粒子群算法反馈自适应率参数优化方法及全阶状态观测器技术

本发明专利技术属于全阶状态观测器转速估算系统技术领域，公开了一种粒子群算法反馈自适应率参数优化方法及全阶状态观测器，令待整定的PI参数作为粒子在寻优空间的位置向量，将根据PI参数设计准则计算出的PI参数作为部分初始种群；选取适应度函数；计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优；更新当前每个粒子的速度和位置；判断是否达到结束条件。本发明专利技术利用粒子群算法的优化能力，实现自适应率PI参数的离线优化，根据给出的PI参数的设定范围，给出几组参数作为初始种群的一部分，通过编码、初始化种群及参数设置、适应度评价、更新粒子速度和位置得到PI参数最优值，并将得到的结果应用于全阶状态观测器进行验证。

【技术实现步骤摘要】
粒子群算法反馈自适应率参数优化方法及全阶状态观测器
本专利技术属于全阶状态观测器转速估算系统
，尤其涉及一种粒子群算法反馈自适应率参数优化方法及全阶状态观测器。
技术介绍
在全阶状态观测器转速估算系统中，为保证整个转速的估算系统在电动机动态运行时有较好的动态特性，同时具有较好的抗干扰能力以及适当的稳定裕度，设计合理的全阶状态观测器反馈自适应率PI参数至关重要。在实际的控制系统中，PI参数的设计缺乏系统的理论，对于不同的系统，往往都是利用经验通过试凑的方法得到，既麻烦又具有很大的盲目性，很难选择到最优的PI参数，无法保证全阶状态观测器有很好的收敛速度和性能指标，从而使系统很难达到最优的工作状态。对基于定子磁场定向的全阶状态观测器矢量控制系统中PI调节器参数的设计进行了研究，给出了影响其参数设计的主要因素及参数的设计范围，对于参数的设计具有重要意义，但是设计的参数之间相互制约，往往得不到最优的设计参数。综上所述，现有技术存在的问题是：在实际的控制系统中PI参数的设计缺乏系统的理论，具有很大的盲目性；得不到最优的设计参数。在实际控制系统中PI参数的设计受多种因素的综合影响，同时，PI参数之间也存在相互制约的问题，致使PI参数的设计只能采取折中的方案而缺少系统的理论，设计时有很大盲目性，得到好的设计参数对设计者的经验有很大的依赖性。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种粒子群算法反馈自适应率参数优化方法及全阶状态观测器。本专利技术是这样实现的，一种粒子群算法反馈自适应率参数优化方法，所述粒子群算法反馈自适应率参数优化方法包括以下步骤：步骤一，令待整定的PI参数作为粒子在寻优空间的位置向量，分别根据频域法按照PI参数设计准则计算；步骤二，选取适应度函数；步骤三，计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优；步骤四，更新当前每个粒子的速度和位置；步骤五，判断是否达到结束条件，如未达到结束条件，则返回步骤三，直到满足终止条件，得到电流高频噪声为反馈自适应率参数的值。进一步，所述粒子群算法反馈自适应率参数优化方法具体包括以下步骤：(1)令待整定的PI参数(kp,ki)作为粒子在寻优空间的位置向量p(kp,ki)。为了减小初始化种群所代表参数取值的盲目性，分别根据频域法按照PI参数设计准则，计算得到ki和kp，并折中选取二者的值；计算得到的参数值的0.1-10倍之间的随机数，初始种群的大小选为50，最大迭代次数选为100；限制因子λ＝0.73，惯性因子最大值ωmax＝0.9，惯性因子最小值ωmin＝0.4，认知因子和社会因子分别取c1＝2.0,c2＝2.3，电流高频噪声为反馈自适应率参数分别为kp和ki；(2)适应度函数的选取，适应度函数为给定转速及估算转速差值的积分函数，为(3)计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优。(4)更新当前每个粒子的速度和位置。(5)判断是否达到结束条件，如未达到结束条件，则返回步骤(3)，直到满足终止条件，得到kp和ki的值。进一步，所述计算得到ki和kp的公式为：传递函数G'22(s)表示为：其中：m＝Rr/Lr(-g1+Rs/σLs-g3/ε)+ωr(-g2-g4/ε)n＝Rr/Lr(-g2-g4/ε)-ωr(-g1+Rs/σLs-g3/ε)x＝-g1+Rs/σLs+Rr/σLry＝-g2-ωr；转速给定值为ωr，转速估计值为转子磁链估计值为电流高频噪声为反馈自适应率参数分别为kp和ki：当kp较小时，估算系统对电流高频噪声的抑制能力越强。理论上应该比例系数kp越小，转速估算系统抗高频电流噪声的能力越强；积分系数ki越大，转速估算系统的稳态误差越小，估算转速的跟踪能力越强。进一步，所述更新当前每个粒子的速度和位置的公式为：Vij(k+1)＝λ{ω(k+1)Vij(k)+c1r1[pbestij-xij(k)]+c2r2[gbestj-xij(k)]}xij(k+1)＝xij(k)+Vij(k+1)。本专利技术的另一目的在于提供一种采用所述粒子群算法反馈自适应率参数优化方法的全阶状态观测器，所述全阶状态观测器反馈自适应PI参数的优化本专利技术利用粒子群算法的优化能力，实现自适应率PI参数的离线优化，根据给出的PI参数的设定范围，给出几组参数作为初始种群的一部分，通过编码、初始化种群及参数设置、适应度评价、更新粒子速度和位置得到PI参数最优值，并将得到的结果应用于全阶状态观测器进行验证。附图说明图1是本专利技术实施例提供的粒子群算法反馈自适应率参数优化方法流程图。图2是本专利技术实施例提供的粒子群算法实现流程图。图3是本专利技术实施例提供的给定转速0.2pu时感应电机转速示意图。图4是本专利技术实施例提供的带满载时感应电机转速示意图。图5是本专利技术实施例提供的给定转速0.6pu时感应电机转速示意图。图6是本专利技术实施例提供的带满载时感应电机转速示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。下面结合附图对本专利技术的应用原理作详细的描述。如图1所示，本专利技术实施例提供的粒子群算法反馈自适应率参数优化方法包括以下步骤：S101：令待整定的PI参数作为粒子在寻优空间的位置向量，分别根据频域法按照PI参数设计准则计算；S102：选取适应度函数；S103：计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优；S104：更新当前每个粒子的速度和位置；S105：判断是否达到结束条件，如未达到结束条件，则返回步骤S103，直到满足终止条件，得到电流高频噪声为反馈自适应率参数的值。下面结合附图对本专利技术的应用原理作进一步的描述。1、粒子群算法又称粒子群优化算法(ParticleSwarmOptimization,PSO)，从随机解出发，通过迭代寻找最优解，它利用适应度来评价解的品质。算法的基本流程主要包括：编码、初始化种群及参数设置、适应度评价、更新粒子的速度和位置、更新种群全局最优值、结束条件判定。流程图如图2所示。(1)初始化初始种群由D维参数搜索空间中的粒子组成，种群规模的大小是指粒子的个数，每个粒子代表解空间的一个候选解，第i(1≤i≤size)个粒子在整个解空间的位置表示为Xi，速度表示为Vi，第i个粒子从初始到当前迭代次数搜索的最优解，个体极值Pi，整个种群目前的最优解为Bests。随机产生size个粒子，随机产生初始种群的位置矩阵和速度矩阵。(2)适应度评价将各个粒子的初始位置作为个体极值，计算种群中各个粒子的初始适应值f(Xi)，求出种群最有位置。适应度函数的选取至关重要，直接影响到算法的收敛速度和最优解。一般选择优化问题的目标函数为适应度函数。(3)更新粒子的速度和位置，产生新种群，并对粒子的速度和位置进行越界检查。为避免算法陷入局部更优解，加入一个局部自适应变异算子进行调整。(4)检查结束条件，若满足则结束寻优，否则转至(3)。结束条件为寻优达到最大进化代数或评价值小于给定精度。标准粒子群算法速度更新迭代公式为：其中：xij(k)和Vij(k)分别代表第i个粒子在第k时刻所处的第j维位置分量和速度分量；c1和c2分别是认知本文档来自技高网...

【技术保护点】
1.一种粒子群算法反馈自适应率参数优化方法，其特征在于，所述粒子群算法反馈自适应率参数优化方法包括以下步骤：步骤一，令待整定的PI参数作为粒子在寻优空间的位置向量，分别根据频域法按照PI参数设计准则计算PI参数；步骤二，选取适应度函数；步骤三，计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优；步骤四，更新当前每个粒子的速度和位置；步骤五，判断是否达到结束条件，如未达到结束条件，则返回步骤三，直到满足终止条件，得到电流高频噪声为反馈自适应率参数的值。

【技术特征摘要】
1.一种粒子群算法反馈自适应率参数优化方法，其特征在于，所述粒子群算法反馈自适应率参数优化方法包括以下步骤：步骤一，令待整定的PI参数作为粒子在寻优空间的位置向量，分别根据频域法按照PI参数设计准则计算PI参数；步骤二，选取适应度函数；步骤三，计算出每个粒子的适应度值并进行排序，确定局部最优和全局最优；步骤四，更新当前每个粒子的速度和位置；步骤五，判断是否达到结束条件，如未达到结束条件，则返回步骤三，直到满足终止条件，得到电流高频噪声为反馈自适应率参数的值。2.如权利要求1所述的粒子群算法反馈自适应率参数优化方法，其特征在于，所述粒子群算法反馈自适应率参数优化方法具体包括以下步骤：(1)令待整定的PI参数(kp,ki)作为粒子在寻优空间的位置向量p(kp,ki)；为了减小初始化种群所代表参数取值的盲目性，分别根据频域法按照PI参数设计准则，计算得到ki和kp，并折中选取二者的值；计算得到的参数值的0.1-10倍之间的随机数，初始种群的大小选为50，最大迭代次数选为100；限制因子λ＝0.73，惯性因子最大值ωmax＝0.9，惯性因子最小值ωmin＝0.4，认知因子和社会因子分别取c1＝2.0,c2＝2.3，电流高频噪声为反馈自适应率参数分别为kp和ki；(2)适应度函数的选取，适应度函数为给定转速及估算转速差值的积分函数，为(3)计算出每个粒子的适应度值并进行排序，确定局部最优和全局...

【专利技术属性】
技术研发人员：沈凤龙，王建辉，满永奎，边春元，
申请(专利权)人：辽东学院，
类型：发明
国别省市：辽宁,21