基于PSO算法的GMM改进J-A磁滞模型的参数辨识与验证

为了解决现有的GMM-FBG电流传感器的磁滞非线性问题,基于经典的J-A磁滞模型提出了一种改进的适用于低频(<120Hz)条件下的J-A模型。采用粒子群(PSO)算法对改进后的J-A模型进行了分段参数辨识与优化,提高了模型的预测精度。搭建了相应的GMM-FBG交流电流传感系统实验平台,运用所提出的改进的J-A模型对GMM-FBG电流传感器进行了磁滞建模和实验验证。实验及仿真结果证实该模型具有良好的预测性,模型的预测误差在2.5%以内,传感系统的电流测量灵敏度达到0.067nm/A。     

基于动态自由能磁滞模型的GMM-FBG电流传感器磁滞建模与参数辨识

为解决GMM-FBG电流传感器中存在的磁滞非线性和涡流损失问题,提出了一种耦合涡流损失模型的动态自由能磁滞模型,采用非线性遗传算法对该模型进行参数辨识和优化,提高了模型在工频下对磁滞曲线的预测精度.搭建了 GMM-FBG电流传感器实验平台,利用所建的磁滞模型对传感系统进行建模补偿和实验验证.实验结果表明该模型能够较好地...