改进粒子群算法的永磁同步电机多参数辨识

发布时间：2021-01-11 04:06

　　针对一般粒子群算法辨识永磁同步电机（PMSM）参数由于其粒子在迭代后期易陷入局部最优而导致辨识精度不高的问题,提出一种将小生镜策略和混沌变异策略相结合的混沌变异小生境粒子群算法（NCPSO）。该算法为在连续三次迭代过程中对适应度值变化小的粒子为中心生成小生镜群体,并对该小生境群体中的最优粒子进行混沌变异。在同步旋转dq轴坐标系下建立PMSM满秩离散数学模型,将定子dq轴电压设为辨识模型和实际测量值的输入,设计了NCPSO辨识PMSM参数的适应度函数。该辨识方法不需推导复杂的电机数学模型,可同时辨识定子绕组电阻、定子绕组dq轴电感和永磁体磁链4个参数。经仿真结果表明,该算法的4个参数辨识误差都在0.14%以下,经实验结果表明,其辨识偏差都在2.15%以下。 

【文章来源】：电机与控制学报. 2020,24(07)北大核心

【文章页数】：9 页

【部分图文】：

数据采样图

基于混沌变异小生镜粒子算法的永磁同步电机多参数辨识原理如图2所示，其流程图如图3所示。NCPSO不断筛选PMSM待辨识参数的适当值，使得辨识模型与实际测量值之间的误差平方和适应度函数值达到最小值，适应度函数值越小，其辨识模型电压与测量电压越接近，待辨识参数和实际值也越接近。适应度函数如下:

NCPSO辨识PMSM参数流程图

【参考文献】：
期刊论文
[1]注入高频脉振电压的永磁同步电机I/F控制方法[J]. 邱建琪,周成林,史涔溦.  电机与控制学报. 2019(07)
[2]基于霍尔位置传感器的永磁同步电机速度估计方法研究[J]. 王凯,王之赟,宗兆伦,张建亚,张露锋.  电机与控制学报. 2019(07)
[3]车用永磁同步电机拓扑结构优化与实验研究[J]. 宋腾飞,刘慧娟,张振洋,刘威.  电机与控制学报. 2019(06)
[4]基于变异珊瑚礁算法的永磁同步电机参数辨识[J]. 吴定会,黄旭,全亚威,纪志成.  系统仿真学报. 2018(08)
[5]永磁同步电机在线参数辨识方法研究[J]. 石建飞,戈宝军,吕艳玲,韩继超.  电机与控制学报. 2018(03)
[6]表贴式永磁同步电机准稳态多参数在线辨识[J]. 刘金海,陈为.  电工技术学报. 2016(17)
[7]基于神经网络的永磁同步电机多参数解耦在线辨识[J]. 谷鑫,胡升,史婷娜,耿强.  电工技术学报. 2015(06)
[8]基于柯西变异粒子群算法的永磁同步电机参数辨识[J]. 傅小利,顾红兵,陈国呈,邹俊忠,张见.  电工技术学报. 2014(05)
[9]面向永磁同步电机参数辨识的免疫完全学习型粒子群算法[J]. 刘朝华,李小花,周少武,刘侃.  电工技术学报. 2014(05)
[10]基于遗传算法的内埋式永磁同步电机参数辨识方法[J]. 肖曦,许青松,王雅婷,史宇超.  电工技术学报. 2014(03)

硕士论文
[1]基于MRAS永磁同步电机参数辨识的研究[D]. 党威望.西安科技大学 2018



本文编号：2970049