改进粒子群算法的永磁同步电机多参数辨识

针对一般粒子群算法辨识永磁同步电机(PMSM)参数由于其粒子在迭代后期易陷入局部最优而导致辨识精度不高的问题,提出一种将小生镜策略和混沌变异策略相结合的混沌变异小生境粒子群算法(NCPSO)。该算法为在连续三次迭代过程中对适应度值变化小的粒子为中心生成小生镜群体,并对该小生境群体中的最优粒子进行混沌变异。在同步旋转dq轴坐标系下建立PMSM满秩离散数学模型,将定子dq轴电压设为辨识模型和实际测量值的输入,设计了NCPSO辨识PMSM参数的适应度函数。该辨识方法不需推导复杂的电机数学模型,可同时辨识定子绕组电阻、定子绕组dq轴电感和永磁体磁链4个参数。经仿真结果表明,该算法的4个参数辨识误差都在0.14%以下,经实验结果表明,其辨识偏差都在2.15%以下。