专利名称：数据采样方法与系统及其在参数辨识中的应用方法与系统的制作方法
技术领域：
本发明涉及计算机应用技术，尤其是采样、参数辨识和数字控制技术。
背景技术：
将模拟量转换为数字量的过程，称之为采样，早在1924年Nyquist就给出了采样频率的下限fsl=2 · f。，即奈奎斯特采样定理；但是在模拟控制器下稳定的系统，经过采样后成为数字控制系统，尽管遵循了采样定理，反而系统不再稳定；利用采样数据进行参数辨识也鲜有成功。面对不成功的情况，按照采样定理，通常认为采样频率越快越好，技术人员往往会选择加快采样频率，但是，实际情况证明，采样频率再怎么快，也不能解决问题。于是，数字 控制和参数辨识需要进行不断修改、调试、再修改、再调试的不断反复摸索。
发明内容
本发明的目的就是要解决上述问题，由稳定的模拟控制器进行数字采样后转换为数字控制器后仍然稳定并特性相当，并且依据采样数据能够辨识出准确的参数。发明人经过长达三十年的悉心研究，通过反复试验总结、再到理论推导分析，发现上述问题的原因不是辨识算法、数字控制方法造成的，而是采样数据造成的；采样数据问题不是采样太慢造成的，而是采样太快造成的；采样频率并不是像本领域技术人员通常认为的那样越快越好，而是存在一个采样频率上限fsh，采样频率超过上限是造成采样数据误差较大、数字控制失稳、和参数辨识失败的根源所在。本发明提出一种数据采样方法，包括以下步骤SI、对物理量的电信号y进行模拟低通滤波，得到滤波后的电信号；S2、对滤波后的电信号按照采样频率fs进行采样，所述采样频率fs满足奈奎斯特定理，即fs>fsl ;S3、输出采样序列Y ；其中，所述步骤S2的采样频率fs还满足fs< fsh= ζ max/ ε ;其中ε为采样系统的Z域误差，ζ ■为S域的最大误差。其中，所述采样系统的Z域误差ε ^ δ，所述δ为采样系统的截断误差；所述采样系统的截断误差δ与Sad。和有关，Sad。为模数转换器的分辨率的一半，为数值在计算机中表示位数的截断误差。进一步的，所述采样系统的Z域误差ε = ka · δ，所述ka为大于I的保险系数，其取值由采样时的随机干扰水平、数值在采样系统中的运算误差或其组合决定。其中，所述S域的最大误差，是由具体应用决定的S域可以接受的最大误差，例如，由应用系统S域零极点的可接受误差决定的，或者由应用系统时域微分方程可以接受的的最大误差对应确定的ζ_。为了缩小体积、降低成本，实际应用中采样频率往往较高，不满足采样频率的上限fsh，因此本发明还提出了第二种数据采样方法，其包括以下步骤SI、对物理量的电信号y以满足奈奎斯特定理的采样频率进行采样，得到采样序列Yl ；S2、对采样序列Yl进行数字低通滤波，得到滤波后的采样序列Y2 ；S3、对滤波后的采样序列Y2进行重抽样，得到采样序列Y ;所述重抽样的频率为 ，所述fsh= ζ max/ ε ;其中ε为采样系统的Z域误差，ζ max为S域的最大误差；S4、输出采样序列Y。进一步的，所述低通滤波的截止频率为f。，所述f。( O. 5 Xfrs,以防止重抽样时产生混频。 经过重抽样后，由于重抽样的频率fre能够满足小于采样频率的上限fsh，所以能够将S域的误差降低到预先设定的范围内。实际应用有中可能出现fsh〈fsl的矛盾，导致无法按照第一种方法的fsl〈fs ( fsh选取采样频率，通过上述第二种数据采样方法，即经过低通滤波和重抽样的方法能够解决该矛盾。由于在所有的极点{pH}和零点{pj中，主极点Pnn和主零点Pm起主导作用，频率越高的极点或零点作用越小，所以，当发生fsh〈fsl的矛盾时，通过所述低通滤波滤除高频极点和零点、重抽样降低采样频率，不仅能够解决所述矛盾，还能够保证主极点P 和主零点Pm的精度，其中主极点或主零点是S域上靠近原点的极点或零点。本发明还提出了一种数据采样系统，其包括采样单元，用于对物理量的电信号y以满足奈奎斯特定理的采样频率进行采样，得到采样序列Yi ；低通滤波器，用于对采样序列Yl进行数字低通滤波，得到滤波后的采样序列Y2 ；重抽样单元，用于对滤波后的采样序列Y2进行重抽样，得到采样序列Y ;所述重抽样的频率为fre，所述f；s<fsh= ζ_/ε ;其中ε为采样系统的Z域误差，为S域的最大误差；进一步的，所述低通滤波器的截止频率为f。，所述f。( O. 5 Xfrs,以防止重抽样时产生混频。本发明通过重抽样降低采样频率，重抽样的频率^fsh= ζ _/ ε，从而大大降低了因数字采样和数字系统中的截断误差给时域、S域造成更大的误差，使S域和时域的误差满足应用要求。数字采样要么用于测量，要么用于辨识参数或数字控制。参数包括静态参数和动态参数，静态参数即系统方程的系数，动态参数即系统微分方程的系数。对于电力系统，静态参数是指潮流方程的导纳矩阵，即变压器、导线、发电机等元件的电阻、电抗和电纳，动态参数是指励磁时间常数、调速时间常数、转子时间常数等。为了更好地理解所述采样方法的实用性，本发明给出所述采样方法及系统在参数辨识方面的应用。一种采用上述两种数据采样方法的参数辨识方法，其特征在于还包括步骤S5，包括根据采样序列Y进行动态参数辨识步骤S51和/或静态参数辨识步骤S52。其中，所述动态参数辨识的步骤S51包括，根据采样序列Y，采用自适应控制中的辨识方法辨识ARMAX模型的阶数和参数的步骤S511、或参考模型法辨识参数的步骤S512、或卡尔曼滤波器辨识参数的步骤S513。
其中，所述静态参数辨识步骤S52包括，对采样序列Y先计算稳态值的步骤S521，再根据稳态值采用参数估计法、相关系数法、线性回归法、可线性化的线性回归法、或最小二乘法辨识静态参数的步骤S522 ;所述计算稳态值步骤S521包括S5211 、依据采样序列Y，判断当前采样值处于稳态过程还是暂态过程；S5212、当判定当前采样值处于稳态过程，根据采样序列Y计算平均值作为稳态值；S5213、当判定当前采样值处于暂态过程，根据采样序列Y计算强迫分量作为稳态值。其中，所述步骤S5211，依据t分布或其简化、或滤波器输出结果判断当前采样值处于稳态过程或暂态过程；所述滤波器为卡尔曼滤波器或α β Y滤波器。例如，对采样序列Y进行卡尔曼滤波或α β Y滤波，得到状态变量的各分量；再判断状态变量的各分量是否超出对应的设定值；若有一个分量或几个分量超出设定值，则判断当前采样值处于暂态过程；否则，均未超出，则判断当前采样值处于稳态过程。所述卡尔曼滤波器至少为I阶，或更高阶，例如2阶、3阶等，本发明不做限定。其中，所述步骤S5213，按照以下步骤计算强迫分量S52131、根据采样序列Y计算y的n+1阶导数，n=0, I,…，直到满足W，从而确定η,其中ε为接近于O的常数；S52132、做变量替换
权利要求
1.一种数据采样方法，包括以下步骤 51、对物理量的电信号y进行模拟低通滤波，得到滤波后的电信号； 52、对滤波后的电信号按照采样频率fs进行采样，所述采样频率fs满足奈奎斯特定理，即 fs>fsl ； 53、输出采样序列Y； 其特征在于所述步骤S2的采样频率fs满足fs Sfsh= ζ mJ ε ;其中ε为采样系统的Z域误差，ζ _为S域的最大误差。
2.一种数据采样方法，包括以下步骤 51、对物理量的电信号y以满足奈奎斯特定理的采样频率进行采样，得到采样序列Yl； 其特征在于还包括以下步骤 52、对采样序列Yl进行数字低通滤波，得到滤波后的采样序列Y2； 53、对滤波后的采样序列Y2进行重抽样，得到采样序列Y;所述重抽样的频率为f；s，所述f；s<fsh= ;其中ε为采样系统的Z域误差，为S域的最大误差； 54、输出采样序列Y。
3.如权利要求2所述的数据采样方法，其特征在于所述数字低通滤波的截止频率为fc，所述 fc ^ O. 5Xfrs0
4.如权利要求I或2所述的数据采样方法，其特征在于所述采样系统的Z域误差ε ^ S，所述S为采样系统的截断误差。
5.如权利要求4所述的数据采样方法，其特征在于所述采样系统的截断误差δ与Sad。和有关，其中Sad。为模数转换器分辨率的一半，为数值在计算机中表示位数的截断误差。
6.如权利要求4所述的数据采样方法，其特征在于所述采样系统的Z域误差ε =ka · δ，所述ka为大于I的保险系数，其取值由采样时的随机干扰水平、数值在采样系统中的运算误差或其组合决定。
7.如权利要求I或2所述的数据采样方法，其特征在于所述S域的最大误差ζ_由具体应用决定，包括由应用系统S域零极点的可接受误差决定的ζ _，或者由应用系统时域微分方程可接受的的最大误差σ_对应确定的ζ_。
8.一种数据采样系统，其特征在于包括 采样单元，用于对物理量的电信号I以满足奈奎斯特定理的采样频率进行采样，得到采样序列Yl ;其特征在于还包括 低通滤波器，用于对采样序列Yl进行数字低通滤波，得到滤波后的采样序列Υ2 ； 重抽样单元，用于对滤波后的采样序列Υ2进行重抽样，得到采样序列Y ;所述重抽样的频率为，所述fsh= 眶";其中ε为采样系统的Z域误差，为S域的最大误差。
9.如权利要求8所述的数据采样系统，其特征在于所述低数字通滤波器的截止频率为 f。，所述 fc ( O. 5 Xfrs0
10.一种采用如权利要求I或2所述的数据采样方法的参数辨识方法，其特征在于还包括步骤S5，包括根据采样序列Y进行动态参数辨识的步骤S51和/或静态参数辨识的步骤S52。
11.如权利要求10所述的参数辨识方法，其特征在于所述动态参数辨识的步骤S51包括，根据采样序列Y，采用自适应控制中的辨识方法辨识ARMAX模型的阶数和参数的步骤S511、或参考模型法辨识参数的步骤S512、或卡尔曼滤波器辨识参数的步骤S513。
12.如权利要求10所述的参数辨识方法，其特征在于所述静态参数辨识步骤S52包括，对采样序列Y先计算稳态值的步骤S521，再根据稳态值采用参数估计法、相关系数法、线性回归法、可线性化的线性回归法、或最小二乘法辨识静态参数的步骤S522 ;所述计算稳态值的步骤S521包括 55211、依据采样序列Y判断当前采样值处于稳态过程还是暂态过程； 55212、当判定当前采样值处于稳态过程，根据采样序列Y计算平均值作为稳态值； 55213、当判定当前采样值处于暂态过程，根据采样序列Y计算强迫分量作为稳态值。
13.如权利要求12所述的参数辨识方法，其特征在于所述步骤S5211，依据t分布或其简化、或滤波器输出结果判断当前采样值处于稳态过程或暂态过程；所述滤波器为卡尔曼滤波器或α β Y滤波器。
14.如权利要求12所述的参数辨识方法，其特征在于所述步骤S5213，按照以下步骤计算强迫分量 S52131、根据采样序列Y计算y的n+1阶导数，n=0, I, ···,直到满足化+ι ~ε，从而确定η,其中ε为接近于O的常数； S52132、做变量替换
15.如权利要求14所述的参数辨识方法，其特征在于所述步骤S52135，按照公式
16.一种包括如权利要求8所述的数据采样系统的参数辨识系统，其特征在于还包括参数辨识单元，用于根据采样序列Y进行动态参数辨识和/或静态参数辨识。
17.如权利要求16所述的参数辨识系统,其特征在于所述参数辨识单元为动态参数辨识单元，用于根据采样序列Y，采用自适应控制中的辨识方法辨识ARMAX模型的阶数和参数、或参考模型法辨识参数、或卡尔曼滤波器辨识参数。
18.如权利要求16所述的参数辨识系统,其特征在于所述参数辨识单元为静态参数辨识单元,包括 稳态值计算单元，用于根据采样序列Y计算稳态值； 静态参数估计单元，用于根据稳态值，采用参数估计法、相关系数法、线性回归法、可线性化的线性回归法、或最小二乘法估计静态参数。
19.如权利要求18所述的参数辨识系统，其特征在于所述稳态值计算单元包括判断单元，根据采样序列Y，依据t分布或其简化、或滤波器输出结果判断当前采样值处于稳态过程或暂态过程；所述滤波器为卡尔曼滤波器或α β Y滤波器； 计算稳态单元Α，用于当判定当前采样值处于稳态过程时，根据采样序列Y计算平均值作为稳态值； 计算稳态单元B，用于当判定当前采样值处于暂态过程时，根据采样序列Y计算强迫分量作为稳态值。
20.如权利要求19所述的参数辨识系统，其特征在于计算稳态单元B包括 求导单元，用于根据采样序列Y计算y的n+1阶导数，n=0，1，…，直到满足
全文摘要
本发明涉及一种数据采样方法对物理量按照采样频率fs≤fsh进行采样，fsh＝ζmax/ε为采样频率上限；以及一种数据采样方法及系统对物理量以满足奈奎斯特定理的采样频率进行采样，对得到的采样序列先进行低通滤波，再进行重抽样，重抽样的频率fs≤ζmax/ε；其中ε为采样系统的Z域误差，ζmax为S域的最大误差。本发明还涉及一种先采用上述数据采样方法及系统得到采样数据，再利用采样数据进行动态和/或静态参数辨识的参数辨识方法及系统。本发明的数据采样方法及系统，以及参数辨识方法及系统，解决了采样数据误差较大、数字控制失稳、和参数辨识失败的技术难题。
文档编号H03M1/54GK102946253SQ20121040853
公开日2013年2月27日 申请日期2012年10月23日 优先权日2012年10月23日
发明者郝玉山 申请人:保定市三川电气有限责任公司