基于迭代式粒子群优化的永磁同步电机热网络模型参数辨识研究

针对集总参数热网络模型未知参数多、参数辨识收敛困难的问题,利用永磁同步电机在不同工况下的特性,提出迭代式粒子群优化辨识框架,用实验测量的电机温度场数据,以各节点估计温度与实测温度的均方误差作为目标函数,将并行优化转化为三步串行迭代优化,减少每一步优化变量数,缩小种群规模,避免陷入局部最优。应用于某额定功率70 kW电机,得到一般热阻和热容随温度变化的规律,电机损耗、绕组涡流系数和气隙热阻随转速变化的规律。台架实验表明,在综合驾驶工况下,以槽内绕组、端部绕组、永磁体、定子齿和定子轭的温度估计最大误差和平均误差作为评价指标,与实测结果以及传统的采用固定参数的集总参数模型相比,提出的模型精确度高,工况适应性好。     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究：在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的＂早熟＂问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明：改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

一种改进粒子群算法在横向磁通永磁电机优化中的应用

通过对鸟、鱼等动物群体捕食行为的深入分析,进行了粒子群优化算法的改进研究:在优化过程中,动态调整学习因子和惯性参量,得到了全新的粒子速度与位置更新模式,从而有效防止了粒子的"早熟"问题,并改善了算法的全局寻优能力。使用提出的改进粒子群算法对典型数学函数进行校验,结果表明:改进算法的全局寻优能力比原算法有明显提高。将其引入电磁场逆问题求解过程,对一台聚磁式横向磁通永磁同步电机进行基于磁钢用量和电机整体体积最小的尺寸优化设计,取得了令人较为满意的效果。     

基于粒子群优化算法优化陷波器参数的永磁同步电机振动抑制技术方法研究

针对振荡问题,在工业控制系统中,电机与负载之间一般都是通过传动轴、齿轮或者联轴器等传动机构进行连接,然而传动机构有一定的刚度系数,并不是完全刚性的,因此电机和负载之间存在柔性传动,即“末端振荡”。永磁驱动控制系统机械谐振抑制的综合设计是电机驱动领域的关键共性技术,对于提升永磁电机控制系统动态响应品质、提高系统安全性具有十分重要的意义。本文提出了一种基于智能算法的共振抑制方法,可有效解决陷波器由于参数耦合导致难以整定的问题,解决了伺服系统中多轴共振问题,既发挥了粒子群优化算法的优化计算能力,又体现了陷波滤波器有效滤除谐波的优点,将二者融合起来,有效消除了永磁同步伺服电机的共振谐波,抑制伺服共振现象。     

改进粒子群算法在永磁同步电动机参数识别中的应用

应用改进粒子群优化算法(IPSO)来识别异步起动永磁同步电动机起动时的动态模型参数.永磁同步电动机异步起动时的电机动态模型采用状态微分方程表示.与遗传算法(GA)和标准粒子群算法(SPSO)相比较,仿真试验表明改进粒子群算法明显提高了识别参数的准确性,同时表明改进粒子群算法能更好地识别永磁同步电动机起动时动态模型的参数.     

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。     

基于小生境粒子群算法的永磁同步电机参数辨识

永磁同步电机的电磁参数会随着温度和磁路等因素的变化而变化,参数辨识的准确度对电机控制系统性能有重要影响,而传统的辨识算法存在收敛速度慢,辨识精度低等缺陷.针对该问题,可以采用一种基于粒子群算法的参数辨识方法.该方法输入参数测量简单,可同时对电阻、电感、磁链三个参数准确辨识,同时引入小生境技术和粒子群改进策略,可以克服基...     

基于改进粒子群优化算法的永磁球形电机驱动策略研究

永磁球形电机（PMSpM）是一种结构紧凑、可多自由运动的单关节传动装置。该文提出一种适用于PMSpM驱动策略优化的改进粒子群优化（IPSO）算法,该算法可实时计算PMSpM期望转矩所对应的线圈驱动电流。首先,通过圆环函数建立PMSpM转矩解析模型,并构建转矩Map图;然后,在确定种群数量后为标准粒子群优化（PSO）算法引入自适应动态惯性权重和自适应学习因子,将所提IPSO算法与PSO算法进行仿真对比,仿真结果表明,在同样的精度下采用IPSO算法计算驱动电流比采用PSO算法有更快的计算速度;最后,通过PMSpM控制试验进一步证明了该仿真结论的正确性。     

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     

基于标准粒子群算法对热工模型的辨识

针对热工系统建模中的模型辨识问题,采用标准粒子群算法去辨识热工系统的模型;介绍了粒子群算法和标准粒子群算法的基本思想,以及利用标准粒子群算法进行系统辨识的基本原理与计算方法,并且利用Matlab数学工具对该方法在火电厂生产过程中蒸汽变化量对汽包水位的影响的传递函数,以及送风量和引风量变化对炉膛负压影响的传递函数的系统辨识进行了仿真研究,得到了这两个系统的数学模型,仿真结果显示所得的这两个数学模型与实际的现场数据有一定的吻合性,对火电厂热工系统的研究以及运行操作人员具有一定的指导意义。     

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。     

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.     

基于混沌粒子群算法的PI控制器参数在线整定

针对PI参数人工调节费时、费力且往往结果不甚理想的问题,并针对粒子群算法易局部收敛的缺陷,采用引入混沌搜索思想的混沌粒子群算法,提出一种在线PI控制器参数整定方法。以PMSM控制系统为对象,对该方法进行了测试,测试结果显示,采用参数整定后的PI控制器,PMSM控制系统拥有良好的动态和稳态性能,证明了基于混沌粒子群算法的PI参数整定方法的可行性。     

基于自适应变异特性粒子群算法的无功优化

针对电力系统无功优化问题,提出了1种自适应变异特性粒子群算法来克服粒子群优化方法容易早熟而陷入局部最优解的缺点。该方法以种群适应度方差为量化指标,动态衡量和监视粒子群体的聚集情况,并对聚集的粒子赋予变异操作,用以提高整个群体的全局寻优能力。通过对IEEE-6和IEEE-30测试系统的无功优化问题计算及结果分析表明该方法快速、高效、准确。     

禁忌搜索–粒子群算法在无功优化中的应用

禁忌搜索粒子群算法是针对粒子群算法局部搜索能力较弱和存在早熟收敛的问题,将禁忌搜索思想融入到粒子群算法中的混合算法,并将该算法应用到电力系统无功优化中。该方法在粒子群算法寻优过程的后期加入了禁忌表,扩大搜索空间,避免陷入局部最优。通过对IEEE 30节点测试系统和鸡西电网进行仿真计算,并与其他算法进行比较,结果表明该算法能取得更好的全局最优解,既加快了收敛速度,又提高了收敛精度。     

一种基于PSO-PID算法的分布式机器人实时控制

分析了粒子群优化(PSO)算法的原理、算法参数及其对算法性能的影响。以PSO算法为基础,提出了一种新的粒子群优化不完全微分PID算法。根据多关节机器人系统的特点,介绍了一种新的分布式机器人实时控制系统。系统采用双速率控制策略和分布式控制方式,机器人运动控制运用粒子群优化算法定时寻优PID参数,使其随着系统参数的变化而实时更新,实现最优不完全微分PID控制。实验结果表明,该系统设计科学、性能优越,新算法寻优能力强、控制效果好。     

基于粒子群优化算法的配电网重构和分布式电源注入功率综合优化算法

随着分布式电源(distributed generation,DG)在配电网中安装比例逐年增加,配电自动化应加强对DG的优化调度功能,发挥DG对配电网优化的有利作用。配电网重构是配电网优化的重要措施,DG联网后,DG注入配电网功率直接影响配电网重构结果。为使配电网性能达到整体最优,提出了一种基于粒子群优化算法(particle swarm optimization,PSO)的配电网重构和DG注入功率综合优化算法。该算法根据PSO并行计算的特点,采用PSO和二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合的方式,对转换开关状态和DG注入功率2种控制变量同时处理,达到配电网网损、电压偏差最小的目的。将DG作为可调度设备,对配电网重构和DG注入功率进行综合优化,提高了含DG配电网的电能质量和供电可靠性。将该算法应用到3馈线配电系统,仿真结果验证了所提算法的有效性。     

基于粒子群优化的超级电容器模型结构与参数辨识

为了分析超级电容器的动态特性,并准确估计荷电状态、健康状态等信息,需要建立超级电容器模型。提出以系统辨识方法作为建模手段,为克服广义误差准则不能保证模型输出误差最小的缺点,采用输出误差准则并推导出对应的非线性目标函数。应用粒子群优化算法对该目标函数进行优化求解,并获得模型参数。针对结构辨识问题,采用最终输出误差准则计算结构判别指标,通过比较该指标值确定模型最佳阶次。实验和仿真结果表明,所提模型能精确描述超级电容器的动态特性,建模方法可行。