改进细菌觅食算法的永磁同步电机参数辨识

TM351; 应用群智能算法对永磁同步电机(PMSM)进行参数辨识后期容易进入局部最优,从而导致辨识误差大,为此提出一种融合小生境技术的改进细菌觅食算法(MBFA).通过构建目标追踪函数,利用电机电流、电压和转速等直接测量的信号实现对电机d轴电感、q轴电感、定子电阻和永磁体磁链的快速、准确辨识;辨识过程中通过引入格型准则对目标解空间进行拟蒙特卡罗采样提高算法的全局搜索能力;基于小生境技术进行在线多种群协同搜索策略提高算法的搜索效率和寻优精度;最后通过引入一种种群实时监测和动态更新机制保证了算法在整个寻优过程的鲁棒性.仿真和实验结果表明,所提算法在参数辨识的快速性、准确性、稳定性方面均表现优越,...

Full description

Saved in:
Bibliographic Details
Published in电机与控制学报 Vol. 28; no. 2; pp. 174 - 181
Main Authors 边琦, 马建, 张梦寒, 王建平
Format Journal Article
LanguageChinese
Published 长安大学 汽车学院,陕西 西安710064 01.02.2024
Subjects
细菌觅食算法
群智能优化
permanent magnet synchronous motor
swarm intelligence optimization
小生境技术
niching technology
永磁同步电机
bacterial foraging algorithm
Quasi Monte Carlo sampling
参数辨识
拟蒙特卡罗采样
parameter identification
Online AccessGet full text
ISSN1007-449X
DOI10.15938/j.emc.2024.02.017

Cover

More Information
Summary:TM351; 应用群智能算法对永磁同步电机(PMSM)进行参数辨识后期容易进入局部最优,从而导致辨识误差大,为此提出一种融合小生境技术的改进细菌觅食算法(MBFA).通过构建目标追踪函数,利用电机电流、电压和转速等直接测量的信号实现对电机d轴电感、q轴电感、定子电阻和永磁体磁链的快速、准确辨识;辨识过程中通过引入格型准则对目标解空间进行拟蒙特卡罗采样提高算法的全局搜索能力;基于小生境技术进行在线多种群协同搜索策略提高算法的搜索效率和寻优精度;最后通过引入一种种群实时监测和动态更新机制保证了算法在整个寻优过程的鲁棒性.仿真和实验结果表明,所提算法在参数辨识的快速性、准确性、稳定性方面均表现优越,辨识结果能够满足对永磁同步电机进行建模和仿真的精度要求.
ISSN:1007-449X
DOI:10.15938/j.emc.2024.02.017