改进灰狼优化算法的永磁同步电机多参数辨识

摘要：

针对永磁同步电机(PMSM)参数辨识算法存在辨识精度低、同时辨识多参数困难等缺点,提出一种基于正态云模型的灰狼优化算法(CGWO).首先采用Fuch映射和反向学习策略产生多样性强的初始种群;其次,采用一种非线性递减收敛因子更新公式,使得算法的全局搜索和局部开发能力实现平衡;最后,采用正态云模型对灰狼群体进行位置更新和深度开发,同时通过云模型参数的自适应调整来增强局部寻优能力,改善传统灰狼优化算法易陷入局部最优导致精度下降的问题.利用基准测试函数对CGWO算法进行性能评估,在dq坐标系建立PMSM满秩离散模型,给定适应度函数,比较实际模型输出值与辨识模型输出值得到相应的适应度值,再结合CGWO算法实现参数辨识.经仿真与实验表明,CGWO算法对于PMSM参数辨识具有更好的精确性、收敛性和稳定性.

关键词：永磁同步电机、灰狼优化算法、参数辨识、基准测试函数、正态云模型、Fuch映射

所属期刊栏目：26

分类号：TM341(电机)

资助基金：国家自然科学基金;湖南省科技计划项目

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：119-129