[发明专利]一种基于改进灰狼优化算法的永磁同步电机参数辨识方法

说明书

本发明公开了一种基于改进灰狼优化算法的永磁同步电机参数辨识方法，包括建立永磁同步电机理论模型和实际模型，比较理论模型输出值和实际模型输出值；进行算法参数设置，采用Fuch映射和反向学习策略对种群进行初始化，理论模型与实际模型输出的值之差根据适应度函数进行修正；根据引入非线性收敛因子结合灰狼攻击策略、自适应正态云模型以及粒子群优化算法的个体记忆功能进行灰狼位置更新，直到达到最大迭代值时停止计算。本发明所提出的基于改进灰狼优化算法的永磁同步电机参数辨识方法，实现参数的智能寻优，辨识结果证明此方法实现了对永磁同步电机参数精准、稳定、快速的辨识追踪。

技术领域

本发明涉及电机参数辨识技术领域，具体来说，涉及一种基于改进灰狼优化算法的永磁同步电机参数辨识方法。

背景技术

永磁同步电机具有节能高效、可靠性强、控制性能好等优点。当拥有精准的电机参数，永磁同步电机的性能可以发挥至最佳。但在实际运行过程中，电机参数易受到外界因素影响，参数的变化会影响永磁同步电机的控制精度，甚至会影响电机控制系统的稳定性，因此，准确辨识永磁同步电机的参数对提高永磁同步电机控制性能具有重要意义。

近年来，永磁同步电机参数辨识一直都是国内外学者研究的热门方向，不同的参数辨识方法层出不穷。主要有最小二乘法，扩展卡尔曼滤波，模型参考自适应，粒子群算法，模型预测控制算法等。

灰狼优化算法(Grey Wolf Optimization,GWO)是Mirjalili在2014年提出的一种新型群体智能算法，通过模拟灰狼在自然界的狩猎行为和社会主导等级进行优化。GWO算法的优点有：简单性、灵活性和可实现性，但需要注意的是，GWO算法在处理大规模复杂优化问题中存在收敛精度低、速度慢和易陷入局部最优解的问题。将灰狼优化算法用于永磁同步电机参数辨识，出现待处理的问题比如提高电机参数辨识精度、加快收敛等。因此，需要对传统的灰狼优化算法进行适当改进，提高解决复杂问题的能力。

发明内容

针对现有技术存在的上述问题，本发明提供一种基于改进灰狼优化算法的永磁同步电机参数辨识方法，实现参数的智能寻优，辨识结果证明此方法实现了对永磁同步电机参数精准、稳定、快速的辨识追踪。

本发明提出的具体技术方案，包括以下步骤：

步骤a)建立空载状态下的永磁同步电机实际模型和理论模型；

步骤b)将步骤a所得实际模型y＝[u_d0,u_q0,u_d,u_q]输出值与理论模型的输出值进行比较，求理论模型输出值与实际模型输出值之差；

步骤c)根据适应度函数在改进的灰狼优化算法基础上对待辨识参数不断进行修正，从而得到适应度值最小的参数(最优辨识参数)。

其中，步骤a具体包括：

步骤a1)在dq坐标系下设定永磁同步电机的定子电压方程

忽略永磁同步电机的涡流损耗以及铁损耗，在dq坐标系下，永磁同步电机的定子电压方程为：

其中，i_d与i_q分别为d轴电流和q轴电流，u_d与u_q分别为d轴电压和q轴电压，ω_r是电气角转速，R_s、L_d、L_q与ψ_f分别为定子电阻，d、q轴电感和永磁体磁链。

步骤a2)在dq坐标系下推导永磁同步电机的离散电压方程，得实际模型y＝[u_d0,u_q0,u_d,u_q]输出值

电机稳定状态下的电压离散方程为：