改进灰狼优化算法的永磁同步电机多参数辨识

TM341; 针对永磁同步电机(PMSM)参数辨识算法存在辨识精度低、同时辨识多参数困难等缺点,提出一种基于正态云模型的灰狼优化算法(CGWO).首先采用Fuch映射和反向学习策略产生多样性强的初始种群;其次,采用一种非线性递减收敛因子更新公式,使得算法的全局搜索和局部开发能力实现平衡;最后,采用正态云模型对灰狼群体进行位置更新和深度开发,同时通过云模型参数的自适应调整来增强局部寻优能力,改善传统灰狼优化算法易陷入局部最优导致精度下降的问题.利用基准测试函数对CGWO算法进行性能评估,在dq坐标系建立PMSM满秩离散模型,给定适应度函数,比较实际模型输出值与辨识模型输出值得到相应的适应度值,再...

Full description

Saved in:
Bibliographic Details
Published in电机与控制学报 Vol. 26; no. 10; pp. 119 - 129
Main Authors 张铸, 姜金美, 张小平
Format Journal Article
LanguageChinese
Published 湖南科技大学 信息与电气工程学院,湖南 湘潭411201%湖南科技大学 信息与电气工程学院,湖南 湘潭411201 01.10.2022
湖南科技大学 海洋矿产资源探采装备与安全技术国家地方联合工程实验室,湖南 湘潭411201
Subjects
永磁同步电机
正态云模型
基准测试函数
参数辨识
灰狼优化算法
Fuch映射
Online AccessGet full text
ISSN1007-449X
DOI10.15938/j.emc.2022.10.014

Cover

More Information
Summary:TM341; 针对永磁同步电机(PMSM)参数辨识算法存在辨识精度低、同时辨识多参数困难等缺点,提出一种基于正态云模型的灰狼优化算法(CGWO).首先采用Fuch映射和反向学习策略产生多样性强的初始种群;其次,采用一种非线性递减收敛因子更新公式,使得算法的全局搜索和局部开发能力实现平衡;最后,采用正态云模型对灰狼群体进行位置更新和深度开发,同时通过云模型参数的自适应调整来增强局部寻优能力,改善传统灰狼优化算法易陷入局部最优导致精度下降的问题.利用基准测试函数对CGWO算法进行性能评估,在dq坐标系建立PMSM满秩离散模型,给定适应度函数,比较实际模型输出值与辨识模型输出值得到相应的适应度值,再结合CGWO算法实现参数辨识.经仿真与实验表明,CGWO算法对于PMSM参数辨识具有更好的精确性、收敛性和稳定性.
ISSN:1007-449X
DOI:10.15938/j.emc.2022.10.014