CN117375471B

CN117375471B - 永磁电机转动惯量与负载转矩辨识方法及系统

Info

Publication number: CN117375471B
Application number: CN202311679223.0A
Authority: CN
Inventors: 黄晓艳; 张佳文; 陈乾; 张健; 王云冲; 沈建新
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2023-12-08
Filing date: 2023-12-08
Publication date: 2024-03-12
Anticipated expiration: 2043-12-08
Also published as: CN117375471A

Abstract

本申请公开了永磁电机转动惯量与负载转矩辨识方法，将永磁同步电机的机械转矩平衡方程进行离散化，利用带遗忘因子的最小二乘法模型辨识出电机参数，对最小二乘法模型的待辨识参数矩阵进行迭代优化，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，并计算得到最终的电机的转动惯量和负载转矩。本申请能够优化永磁电机参数的辨识方法，提高转动惯量和负载转矩辨识的精度、稳定性和收敛性。

Description

永磁电机转动惯量与负载转矩辨识方法及系统

技术领域

本申请涉及永磁同步电机技术领域，尤其涉及一种永磁电机转动惯量与负载转矩辨识方法及系统。

背景技术

近年来，永磁同步电机因其优异的性能在电动汽车，装备制造，军工，航空航天等领域得到了广泛应用。一般的电机控制采用转速环，电流环双闭环控制。而机械参数对于转速环控制器的设计具有很大的影响。转动惯量与转速环PI参数（比例参数和积分参数）的设置息息相关，而负载转矩又可以作为转速环控制器的前馈输入，因此机械参数的辨识至关重要。

目前研究机械参数辨识的方案大多着眼于转动惯量的辨识，而对负载转矩的辨识关注较少。同时辨识方法所采用的转速工况大多为正弦波，三角波等加速度很大的情况，对于低加速度工况关注很少。在低加速度工况下，一般辨识算法的输入为低激励输入，会导致转动惯量的辨识稳定性变差，负载转矩的辨识甚至不能收敛，造成辨识失败，给之后永磁同步电机高精度的控制带来了困难。

发明内容

本申请的目的在于一种永磁电机转动惯量与负载转矩辨识方法，在电机处于低加速度工况下，提高电机转动惯量和负载转矩辨识的精度和稳定性。

基于上述目的，本申请提供一种永磁电机转动惯量与负载转矩辨识方法，该方法包括步骤：

S1、获取永磁同步电机的定子的q轴电流和机械角速度，构建表贴式永磁同步电机的机械转矩平衡方程，并对机械转矩平衡方程进行离散化；

S2、根据离散化的机械转矩平衡方程和带遗忘因子的最小二乘法模型辨识出电机参数，利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，根据第一辨识值和第三辨识值计算得到电机的转动惯量和负载转矩，其中，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，

更新方法包括：设置最小二乘法模型中当前时刻协方差矩阵的迹与上一时刻协方差矩阵的迹一致，对当前时刻协方差矩阵公式的两边取迹，得到本次迭代的最小二乘法模型的遗忘因子；

补偿算法包括：将本次迭代获取的第二辨识值与本次迭代所输入的机械角速度进行运算后的值，对本次迭代的负载转矩进行补偿；

S3、将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，并计算得到最终的电机的转动惯量和负载转矩。

进一步的，步骤S1包括：

表贴式永磁同步电机的机械转矩平衡方程为：

；

其中，P_n表示电机的极对数，φ_f表示电机的永磁体磁链，i_q表示定子的q轴电流，T_e和T_l分别为电机的电磁转矩和负载转矩，J为电机转动惯量, ω_m为电机的机械角速度，B为阻尼常数；

将机械转矩平衡方程进行离散化，并引入虚拟采样开关和零阶保持器，得到离散化的机械转矩平衡方程为：

；

其中，T_s为采样时间，k为第k个采样时刻，ω_m(k)为k时刻电机的机械角速度。

进一步的，步骤S2包括：

根据离散化的机械转矩平衡方程，结合带遗忘因子的最小二乘法模型辨识出电机参数，得到带遗忘因子的输入矩阵、输出矩阵/>以及待辨识参数矩阵/>分别表示如下：

；

其中，第一辨识值为，第二辨识值为/>，第三辨识值为/>；

离散化的机械转矩平衡方程近似表示为：

。

进一步的，步骤S2还包括：

利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，递推算法的递推公式如下：

；

其中，为k时刻的协方差矩阵，/>为遗忘因子，/>为协方差矩阵的初始值，/>为单位矩阵，/>为计算得到的电机转速值。

进一步的，更新方法包括：

设置最小二乘法模型中当前时刻协方差矩阵的迹与上一时刻协方差矩阵的迹一致，对当前时刻协方差矩阵的公式两边取迹，得到本次迭代的最小二乘法模型的遗忘因子，遗忘因子的计算公式如下：

；

其中，为遗忘因子，/>表示矩阵的迹，/>表示矩阵的范数。

进一步的，步骤S2还包括：

在每一次迭代算法过程中，当动态更新完成迭代遗忘因子后，利用一预设的收敛准则判断是否进行下一次迭代算法，所述收敛准则为：若当前时刻协方差矩阵的条件数大于等于一预设的阈值，且所计算得到当前时刻的电机转速值与电机的实际转速值小于等于一预设的误差，则停止本次迭代，迭代算法终止，否则，继续下一轮的迭代算法，并当判定为继续下一轮迭代算法时，重置协方差矩阵为：

；

其中，为与转动惯量辨识速度和稳定性有关的参数，设置为0-1之间的数字，/>和/>均取值为1。

进一步的，补偿算法包括：

将实际的转动惯量J₀、实际的负载转矩T_l0以及第二辨识值的理论值-1，代入近似的离散化的机械转矩平衡方程，得到方程1为：

；

将本次迭代计算得到的转动惯量J₁、负载转矩T_l1以及第二辨识值，代入近似的离散化的机械转矩平衡方程，得到方程2为：

；

方程1与方程2进行差值运算，得到：

；

假设，得到负载转矩的补偿表达式为：

；

将本次迭代获取的第二辨识值与1的和之后，再与上一时刻的机械角速度的乘积作为本次迭代的负载转矩的补偿值，基于补偿值得到本次迭代的负载转矩。

基于上述目的，本申请提供一种永磁电机转动惯量与负载转矩辨识系统，该系统包括：

采集模块，用于采集并获取永磁同步电机的定子的q轴电流和机械角速度；

电机方程构建模块，用于根据永磁同步电机的定子的q轴电流和机械角速度，构建表贴式永磁同步电机的机械转矩平衡方程，并对机械转矩平衡方程进行离散化；

参数辨识模块，用于据离散化的机械转矩平衡方程和带遗忘因子的最小二乘法模型辨识出电机参数，利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，根据第一辨识值和第三辨识值计算得到电机的转动惯量和负载转矩，其中，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，

输出模块，用于将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，并计算得到最终的电机的转动惯量和负载转矩。

基于上述目的，本申请提供一种计算机设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口、存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的所述计算机程序时，实现如上所述的方法的步骤。

基于上述目的，本申请提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现如上所述的方法的步骤。

本申请在电机处于低加速度工况下，即当电机参数的辨识模型处于低激励输入状态时，通过动态遗忘因子、开关准则、负载转矩补偿等方法，优化了永磁电机机械参数的辨识方法，提高转动惯量和负载转矩辨识的精度、稳定性和收敛性，具有较高的辨识速度和较小的辨识计算量；扩宽了原有参数辨识算法的使用范围，相比传统算法只能很好地辨识速度变化较大的工况，改进后可以应对大部分转速工况，并且负载转矩的辨识精度和稳定性与传统算法相比有了明显提高；采取的动态遗忘因子策略提高了辨识速度和稳定性，开关准则减少了算法的计算量，负载转矩补偿准则提高了负载转矩辨识的准确度，方案实现简单，还可根据需求微调参数，具有较高的可应用性。

附图说明

图1是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的流程图；

图2是根据本申请实施例提供的永磁电机参数辨识系统的系统示意图；

图3A是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第一实验结果示意图；

图3B是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第一实验结果示意图；

图3C是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第一实验结果示意图；

图3D是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第一实验结果示意图；

图4A是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第二实验结果示意图；

图4B是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第二实验结果示意图；

图4C是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第二实验结果示意图；

图4D是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识方法的第二实验结果示意图；

图5是根据本申请实施例提供的永磁电机转动惯量与负载转矩辨识系统的系统框图；

图6是根据本申请实施例提供的计算机设备的结构示意图。

具体实施方式

以下将结合附图所示的具体实施方式对本申请进行详细描述，但这些实施方式并不限制本申请，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本申请的保护范围内。

请参考图1，本申请实施例提供一种永磁电机转动惯量与负载转矩辨识方法，该方法包括：

更新方法包括：设置最小二乘法模型中当前时刻协方差矩阵的迹与上一时刻协方差矩阵的迹一致，对当前时刻协方差矩阵的公式两边取迹，得到本次迭代的最小二乘法模型的遗忘因子；

补偿算法包括：将本次迭代获取的第二辨识值与本次迭代所输入的机械角速度进行运算后的值，对负载转矩进行补偿，得到本次迭代的负载转矩；

在表贴式永磁同步电机工作在低加速度即转速较平稳工况下，即辨识模型处于低激励输入状态时，会导致转动惯量的辨识稳定性变差，负载转矩的辨识甚至不能收敛，造成辨识失败，给之后永磁同步电机高精度的控制带来了困难。本申请利用带遗忘因子最小二乘辨识算法，动态更新遗忘因子的值，利用协方差矩阵的条件数和辨识算法与实际系统的残差，引入收敛准则，动态收敛辨识算法，以应对外界机械输入的突变，并对负载转矩的辨识进行补偿，提高转动惯量和负载转矩辨识的精度和稳定性。如图2所示的永磁电机参数辨识系统的系统框图。

如图2所示，通过三相电流采样得到三相坐标系下的电机定子电流i_a、i_b、i_c，i_a、i_b、i_c分别表示a、b、c三相各自的定子电流，通过电机上安装的位置传感器得到转子位置θ，并计算得到电机的机械角速度ω_m，将三相坐标系下的电机定子电流i_a、i_b、i_c通过三相到两相坐标变换得到α-β坐标系下的电流分量i_α和i_β，i_α和i_β分别表示α-β坐标系下α轴和β轴各自的定子电流，再将α-β坐标系下α轴和β轴各自的定子电流通过旋转坐标变换，得到d-q坐标系下的电流分量i_d和i_q，i_d和i_q分别表示d-q坐标系下d轴和q轴各自的定子电流。根据d-q坐标系下q轴各自的定子电流i_q，按照以下公式计算得到电机电磁转矩T_e：

；

其中，P_n表示电机的极对数，φ_f表示电机的永磁体磁链，i_q表示定子的q轴电流，电机的极对数和转子磁链都可以通过电机的系统参数获取得到。

获取永磁同步电机的定子的q轴电流、机械角速度以及电机电磁转矩，根据定子的q轴电流、机械角速度和电机电磁转矩，构建表贴式永磁同步电机的机械转矩平衡方程，该机械转矩平衡方程为：

；

其中，T_e和T_l分别为电机的电磁转矩和负载转矩，J为电机转动惯量, ω_m为电机的机械角速度，B为阻尼常数。电机的电磁转矩通过上述公式计算得到，电机的转子速度通过位置传感器采集获取，阻尼常数通过电机的系统参数获取，电机的负载转矩和转动惯量通过本申请的电机辨识模型计算得到。

将表贴式永磁同步电机的机械转矩平衡方程进行离散化，并引入虚拟采样开关和零阶保持器，得到离散化的机械转矩平衡方程为：

；

根据离散化的机械转矩平衡方程，结合带遗忘因子的最小二乘法模型辨识出电机参数，得到带遗忘因子的最小二乘法的输入矩阵、输出矩阵以及参数估计矩阵，输入矩阵、输出矩阵/>以及待辨识参数矩阵/>表示如下：

；

由于微积分极限有关知识，当采样时间T_s很小时，可以得到：

；

因此，待辨识参数矩阵近似表示为：

；

离散化的机械转矩平衡方程近似表示为：

；

结合带遗忘因子的最小二乘法模型辨识出电机参数，由上述待辨识参数矩阵可知，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，即第一辨识值为，第二辨识值为/>，第三辨识值为/>，通过第一标示值和第三辨识值计算得到电机的转动惯量J和负载转矩T_l，由此可以通过最小二乘法模型辨识出电机参数，即辨识出电机的转动惯量J和负载转矩T_l。

递推最小二乘法是当被辨识系统在运行时，每取得一次新的观测数据后，就在前次估计结果的基础上，根据递推算法利用新引入的观测数据对前次估计的结果进行修正，得出新的辨识参数矩阵，以减少估计误差，因此，随着新观测数据的逐次引入，一次接一次地进行参数估计，直到参数估计值达到满足的精确程度。随着处理数据的增加，递推最小二乘法将出现数据饱和的现象，即新数据产生的辨识结果会受到历史数据的影响而变得不准确，导致算法辨识后期出现对参数变化不敏感的情况，从而无法有效跟踪参数变化，为防止这种现象的发生，在最小二乘法的基础上引入了遗忘因子，对性能指标做出一定修正。

利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，对前次估计的结果进行修正，递推算法的递推公式如下：

；

其中，为k时刻的协方差矩阵，为遗忘因子，/>为协方差矩阵的初始值，/>为单位矩阵，/>为模型计算得到的电机转速值。

在低加速度工况下，即辨识模型处于低激励输入状态时，辨识算法的协方差矩阵并不能真正收敛，而是会不断膨胀，因此本申请通过动态更新遗忘因子的值，解决该技术问题。在每一次迭代优化运算过程中，对遗忘因子进行更新。更新方法包括：设置最小二乘法模型中当前时刻协方差矩阵的迹与上一时刻协方差矩阵的迹一致，对当前时刻协方差矩阵的公式两边取迹，得到本次迭代的最小二乘法模型的遗忘因子，计算公式如下：

；

其中，为遗忘因子，/>表示矩阵的迹，/>表示矩阵的范数。

基于该技术方案，每一次迭代算法过程中，限制带遗忘因子最小二乘辨识算法中协方差矩阵的迹，利用更新前后协方差矩阵的迹不变，对该次迭代的遗忘因子进行更新，来改善模型中电机参数辨识的收敛性能。

在低加速度工况下，动态更新遗忘因子后，算法对外界机械参数变化的敏感性降低，从而使辨识失效。因此本申请对算法的收敛准则进行设置，以解决该技术问题。在每一次迭代算法过程中，当动态更新完成迭代遗忘因子后，利用收敛准则判断是否进行下一次迭代算法，该收敛准则为：若当前时刻协方差矩阵的条件数大于等于一预设的阈值，且所计算得到当前时刻的电机转速值与电机的实际转速值小于等于一预设的误差，则停止本次迭代，迭代算法终止，否则继续下一轮的迭代算法，利用本次迭代更新得到的遗忘因子，限制协方差矩阵的膨胀，完成协方差矩阵与辨识参数的更新。

具体地，收敛准则设置如下：

；

其中，为协方差矩阵/>的条件数，/>为绝对值，/>为设定的阈值，/>为设定的误差。/>一般设置较大的值，比如类似/>这个数量级的，/>一般设置较小的值，如类似于/>这个数量级别的，具体可以根据实际情况调整。当外界机械参数变化较大时，/>和/>一般设置较小，以提高辨识速度，反之则设置较大，以提高辨识的稳定度。/>为0时，表示本次迭代终止，/>为1时，启动下一轮迭代算法。当判定为继续下一轮迭代算法时，重置协方差矩阵/>为：

；

其中，为与转动惯量辨识速度和稳定性有关的参数，一般设置为0-1之间的数字，/>和/>一般取值为1。通过引入收敛准则，可以通过不断地开启迭代算法，重置协方差矩阵，通过算法模型的敏感性，使得模型的辨识结果可以快速跟随实际电机的机械参数。

一般而言，待辨识参数矩阵的第二项辨识值理论上应为-1，但是在低加速度工况下，辨识算法的结果相对高加速度并不准确，待辨识参数矩阵的第二项辨识值并不一定为-1，因此可以将这种差值补偿给负载转矩，提高负载转矩辨识的准确度。每一次迭代运算时对进行负载转矩补偿，补偿算法包括：将本次迭代获取的第二辨识值与上一时刻的机械角速度进行运算后的值，对负载转矩进行补偿，得到本次迭代的负载转矩。具体地，将实际的转动惯量J₀、负载转矩T_l0以及第二辨识值的理论值-1，代入近似的离散化的机械转矩平衡方程，得到方程1为：

；

将本次迭代计算得到的转动惯量J₁、负载转矩T_l1以及第二辨识值，代入近似的离散化的机械转矩平衡方程，得到方程2为:

;

方程1与方程2进行差值运算，得到：

；

假设，得到负载转矩的补偿表达式为：

；

将本次迭代获取的第二辨识值与1的和之后，再与上一时刻的机械角速度的乘积作为本次迭代的负载转矩的补偿值，基于该补偿值得到本次迭代的负载转矩。基于该技术方案，对负载转矩进行补偿，提高负载转矩辨识的准确度。

经过多次迭代后，将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，根据最终的辨识参数矩阵，计算得到最终的电机的转动惯量和负载转矩。

本申请的一具体实施例，表贴式永磁同步电机的参数设置如下表：

当电机转速给定为1000 rpm，即此时的加速度已经非常小，利用本申请的辨识方法，模型输出的转动惯量辨识、负载转矩辨识以及转速曲线参见图3A、图3B、图3C以及图3D，可以看出，改进后的辨识算法与传统的辨识算法相比，辨识转动惯量时可以做到更快、更准、更稳，辨识负载转矩时，可以使原来未收敛的负载转矩辨识收敛，并有很好的辨识效果。电机转速给定为200rpm的低频正弦波，同样有很小的加速度，如图4A、图4B、图4C和图4D所示的电机参数辨识的实验结果示意图，同时转速工况较为恶劣，对辨识算法要求更高。可以看到，改进后的辨识算法与传统算法相比，转动惯量的辨识可以很准确和稳定，负载转矩具有同样的辨识效果。

如图5所示，本申请提供一种永磁电机转动惯量与负载转矩辨识系统，该系统包括：

采集模块51，用于采集并获取永磁同步电机的定子的q轴电流和机械角速度；

电机方程构建模块52，用于根据永磁同步电机的定子的q轴电流和机械角速度，构建表贴式永磁同步电机的机械转矩平衡方程，并对机械转矩平衡方程进行离散化；

参数辨识模块53，用于据离散化的机械转矩平衡方程和带遗忘因子的最小二乘法模型辨识出电机参数，利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，根据第一辨识值和第三辨识值计算得到电机的转动惯量和负载转矩，其中，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，

输出模块54，用于将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，并计算得到最终的电机的转动惯量和负载转矩.

图6是本申请实施例提供的一种计算机设备的硬件结构示意图。图6所示的计算机设备包括：处理器61、通信接口62、存储器63和通信总线64，处理器61、通信接口62、存储器63通过通信总线64完成相互间的通信。其中，图6所示的处理器61、通信接口62、存储器63之间的连接方式仅仅是示例性的，在实现过程中，处理器61、通信接口62、存储器63也可以采用除了通信总线64之外的其他连接方式彼此通信连接。

存储器63可以用于存储计算机程序631，计算机程序631可以包括指令和数据，实现如上任一种永磁电机转动惯量与负载转矩辨识方法的步骤。在本申请实施例中，存储器63可以是各种类型的存储介质，例如随机存取存储器(random access memory，RAM)、只读存储器(read only memory，ROM)、非易失性RAM（non- volatile RAM，NVRAM）、可编程ROM(programmable ROM，PROM)、可擦除PROM（erasable PROM，EPROM)、电可擦除PROM(electrically erasablePROM，EEPROM)、闪存、光存储器和寄存器等。存储器63可以包括硬盘和/或内存。

处理器61可以是通用处理器，通用处理器可以是通过读取并执行存储器(例如存储器63)中存储的计算机程序(例如计算机程序631)来执行特定步骤和/或操作的处理器，通用处理器在执行所述步骤和/或操作的过程中可能用到存储在存储器(例如存储器63中的数据。通用处理器可以是，例如但不限于中央处理器（centralprocessing unit，CPU）。此外，处理器61也可以是专用处理器，专用处理器可以是专门设计的用于执行特定步骤和/或操作的处理器，专用处理器可以是，例如但不限于，ASIC和FPGA等。此外，处理器61还可以是多个处理器的组合，例如多核处理器。

通信接口62，可以包括输入/输出(input/output，I/O)接口、物理接口和逻辑接口等用于实现网络设备内部的器件互连的接口，以及用于实现网络设备与其他设备(例如网络设备)互连的接口。通信网络可以为以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口62可以是模块、电路、收发器或者任何能够实现通信的装置。

在实现过程中，上述方法的各步骤可以通过处理器61中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器63，处理器61读取存储器63中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任意永磁电机转动惯量与负载转矩辨识方法。

尽管为示例目的，已经公开了本申请的优选实施方式，但是本领域的普通技术人员将意识到，在不脱离由所附的权利要求书公开的本申请的范围和精神的情况下，各种改进、增加以及取代是可能的。

Claims

1.一种永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述方法包括步骤：

S1、获取永磁同步电机的定子的q轴电流和机械角速度，构建表贴式永磁同步电机的机械转矩平衡方程，并对所述机械转矩平衡方程进行离散化；

S2、根据离散化的机械转矩平衡方程和带遗忘因子的最小二乘法模型辨识出电机参数，利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，根据所述第一辨识值和所述第三辨识值计算得到电机的转动惯量和负载转矩，其中，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，

S3、将迭代终止时的待辨识参数矩阵作为最终的辨识参数矩阵，并计算得到最终的电机的转动惯量和负载转矩；

其中，所述更新方法包括：

；

其中，为遗忘因子，/>表示矩阵的迹，/>表示矩阵的范数，/>表示带遗忘因子的输入矩阵，/>为k-1时刻的协方差矩阵。

2.如权利要求1所述的永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述步骤S1包括：

所述表贴式永磁同步电机的机械转矩平衡方程为：

；

将所述机械转矩平衡方程进行离散化，并引入虚拟采样开关和零阶保持器，得到离散化的机械转矩平衡方程为：

；

3.如权利要求2所述的永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述步骤S2包括：

根据所述离散化的机械转矩平衡方程，结合带遗忘因子的最小二乘法模型辨识出电机参数，得到带遗忘因子的输入矩阵、输出矩阵/>以及待辨识参数矩阵/>分别表示如下：

；

其中，第一辨识值为，第二辨识值为/>，第三辨识值为/>；

离散化的机械转矩平衡方程近似表示为：

。

4.如权利要求3所述的永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述步骤S2还包括：

；

其中，为k时刻的协方差矩阵，/>为遗忘因子，/>为协方差矩阵的初始值，/>为单位矩阵，为计算得到的电机转速值。

5.如权利要求4所述的永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述步骤S2还包括：

；

6.如权利要求4所述的永磁电机转动惯量与负载转矩辨识方法，其特征在于，所述补偿算法包括：

；

方程1与方程2进行差值运算，得到：

；

假设，得到负载转矩的补偿表达式为：

；

将本次迭代获取的第二辨识值与1的和之后，再与上一时刻的机械角速度/>的乘积作为本次迭代的负载转矩的补偿值，基于所述补偿值得到本次迭代的负载转矩。

7.一种永磁电机转动惯量与负载转矩辨识系统，其特征在于，所述系统执行如权利要求1-6任一所述的永磁电机转动惯量与负载转矩辨识方法，所述系统包括：

电机方程构建模块，用于根据永磁同步电机的定子的q轴电流和机械角速度，构建表贴式永磁同步电机的机械转矩平衡方程，并对所述机械转矩平衡方程进行离散化；

参数辨识模块，用于据离散化的机械转矩平衡方程和带遗忘因子的最小二乘法模型辨识出电机参数，利用所获取的各个时刻的定子的q轴电流和机械角速度对最小二乘法模型中的待辨识参数矩阵进行迭代优化，待辨识参数矩阵包括第一辨识值、第二辨识值以及第三辨识值，根据所述第一辨识值和所述第三辨识值计算得到电机的转动惯量和负载转矩，其中，每一次迭代运算时对遗忘因子进行更新以及对负载转矩进行补偿，

8.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的所述计算机程序时，实现如权利要求1-6任一所述的方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一所述的方法的步骤。