什么行业需要用到伺服电机？伺服系统惯量算法介绍！
首先先来了解下什么是伺服电机
伺服电机可使控制速度，位置精度非常准确，可以将电压信号转化为转矩和转速以驱动控制对象。伺服电机转子转速受输入信号控制，并能快速反应，在自动控制系统中，用作执行元件，且具有机电时间常数小、线性度高、始动电压等特性，可把所收到的电信号转换成电动机轴上的角位移或角速度输出。分为直流和交流伺服电动机两大类，其主要特点是，当信号电压为零时无自转现象，转速随着转矩的增加而匀速下降。? ?
??
接下来给大家介绍下伺服电机的具体应用场景
伺服电机都有应用到那些行业的服务设备，可能对于伺服电机了解不深的，或者有一部份人可能除了涉及自己所在的领域，并不是特别清楚。伺服电机在那些行业及服务设备中有利用到。下面就为大家整理了关于伺服电机的基本行业及服务设备。
1、食品行业
杀菌机、均质机、标贴机、制罐机、流量控制仪、封口机、包装机、咖啡机等。
2、橡胶轮胎行业
钢丝带束层生产线、内衬层挤出生产线、钢丝压延机、双复合挤出机、钢丝帘布裁断机、重型密炼机、子午线轮胎钢丝机等
3、电梯行业
各类电梯的门控制、楼层控制等。
4、机械行业
加工中心、数控冲床、折弯机、剪板机、PLC程序控制器、各款汽车检测设备、组装设备、焊接设备。
5、印刷行业
晒板机;印刷机、胶印机、轮转机、激光照排、打样设备，全自动冲板机、喷绘机;折页机、切纸机、锁线机胶订机、全自动瓦椤纸板(箱)生产线、自动送纸上胶机、电脑三边封袋机、无轴高速胶印机等。
6、医疗行业
监护仪、B超机、CT控制箱、心电图(脑电图)测试仪、X光机、切片机、血液透析机、温控仪等。
伺服系统转动惯量辨识的新算法
?交流伺服系统因其高性能、高精度、高效率的特点广泛应用于工业自动化、电动汽车、机器人等领域。但电机运行过程中负载扰动的影响以及电机参数的变化会使得控制器参数不匹配，进而影响系统性能。因此，实时获取准确的电机参数对于参数自整定、故障检测以及提高系统可靠性具有重要的研究意义和应用价值。
要实现高性能伺服系统，必须具备参数自整定功能，使其能够在线进行控制器参数设计，获得良好的动静态性能。而系统转动惯量的变化将会影响系统极限带宽，极限带宽是影响速度环PI控制器设计的基本参数，实时监测系统转动惯量变化并配合调整速度环PI控制器参数，能够保证系统始终处于良好的运行状态，这也进一步推动了伺服系统转动惯量辨识技术的发展。
惯量辨识主要分为离线辨识和在线辨识。离线辨识是指安装在生产设备中的伺服系统，按照预定指令运行一段时间，依据转矩、转速等相关数据进行计算，从而得出系统惯量值。常见的离线辨识方法是加减速法，采用正负对称的三角波或正弦波等作为速度指令信号，根据系统实际响应计算获得转动惯量。
采用离线辨识可在给定指令运行周期结束时获得一个阶段性的辨识结果，所得辨识结果准确度高，但应用场合较为受限。在线辨识则是在系统运行过程中，捕捉动态信息进行计算，获得实时的转动惯量，主要有朗道自适应递推估计、状态观测器估计、模型参考自适应法、最小二乘递推（Recursive Least Square, RLS）算法、蚁群算法等。
文献[7]采用离线辨识的方法，提出一种改进的加减速法，采用正负交替脉冲为速度信号，使得电机可以在微振状态下进行惯量辨识，所提方法易于实现，但辨识过程中电机始终运行在给定电流限幅下，易使电机发热。
文献[9]以运动方程为模型，提出了一种自适应观测器，采用朗道自适应算法，在对误差及稳定性分析的基础上，合理选择参数，实现同时快速准确的转动惯量和扰动转矩的辨识，并与控制器相结合提高了系统动态性能。文献[12]采用蚁群算法，基于最小方差原理，启发蚁群朝最优方向聚集，可得到收敛快、误差小的转动惯量辨识结果。
文献[13,14]结合负载观测器对转动惯量进行在线辨识，其中文献[13]采用最小二乘法进行迭代计算，并将所得结果用于速度环PI控制器参数自整定，具有较强的鲁棒性。文献[14]则采用扩展卡尔曼观测器同时得到转动惯量和扰动转矩的观测值，针对杠杆滑块机构进行受力分析并得到等效转动惯量的计算公式，其建模方法为工业应用提供了很好的示例。
以上文献对于惯量辨识算法都进行了充分的研究和优化，但大多局限于理想的实验条件，对于实际应用考虑仍有欠缺之处。目前在商用伺服产品领域，日系伺服系统同时具有离线和在线辨识功能，其在线辨识可直接根据上位机指令在实际生产中应用，自动捕获暂态过程信息进行惯量辨识，而国内产品大多只具有离线辨识功能。
此外，国内外现有的在线惯量辨识方法仍存在两个问题：
①实际应用场合中，存在阶跃、斜坡、正弦以及插补曲线等多种位置和转速指令信号，若系统处于低加速度状态，会增加负载转矩的估计难度，降低转矩估计的准确性。而现有文献的在线辨识多在给定信号为阶跃信号等加速度较大的情况下实现，并未涉及加速度较小的斜坡指令信号。
?②伺服系统产品在加载条件下的惯量辨识均存在误差增大或无法收敛的现象，因而其普遍的应用限定条件为系统负载转矩不变或缓慢变化，其主要难点在于惯量辨识需要负载转矩的准确估计，而负载转矩的估计又需要实际的转动惯量值，二者存在矛盾；
针对此研究现状，本文提出一种基于变周期递推最小二乘法与卡尔曼观测器相结合的在线惯量辨识算法，该算法具有收敛速度快、抗噪能力强、适用范围广的特点。
