随着科技的发展以及工业自动化进步的需求,交流伺服系统逐渐成为工业生产中必不可少的执行设备,其性能的优劣直接决定自动化加工的精度和效率。在伺服系统运行过程中,未知干扰及参数变化引起的控制器参数不匹配,易造成系统性能下降甚至影响其稳定性,因此,实时有效的辨识系统参数并对控制器参数进行修正,对于增强系统稳定性具有重要意义。在影响伺服系统的诸多参数中,系统转动惯量限制着伺服系统速度环带宽,同时也是速度环控制器设计的基本参数,因此,系统惯量的准确辨识对于系统性能改善有着至关重要的作用。本文提出一种针对交流伺服系统的惯量在线辨识算法。首先,将系统运动学方程进行离散化,选择可以在含白噪声的系统中获取参数无偏估计的递推最小二乘(Recursive Least Square,RLS)算法构建系统转动惯量的递推公式。考虑到转动惯量与负载转矩的强耦合关系,在构建辨识算法的同时,根据卡尔曼滤波器原理设计负载转矩观测器,将卡尔曼观测器(Kalman Observer,KO)所得负载转矩送入转动惯量递推公式中,使得算法能够在加载条件下有效辨识。接下来针对卡尔曼观测器中的协方差矩阵设计相应的自适应律,在实验过程中可免去对于协方差参数的调试,利用得到的自适应卡尔曼观测器(Adaptive Kalman Observer,AKO)进行负载转矩观测,同时进行仿真和实验对比,证明加入自适应律后的惯量辨识算法可以获得更准确的系统转动惯量。之后分析测速量化误差对于辨识结果的影响,得到惯量辨识误差受测速结果影响的约束关系。根据约束关系可以得到基于转速差阈值的算法执行判据,由该判据可调节算法的计算周期,解决在低加速度下无法辨识的问题,进一步拓宽算法的适用范围。最后,对于所提变周期AKO-RLS惯量在线辨识算法进行系统的实验验证。分别在对拖平台、丝杠平台以及摆臂平台上进行惯量辨识实验,验证算法在理想实验平台、含摩擦平台以及负载转矩变化条件下均能够准确有效的辨识系统惯量。