一种基于智能优化的永磁同步电机参数辨识方法、装置及介质制造方法及图纸

本发明专利技术涉及电机控制技术领域，特别涉及一种基于智能优化的永磁同步电机参数辨识方法、装置及介质。本发明专利技术在相同运行参数情况下，通过参数计算模型和参数可调模型分别计算出的待辨识参数的差值作为适应度函数；迭代过程中调整参数可调模型，使适应度函数最优，获得优化后的参数可调模型，此时的参数可调模型拟合了待辨识参数的变化规律，可显著提高参数辨识的精准度；最后辨识当前运行状态下永磁同步电机的当前待辨识参数。本发明专利技术在头脑风暴算法的基础上改进了新个体的生成方式，寻优精度与收敛速度均有提升，避免陷入局部最优解；并且改进了步长公式，避免粒子更新过于发散，适当缩短前期算法收敛时间。短前期算法收敛时间。短前期算法收敛时间。

【技术实现步骤摘要】
一种基于智能优化的永磁同步电机参数辨识方法、装置及介质


[0001]本专利技术涉及电机控制
，特别涉及一种基于智能优化的永磁同步电机参数辨识方法、装置及介质。

技术介绍

[0002]永磁同步电机因制造结构简单、效率高和损耗小等优点受到汽车驱动领域的重视。但电机的参数在不同工况下运行时，会受到电流和温度等参数的影响，而高精度的电机参数是电机设计控制器的基础，高精度辨识电机参数有助于实现电机的平稳启动。
[0003]目前辨识电机参数的方法为，实时获取电机的运行参数，根据参数计算模型实时计算电机待辨识参数。其不足之处在于：1、计算获取的待辨识参数实时都在变化，当获取上一时刻待辨识参数时，当前待辨识参数已经出现了偏差，不利于电机的精准控制。2、实时计算待辨识参数，不利于待辨识参数变化规律的总结，无法进一步提高辨识精度。

技术实现思路

[0004]本专利技术公开了一种基于智能优化的永磁同步电机参数辨识方法、装置及介质，它通过智能优化算法优化参数可调模型，随着数据样本的增多，参数可调模型的准确度会持续提升无限接近于实际情况，显著提高了辨识参数的精度。
[0005]为达到上述目的，一方面，本专利技术提供了一种基于智能优化的永磁同步电机参数辨识方法，具体方法为：
[0006]构建永磁同步电机参数计算模型和参数可调模型；
[0007]试验获取所述永磁同步电机运行时的试验运行参数，将所述试验运行参数代入所述辨识模型计算得到所述永磁同步电机的第一待辨识参数，将所述试验运行参数代入所述参数可调模型计算得到所述永磁同步电机的第二待辨识参数；
[0008]以第二待辨识参数与第一待辨识参数的误差为适应度函数，通过智能优化算法对适应度函数进行迭代，优化所述参数可调模型；
[0009]获取当前运行状态下永磁同步电机的当前运行参数，代入经优化后的参数可调模型中，辨识当前运行状态下永磁同步电机的当前待辨识参数。
[0010]该实施例的优点在于，在相同运行参数情况下，通过参数计算模型和参数可调模型分别计算出的待辨识参数的差值作为适应度函数，迭代过程中调整参数可调模型，使适应度函数最优，获得优化后的参数可调模型，此时的参数可调模型拟合了待辨识参数的变化规律，可显著提高参数辨识的精准度。
[0011]具体地，所述参数计算模型为：
[0012][0013]式中，分别为t1～t2时间段的dq轴电压分量平均值，分别为t1～t2时间段dq轴电流分量的平均值，ψ
d
、ψ
q
为定子磁链dq轴分量，R
s
为定子电阻，ω
r
为角速度，ψ
f
为永磁体磁链，L
d
、L
q
为dq轴电感；
[0014]所述参数可调模型初始公式为：
[0015][0016]式中为dq轴电压分量平均值，为定子电阻，为dq轴电感，为永磁体磁链，为电磁转矩。
[0017]具体地，所述试验运行参数包括：定子电压d轴分量u
d
、定子电压q轴分量u
q
、定子电流d轴分量i
d
、定子电流q轴分量i
q
、角速度ω
r
。
[0018]具体地，所述试验运行参数的试验获取方法为：永磁同步电机在预设负载转矩、预设转速的稳态情况下，以预设采样周期和采样次数，对试验运行参数进行采集。
[0019]具体地，所述第一待辨识参数、所述第二待辨识参数和所述当前待辨识参数包括：定子电阻、定子电感和磁链电阻。
[0020]进一步地，所述智能优化算法为改进头脑风暴算法，具体步骤如下：
[0021]1)在搜索空间中随机生成n个个体，分别构建定子电阻、定子电感和磁链电阻的解集集合和计算每组个体的目标函数值f(X
R
,X
L
,X
ψ
)；
[0022]2)采用K
‑
means聚类法，以每个个体到聚类中心的距离，对每个所述解集集合的n个个体聚类；
[0023]3)生成新个体
[0024]4)计算新个体的目标函数值与每组个体的目标函数值f(X
R
,X
L
,X
ψ
)比较，保留较优的个体；
[0025]5)重复步骤1)至4)，直到迭代次数完成或寻找到最优值，输出最优个体的目标函数值对应的解，目标函数公式为：
[0026][0027]其中n为采样数，ω1、ω2、ω3为权重系数。
[0028]具体地，步骤2)中所述用K
‑
means聚类法的具体步骤如下：
[0029]2‑
1)根据解空间，随机定义m个初始类中心：
和
[0030]2‑
2)计算解空间其余个体到初始类中心的距离：
[0031][0032]其中x
ip
和c
jp
分别表示个体x
ip
和类中心c
jp
的第p(1≤p≤D)维度的信息，通过计算距离，将个体归为与其最近的一个类中，得到由m个类簇形成的集合距离，将个体归为与其最近的一个类中，得到由m个类簇形成的集合和
[0033]2‑
3)更新每个簇的类中心，按照下式得到新的聚类中心：
[0034][0035]表示电阻X
R
新的聚类中心，为电阻X
R
的每个聚类中的个体数量，重复步骤(ii)和(iii)直到类中心位置不再发生变化，对电感和磁链电阻也做相同处理，得到它们的新聚类中心和
[0036][0037]表示电感X
L
新的聚类中心，为电感X
L
的每个聚类中的个体数量；
[0038][0039]表示磁链电阻X
ψ
新的聚类中心，为磁链电阻X
ψ
的每个聚类中的个体数量。
[0040]该实施例的优点在于，采用头脑风暴算法相较于神经网络算法具有对样本数据需求低，计算量小、速度更快等优势。
[0041]具体地，步骤3)中生成新个体的具体方法为：
[0042]随机产生一个0到1之间随机数p
a
与已知概率p
cluster
相比较；
[0043]情况1、当p＜p
c
l
uster
时：
[0044]随机选中一个类，并生成一个0到1之间的随机数p
a
与已知概率p1相比较；
[0045]情况1
‑
1、若p
a
＜p1，则选取类中普通个体并添加随机扰动生成新个体
[0046][0047]情况1
‑
2、若p
a
≥p1，则随机选择该类中的一个普通个体结合聚类中心和全局最优个体添加随机扰动生成新个体
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能优化的永磁同步电机参数辨识方法，其特征在于，具体方法为：构建永磁同步电机参数计算模型和参数可调模型；试验获取所述永磁同步电机运行时的试验运行参数，将所述试验运行参数代入所述辨识模型计算得到所述永磁同步电机的第一待辨识参数，将所述试验运行参数代入所述参数可调模型计算得到所述永磁同步电机的第二待辨识参数；以第二待辨识参数与第一待辨识参数的误差为适应度函数，通过智能优化算法对适应度函数进行迭代，优化所述参数可调模型；获取当前运行状态下永磁同步电机的当前运行参数，代入经优化后的参数可调模型中，辨识当前运行状态下永磁同步电机的当前待辨识参数。2.如权利要求1所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，所述参数计算模型为：式中，分别为t1～t2时间段的dq轴电压分量平均值，分别为t1～t2时间段dq轴电流分量的平均值，ψ
d
、ψ
q
为定子磁链dq轴分量，R
s
为定子电阻，ω
r
为角速度，ψ
f
为永磁体磁链，L
d
、L
q
为dq轴电感；所述参数可调模型初始公式为：式中为dq轴电压分量平均值，为定子电阻，为dq轴电感，为永磁体磁链，为电磁转矩。3.如权利要求1所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，所述试验运行参数包括：定子电压d轴分量u
d
、定子电压q轴分量u
q
、定子电流d轴分量i
d
、定子电流q轴分量i
q
、角速度ω
r
。4.如权利要求3所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，所述试验运行参数的试验获取方法为：永磁同步电机在预设负载转矩、预设转速的稳态情况下，以预设采样周期和采样次数，对试验运行参数进行采集。5.如权利要求1所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，所述第一待辨识参数、所述第二待辨识参数和所述当前待辨识参数包括：定子电阻、定子电感和磁链电阻。6.如权利要求5所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，所述智能优化算法为改进头脑风暴算法，具体步骤如下：1)在搜索空间中随机生成n个个体，分别构建定子电阻、定子电感和磁链电阻的解集集
合和计算每组个体的目标函数值f(X
R
,X
L
,X
ψ
)；2)采用K
‑
means聚类法，以每个个体到聚类中心的距离，对每个所述解集集合的n个个体聚类；3)生成新个体4)计算新个体的目标函数值与每组个体的目标函数值f(X
R
,X
L
,X
ψ
)比较，保留较优的个体；5)重复步骤1)至4)，直到迭代次数完成或寻找到最优值，输出最优个体的目标函数值对应的解，目标函数公式为：其中n为采样数，ω1、ω2、ω3为权重系数。7.如权利要求6所述的基于智能优化的永磁同步电机参数辨识方法，其特征在于，步骤2)中所述用K
‑
means聚类法的具体步骤如下：2
‑
1)根据解空间，随机定义m个初始类中心：随机定义m个初始类中心：和2
‑
2)计算解空间其余个体到初始类中心的距离：其中x
ip
和c
jp
分别表示个体x
ip
和类中...

【专利技术属性】
技术研发人员：潘天红，方芳，田佳强，方笑晗，樊渊，程松松，
申请(专利权)人：安徽大学，
类型：发明
国别省市：