粒子群优化算法在直线感应电机优化设计中的应用

首先介绍了粒子群优化算法 (PSO)的基本原理 ,根据实验提出了改进措施 ,增强了粒子群优化算法的全局寻优能力。然后结合直线感应电机的设计特点 ,利用改进的粒子群优化算法对电机进行了优化设计 ,取得了较为满意的结果     

粒子群优化算法在直线感应电机优化设计中的应用

首先介绍了粒子群优化算法（PSO）的基本原理，根据实验提出子改进措施，增强了粒子群优化算法的全局寻优能力，然后结合直线感应电机的设计特点，利用改进的粒子群优化算法对电机进行了优化设计，取得了较为满意的结果。     

粒子群算法在电机优化设计中的应用

建立了电机优化设计的数学模型,结合电机设计的工程实际对粒子群优化算法做出了适当改进,并应用改进的算法分别对小型三相异步电动机和中型高压电机进行了优化计算.将两种电机的优化过程进行比较,同时对优化设计后的性能指标及有效材料用量进行对比分析.结果表明,该算法可靠有效.     

断路器操动机构用直线感应电机的优化设计

为了得到更大的起动推力,满足高压断路器开断性能和机械性能的要求,对操动机构用圆筒型直线感应电机进行优化设计,将粒子群优化算法引进到圆筒型直线感应电机的优化设计之中。并针对此电机优化的具体特点,提出将邻域拓扑粒子群优化算法用于圆筒型直线感应电机的全局优化,解决了粒子群优化算法中含有局部最优解的复杂优化问题,增强了粒子的寻优能力。两种算法的研究结果表明,与原始方案相比起动推力提高,起动电流大幅度降低,领域拓扑粒子群优化算法优化效果显著。电机的结构尺寸整体缩小,降低了电机的质量,节约了材料,证明了领域拓扑粒子群优化算法的优越性,提高和完善了圆筒型直线感应电机操动机构的实用性。     

基于粒子群算法的核屏蔽感应电机多目标优化设计

屏蔽感应电机是核反应堆冷却回路的动力源,提高该电机的效率和降低电磁噪声具有重要的意义。将有限元法和磁路法相结合,设计了1台20 kW核屏蔽感应电机。利用有限元软件对其进行额定工况运行状态下噪声和损耗仿真分析,确定影响电机效率和电磁噪声的主要参数;选取影响电机效率和噪声的主要参数为优化变量,电机电磁噪声和效率为优化目标,输出功率为约束条件;采用正交试验表获得样本空间;通过响应面法建立优化目标及约束条件的优化模型,最后利用粒子群算法对优化模型进行求解。有限元仿真结果表明:优化后电机效率提高了2.6%,电磁噪声降低了5.2 dB。     

基于改进粒子群算法的永磁直线电机优化设计

永磁直线电机的优化是一个多维的非线性问题,本文将永磁体等效为磁化电流,对磁化电流傅里叶变换来构建永磁直线电机模型,根据模型推导出目标函数。对于电机参数的优化,本文采用改进的粒子群算法来优化直线电机,在优化过程中增加了遗传算法中的交叉这个过程,实现了粒子群算法与遗传算法相结合,这种改进的算法不仅能减少迭代次数,让目标函数快速收敛,还能防止陷入局部最优,提高算法寻找全局最优的可靠性。     

基于遗传算法圆筒型直线感应电机的优化设计

针对直线感应电动机效率和功率因数低以及结构参数对其力能指标影响的严重非线性,把一种全局优化算法一遗传算法引入到圆筒型直线感应电机的优化设计中。结合电机优化问题的特点,将品质因数作为评价直线电机性能参数好坏的一项指标。应用遗传算法对圆筒型直线感应电动机进行优化设计,把直线电机的力功比和力能指标作为优化的目标函数,结果表明优化设计方法可行。     

直线感应电动机的优化设计研究

介绍直线感应电动机的优化设计。优化的目标是直线电机的力能指标最大。对直线电机的其它性能指标引入约束条件。采用ＨｏｏＫ－Ｊｅｅｖｅｓ法进行优化。约束处理采用外点罚函数法。优化的结果表明,优化后的直线电机的力能指标比优化前有较大提高。     

遗传模拟退火算法在圆筒型直线感应电机优化设计中的应用

本文采用遗传模拟退火算法对圆筒型直线感应电机进行优化设计。该优化算法把模拟退火算法结合进遗传算法中，这样在保证获得较好的全局搜索能力的同时，又加快了遗传算法在峰值附近的收敛，提高了遗传算法的效率。     

基于粒子群算法的直线振动发电机优化设计

设计了一种新型圆筒式永磁直线振动发电机,电机中永磁体放置在绕组外侧,内部通过放置铁心来增大感应电动势的幅值。其结构简单,尺寸多变,可将原来损失的小幅振动能量转化为电能,为小型设备提供低压直流。通过二维有限元对其非线性无边界轴对称磁场进行了系统的分析,得到一系列电机感应电动势与电机尺寸间的变化规律,并以有限元分析结果为基础,结合粒子群优化算法,归纳出通用的优化设计准则和公式。优化结果表明,为了得到更高的材料利用率,应取较大的永磁体外径,且样机实验和有限元分析结果吻合良好。     

基于微粒群算法的感应电机参数辨识

提出一种基于微粒群优化算法(Particle Swarm Optimization Algorithm,简称PSOA)的感应电机参数辨识方法.该方法通过计算感应电机实际输出与模型输出的差值来对估计模型进行不断修正,从而辨识出感应电机参数.介绍感应电机的数学模型和PSOA的运行机理及特征.详细说明采用PSOA对感应电机进行参数辨识的步骤和过程,并通过实验证明了该方法的可行性和辨识结果的可信性.     

基于PSO优化LS-SVM的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于粒子群算法优化最小二乘支持向量机的异步电动机振动故障诊断方法。先通过实验室对异步电动机各类故障的振动进行测试,对测试数据进行预处理,选择异步电动机不同位置振动信号的特征频率作为系统的输入,然后利用训练好的粒子群算法优化后的最小二乘支持向量机进行异步电动机振动的故障诊断。最终结果与其他诊断方法对比表明：该方法克服了样本训练时间较长并容易陷入局部收敛的缺点,同时诊断的准确率较高,有效地避免了异步电动机故障的误诊断。     

基于混沌粒子群算法的铜转子异步电机优化

异步电机具有结构简单,制造、使用和维护方便等优点,在各类电力拖动系统中广泛应用。与永磁电机相比,常规异步电机的效率普遍较低。异步电机采用铜转子,可以大大提高效率,达到IE4标准,但是却会带来起动转矩变小,起动电流变大的问题。为了克服这一问题,本文提出混沌粒子群算法从结构上来优化电机。首先采用田口算法来合理选择优化参数,以起动转矩倍数和起动电流倍数为目标,再采用响应面将优化目标拟合成曲线,最后采用混沌粒子群算法对其进行优化,最终得到优化后的电机参数     

自适应遗传算法在直线感应电机参数优化中的应用

介绍了自适应遗传算法的基本思想,把该算法引入到直线感应电动机优化中,取得了满意的优化效果,最后给出了基于自适应遗传算法的单边型直线感应电机优化实例.     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

粒子群算法在电动机辨识中的应用及研究

介绍了粒子群算法(PSO)及其实现电动机参数辨识的工作原理,总结了应用粒子群算法实现电动机参数辨识的国内研究状况,并指出了粒子群算法在电动机参数辨识领域以离线电动机工程应用为主的发展趋势.     

基于粒子群优化设计的直流无刷电机控制系统研制

针对直流无刷电机控制器优化设计的问题,提出了基于粒子群优化PSO算法的比例、积分和微分(PID)控制器的优化设计方法.结合PSO的基本原理和BLDC系统的控制策略,考虑到综合评价系统的各项性能指标,给出了优化PID控制器设计的步骤.仿真和实验结果表明:该方法能搜寻到最优或次最优的参数数值,优化得到的控制器速度响应快、超...