基于ICPSO算法的异步电动机参数辨识与控制.pdfVIP

第37卷 第1期 武汉理工大学学报 (信息与管理工程版) Vo1．37No．1 2015年2月 JOURNALOFWUT(INFORMATIONMANAGEMENTENGINEERING) Feb．2015 文章编号：2095—3852(2015)O1—0016—05 文献标志码：A 基于 ICPSO算法的异步电动机参数辨识与控制 李慧媛 ，苏义鑫 ，洪 敏 ，龙 飞 (1．武汉理工大学 自动化学院，湖北 武汉 430070；2．中国船舶重工集团公司第七一二研究所，湖北 武汉430064) 摘 要：对人工免疫算法 、协同进化算法和粒子群算法三者相结合的免疫协同粒子群优化算法 (ICPSO) 进行改进，提出了一种适用于异步电动机参数辨识的ICPSO算法，并在传统的矢量控制系统基础上 ，运用该 算法在线辨识出异步电动机参数，实时调整解耦控制器、磁链观测器和PI调节器参数，实现参数 自适应，设计 了基于ICPSO算法的异步电动机矢量控制系统。仿真结果表明，与传统的矢量控制系统相比，所设计的系统 受电机参数变化影响较小，在磁链观测准确性、电机转速跟踪性和电磁转矩稳定性等方面有所改善。 关键词：异步电动机；矢量控制系统；参数辨识；免疫协同粒子群算法 中图分类号：TM343 DOI：10．3963／j．issn．2095—3852．2015．O1．005 矢量控制技术的不断发展和成熟，使得交流 疫协同粒子群进化模型，并成功应用于永磁同步 电力拖动系统逐步在高性能电力拖动领域占据主 电机的在线参数辨识 。基于这一思想，笔者提 导地位。随着人们对控制性能的要求不断提升， 出一种免疫协同粒子群优化算法 (immuneCO—evo— 异步电动机参数时变性和矢量控制系统对电机参 lutionaryparticleswa13noptimizationalgorithm，ICP— 数变化敏感性的问题 日益凸显。 SO)，应用于异步 电动机参数辨识 ，设计 了基于 对此，国内外专家学者提出了多种异步电动 ICPSO算法的异步电动机矢量控制系统。 机参数辨识方法 。然而，传统的空载与堵转实验 1 免疫协同粒子群算法 辨识法…，通过施加特定激励辨识法 ]，根据 电 机结构参数辨识 等离线辨识方法无法消除电 粒子群算法在解决非线性、不可微、多模态优 机参数时变带来的影响。最小二乘法 J、卡尔曼 化问题时具有明显优势，但在计算后期容易失去 滤波法辨识 及模型参考 自适应法_6等经典在 粒子多样性，出现早熟和进化停滞现象。文献 线辨识方法因忽略电机的非线性而导致辨识精度 [12]中首次提出了免疫协同粒子群算法，运用协 不高。自第七届国际自动控制联合会召开以来， 同进化算法的并行计算框架和多个种群间相互作 诸如神经 网络算法 、遗传算法 和粒子群算 用、共同进化的机制，提升收敛速度，推进粒子群 法 等现代参数辨识算法逐步应用于异步电动 整体的不断演变 ；同时，利用人工免疫算法的全局 机参数辨识中，但这些算法计算量大，且在实时 搜索优势和超变异能力，提升粒子多样性和大范 性、收敛性方面难 以满足矢量控制系统的要求。 围搜索能力。算法将整个粒子群体分为优势种群 随着研究不断深入 ，学者们发现单一优化算 P。与若干普通种群 (P ，P，…，P)，系统模型如 法难 以应对复杂的多参数、非线性动态系统参数 图 1所示。 辨识问题，于是将 目光转向混合优化算法。张益