基于迭代Prony算法同步电机参数的辨识

获得准确的同步电机参数是研究、分析电力系统运行和控制系统设计的前提。为解决当前在工程实际应用中瞬态参数求解的方法中所存在的数据处理精度不高、误差大等问题,引入一种具有一定抗噪能力的迭代Prony算法。Prony算法直接提供按指数规律衰减信号中各种分量的频率和幅值,更加切合电力系统暂态变量的特点。运用该算法对同步电机的瞬态进行参数辨识。数值仿真分析表明,在过滤了直流分量和信噪比20 dB的情况下,该方法能精确地辨识出同步电机的瞬态参数,因此,也验证了该算法的有效性。该方法有进一步研究和工程应用价值。     

基于ELMAN神经网络的同步电机动态参数在线辨识

为提高同步电机参数在线辨识的速度和可靠性，减少辨识计算量，提出了一种基于神经网络的电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性，在多层前向BP网络中引入特殊关联层，形成有“记忆”能力的Elman神经网络，因而可以映射系统的非线性和动态特性。在网络训练算法中，提出一种自适应修正步长和矩量因子的算法，显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明，这种Elman神经网络模型能够实现同步电机动态参数的在线跟踪辨识。     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量，辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础。针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解。理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度。     

基于改进混合遗传算法的同步电机参数辨识

针对同步电机参数辨识问题,建立了精确表示非同步采样及高次谐波在内的极值优化模型,利用改进混合遗传算法对该模型进行求解,为提高同步电机瞬态和超瞬态参数的精确辨识打下了良好基础.针对普通遗传算法收敛慢和经典迭代法初始点敏感问题,该改进混合遗传算法结合了全局寻优的遗传算法和局部寻优的模式搜索方法,不需要计算矩阵导数,可实现无需指定初值的电机参数快速求解.理论和仿真实验表明,该方法所需数据窗小,能有效提高参数测量的运行效率和计算精度.     

基于小波变换和Prony算法的同步电机参数辨识

将小波变换应用于同步电机瞬态参数测量，通过对采集到的同步电机三相突然短路电流进行小波变换，降低了信号的采集噪声，分离出了短路电流中的直流分量和基波电流分量,辨识出电机的瞬态参数和非周期分量时间常数，并提出利用扩展的Prony算法辨识电机的超瞬态参数。仿真分析和实机试验表明了所提出的方法是有效的。     

基于 EMD 和 Prony 算法的同步电机参数辨识

Prony 算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高.鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony 算法相结合的方法应用到同步电机参数辨识中.利用EMD 的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声 IMF 分量,然后用 Prony 准确辨识出同步电机的瞬态和超瞬态参数.仿真试验结果表明该方法具有精度高、抗噪性强等特点.     

同步电机非线性参数的自适应辨识方法

本文提出一种新的自适应参数辨识算法，以跟踪电机参数在动态过程中随工况呈非线性变化的轨迹。它利用电机实际运行时的输入输出数据，计及电机饱和、涡流效应，建立参数与工况因子之间的函数关系。该方法实际应用于大型汽轮发电机上，仿真计算与实测响应比较表明其有效性。     

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...     

考虑等效电磁损耗电阻偏移的永磁同步电机直流信号注入在线参数辨识方法

在实际运行过程中,永磁同步电机的电气参数将受到温度、磁饱和等诸多物理因素的影响而发生偏移,进而影响到效率最优控制、电流解耦控制等优化算法的运行效果。因此,为实现高性能电机控制,永磁同步电机的多电气参数在线辨识显得尤为重要。然而,现有参数辨识方法并未考虑铁磁损耗的影响,更未关注铁磁损耗随电流的偏移情况,所以在辨识精度上仍存在提升空间。对此,该文综合考虑铁磁损耗、铜损,将其集总为电磁损耗,并基于串联电磁损耗电阻模型,提出一种考虑等效电磁损耗电阻偏移的永磁同步电机直流信号注入在线参数辨识方法。该方法首先提出等效电磁损耗电阻随电流偏移的电机模型;其次由此设计同时考虑磁饱和、等效电磁损耗电阻偏移的直流信号注入在线参数辨识方法;由于待求解方程组较多,采用最小方均算法进行参数求解;最后通过实验测试所提方法的准确性,测试结果表明,与正弦信号注入法、传统直流信号注入法相比,所提方法的参数精度有所提升。     

矩阵束算法在同步电机参数辨识中的应用

同步电机参数的准确性对于电力系统运行和控制具有重要的意义。文中基于矩阵束算法提出一种同步电机参数辨识的新方法,并给出了辨识的基本原理和基本过程。该方法将采集到的三相短路电流构造为2个Hankel矩阵,通过奇异值分解和矩阵的低秩近似等方法抑制了噪声的干扰,同时减少了计算量,从而利用矩阵间的特定关系提取出直流分量和基波分量,实现了同步电机参数的准确辨识。仿真结果表明,该方法具有精度好、运算效率高、抗噪性强等特点。     

基于小波变换和矩阵束算法的同步电机参数辨识

为了精确检测同步电机参数,提出了一种小波变换和矩阵束相结合的新算法。该方法运用小波变换对短路电流进行消噪处理,提高其信噪比。运用矩阵束算法提取预处理后的短路电流各分量的频率和阻尼,然后对短路电流各分量的幅值和相位使用最小二乘法进行估计,进而实现同电机参数的辨识。针对在不同信噪比下的短路电流采样数据,分别运用TLS-ESPRIT算法和该方法进行同步电机参数辨识,仿真结果表明,与TLS-ESPRIT算法相比,该方法采用的数据样本数较少。在信噪比大于30 dB时,该方法具有更高的计算精度;在信噪比低于30 dB     

基于改进花授粉算法的永磁同步电机参数辨识

针对传统花授粉算法辨识永磁同步电机参数迭代后期易陷入局部最优导致收敛速度慢和寻优精度低的缺陷,提出了一种基于t-分布扰动和高斯扰动的改进花授粉算法（tGFPA）,以实现永磁同步电机参数的高精度辨识。首先利用混沌Logistic映射对花朵个体位置进行初始化,然后在全局授粉过程中引入t-分布扰动,提高搜索空间的多样性。在局部授粉过程中加入高斯扰动,增强跳出局部最优解的能力。最后,对比仿真结果表明：基于双扰动策略的改进花授粉算法收敛速度更快、辨识精度更高,对于永磁同步电机控制性能改善具有重要意义。     

基于并行混沌优化算法的永磁同步电机多参数辨识

为提高永磁同步电机(PMSM)系统多参数辨识的精度,实现PMSM的高性能控制,研究了一种并行混沌优化算法.针对一些PMSM多参数辨识方法由于数学模型欠秩问题而导致辨识结果的不确定性以及混沌优化算法对初始值敏感的缺陷,将并行混沌优化算法应用到PMSM多参数辨识中.分别采集在实际PMSM模型id=0和id≠0控制条件下的数...     

基于高频电压注入的永磁同步电机参数辨识方法

中大功率工业应用中,变频器到电机之间长电缆分布参数、变频器输出频率限制将直接影响高频注入法对电机参数辨识精度。考虑多种限制条件,提出了一种基于曲线拟合的定子电阻计算方法,研究了基于高频注入的永磁电机电感参数辨识方法,重点分析了不同注入信号选择对参数辨识精度的影响,为注入信号的选择提供了依据。通过实验证明了该方法的实用性与有效性,对工业应用电机参数辨识具有重要指导意义。     

永磁同步电机参数离线辨识方法的研究

为了进一步提高永磁同步电机矢量调速系统的性能,介绍一种无需其他附加检测电路的离线参数自检测辨识方案,同时考虑实际系统对辨识精度的影响,通过进行合理补偿,提高了辨识精度。最后对一台2.5kW 永磁同步电动机控制系统进行仿真分析和实验研究,辨识出电机的电气参数,仿真和实验结果验证了本方案的有效性。     

永磁同步电机参数离线辨识方法的研究

为了进一步提高永磁同步电机矢量调速系统的性能,介绍一种无需其他附加检测电路的离线参数自检测辨识方案,同时考虑实际系统对辨识精度的影响,通过进行合理补偿,提高了辨识精度.最后对一台2.5 kW永磁同步电动机控制系统进行仿真分析和实验研究,辨识出电机的电气参数,仿真和实验结果验证了本方案的有效性.     

基于Tikhonov正则化方法的同步电机参数辨识

同步电机的参数辨识问题在数学上可以被看成是一种非线性反问题,而反问题需要解决的首要问题就是它的病态性问题。通过对反问题的病态性问题进行分析,将Tikhonov正则化方法引入到同步电机参数的辨识中。在仿真中设置多个测试场景,仿真结果表明,与传统的最小二乘参数辨识法相比,所提方法能克服系统的病态性并有效地对电机参数进行辨识。     

基于随机子空间的同步电机参数高精度辨识新方法

将随机子空间辨识方法应用于同步电机的参数辨识中,提出基于随机子空间辨识的三相短路电流处理新方法。随机子空间辨识是一种线性系统时域模态参数识别方法,利用系统输出的数据构造汉克矩阵,进而分离出系统状态方程的系统矩阵和输出矩阵,从而识别系统的模态参数:固有频率、阻尼比、振型。应用该法分析同步电机短路电流,首先识别时间常数,进而依次消去时间常数识别各电抗参数。分别针对无阻尼、噪声和有阻尼背景下的仿真信号和同步电机三相短路电流进行仿真分析,计算中基于振型实现系统自动定阶,同时与普罗尼法作对比,结果表明该法抗噪性强、检测精度高。     

基于改进静止频率响应试验的同步电机参数辨识

针对同步电机参数辨识问题,以全电流为状态变量,研究同步电机d、q轴磁链与定子电流及励磁电压的关系,建立电机的数学模型。通过分析静止频率响应试验曲线,获得不同频率下各测试参数的增益和相位,替换d、q轴电磁参数特性传递函数方程中的相关部分,简化电机数学模型及其状态空间方程。基于励磁和定子回路开路时电机状态的分析结果,改进数据处理过程,辨识电机参数,对比采用其它方法测取的结果,有较好的一致性,所提参数辨识方法的有效性得以验证。