专利文献

专利文献1：国际公布WO2010/24195A1

非专利文献

非专利文献1：Y.Tadano,et al.“Periodic Learning SuppressionControl of Torque Ripple Utilizing System Identification forPermanent Magnet Synchronous Motors”,IEEE IPEC-Sapporo,pp.1363-1370（2010）。

发明内容

本发明要解决的问题

图19是专利文献1中所示的周期性扰动观测器的控制框图，其中简单地示出n阶（维）分量。

P_n：设备，P^_n：系统识别模型

r_n：控制命令

d_n：周期性扰动，d^_n：周期性扰动估计值

y_n：控制对象的输出

附加的n意味着n阶分量。

*以上变量都是由X_n=X_An+jX_Bn表示的复向量。

G_F（S）：低通滤波器

控制对象=要控制的对象

PDO：周期性扰动观测器（周期性扰动的观测器）

首先，系统识别先前被应用到作为控制对象的设备P_n，并且结果被表示为一阶复向量（1）。

P^_n=P^_AN+j P^_Bn………………（1）

应当注意，P^_An是识别结果的n阶分量的实部，而P^_Bn是识别结果的n阶分量的虚部。

例如，在通过针对每一1Hz使用复向量来表示应用到1至1000Hz的系统识别结果的情况下，能够构成包含一千个一阶复向量元素的表。也能够通过近似等式来表示识别结果。在两种措施中，系统模型总是能够通过使用更简单的一阶复向量来表示。

应当注意，将在以下出现的P^_n、r_n、d_n、d^_n和y_n是由X_n=X_An+jX_Bn表示的复向量。

为了进行控制，设备输出（控制对象输出y_n）通过简化傅里叶变换的低通滤波器G_F（S），以便提取作为周期性扰动的控制对象的频率分量。提取的频率分量被与表示为上述系统设备模型的倒数P^_n^-1的逆系统相乘，相乘结果与上游定位控制器所产生的控制命令值r_n之间的差被引向加法器A1，从而估计周期性扰动d_n。在加法器A2处从控制命令值r_n减去作为补偿命令值的估计的周期性扰动值d^_n，从而抑制添加到加法器A3的周期性扰动d_n。上述流程是由周期性扰动观测器抑制周期性扰动的控制方法。

在这个控制方法中对于控制最重要的基础是关于系统识别模型的真实值的精度。为了提高对周期性扰动的抑制能力，系统识别要求非常高的精度。

不过，难以获得高精度系统识别。也就是，有必要考虑由于长时间使用引起的设备变动、对设备特性变动的频繁维护等。相对于真实值的误差引起直到抑制控制终止为止稳定时间的延长，并且在最糟糕的情况下，抑制控制自身因相位误差构成了扰动分量，这引起不稳定控制的高可能性。所以，一直要求改进识别模型误差的稳健性。

提供本发明是为了解决上述问题，并且本发明的目的之一是提供能够校正系统识别模型的误差的周期性扰动抑制设备。

解决问题的手段

为了解决上述问题，如权利要求1定义的周期性扰动抑制设备的特征在于具有：

周期性扰动抑制装置，具有在其上游部分处的、发出控制命令值的控制器，以及周期性扰动观测器部分，由所述周期性扰动观测器部分将作为产生周期性扰动的控制对象的输出的、抑制控制对象的周期性扰动的频率分量与由系统识别模型的倒数表示的逆系统相乘，从而估计周期性扰动，由所述周期性扰动观测器部分估计出的所述周期性扰动被作为补偿命令值从上述控制命令值中减去，从而抑制所述周期性扰动；

相位校正量计算装置，通过计算在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间，依据所述周期性扰动的每个频率分量在复向量平面上绘制的向量轨迹的相位，来导出相位校正量；

增益校正量计算装置，通过被输入来自所述控制对象的所述输出，来校正来自所述控制对象的所述输出的增益；以及

旋转向量计算装置，通过将来自所述相位校正量计算装置的所述相位校正量与来自所述增益校正量计算装置的所述增益校正量相乘到一起，来计算系统识别模型校正值，并且，基于所述系统识别模型校正值，来校正所述周期性扰动抑制装置的所述系统识别模型。

如权利要求2定义的周期性扰动抑制设备是使用电机作为所述控制对象的设备，来自所述电机的输出被输入到所述周期性扰动观测器部分以估计周期性扰动，来自所述周期性扰动观测器部分的所估计出的周期性扰动被作为补偿命令值从所述控制命令值中减去，以通过反相器控制所述电机，其中：

所述相位校正量计算装置通过被输入所述电机的所述输出，来计算依据所述周期性扰动的所述频率分量绘制的向量轨迹的相位；

所述增益校正量计算装置被输入所述电机的所述输出，以计算依据所述周期性扰动的所述频率分量绘制的所述向量轨迹的行进速度，将所述行进速度与阈值进行比较，并且，重复所述计算和比较多次以计算增益校正量；以及

所述旋转向量计算装置通过将来自所述相位校正量计算装置的所述相位校正量与来自所述增益校正量计算装置的所述增益校正量相乘到一起，来计算系统识别模型校正值，并且，基于所述系统识别模型校正值，来校正所述周期性扰动观测器部分的所述周期性扰动的所述系统识别模型。

如权利要求3定义的周期性扰动抑制设备是特征如下的设备，通过将先前计算出的相位校正量θ^ref_n-1相加到权重a与旋转角度θ的乘积，来导出由所述相位校正量计算装置提供的所述相位校正量θ^ref_n。

如权利要求12定义的周期性扰动抑制方法的特征在于具有：

周期性扰动抑制步骤，具有在其上游部分处的、发出控制命令值的控制器，以及周期性扰动观测器部分，由所述周期性扰动观测器部分将作为产生周期性扰动的控制对象的输出的、抑制控制对象的周期性扰动的频率分量与由系统识别模型的倒数表示的逆系统相乘，从而估计周期性扰动，由所述周期性扰动观测器部分估计出的所述周期性扰动作为补偿命令值从上述控制命令值中减去，从而抑制所述周期性扰动；

相位校正量计算步骤，通过计算在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间、依据所述周期性扰动的每个频率分量在复向量平面上绘制的向量轨迹的相位，来导出相位校正量；

增益校正量计算步骤，通过被输入来自所述控制对象的所述输出，来校正来自所述控制对象的输出的增益；以及

旋转向量计算步骤，通过将来自所述相位校正量计算装置的所述相位校正量与来自所述增益校正量计算装置的所述增益校正量相乘到一起，来计算系统识别模型校正值，并且，基于所述系统识别模型校正值，来校正所述周期性扰动抑制装置的所述系统识别模型。

如权利要求13定义的周期性扰动抑制方法是使用电机作为所述控制对象的方法，来自所述电机的输出被输入到所述周期性扰动观测器部分以估计周期性扰动，来自所述周期性扰动观测器部分的所估计出的周期性扰动被作为补偿命令值从所述控制命令值中减去，以通过反相器控制所述电机，其中：

所述相位校正量计算步骤通过被输入所述电机的所述输出，来计算依据所述周期性扰动的所述频率分量绘制的向量轨迹的相位；

所述增益校正量计算步骤被输入所述电机的所述输出，以计算依据所述周期性扰动的所述频率分量绘制的所述向量轨迹的行进速度，将所述行进速度与阈值进行比较，并且，重复所述计算和比较多次以计算增益校正量；以及

所述旋转向量计算步骤通过将来自所述相位校正量计算装置的所述相位校正量与来自所述增益校正量计算装置的所述增益校正量相乘到一起，来计算系统识别模型校正值，并且，基于所述系统识别模型校正值，来校正所述周期性扰动观测器部分的所述周期性扰动的所述系统识别模型。

利用上述特征，用作周期性扰动观测器的系统识别模型的误差能够适当地校正，因此，针对识别模型的误差的稳健性能够提高。

如权利要求4定义的周期性扰动抑制设备的特征在于，在所述旋转向量计算装置的输出侧设置学习功能部分，由所述旋转向量计算装置导出的系统识别模型校正值被存储在所述学习功能部分中，对所述系统识别模型的误差的校正值被学习，学习到的值被输入到所述周期性扰动观测器部分并与所述识别模型校正值相乘以产生更新后的识别模型校正值。

利用上述特征，能够学习（存储）针对给定频率的识别模型的误差的校正值，从而在针对相同频率的重复操作期间直到校正完成为止的学习时间能够缩短，或者可能不需要进行学习。

如权利要求5定义的周期性扰动抑制设备的特征在于，识别模型校正功能部分被设置给所述学习功能部分，由所述识别模型校正功能部分重复在所述系统识别模型校正值被存储时的操作点的移动/改变，当所述操作点的所述移动结束时，对所述周期性扰动的抑制控制被开启，而当所述抑制控制完成时，在存储所述系统识别模型校正值的同时，对所述周期性扰动的所述抑制控制被关闭。

利用上述特征，即使系统识别有误差时，也能够由模型校正功能完成抑制控制，并且同时能够获得新的识别模型。

如权利要求6定义的周期性扰动抑制设备的特征在于，所述学习功能部分设有插值校正装置，从而在进行学习后所述系统识别模型校正值能够具有任意频率范围。

利用上述特征，通过令特定频率上的学习结果影响到周围频率范围，在频率变动时稳定并学习抑制控制所需的时间能够缩短。

如权利要求7定义的周期性扰动抑制设备的特征在于，向所述相位校正量计算装置、所述增益校正量计算装置和所述旋转向量计算装置分别提供所述周期性扰动的n阶频率分量。

利用上述特征，即使经历系统识别模型的误差估计和抑制的多个周期性扰动频率分量同时存在时，也能够关于它们进行适当的对应。

如权利要求8定义的周期性扰动抑制设备的特征在于具有：

周期性扰动抑制装置，具有在其上游部分处的、发出控制命令值的控制器，以及周期性扰动观测器部分，由所述周期性扰动观测器部分将作为产生周期性扰动的控制对象的输出的、抑制控制对象的周期性扰动的频率分量与由系统识别模型的倒数表示的逆系统相乘，从而估计周期性扰动，由所述周期性扰动观测器部分估计出的所述周期性扰动被作为补偿命令值从上述控制命令值中减去，从而抑制所述周期性扰动；

相位计算装置，计算从一个周期前检测出的位置延伸到检测出的当前位置的向量旋转角度作为由所述系统识别模型的误差引起的相位误差，所述相位旋转角度被相对于如下向量定义，在所述向量中，在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间依据所述周期性扰动的每个频率分量在复向量平面上绘制的向量轨迹从所述检测出的当前位置移动到原点位置；

增益计算装置，根据向量轨迹的所述增益的当前值和所述向量轨迹的所述增益的期望值，来计算由所述系统识别模型的所述误差引起的增益误差，所述向量轨迹是在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间依据所述周期性扰动的每个频率分量被绘制在复向量平面上的；以及

校正命令值计算装置，计算旋转向量作为针对所述系统识别模型的校正命令值，所述旋转向量是通过将由所述相位计算装置计算出的所述相位误差与由所述增益计算装置计算出的所述增益误差相乘到一起而导出的，

其中，所述系统识别模型被通过由所述校正命令值计算装置计算出的所述校正命令值而校正。

如权利要求14定义的周期性扰动抑制方法的特征在于具有：

周期性扰动抑制步骤，具有在其上游部分处的、发出控制命令值的控制器，以及周期性扰动观测器部分，由所述周期性扰动观测器部分将作为产生周期性扰动的控制对象的输出的、抑制控制对象的周期性扰动的频率分量与由系统识别模型的倒数表示的逆系统相乘，从而估计周期性扰动，由所述周期性扰动观测器部分估计出的所述周期性扰动被作为补偿命令值从上述控制命令值中减去，从而抑制所述周期性扰动；

相位计算步骤，计算从一个周期前检测出的位置延伸到检测出的当前位置的向量旋转角度作为由所述系统识别模型的误差引起的相位误差，所述相位旋转角度被相对于如下向量定义，在所述向量中，在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间依据所述周期性扰动的每个频率分量在复向量平面上绘制的向量轨迹从所述检测出的当前位置移动到原点位置；

增益计算步骤，根据向量轨迹的所述增益的当前值和所述向量轨迹的所述增益的期望值，来计算所述系统识别模型的所述误差的增益误差，所述向量轨迹是在所述周期性扰动抑制装置进行所述周期性扰动抑制控制期间依据所述周期性扰动的每个频率分量被绘制在复向量平面上的；

校正命令值计算步骤，计算旋转向量作为对所述系统识别模型的校正命令值，所述旋转向量是通过将由所述相位计算装置计算出的所述相位误差与由所述增益计算装置计算出的所述增益误差相乘到一起而导出的；以及

通过所述计算出的校正命令值来校正所述系统识别模型的步骤。

利用上述特征，能够校正系统识别模型的误差，从而由于精确设置的识别模型的作用，能够执行理想的抑制控制。

如权利要求9定义的周期性扰动抑制设备的特征在于，所述相位计算装置通过如下方式来导出所述旋转角度，所述方式是将如下一旋转角度相加到如下另一旋转角度，所述一旋转角度是相对于从一个周期前检测出的位置向检测出的当前位置看的向量，从所述向量轨迹的一个周期前检测出的位置向原点位置延伸的旋转角度，所述另一旋转角度是相对于从一个周期前检测出的位置向检测出的当前位置看的向量，从检测出的当前位置向原点位置延伸的旋转角度。

利用上述特征，由于考虑了过去状态以及当前状态来计算由系统识别模型的误差所引起的相位误差，所以能够提高校正精度。

如权利要求10定义的周期性扰动抑制设备的特征在于，所述相位计算装置通过将所述旋转角度与期望旋转角度之间的差传递通过PI控制器来计算所述相位误差，并且所述增益计算装置通过将所述增益的所述当前值与期望值之间的差传递通过所述PI控制器来计算所述增益误差。

利用上述特征，能够提高对向量轨迹的追随能力。

如权利要求11定义的周期性扰动抑制设备的特征在于，向所述相位计算装置、所述增益计算装置和所述校正命令值计算装置提供所述周期性扰动的数阶所述频率分量，并且，每阶所述频率分量的校正命令值被导出用于校正所述系统识别模型。

利用上述特征，即使在同时存在用于抑制或校正系统识别模型的、周期性扰动的多个频率分量时，也能够抑制多阶的周期性扰动。

本发明的优点

（1）根据权利要求1至7的发明，用作周期性扰动观测器的系统识别模型的误差能够适当地校正，因此，针对识别模型的误差的稳健性能够提高。

（2）根据权利要求4的发明，能够学习（存储）针对给定频率的识别模型的误差的校正值，从而在针对相同频率的重复操作期间直到校正完成为止的学习时间能够缩短，或者可能不需要进行学习。

（3）根据权利要求5的发明，即使系统识别包含误差时，也能够由模型校正功能建立抑制控制，并且同时能够获得更新后的识别模型。

（4）根据权利要求6的发明，通过令特定频率中的学习结果影响到周围频率，即使在频率变动时也能够稳定抑制控制并缩短学习所需的时间。

（5）根据权利要求7或11的发明，即使在系统识别模型的误差估计和抑制与周期性扰动的多个频率分量同时存在时，也能够容易地采取适当措施。

（6）根据权利要求8、9、10、11或14的发明，能够校正系统识别模型的误差，从而提供精确设置的识别模型，能够执行合适的抑制控制。

（7）根据权利要求9的发明，由于借助于过去状态以及当前状态来计算由系统识别模型误差所引起的相位误差，所以能够提高校正精度。

（8）根据权利要求10的发明，能够提高对向量轨迹的追随能力。

附图说明

图1是第一实施例的识别模型校正部分的框图。

图2是第一实施例中用于决定增益校正时间的流程图。

图3是第二实施例的识别模型校正部分的框图。

图4是示出本发明中使用的复向量平面轨迹的示图，它讲解了由系统识别模型误差导致的相位误差。

图5（a）和（b）示出向量平面轨迹的实例，其中（a）是系统识别模型无误差时提供的向量轨迹图表，而（b）是系统识别模型有误差时提供的向量轨迹图表。

图6（a）和（b）示出仿真下在第二实施例中提供的系统识别图表。

图7（a）、（b）和（c）示出描绘出第二实施例中无学习功能的仿真的结果的图表。

图8（a）、（b）和（c）示出描绘出第二实施例中有学习功能的仿真的结果的图表。

图9（a）、（b）和（c）示出描绘出第二实施例的修改后模型中仿真结果的图表。

图10是第三实施例中用于抑制不正确的学习的处理中使用的流程图。

图11示出在第四实施例中的在同时检测多阶次时采用的框图。

图12（a）、（b）和（c）示出用于讲解在第五实施例中使用的插值处理的图表。

图13是在第六实施例中使用的系统识别模型校正器的控制框图。

图14是示出在将本发明应用到有误差的系统识别模型时显现的向量轨迹的图表。

图15是示出用于讲解本发明第七实施例原理的复向量平面轨迹的视图。

图16是在第八实施例中使用的系统识别模型校正器的控制框图。

图17示出图示第九实施例的框图。

图18是常规扰动抑制设备的框图。

图19是周期性扰动观测器的控制器的框图。

具体实施方式

下面将参考附图介绍本发明的实施例。不过应当注意，本发明不限于后文介绍的实施例。在这些实施例中，对系统识别模型误差（即系统识别模型的误差）进行学习并校正学习到的误差。在以下实施例中，存在作为控制电机的实例讲解转矩波动控制的情况。不过，本发明不限于这样的控制。

第一实施例：

首先，作为要被控制的输出（或受控输出），将关注例如在实轴上示出n阶脉动提取分量（余弦系数）T_An和在虚轴上示出n阶脉动提取分量（正弦系数）T_Bn的复向量平面上绘制的转矩波动的每个频率分量的轨迹。

图4是示出复向量平面轨迹的示图。由100_n指示的是示出从开始抑制起经过时间[t=t_n]时显现的位置（即检测出的当前位置），而由100_n-1指示的是示出从开始抑制起经过时间[t=t_n-1]时显现的位置（即一个周期前检测出的位置）。

如果系统识别模型相对真实值没有误差，则向量轨迹从控制开始点延伸到原点，从例如示出向量平面轨迹的图5（a）所见，不存在转矩波动（周期性扰动）。也就是，向量轨迹以最佳响应时间直线地指向原点。正如从图5（b）所见，如果系统识别模型相对真实值有误差，则迫使向量轨迹绘制曲线或圆形轨迹，并且在最糟糕的情况下，向量轨迹指向无限远的方向。

这个实施例假设通过将n阶补偿电流命令值设置为0（零）来抵消转矩波动（图13所示的周期性扰动d_n）。不过，在把命令值设置为不等于0（零）的值的情况下，向量平面中所示的补偿电流值的位置对应于原点。

在本发明中，在抑制控制期间，包括以下等式（2）中增益G^ref和相位θ^ref的旋转向量P_n^ref被根据以上提及的有关轨迹的信息连续地确定，并且从等式（3）所见，通过将旋转向量与识别模型P^_n相乘，来校正识别模型以得到更新后的识别模型P’_n。更新后识别模型P’_n被应用到在周期性扰动观测器PDO中使用的逆系统识别模型。

P_n^ref=G^ref·(cosθ^ref+jsinθ^ref)…………(2)

P’_n=P^_n·P_n^ref......................(3)

图1示出描绘出第一实施例的识别模型的校正部分的框图，该校正部分实现等式（2）和（3）。图1以简单方式示出图19中的与频率分量有关的部分，并且图1中与图19的部分相同的部分由相同的附图标记指示。

在系统识别模型的校正部分的框图中，由10指示的是真实设备，11是作为本发明的相位校正量计算装置的相位校正量计算部分，该相位校正量计算部分根据设备10的控制对象的输出y_n，计算依据周期性扰动的每个频率分量所绘制的向量轨迹的相位（旋转角度）θ，并且正如后文将介绍的，计算校正量θ^ref。

由12指示的是作为本发明的增益校正量计算装置的增益校正量计算部分，该增益校正量计算部分根据控制对象的输出y_n，计算依据周期性扰动的每个频率分量所绘制的向量轨迹的行进速度（即当前增益值）|v|，并且基于图2的流程图校正该行进速度。

由13指示的是作为本发明的旋转向量计算装置的旋转向量计算部分，该旋转向量计算部分基于等式（2），通过将θ^ref与增益G^ref相乘，计算旋转向量P_n^ref（对系统识别模型的校正命令值），并且通过旋转向量P_n^ref校正周期性扰动观测器部分14的系统识别模型。控制对象的输出y_n和控制命令都输入到周期性扰动观测器部分14中，并且进行由图13的框图所描绘的计算以导出周期性扰动估计值D^_n，并且在加法器A2从控制命令r_n中减去周期性扰动估计值D^_n以抑制在加法器A3处加入的周期性扰动d_n。

基于等式（2）的相位校正量θ^ref按以下方式确定。

正如图4所示，指向原点并被放置在从开始控制时间起经过时间[t=t_n]后确定的位置（T_An，T_Bn）的向量将被记为P_t，而从时间[t=t_n-1]到时间[t=t_n]的向量将被记为v。从P_t看的v的旋转角度将被记为θ。如果不存在模型误差，则θ总是0（零）。当相位校正量θ^ref被反转为检测出的相位θ时，就能够校正系统识别模型的误差。

θ=tan^-1(P_t×v/P_t·v)……………(4)

在等式（4）中，[×]表示外积而[·]表示内积。

如果模型误差小到不借助于校正就能够进行抑制的程度，则周期性扰动观测器部分产生在θ=0的方向上的补偿命令。如果存在任何模型误差，则在考虑值θ类似于识别模型的相位误差情况下确定校正量。为了减轻由与相位误差的相似性所引起的影响，本发明的相位校正量计算部分11通过将先前的相位校正量θ^ref_n-1与权重a和旋转角度θ的乘积相加来导出θ^ref，如等式（5）所示。

应当注意，相位校正量θ^ref_n的初始值是0（零）。利用此处理，即使在突然发生变化时也能够适当地调整值θ^ref，从而灵活的方式被预期，并且从而能够在使θ为零的方向上校正模型。

θ^ref_n=θ^ref_n-1–a·θ…………………(5)

增益校正量计算部分12基于图2的流程图来确定校正后增益G^ref。即使在相位误差小时，如果增益误差大，则也趋于出现把目标点用作中心的振动动作和非常长的收敛时间。通过进行增益校正以及相位校正，能够建立对模型误差高度稳健的校正控制。

借助于确定校正后增益的图2的流程图，根据图4的位置向量P_t和速度向量v确定校正后增益G^ref。图2从始至终的步骤与抑制控制并行地周期性重复，所以增益校正量被接连地（one after another）确定。关于校正量的调整方向，校正后增益G^ref的增大/减小对应于行进速度的降低/提高。校正后增益G^ref的初始值被设置为1（一）。

下面将介绍图2的（A）至（E）的处理过程。

（A）如果位置向量的绝对值|r|等于或小于阈值rth，则判定已经出现收敛状态所以不进行调整。

（B）为了防止猛烈的行为，以相对短的周期（例如，每几十[毫秒]）进行行进速度的控制。行进速度|v1|是根据速度向量计算的，并且因为判断阈值与|r|成比例所以将它确定为k·|r|。如果行进速度|v1|等于或高于阈值，则判定增益短缺所以校正后增益G^ref被增大a1[%]。应当注意，a1和k是能够被任意设置的参数。

（C）校正控制的循环周期被分成N段，并且以这个循环周期（例如，每几[秒]）计算行进速度|v2|。

（D）如果|v2|等于或低于阈值vth，则判定增益过高所以校正后增益G^ref被减小a2[%]。通过这样做，抑制了延迟的收敛状态并提高了行进速度。应当注意，vth和a2是能够被任意设置的参数。

（E）校正后增益G^ref最终受限并在存储器中存储最终值。

正如上文介绍，通过使用（Y_AN，Y_BN）的向量轨迹以及上述相位和增益校正方法，识别模型被使用等式（3）校正。

所以，在这个实施例中，能够适当地校正在周期性扰动观测器中使用的系统识别模型的误差，从而能够提高针对系统识别模型误差的稳健性。

第二实施例：

在上述第一实施例中，提供了在给定频率中适当地校正周期性扰动观测器部分的系统识别模型的装置。而在第二实施例中，通过设置用于存储最终导出的校正后值P_n^ref的存储器，设置学习（存储）功能。

图3示出具有学习功能的识别模型校正部分的框图。由15指示的是存储器，该存储器通过开关16输入旋转向量计算部分13的输出P_n^ref，并且同时输入PM电机的角速度nω。应当注意，存储器15和开关16构成学习功能部分。

在最终校正后旋转向量P_n^ref被接收到并存储在存储器15中的定时开关16进行开/关操作，并且针对旋转向量的存储定时是由于应用到识别模型的校正处理而已经充分地抑制周期性扰动时的定时或时间。通过在这样的定时把旋转向量P_n^ref存储在存储器15中，应用到周期性扰动观测器部分14的输出从P_n^ref改变为P_n^mem。正如可能与等式（3）类似的以下等式（6）所指示，在周期性扰动观测器14中，为了导出校正后识别模型P_n’，进行了P_n^mem的相乘。

P’_n=P^_n·P_n^ref·P_n^mem..............(6)

图6至图9示出两种试验仿真的结果，一种是使用学习功能的本实施例的试验仿真而另一种是不使用学习功能的试验仿真。在试验仿真中，旋转速度和转矩被保持在固定条件下（42[Hz]），(极数=4)，（30[Nm]），并且校正后循环周期是20[ms]。在转矩波动条件下，对电频率的一次和二次频率分量（1f，2f）施加一定量的波动。在分别示出增益和相位（即仿真系统识别图示）的图6（a）和6（b）中，由a线指示的是标称模型，由b线指示的是变动模型1，而由c线指示的是变动模型2。

对于系统识别模型的误差条件，在进行试验仿真之前，图6（a）和6（b）所示的模型被设置为逆标称识别模型，并且通过把真实设备记为变动模型1而进行了误差设置。图7（a）、7（b）和7（c）示出禁用学习功能的情况，而图8（a）、8（b）和8（c）示出启用学习功能的情况。在这些附图中，带有附加标记（a）的附图每幅都示出禁用学习功能情况下的向量轨迹，带有附加标记（b）的附图每幅都示出距原点（T_an）、（T_bn）的距离|r|与时间之间的关系，并且带有附加标记（c）的附图每幅都示出轴转矩与时间之间的关系。

正如从图8（a）和8（b）将理解，在标称识别模型中，对相位误差和指向发散方向的速度的控制恰好在抑制控制之后开始，从而同样在1f和2f的情况下，在没有抑制控制的发散的情况下进行转矩波动的抑制。

图9（a）、9（b）和9（c）示出系统突变和扰动变动的验证结果。为了验证，在图6（a）和6（b）描绘的变动模型1中完成抑制的条件下，变动模型2经历系统突变，并且同时转矩波动加倍。正如从图9（a）、9（b）和9（c）的图表所见，识别模型呈现出针对系统突变和扰动变动的适当校正并且抑制了发散动作，所以实现了对转矩波动的抑制。

所以，根据这个实施例，除了第一实施例的效果之外，还实现了对针对一定频率处的识别模型误差的校正量的学习（或存储），所以能够缩短直到在相同频率处的重复操作下校正完成为止的学习时段，或者在极端情况下，学习可能变得不必要。

第三实施例：

为了学习图3中识别模型的校正量，该校正量被存储在存储器（学习功能部分）中。在设备工作的全范围内或者在改变操作点的同时重复学习操作的给定范围中进行学习操作。不过，在这样的学习操作期间，容易发生误学习。

在第三实施例中，开启/关闭抑制控制以便抑制当操作点移动时会发生的误学习。

图10示出由上述学习功能部分提供的识别模型校正功能部分所执行的处理序列。在步骤S1，操作点被移动，而在步骤S2，对移动是否已经完成进行判断。如果移动已经完成，则在步骤S3开始抑制控制。在步骤S4，对抑制控制是否已经完成进行判断，如果抑制控制已经完成，则在步骤S5进行存储，并且在步骤S6，关闭抑制控制。最后，在步骤S7，对全部操作点的移动是否已经完成进行判断。这种判断持续直到判断出完成为止，所以完成了用于校正后全频率范围的识别模型。在就给定操作点执行处理序列的情况下，通过采用任意方法导出间歇点。

通过这样做，即使系统识别包含误差，也能够通过模型校正功能来完成抑制控制，并且同时能够获得新的识别模型。

第四实施例：

在上述实施例中，通过估计指定频率分量的识别模型误差来使得能够进行校正。在这第四实施例中，正如从图11所见，设置“n”个（周期性扰动的频率分量的阶次n）观测器部分20₁到20_N，每个都具有识别模型校正装置，以便针对每个阶次并行地进行识别模型误差的估计和校正，比如在图1和图3的控制系统中进行的估计和校正。

具有相应的识别模型校正装置的观测器部分20₁到20_N的每一个都具有多个功能部分，比如被示出在图1和图3中的周期性扰动观测器部分14、相位校正量计算部分11、增益校正量计算部分12和旋转向量计算部分13，并且针对n阶控制命令r₁至r_N估计识别模型误差并输出作为系统识别模型的误差校正的结果的周期性扰动估计值d^₁到d^_N。

根据这个实施例，除了在上述第一和第二实施例中得到的优点之外，有进一步得到的优点，在进一步得到的优点中，即使在要被抑制并被用于估计系统识别模型误差的周期性扰动频率分量同时存在不止一个时，也能够进行适当的应对动作。

第五实施例：

尽管上述第二至第四实施例具有添加到其中的学习功能，但是学习点针对仅仅一个点频率。

也就是，在图12的频率响应图中，每幅都描绘出P_A（P_B）的关系，其中图12（a）是描绘出在初始状态中的系统识别模型的P_A（P_B）的关系的频率响应图。在上述实施例中，学习识别模型误差的结果形成为如图12（b）所描绘的那样，周期性扰动的抑制控制仅仅针对由模型的变动提供的指定频率点“x”或点“y”，从而能够学习模型误差的点仅仅针对指定频率。所以，如果点从已学习频率仅仅移动了小频率，则实际上不能够使用通过紧邻该频率的频率所获得的学习结果。如果控制对象是速度可变的设备，比如电机等，则即使频率变动非常细微也需要再学习。

所以，在第五实施例中，上述学习功能部分设有插值校正装置，正如图12（c）所描绘，由插值校正装置向学习点“x”和“y”的频率区应用插值处理，所以如从插值区“z”所见，能够相对于精确点（pinpoint）获得一定的频率范围。

所以，在这个实施例中，通过令指定频率处获得的学习结果影响周围频率，能够实现抑制控制的稳定性以及对频率变动进行学习所需时间的缩短。

第六实施例：

由图13中的附图标记30指示的是旋转角度计算部分，它基于控制对象的输出y_n，计算依据周期性扰动的每个频率分量绘制的向量轨迹的相位（旋转角度）θ，由附图标记31指示的是符号反转器件，该符号反转器件通过将上述相位θ反转，导出相位θ^ref（由系统识别模型误差引起的相位误差）。旋转角度计算部分30和符号反转器件31构成本发明的相位计算装置。

由附图标记40指示的是当前速度计算部分，它基于控制对象的输出y_n，计算依据周期性扰动的每个频率分量绘制的向量轨迹的当前速度（当前增益值）|v|，由附图标记41指示的是期望速度计算器件，该期望速度计算器件确定期望速度v^ref，由附图标记42指示的是计算器件，该计算器件基于上述|v|与v^ref之间的比率，计算增益G^ref（=|v|/v^ref:由系统识别模型误差所引起的增益误差）。当前速度计算部分40、期望速度计算器件41和计算器件42构成本发明的增益计算装置。

由附图标记50指示的是旋转向量计算部分，它通过把上述相位θ^ref与增益G^ref相乘到一起，计算旋转向量P^ref，以通过使用旋转向量P^ref来校正周期性扰动观测器PDO的系统识别模型。这个旋转角度计算部分构成本发明的校正命令值计算装置。

从图4将理解相位θ^ref。也就是，在附图中，从抑制控制开始起经过时间[t=t_n]时提供的位置100_n（T_An、T_Bn）在原点方向的向量由P_t指示，而从在时间[t=t_n-1]处提供的位置100_n-1到在时间[t=t_n]处提供的位置100_n的向量由v指示。从P_t看时所取得的v的旋转角度由θ表示，并且这个旋转角度被近似地视为相对系统识别模型的真实值的相位误差。考虑到这一点，使用等式（7）导出要在时间[t=t_n]处校正的角度θ^ref。

[表达式1]

θ^ref=-θ=-tan^-1(Pt×v)/(Pt·v)..............(7)

在等式（7）中，[×]意味着外积而[·]意味着内积。

为了导出G^ref，由期望速度计算器件21基于P_t的尺寸（离原点的距离）确定期望速度v^ref，并且通过使用计算器22从等式（8）导出作为相对于当前速度|v|的速率的值G^ref。

[表达式2]

G^ref=|v|/v^ref............................(8)

这个值将被视为由系统识别模型误差所引起的增益误差。

在本发明中，一旦确定期望速度v^ref，就基于所确定的期望速度校正系统识别模型，从而能够获得期望的响应。关于期望速度，也就是，抑制控制的响应速度或响应波的形状，它们不总是被设置为理想值，因为以其来应用控制有难度。不过，即使在这样的情况下，通过确定实现要求的期望速度也能够获得满意的期望响应。

图14示出如下仿真结果，其中，本发明被应用到有误差的图5（b）的状态。在应用本发明之前，轨迹是图5（b）所示的曲线。不过，在应用本发明之后，轨迹几乎变为直线，这证明了本发明的效果。

第七实施例：

通过对第六实施例提供角度校正精度方面的改进，来构成这第七实施例。图15示出通过把图5中复向量平面上的轨迹扩张到在时间[t=t_n-2]处所取得的位置100_n-2（即两个循环周期前检测出的位置）而提供的向量轨迹。在图15中，在时间[t=t_n]所取得的位置100_n处的角度误差由θ_tn指示。在上述第六实施例中，θ_tn被近似地视为相对于识别模型的真实值的相位误差。更确切地说，由于移动方向由周期性扰动观测器决定，所以存在以下可能性：在时间[t=t_n+1]处所取得的位置（即一个循环周期后检测出的位置），移动方向示出相对于已经通过θ^ref被校正的移动方向更大或更小的值。不仅如此，由于该校正产生其他误差也趋于发生。

考虑到以上情况，在第七实施例中，校正精度通过实际上使用过去信息而被提高。

在图15中，与上述等式（7）类似，计算从在时间[t=t_n-1]取得的原点方向上的位置100_n-1的向量P_t-1看时所获得的向量v的旋转角度θt_n-1。如此计算出的旋转角度能够被视为用于相对于实际移动方向、对在时间[t=t_n-1]取得的位置100_n-1进行校正的误差。考虑到这一点，根据示出旋转角度θt_n与旋转角度θt_n-1之和的等式（9），计算要对在时间[t=t_n]取得的位置100_n处进行校正的角度θ^ref。

[表达式3]

θ^ref=-(θt_n+θt_n-1)

=-{tan^-1(P_t×v)/(P_t·v)+tan^-1(P_t-1×v)/(P_t-1·v)}....(9)

因此，相对于上述第六实施例，第七实施例的不同点在于，取代上述相位（旋转角度）θ，旋转角度计算部分10计算θt_n+θt_n-1，而其他点与第六实施例（图13）一致。

如上所述，通过把旧数据校正后产生的误差反映到当前校正，能够提高校正的精度。

第八实施例：

在上述第六和第七实施例中，基于当前信息和过去信息唯一地确定旋转向量P^ref_n的增益G^ref和相位θ^ref。不过，使用图16的控制器件（61，62）也能够确定增益G^ref和相位θ^ref。

也就是，与第六实施例类似，针对向量轨迹的相位（旋转角度）θ和增益v的期望角度由期望角度计算器件63设置，而期望速度由期望速度计算器件64设置。期望速度与第六实施例中提到的相同而期望角度基本上为0（零）。

由期望角度计算器件63算出的期望角度与由旋转角度计算部分30算出的当前角度θ之间的差由加法器65导出，并且导出的差被输入到PI控制器61，而由期望速度计算器件64算出的期望速度与由当前速度计算部分40算出的当前速度|v|之间的差由加法器66导出，并且导出的差被输入到另一个PI控制器62，以分别计算相位θ^ref和增益G^ref。

应当注意，图16中与图13相同的若干部分由相同的附图标记表示。上述PI控制器61和62可以是常规类型，并且PID控制是可用的。

在第八实施例中，由旋转角度计算部分30算出的相位（旋转角度）可以是在第七实施例中提及的“θt_n+θt_n-1”以取代θ。

利用上述布置，与上述第六和第七实施例相比，提高了向量轨迹到期望值的追随能力。

第九实施例：

在上述第六、第七和第八实施例中，在指定频率分量中估计了识别模型误差，并且提到对误差的校正是可能的。在第九实施例中，正如从图17所见，提供“N”个（周期性扰动的频率分量的阶次n）PDO70P₁至70P_N，每一个都具有识别模型校正器，以便针对每个阶次并行地进行识别模型误差的估计和校正，比如在图13和图16的控制系统中进行的估计和校正。

每一个都具有识别模型校正器的PDO70P₁至70P_N中的每一个都具有被示出在图13（第六实施例）中的以下部分的功能：周期性扰动观测器PDO14、旋转角度计算部分30、符号反转器件31、当前速度计算部分40、期望速度计算器件41、计算器件42和旋转向量计算部分50，或者每一个都具有被示出在图16（第八实施例）中的以下功能：周期性扰动观测器14、旋转角度计算部分30、当前速度计算部分40、旋转向量计算部分50、PI控制器61和62、期望角度计算部分63、期望速度计算部分64以及加法器65和66，以便分别针对n阶控制命令r₁至r_N估计识别模型误差，并且输出作为基于估计的误差对系统识别模型校正的结果的周期性扰动估计值d^₁到d^_N。

利用上述布置，即使在要被抑制并被用于估计系统识别模型误差的周期性扰动频率分量同时存在不止一个时，也能够进行适当的的应对动作。

工业实用性：

本发明适用于例如对测力计系统的轴转矩谐振抑制、电机外壳的振动抑制（即用于改进电机车辆、电梯等的乘坐舒适度的设备），以及其他具有关于周期性扰动的问题的所有设备。

附图标记说明

1.....命令值转换部分

2.....反相器

3.....PM电机

4.....观测器部分

10...真实设备（控制对象）

11...相位校正量计算部分

12...增益校正量计算部分

13、50...旋转向量计算部分

14...周期性扰动观测器部分

15...存储器

16...开关

20₁至20_n.....具有模型误差校正器的PDO

30...旋转角度计算部分

31...符号反转器件

40...当前速度计算部分

41...期望速度计算器件

42...计算器件

61、62...PI控制器

63...期望角度计算器

65、66...加法器

70P₁至70P_N......具有识别模型校正器的PDO