[发明专利]一种基于改进粒子群优化算法的异步电机参数辨识方法

说明书

本发明涉及一种基于改进的粒子群优化算法的异步电机参数辨识方法，以标准粒子群算法为基础，通过分批分别设置种群的最大加权系数和最小加权系数，并增加了随机变异算子，增加变异算子对gbest进行随机变异的策略来提高算法跳出局部收敛的能力，改善粒子群的过早陷入局部最优的问题，扩大粒子的搜索范围，改进了粒子群算法的全局搜索能力和收敛速度，降低陷入局部最优的风险，兼顾优化过程的精度和效率。本发明通过测量获得异步电机各工作特性的测量值，应用该改进的粒子群优化算法实现异步电机静态参数辨识，在有噪声的情况下，仍能具有较高的识别准确率。

技术领域

本发明涉及异步电机参数辨识技术领域，特别是一种基于改进的粒子群优化算法的异步电动机参数辨识方法。

背景技术

传统异步电机是近些年在各个领域仍得到广泛应用的一种电机，它具有结果简单、容易制造、价格低廉、运行可靠、坚固耐用、运行效率较高等特点。异步电机主要用作电动机，去拖动各种生产机械。例如，在工业方面，用于各种金属切削机床、矿山机械、轻功机械等；在农业方面，用于拖动水泵、脱粒机、粉碎机以及其他农副产品的加工机械等；在民用电器方面的电扇，空调和冰箱的压缩机等。因此，异步电动机在各个领域都有着广泛的应用和研究优化价值。由于异步电动机的工作特性关于转差的函数都是很复杂的有理函数，目前用于异步电动机参数的辨识的方法主要有以下几种：广义Kalman滤波、最小二乘法、遗传算法(GA)等等。在这些方法中，最小二乘法、遗传算法等测量结果稳定性不好，实际异步电动机参数辨识效果较差，进而使以此参数为基础构建的异步电动机控制系统达不到良好的控制效果，无法获得良好的异步电动机稳态、动态特性。

发明内容

本发明的目的在于提供一种基于改进的粒子群优化算法的异步电动机参数辨识方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于改进粒子群优化算法的异步电机参数辨识方法，按照如下步骤实现：

步骤S1：建立三相异步电动机T形等效电路模型；

步骤S2：根据待辨识异步电动机的电机参数值建立参数向量，并根据该参数向量构建搜空间；

步骤S3：将粒子群等分为3组，分别设置不同的最大加权系数w_max和最小加权系数w_min；

步骤S4：根据当前位置计算每个粒子的适应度函数值及粒子适应度值；

步骤S5：对底层的每个群体的每个微粒，将其适应值与其经历过的最佳位置pbest作比较，如果比当前的pbest好，则将其作为当前微粒的最佳位置pbest；将其适应值与此群体所经历的最佳位置gbest作比较，如果比当前gbest好，则重新设置gbest；将其适应值与其所在组别的群体所经历的最佳位置gbest_j作比较，如果比当前gbest_j好，则重新设置gbest_j；

步骤S6：根据每组各自不同的w_max和w_min，更新每个粒子位置；

步骤S7：计算群体适应度标准差S；

步骤S8：计算变异概率p_m，并根据求得的变异概率判断是否对gbest进行变异运算；

步骤S9：判断是否达到最大的迭代次数k_max；若满足条件，则搜寻过程结束，此时对应于最小适应值的参数即为辨识结果参数，否则转到所述步骤S4。

在本发明一实施例中，在所述步骤S1中，选取异步电动机定子相电流和电机功率因数作为参数辨识的测量量，其特性曲线函数分别为：

两特性曲线函数式中：