(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210863606.2 (22)申请日 2022.07.20 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 杨宪强　刘新鹏　高会军　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 岳昕 (51)Int.Cl. G06K 9/00(2022.01) G06F 30/23(2020.01) G06N 7/00(2006.01) G06F 111/08(2020.01) G06F 119/14(2020.01)G06F 119/10(2020.01) (54)发明名称 一种基于状态空间模型的机电定位系统贝 叶斯辨识方法 (57)摘要 一种基于状态空间模型的机电定位系统贝 叶斯辨识方法， 涉及系统辨识及工业自动化技术 领域， 针对现有技术中由于测量信号中难以避免 包含噪声影响， 从而导致辨识精度低的问题， 本 申请方法用于定位系统的辨识问题， 可有效避免 传统方法对含噪位置信号做差分时， 造成的辨识 精度下降问题。 本申请方法首先针对机电定位系 统的连续时间动力学模型， 作有限差分后得到状 态空间模型， 收集到辨识数据； 然后引入系统噪 声分布及模 型参数的先验分布， 形成辨识问题的 概率描述； 最后基于变分贝叶斯算法， 推导得到 待辨识参数及系统状态的迭代更新公 式。 本申请 方法能够有效地提高机电定位系统参数估计的 精度， 对保证实际工业中定位平台的精度具有重 要的意义。 权利要求书6页 说明书12页 附图1页 CN 115186715 A 2022.10.14 CN 115186715 A 1.一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其特征在于包括以下步 骤： 步骤一： 建立机电定位系统的连续时间动力学模型， 将机电定位系统的连续时间动力 学模型作有限差分后转化为离散形式的状态空间模型， 收集机电定位系统中电机的控制输 入力矩数据， 并采集电机负载端的位置信号构成辨识数据集； 所述离散形式的状态空间模型包括状态转移方程和量测方程； 步骤二： 针对离散形式的状态空间模型， 引入系统噪声分布及模型参数的先验分布， 形 成机电定位系统辨识问题的概 率描述； 步骤三： 基于辨识数据集和机电定位系统辨识问题的概率描述， 在变分贝叶斯算法框 架下迭代更新， 得到待辨识参数及系统状态。 2.根据权利要求1所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述机电定位系统的连续时间动力学模型表示 为： 其中， q(t)、 分别为负载端的位移和速度， u(t)为控制输入力矩， M、 Fv、 Fc、 offset分 别为负载质量、 粘滞摩擦系数、 库仑摩擦系数和作用力偏移的待辨识参数。 3.根据权利要求2所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述状态转移方程表示 为： 其中， Δt＝25ms为系统采样时间， k为离散采样时刻， x1(k+1)、 x2(k+1)分别为第k+1时 刻的位置和速度， x1(k)、 x2(k)分别为第k时刻的位置和速度， θ1、 θ2、 θ3和 θ4为模型未知参数， θ1＝1‑FvΔt/M， θ2＝‑FcΔt/M， θ3＝Δt/M， θ4＝‑offset·Δt/M， u(k)为第k时刻的控制输入 力矩。 4.根据权利要求3所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述 量测方程表示 为： 其中， y(k)为测量得到的负载端位移数据。 5.根据权利要求4所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述电机的控制输入力矩数据表示 为： uk＝guck 其中， ck为控制器给 出的控制信号， gu为驱动器增益系数。权　利　要　求　书 1/6 页 2 CN 115186715 A 26.根据权利要求5所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述离 散形式的状态空间模型表示 为： xk+1＝Aφ(xk)+rk, yk＝Bφ(xk)+ek, 其中， yk＝y(k)， B＝[1 0 0 0 0]， φ(xk)＝ [x1(k) x2(k) sign(x2(k)) u(k) 1]T为非线性映射函数， rk和ek分别为状态噪声和量测噪 声。 7.根据权利要求6所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述系统噪声分布及模型参数的先验分布 表示为： 其中， σ 和 τ 为高斯分布的精度参数。 8.根据权利要求7所述的一种基于状态空间模型的机电定位系统贝叶斯辨识方法， 其 特征在于所述机电定位系统辨识问题的概 率描述表示 为： 其中， N为采样点数量， xk为第k时刻的系统状态， A和B为系统矩阵， U＝uo:N、 Y＝y0:N、 X＝ x0:N分别表示控制输入、 量测输出和系统状态的集合， p(Y|B ,X ,τ)、 p(X|A ,σ)、 分别为关于量测输出、 系统状态、 系统矩阵A、 系统矩阵B的条件概率 分布， p(σ )、 p( τ )分别为精度矩阵 精度矩阵 状态噪声和观测噪声 的精度参数先验分布， x0为初始状态， μ0和Λ0分别为x0的均值和精度参数， aij、 bij分别为矩 阵A、 B中的元素， αij分别为矩阵A中元素的均值和精度参数， βij为矩阵B中元素的均 值和精度参数， σd和 τm分别表示状态噪声和观测噪声精度参数的第d个和第m个元素， nx、 nφ、 ny分别为系统状态、 非线性映射函数和量测输出的维数， 和 分别表示伽马分布和 高斯分布， 和 为超参数。权　利　要　求　书 2/6 页 3 CN 115186715 A 3