基于稳态欠秩方程的永磁同步电机多参数并行辨识

针对永磁同步电机(PMSM)运行过程中电机参数受运行工况影响实时摄动的问题,提出一种基于稳态欠秩方程的电机多参数并行在线辨识算法。对PMSM稳定状态方程组的系数矩阵进行分析,指出PMSM稳定状态方程组为秩数为2的包含3个未知参数的欠秩方程。基于Lyapunov稳定性理论及Popov超稳定性理论分别设计了PMSM模型参考自适应多参数并行辨识器,通过设计合理的自适应律使得参考自适应系统渐进稳定,对电机定子电阻、电感及转子磁链进行相应辨识。试验辨识结果验证了所提辨识算法的有效性和实用性。     

采用测量电压的永磁同步电机多参数在线辨识

针对永磁同步电机多参数在线辨识存在欠秩、相互耦合、精度低等问题,该文提出一种采用测量电压的多参数在线辨识方法,同时在线辨识d、q轴电感、定子电阻和永磁体磁链4个参数。通过测量电压代替给定电压,消除了逆变器非线性因素对参数辨识的影响,提高参数辨识精度。通过高频正弦电压注入,先辨识d、q轴电感,然后再将电感辨识结果用于电阻和磁链的递推最小二乘辨识。这种分步辨识策略解决了欠秩问题。同时,在d轴注入方波扰动电流信号,进一步解决由于欠秩导致的参数辨识相互耦合的问题。实验结果证明,所提多参数在线辨识算法在加减速、突加突卸负载和不同温度下,均能准确辨识参数。     

改进粒子群算法的永磁同步电机多参数辨识

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。     

永磁同步电机五参数同时辨识方法研究

精确获取永磁同步电机(PMSM)参数是使其获取高性能驱动控制基础。针对PMSM多参数辨识较为困难的问题,本文提出基于细菌趋化粒子群算法(PSOBC)的PMSM五参数辨识方法,该辨识方法可同时辨识定子绕组电阻,dq轴电感,永磁体磁链,转动惯量五个参数。在PMSM矢量控制i_d=0基础上,采取在定子d轴注入负序弱磁方波电流策略,并在两种控制策略条件下推导出含五个待辨识参数的满秩离散数学方程组。PSOBC算法在基本粒子群算法基础上,加入细菌排斥策略,能有效维持迭代后期粒子种群的多样性,从而提高其寻优性能。经实验验证了此辨识方法的有效性和精确性。     

基于改进状态转移算法的不确定混沌电力系统参数辨识

电力系统参数的准确性是电网安全稳定运行和科学合理实现电网调度的前提,而混沌电力系统的参数常是未知的或是不稳定的,致使难以获取精确的混沌电力系统参数。针对混沌电力系统参数辨识难度大、易受外界干扰等问题,提出一种基于改进状态转移算法的混沌电力系统参数辨识方法。首先分别分析了二阶混沌电力系统和四阶混沌电力系统的数学模型及混沌状态;然后利用状态转移算法进行未知参数的辨识,其中设定陷入局部最优判别机制用于判断状态是否出现早熟现象,若发生早熟现象,加入逆向转移机制使状态跳出早熟状态,增加群体的多样性,避免陷入局部最优解;最后将该改进状态转移算法分别用于二阶和四阶混沌电力系统的参数辨识。仿真结果表明,改进的状态转移算法对于不确定混沌电力系统的参数辨识不仅具有很好的辨识速度,而且也具有很高的辨识精度。     

基于混沌蚁群算法的负荷模型参数辨识

为了解决负荷模型参数辨识结果平稳性这一困扰模型应用的难题,提出了一种适用于负荷模型参数辨识的混沌蚁群混合算法.该算法针对蚁群算法容易陷入局部最优的缺点和混沌算法遍历性和随机性的优点,把混沌算法引入到了蚁群算法中,在蚁群算法求解的基础上,利用混沌算法对解的邻域进行了混沌优化,有效避免了蚁群算法的局部收敛问题.基于实测数据的算例结果表明:与单一蚁群算法相比,混沌蚁群混合算法提高了辨识结果的精度,减少了辨识误差,有效控制了参数分散性,具有较好的工程实用价值.     

GLBest-PSO算法在热工过程模型参数辨识中的应用

过程对象的数学模型,对热工控制系统的设计和分析有着重要的意义。为了达到精确建模的目的,提出了一种基于全局-局部参数最优的粒子群优化算法的辨识方法。将过程模型的每个参数作为群体的一个粒子,利用粒子在空间进行高效并行的搜索来获得最佳参数值,提高了辨识精度和效率。对典型热工过程进行辨识表明:该方法对过程模型的阶次不敏感,对不同输入信号均能得到满意的辨识精度和效率,模型输出与实际输出基本一致,辨识效果较好。     

改进综合学习粒子群算法的PMSM参数辨识

为了解决永磁同步电机(permanent magnet synchronous motor,PMSM)多参数辨识问题,提出一种改进综合学习粒子群优化算法。针对综合学习粒子群算法后期搜索效率低的缺陷,所提算法引入反映粒子状态的增长率算子,通过该算子动态调整综合学习粒子群算法的关键参数,并根据增长率算子判断种群中粒子所处状态,对处于停滞状态的粒子实施高斯扰动,使粒子能在解空间中进行有效搜索。将所提改进算法应用于永磁同步电机多参数辨识,该方法仅需采样电机的定子电流、电压和转速信号。实验结果表明,改进综合学习粒子群优化方法能够准确地辨识PMSM的定子电阻、d轴和q轴电感和永磁体磁链等参数。     

基于粒子群优化算法的过程模型辨识

参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.     

基于改进PSO与广义五阶CKF算法的PMSM无传感器控制

为提高永磁同步电机无传感器控制效果,针对电机转速估计精度及PI参数优化的问题,提出一种基于改进粒子群优化(PSO)的PI参数与广义五阶容积卡尔曼滤波(CKF)算法的PMSM无传感器控制方法.首先,建立了PMSM的离散数学模型,推导了其转速环传递函数,并以此为适应度函数利用基于柯西变异的改进PSO算法来对转速环PI参数进行优化;其次,利用广义五阶容积规则推导了广义五阶CKF算法,构建了基于改进PSO的PI参数和广义五阶CKF算法的PMSM无传感器控制方法;最后,实验结果表明,广义五阶CKF算法相较于三阶CKF算法,对电机转速和转子位置估计精度更高,基于改进PSO转速环PI参数的优化方法能够改善PMSM的控制效果,将改进PSO与广义五阶CKF算法相结合有利于改善PMSM的无传感器控制效果.     

新型模型参考自适应的PMSM无差拍电流预测控制

永磁同步电机(PMSM)的无差拍电流预测控制(DPCC)对参数失配非常敏感。在实际应用环境中，由于某些因素的影响，电机参数会失配，严重时会导致PMSM运行故障。为了减小对DPCC的影响，提出一种基于新型模型参考自适应系统(MRAS)的参数分步辨识方法。首先，获得定子电阻和定子电感的参数，并将其作为已知量来辨识转子磁链。等待参数稳定之后，再将辨识结果作为已知量用于辨识定子电感和定子电阻。最后，将辨识出的参数代入DPCC进行改进。实验结果表明，该方法可以解决模型欠秩的问题，并且可以抑制电机参数失配对DPCC的影响，提高动态跟踪性和鲁棒性，具有一定的工程实际意义。     

充电模态下电动汽车动力电池模型辨识

电池模型及参数辨识是电动汽车动力电池进行充、放电优化控制的基础,同时模型参数受充、放电工况的影响。为对充电模态下的电动汽车动力电池进行建模与参数辨识,对动力电池建模方法、模型参数辨识算法展开研究,建立基于电极阻抗谱理论的可变阶次电池等效电路模型,提出基于遗忘因子扩展递推最小二乘算法(FFRELS)的模型参数辨识算法,构建基于贝叶斯信息准则(BIC)的电池模型最优阶次选择算法,创建基于晶格气体模型(LGM)的电池开路电压模型,对电池模型参数辨识算法进行修正,实现了充电模态下的电池模型参数辨识与最优阶次选择。仿真结果证明了该方法的有效性。     

基于TR-BFGS的PMSM变参数识别及优化控制

永磁同步电机参数会随着运行工况的变化而改变,为实现高精度控制,提高系统稳定性,工程上可采用PMSM变参数控制技术。针对目前PMSM在线参数辨识方法对噪音等非电气因素的鲁棒性差、辨识精度不高的问题,本文介绍了基于TR-BFGS算法的变参数识别方法及优化控制技术。建立PMSM在dq坐标系下的等效数学模型,以实际电机电流和模型输出电流为基准,设计合适的目标函数,去除辨识中的系统扰动和固有误差,通过求解目标函数最小值获取PMSM参数预测值,并以此更新电流、转速双闭环控制系统中电机参数值。试验结果表明,本文所提参数辨识方法辨识精度高,可实现PMSM变参数高性能控制。     

基于改进最小二乘法永磁同步电机多参量辨识

针对永磁同步电机(PMSM)多参量辨识数学模型欠秩的情况,将电机参数分为快变化和慢变化2种类型参数,结合慢参量入口和电机稳态信息建立慢辨识模型和快辨识模型,提出了一种改进的分步迭代在线辨识方法。该方法基于电机在旋转坐标系下的稳态电压方程,分时分步固定慢变化参数,利用遗忘因子递推最小二乘算法,能够辨识表贴式永磁同步电机(SPMSM)的3个电气参数,计算压力小,辨识速度快,适于工程应用。以DSP控制器和测功机试验平台为基础的试验证明了辨识方法的可行性。     

基于混沌蚁群算法的负荷模型参数辨识

为了解决负荷模型参数辨识结果平稳性这一困扰模型应用的难题,提出了一种适用于负荷模型参数辨识的混沌蚁群混合算法.该算法针对蚁群算法容易陷入局部最优的缺点和混沌算法遍历性和随机性的优点,把混沌算法引入到了蚁群算法中,在蚁群算法求解的基础上,利用混沌算法对解的邻域进行了混沌优化,有效避免了蚁群算法的局部收敛问题.基于实测数据...     

基于神经网络的永磁同步电机多参数解耦在线辨识

为消除永磁同步电机数学模型欠秩性而引起的在线多参数辨识时的耦合影响,本文提出了一种矢量控制策略下的d轴负序电流瞬时注入神经网络解耦辨识方法,结合最小均方权值收敛算法,在线辨识出了表贴式永磁同步电机的电感、定子电阻和转子磁链,并通过增加网络结构中节点的方法削弱了逆变器压降、死区等因素对参数辨识精度的影响。实验结果验证了算法的有效性,在不影响电机系统正常运行的同时,实现多参数快速辨识,且具有较好的辨识精度。     

基于自适应混沌粒子群算法的光伏电池模型参数辨识

光伏电池模型参数的快速准确辨识在光伏阵列的输出功率预测、最大功率点跟踪以及电池故障模型的特性研究方面具有非常重要的工程意义。针对大部分传统智能算法用于系统参数辨识时的辨识精确受参数初值影响较大,而且算法易陷入早熟的问题,利用自适应混沌粒子群算法(SA-CPSO)对光伏电池模型参数进行辨识。将混沌算法与粒子群算法融合,对粒子群进行混沌初始化并促使陷入局部最优的粒子进行混沌搜索,引导其跳出局部极值从而搜索到更好的解;同时引入自适应调整策略来有效控制全局与局部搜索,提高了进化后期算法的收敛精度。经过仿真和实验测试,证明SA-CPSO算法在光伏电池模型参数辨识方面具有较高的精确度和快速性。还通过实验探讨了辐照度变化对太阳能电池参数的影响。     

永磁同步电机多参数辨识方法研究

针对永磁同步电机(PMSM)多参数辨识困难的问题,该文提出一种初始参数优化的混沌变异小生镜粒子群优化(NCOPSO)算法,并设计一个含有5个待辨识参数(定子绕组电阻,定子绕组交、直轴电感,永磁体磁链,转动惯量)的满秩数学方程组。该算法首先使用粒子群算法优化基本粒子群算法3个初始参数(惯性系数?,学习因子c1、c2)。再对优化后的粒子群使用小生镜策略,以连续多次迭代适应值变化小的粒子为中心构造一个小生镜群体。最后使用混沌变异策略,在每次迭代过程中,以每个小生镜群体最优粒子为基础迭代生成一个混沌序列,将序列中最优粒子随机替换当前小生镜群体某一粒子,同时对小生镜群体最差粒子进行初始化。经电机仿真与实验验证了该算法的可行性与准确性。     

基于混沌优化粒子群BP神经网络的电力变压器故障诊断

针对电力变压器故障诊断问题,提出了一种基于混沌(Chaos)优化的粒子群(Particle Swarm Optimization)BP神经网络算法。该算法将混沌、粒子群和BP神经网络相结合,通过混沌粒子群算法寻优,得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。利用了混沌算法的遍历性和对初始值敏感的特点,对粒子群算法进行了参数优化,引入了早熟判断机制,并在早熟状态时进行了混沌扰动,使算法后期不易陷入局部最优。通过实例训练与测试表明,CPSO-BP神经网络算法在变压器故障诊断方面有较好的效果。     

基于改进Bayes信息量准则的锂电池自适应变阶AVO模型

提出了一种融合Bayes信息量准则和樽海鞘优化算法的自适应变阶(AVO)模型。该模型以端电压误差的Bayes信息量作为一阶和二阶RC模型的变阶依据，利用樽海鞘优化算法(SSA)搜索Bayes信息量序列的全局最优解，实现对模型最优变阶序列的求解；通过开展混合动力脉冲特性(HPPC)实验，选用含遗忘因子递推最小二乘法(FFRLS)获取精确的模型参数，完成AVO模型的电阻及电容参数辨识和精度在线验证。结果表明：所建立的锂电池自适应变阶AVO模型平均误差为0.011 9 V，精度及实用性较高。