改进粒子群算法在永磁同步电动机参数识别中的应用 parameter identification of permanent magnet synchronous motors using improved particle swarm optimization.pdfVIP

下载本文档

2
0
约1.74万字
约 4页
2017-08-13 发布于上海
举报
版权申诉

改进粒子群算法在永磁同步电动机参数识别中的应用 parameter identification of permanent magnet synchronous motors using improved particle swarm optimization.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

改进粒子群算法在永磁同步电动机参数识别中的应用 parameter identification of permanent magnet synchronous motors using improved particle swarm optimization

幼掣计岔斩∥．触持电棚 2009年第9期 ?……。二／盔吻勿露p钝／狮z殇J卤互…………………………………………………一……………一：……………～二：：，-一=：…一改进粒子群算法在永磁同步电动机参数识别中的应用覃建波，黄开胜，许宁，邱小华，宋湛华 (广东工业大学，广东广州510006) 摘要：应用改进粒子群优化算法(IPSO)来识别异步起动永磁同步电动机起动时的动态模型参数。永磁同步电动机异步起动时的电机动态模型采用状态微分方程表示。与遗传算法(GA)和标准粒子群算法(SPSO)相比较，仿真试验表明改进粒子群算法明显提高了识别参数的准确性，同时表明改进粒子群算法能更好地识别永磁同步电动机起动时动态模型的参数。关键词：粒子群算法；永磁同步电动机；参数识别中图分类号：TM341；TM351文献标识码：A 文章编号：1004-7018(2009)凹一0016-04 ParameterIdentificationofPermanent MagnetSynchronous Motors ParticleSwarm UsingImproved Optimization Zhan-hua Jian-bo，HUANG Xiao-hua，SONG QIN Kai-sheng，XUMng，QIU of (GuangdongUniversityTechnology，Guangzhou510006，China) Abstract：Thisintroducesan swarm and thismethodto paper improvedparticle optimization(IPSO)algorithmapplies identificationof machine was set permanentmagnetsynchronousmotors(PMSM)．The parameter dynamicspresented鹊a differentialwithmachine modelednonlinearfunctionsof current．For of inductances com— time-varyingequations by exciting resultsofidentificationthe thestandard swarm parison，the using particle geneticalgorithm(GA)and optimization(SPSO) werealso isconcludedthattheItX30 the ofidentification provided．It algo