模拟退火粒子群优化算法在异步电动机参数辨识中的应用 parameter identification of an induction motor using simulated annealing-particle swarm optimization algorithm.pdfVIP

下载本文档

1
0
约 4页
2017-08-13 发布于上海
举报
版权申诉

模拟退火粒子群优化算法在异步电动机参数辨识中的应用 parameter identification of an induction motor using simulated annealing-particle swarm optimization algorithm.pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

模拟退火粒子群优化算法在异步电动机参数辨识中的应用 parameter identification of an induction motor using simulated annealing-particle swarm optimization algorithm

z■％《*；*缸‘-… …．堕楚皇趔…2…010董苎曼……………………………………复臻戮…j …一……_．-…………一…………一…………………………………………………………，-／／d■d幺盘d■‘zdf 模拟退火粒子群优化算法在异步电动机参数辨识中的应用林梅金，王飞 (佛山科学技术学院，广东佛山528000) 摘要：分析了模拟退火算法和粒子群算法的优缺点，提出了一种利用两种算法优点的混合优化算法，并给出了详细应用步骤。利用异步电动机直接空载起动特性，对异步电动机动态数学模型参数进行了辨识，通过与其他几种算法辨识的结果进行比较，说明模拟退火粒子群优化算法有效地结合了模拟退火算法的全局寻优能力和粒子群算法的快速收敛的特点。关键词：模拟退火算法；粒子群算法；模拟退火粒子群算法；参数辨识中图分类号：TM343文献标识码：A 文章编号：1004—701812010)04—0033一咐 ParameterIdentiffcationofallInduction Motor Simulated Using Swarm Annealing-ParticleOptimizationAlgorithm LIN Mei-fin．WANGi (Foshan 528000，China) University，Foshan Abstract：The the andthe ofsimulated and paperanalyzedadvantagesdisadvantages annealingalgorithms particle swarln the ofanewmixed their optimizationalgorithms，andproposeddetailed印phcafionsteps optimizationalgorithmusing identificationoftheinductionmotor modelwasdone noload ofthemotor． advantages．Parameter dynamic using starting toother simulationresultsofsimulated swarm Comparedalgorithms，the annealing-particleoptimizationalgorithms(SA— mesAl$SA-PSOhas combined the ofsimulated PSO)啪muchbetter，which effectively globaloptimizationability annealing andthefast of flwslIn abilityparti