基于克隆选择差分进化算法的永磁同步电机参数辨识

针对永磁同步电机(PMSM)多参数高精度辨识的问题,提出了一种克隆选择差分进化(DE-ICSA)算法,将其运用于永磁同步电机的多参数在线辨识。算法通过对差分进化算法与免疫克隆选择算法进行混合优化,提高了种群多样性,加强了局部和全局的搜索能力。通过仿真实验表明:相较于差分进化算法与粒子群优化(PSO)算法,所提算法能同时辨识定子电阻、dq轴向电感和转子磁链等电磁参数,并且具有较好的收敛性和可靠性。

基于改进混沌粒子群优化算法的永磁同步电机参数辨识

针对永磁同步电机(PMSM)在参数辨识过程中由于粒子容易早熟和陷入局部最优而导致辨识精度不高的问题,提出了一种改进混沌粒子群优化(ICPSO)算法,并将其应用在PMSM多参数辨识中。该算法通过对混沌算法和粒子群优化(PSO)算法结合并优化,且在算法中融入精英免疫原理,处于中间的粒子进行免疫升级,此举不仅扩大了粒子在种群中的搜索范围,而且在一定程度上克服了粒子早熟、不易跳出局部最优的问题。该算法对标准测试函数进行试验,且与PSO算法和混沌粒子群优化(CPSO)算法在参数辨识中的效果相比较,得出定子电阻、dq轴电感和转子磁链电磁参数,从而证明该算法的有效性。