基于克隆选择差分进化算法的永磁同步电机参数辨识

针对永磁同步电机(PMSM)多参数高精度辨识的问题,提出了一种克隆选择差分进化(DE-IC-SA)算法,将其运用于永磁同步电机的多参数在线辨识.算法通过对差分进化算法与免疫克隆选择算法进行混合优化,提高了种群多样性,加强了局部和全局的搜索能力.通过仿真实验表明:相较于差分进化算法与粒子群优化(PSO)算法,所提算法能同...     

基于并行动态学习型免疫算法的永磁同步电机状态监测

为提高永磁同步电机(Permanent magnet synchronous machine, PMSM)系统参数辨识与状态监测效率,利用图形处理器(Graphics processing unit, GPU)并行计算与 人工免疫技术相结合的研究方法,建立面向永磁同步电机系统基于GPU并行动态学习型 免疫进化的参数估计与状态监测模型.为提高算法的动态跟踪性能,在抗体演化进 程中,通过知识学习策略来引导算法进化过程,首先将抗体群划分为B细胞群、浆细胞 群以及记忆细胞群,对处于不同进化群体中的抗体分别设计免疫综合学习策略、免 疫反向学习策略和高斯学习策略,以增强抗体间的信息交互;接着,应用图形处 理器并行计算技术进一步加速算法求解过程;最后,将所提算法应用于永磁同 步电机系统参数辨识与状态监测中,实验表明,所提方法能同时准确地对电机的定子 电阻、dq轴电感和永磁磁链等系统关键参数进行估计.依据参数变化实现对系统 运行状态进行在线监测与预警.计算结果表明, GPU并行技术能大幅度提高计算效率.     

竞争合作型协同进化免疫算法及其在旅行商问题中的应用

为提高人工免疫算法的收敛性能,提出了一种竞争合作型协同进化免疫优势克隆选择算法(CCCICA).把生态学中的协同进化思想引入到人工免疫算法中,考虑了环境和子群间相互竞争的关系,子种群内部通过局部最优免疫优势,克隆扩增,自适应动态高频混合变异等相关算子的操作加快了种群亲和度成熟速度.把信息熵理论引入到算法中完善了种群的多样性.所有子种群共享同一高层优良库,并将其作为抗体子种群领导集合,对高层优良种群进行免疫杂交操作,通过迁移操作把优良个体返回到各子种群,实现了整个种群信息交流与协作.针对旅行商问题(traveling salesman problem,TSP)多个实例结果表明:与其它智能算法相比较该算法具有较好的性能.     

基于自适应粒子群优化算法的永磁同步电机参数辨识

永磁同步电机广泛应用于工业驱动系统中,开展永磁同步电机参数在线辨识对实现电机高性能控制和可靠状态监测具有重要意义.针对永磁同步电机动态数学模型具有非线性、多参数、强耦合等特点,从电气系统和机械系统两方面建立了永磁同步电机数学模型,针对参数辨识问题的特点,提出了一个惯性因子的自适应公式,在此基础上,建立了以粒子群算法为框架的自适应粒子群优化算法,对永磁同步电机定子电阻Rs和负载转矩TLd进行了在线辨识,并基于实验平台验证了辨识结果.研究结果表明:自适应粒子群优化算法通过不超过20次迭代就可以发现最优参数,模型参数的估计值和测量值匹配良好,该算法可在其他类型电机的参数辨识中推广应用.     

基于双模态自适应小波粒子群的永磁同步电机多参数识别与温度监测方法

提出了一种双模态自适应小波粒子群（Binary-modal adaptive wavelet particle swarm optimization,BAWPSO）的永磁同步电机（Permanent magnet synchronous motor,PMSM）多参数识别与温度监测方法.为了提高算法动态寻优性能,群体被划分为正向学习和反向学习两种模态;对处于不同模态的粒子分别采用正向学习策略与反向学习策略协同求解,扩大了解的搜索空间;同时对粒子个体极值采用自适应小波算子增强学习以提高收敛精度.永磁同步电机参数辨识结果表明所 提方法能够有效地辨识电机电阻,dq轴电感与转子磁链等参数,且能有效追踪系统参数变化值.在辨识出电机定子绕阻值后,根据金属阻值与温度之间的线性 原理间接计算定转子温度,从而实现永磁同步电机系统温度在线监测.     

基于Pareto协同进化算法的TS糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法.该方法由以下两步组成:1)采用模糊聚类算法辨识初始模型;2)利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化.Pareto协同进化算法由规则前件种群和隶属函数种群组成, 其目标函数同时考虑模型的精确性和解释性,采用一种新的基于非支配排序的多种群合作策略.利用该方法对一类合成非线性动态系统进行建模,仿真结果验证了该方法的有效性.     

一种基于双精英种群的协同进化算法研究

针对传统带精英策略的多目标进化算法种群收敛分布不够均匀,全局搜索能力不足的缺点,提出一种基于双精英种群的协同进化算法DEPEA(Double Elite Populations Co-evolutionary Algorithm)。该算法借鉴了子区间划分和非支配排序思想,将整个种群划分成两个不同级别的精英种群和一个普通种群;两个精英种群结合协同进化思想分别采用不同的进化策略实现对算法的探究和探查能力的平衡,高级别的精英种群与低级别的精英种群采用协作操作,促进更优秀的个体产生;高级别的精英种群与普通种群采用引导操作,加快普通个体向精英个体逼近。通过对五个标准的测试函数进行实验,并与传统的NSGA-II算法和最新的hybird_MOEA算法结果进行比较与分析,表明该算法不仅具有更好的全局收敛性,且能够更好地保证种群的多样性。     

多种群免疫协同进化算法在物流配送中心选址中的研究

为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA).MPICA通过对若干个抗体子群进行多样性评价,获得各自的记忆库和父代种群;记忆库之间通过移民算子进行联系,增大优秀抗体亲和度成熟的概率;各父代种群通过期望繁殖率进行选择、动态交叉和变异来提高抗体分布的多样性.针对物流配送中心选址实验数据表明,MPICA具有可靠地收敛性和全局寻优能力,能够高效的进行物流配送中心的选址.     

复杂模糊分类系统的协同进化设计方法

提出一种基于协同进化算法的复杂模糊分类系统的设计方法．该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化．协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略．利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性．     

融合微粒群的多种群协同进化免疫算法

提出一种融合微粒群的多种群协同免疫优势克隆选择算法(PMCICA).该算法将生态学中的协同进化思想引入人工免疫算法中,各子种群内部通过免疫优势克隆选择操作加快了种群收敛速度;所有子种群共享经过改进微粒群优化的高层优良库,实现了整个种群信息共享与协同进化.针对旅行商问题(TSP)的多个实验结果表明,该算法在收敛速度与最优解等方面均取得了较好的效果.     

永磁同步电机高效非线性模型预测控制

永磁电机控制器要求电机有很强的转速跟踪能力,并且要保证系统参数变化及负荷扰动下系统的鲁棒性. 永磁电机包含很多不确定因素,是强耦合的非线性系统,传统的线性控制器很难对其进行控制. 针对永磁电机的转速控制构造非线性模型预测控制方法. 非线性永磁电机模型通过输入-输出反馈线性化策略解耦成为新的线性系统. 为保证可行解的收敛性,提出一种迭代二次规划方法来处理由输入-输出反馈线性化导致的非线性约束. 仿真结果表明,控制器能有效降低计算负担,具有很好的动态控制性能,能抑制转矩脉动,并保证在参数变化和负荷扰动下控制系统的鲁棒性.     

基于滤波反步法的三相永磁同步电机伺服控制

为解决永磁同步电机的角度伺服控制问题.基于dq轴坐标系建立的电机控制模型,采用滤波反步法设计位置伺服控制器,通过稳定二阶滤波过程逼近虚拟控制量的导数,避免了常规反步法中对虚拟控制量解析求导的繁琐过程.通过设计滤波误差补偿环节,保证了滤波器输出信号对输入信号的跟踪精度.基于李雅普诺夫稳定性理论设计鲁棒项,保证了闭环跟踪误差的稳定性,并采用粒子群算法对控制器参数进行优化.最后,通过仿真实验结果表明了该算法的有效性,且具有较高的跟踪精度.     

Adaptive fuzzy robust control of PMSM with smooth inverse based dead-zone compensation

It is a challenging work to design high precision/high performance motion controller for permanent magnet synchronous motor (PMSM) due to some difficulties, such as varying operating conditions, parametric uncertainties and external disturbances. In order to improve tracking control performance of PMSM, this paper proposes an adaptive fuzzy robust control (AFRC) algorithm with smooth inverse based dead-zone compensation. Instead of nonsmooth dead-zone inverse which would cause the possible control signal chattering phenomenon, a new smooth dead-zone inverse is proposed for non-symmetric dead-zone compensation in PMSM system. AFRC controller is synthesized by combining backstepping technique and small gain theorem. Discontinuous projectionbased parameter adaptive law is used to estimate unknown system parameters. The Takagi-Sugeno fuzzy logic systems are employed to approximate the unstructured dynamics. Robust control law ensures the robustness of closed loop control system. The proposed AFRC algorithm with smooth inverse based dead-zone compensation is verified on a practical PMSM control system. The comparative experimental results indicate that the smooth inverse for non-symmetric dead-zone nonlinearity can effectively avoid the chattering phenomenon which would be caused by nonsmooth dead-zone inverse, and the proposed control strategy can improve the PMSM output tracking performance.     

Fuzzy approach-based optimal robust control for permanent magnet synchronous motor with experimental validation

This paper presents an optimal robust control for a permanent magnet synchronous motor (PMSM) with uncertainties and external disturbances which can be described by fuzzy approach. The fuzzy approach based on fuzzy set theory is distinguish from probability theory or fuzzy logic theory. Firstly, a dynamical model of the PMSM with uncertainties is established using a fuzzy approach. Then, a robust controller with an optimizable parameter is designed for PMSM to handle the uncertainties. The stability of the proposed control is proven using the Lyapunov theory. Furthermore, the controller gain is optimized by minimizing performance index, which contains the control performance and cost. Finally, the numerical simulations and experimental results are presented to validate the effectiveness of the proposed control with an optimal parameter.     

PMSM的哈密顿反馈耗散增益调度控制

针对永磁同步电机(PMSM)伺服系统的速度控制要求,基于哈密顿反馈耗散(Hamilton feedback dissipation)控制策略提出了增益调度永磁同步电机的速度控制方法,该方法从能量平衡的观点,利用能量整形方法,给出了PMSM的速度控制器,并针对固定增益参数对于电机暂态性能控制的不足,基于系统实际值与期望稳定值之间的偏差提出了混合增益控制方法来提高控制系统的速度跟踪性能。提出的控制方法简化了系统设计过程,减少了系统控制中参数数量,在保证系统具有渐近稳定性能的同时,提高了系统的暂态响应性能。仿真和实验结果表明,应用该方法控制永磁同步电机较传统增益控制参数恒定的方法可以使系统具有更好的控制性能。     

Nonlinear adaptive speed control of a permanent magnet synchronous motor: A perturbation estimation approach

This paper presents a nonlinear adaptive control (NAC) scheme for the speed regulation of a permanent magnet synchronous motor (PMSM) based on perturbation estimation and feedback linearizing control. All PMSM system’s unknown nonlinearities, parameter uncertainties, and external disturbances including unknown time-varying load torque disturbance, are defined as lumped perturbation terms, which are estimated by designing perturbation observers. The estimates are used to adaptively compensate the real perturbations and achieve adaptive feedback linearizing control of the original nonlinear system. The proposed control scheme does not require accurate system model and full state feedback. Stability of the close-loop system with proposed NAC is investigated via Lyapunov theory, and the effectiveness of proposed NAC scheme is verified through both simulation and experimental studies. Both simulation and experimental results show that the proposed NAC scheme can provide less regulation error in speed tracking, better dynamic performance and robustness against parameter uncertainties and load torque disturbance, compared with conventional vector control and load torque estimated based control.     

FDI based on an adaptive observer for current and speed sensors of PMSM drives

This paper deals with a new method of current and speed sensors faults detection isolation (FDI) and identification for a permanent magnet synchronous motor (PMSM) drives. A new state variable is introduced so that an augmented system can be constructed to treat PMSM sensor faults as actuator faults. This method uses the PMSM model and a bank of adaptive observers to generate residuals. The residuals results are used for sensor fault detection. A logic algorithm is built in such a way to isolate and identify the faulty sensor for a stator phase current fault after detecting the fault occurrence. Simulation results are presented to illustrate the functionality of theoretical developments. Experimental results with 1.1-kW PMSM have validated the effectiveness of the proposed FDI method. The experimental implementation is carried out on powerful dSpace DS1103 controller board based on the DSP TMS320F240.