基于具有类间隙滞后的三明治模型的非平稳卡尔曼滤波器用于定位阶段的状态估计

本篇研究论文提出了针对宏观运动定位阶段的状态估计，采用了具有类间隙滞后的三明治模型和非平稳卡尔曼滤波器（NKF）策略。该研究主要面向使用滚珠丝杠-螺母传动机制的机床和计算机数控（CNC）机床中心等场景。文章首先介绍了宏观运动定位阶段的特性，然后针对该特性建立了一种动态模型，并通过动态模型结合卡尔曼滤波器来对存在随机噪声的定位阶段进行状态估计。在实施非平稳卡尔曼滤波前，还开发了一种针对具有类间隙滞后的三明治系统的可观测性测试方法。将所提出的非平稳卡尔曼滤波方法应用于定位阶段进行状态估计。 宏观运动定位阶段通常用于机床和计算机数控（CNC）机床中心等设备。在宏观运动定位阶段中，伺服电机通过传动机构（如齿轮箱或滚珠丝杠-螺母）驱动工作平台。为了描述定位阶段的特性，可以使用线性动态子模型来描述伺服电机的行为，称为输入线性子模型；同时使用另一个线性动态子模型来描述工作平台的特性，称之为输出线性子模型。为了描述由传动机构中配合的齿轮间隙或滚珠丝杠和螺母之间的间隙导致的类似间隙滞后现象，开发了一种类似间隙滞后的滞后子模型，并将其嵌入在输入线性子模型和输出线性子模型之间。因此，宏观运动定位阶段可以由一种具有类似间隙滞后的三明治模型来描述。研究还提到一种递归识别策略，该策略已成功应用于宏观运动定位阶段的识别中。 在介绍非平稳卡尔曼滤波器之前，文章先讨论了宏观运动定位阶段的特性，包括如何利用线性动态子模型来描述伺服电机和工作平台的行为。文章强调了间隙滞后现象的重要性，并提出了相应的模型来解决这个问题。提出的非平稳卡尔曼滤波器方法考虑了随机噪声对定位阶段的影响，并基于考虑类似间隙滞后的动态模型，用于噪声环境下的状态估计。 在技术上，非平稳卡尔曼滤波器是一种扩展的滤波技术，用以处理具有非线性和非平稳噪声统计特性的问题。在本研究中，非平稳卡尔曼滤波器被用来估计宏观运动定位阶段的状态，以减少噪声的影响，提高定位精度。由于卡尔曼滤波器通常假定系统和测量噪声都是高斯分布的，并且具有一定的统计特性，但现实世界的许多系统并不符合这些假设，因此非平稳卡尔曼滤波器成为了处理此类问题的一个重要工具。 此外，为了确保卡尔曼滤波器在实施前能够有效地工作，研究还发展了一种可观测性测试方法。该方法用于检验系统在包含类似间隙滞后模型的情况下是否可被卡尔曼滤波器所估计。可观测性是控制理论中的一个重要概念，它决定了系统状态能否通过输入输出数据来唯一确定。在本研究中，开发的测试方法能够帮助判断系统是否能够被准确估计，从而确保状态估计的有效性。 总结来说，该研究针对宏观运动定位阶段中由于传动机构间隙带来的滞后现象，提出了一种创新的非平稳卡尔曼滤波器方法，并通过可观测性测试来提高其在实际应用中的鲁棒性和准确性。该方法通过整合间隙滞后模型来改善对机床和CNC机床中心等重要工业设备的定位精度，这对提高整个加工过程的精确度和效率具有重要的意义。