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(<120 Hz)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0.067 nm/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预测工频下传感器中的动态磁滞非线性,模型的预测误差在3.6%以内,电流测量灵敏度可达到0.069 nm/A。