基于GANN的SRM无位置传感器位置预估方法研究

神经网络具有强大的非线性映射能力,非常适用于对磁链特性高度非线性的开关磁阻电机(SRM)转子位置的预估。然而,由于其网络结构、初始连接权值和阈值的不确定性,很难一次获得理想的训练结果。提出了一种基于遗传优化神经网络(GANN)的SRM无位置传感器位置预估方法,利用遗传算法对神经网络的初始权值和阈值进行优化,在此基础之上,以磁链和电流为输入、转子位置为输出,建立了预估模型。仿真结果表明,该方法可以在不同转速下对转子位置进行准确的预估,其预估误差不大于2°。     

基于文化粒子群算法的开关磁阻电机多目标优化设计

特殊的结构和控制方法使得开关磁阻电机(SRM)具有多变量、强耦合、高非线性等特点,如何快速而准确的得到最优设计方案一直是研究的热点与难点。首先将粒子群算法(PSO)与文化算法(CA)相结合,构建了文化粒子群优化算法(CPSOA),通过将PSO嵌入到CA架构,实现了不同空间群体的并行进化,提高了PSO的优化精度与效率。然后,采用传统设计方法得到了SRM的初始设计方案,并进行了初步校核。最后,针对一定的目标和约束,以参数对性能的影响模式为基础,利用CPSOA对初始方案进行了优化,得到了关键几何尺寸和控制参数的全局最优解。     

开关磁阻电机设计及多目标优化方法

绕组电流的非正弦性以及铁心磁通密度的高饱和性给开关磁阻电机(SRM)设计造成了极大困难,传统设计方法过程繁琐、专业性要求高且难以获得最优方案。本文首先利用传统方法得到了SRM初始设计方案,并通过敏感性分析揭示了各主要几何尺寸对电机性能的影响模式。然后,从收敛速度及全局精度出发,对遗传算法进行了改进。在此基础之上,以效率和转矩波动为目标函数,对初始方案进行了优化,得到了关键尺寸和控制参数的全局最优解。本文的研究对SRM设计及优化具有一定的参考价值。     

基于遗传算法的电动邮政车用永磁同步电动机滑模控制

燃料电池混合动力电动汽车以其环保节能低噪声等优点,非常适合用于邮政运输中。为了满足电动邮政车驱动时系统响应快、抗负载扰动能力强的要求,将滑模控制器应用于永磁同步电动机控制系统,借助改进的遗传算法对速度控制器参数进行优化设计,并用一组经实验测得的电动邮政车转速转矩变化数据进行了实验验证。实验结果表明,在转矩与转速都快速无规则变化时,所提出的滑模控制器相对于传统的PI控制器有更好的动态性能和鲁棒性。     

开关磁阻电机多目标协同优化设计

针对开关磁阻电机存在多变量、强耦合、高非线性等特点以及传统方法较难快速而准确地获得其最优设计方案的问题,引入了多目标协同优化设计方法。对协同优化算法进行了改进,提出了新型动态松弛因子法以及最优保留策略,在保证算法收敛性的同时,提高了其收敛速度及精度。以效率及转矩脉动为目标,利用改进型协同优化算法对开关磁阻电机的初始设计方案进行了优化,得到了关键几何尺寸和控制参数的全局最优取值。针对优化方案功率密度和热负荷较高的问题,设计了一个定、转子双水冷系统,并通过集中参数热网络模型证明了电机主要部位温度在工程允许范围之内。分析结果表明,改进型协同优化算法的引入达到了提升电机效率并降低其转矩脉动的目的。