一种永磁同步电机多参数辨识方法及系统

技术领域

本发明属于电机参数辨识技术领域，涉及一种同步电机的参数识别方法，具体涉及一种永磁同步电机多参数辨识方法及系统。

背景技术

永磁同步电机(PermanentMagnetSynchronousMotor，简称PMSM)结构简单，运行可靠，其在能量转换方面效率高，因此其广泛应用于汽车，航空航天和军事等相关领域。为实现PMSM的高性能控制，一般采用矢量控制和无传感器控制结合的方法，而电机参数(例如，定子电阻R

基于电机参数辨识方面的研究，现阶段大多是基于人工智能优化算法进行永磁同步电机的参数辨识，但传统算法(例如，粒子群算法、遗传算法等)不能实现多参数辨识，同时存在工作量大，求解时间长，效率低等问题，而高求解精度、高效率是参数辨识以至电机高性能运行的前提。

因此，有必要设计一种高求解精度、高效率的永磁同步电机多参数辨识方法及系统。

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

发明内容

为了解决上述问题，本发明提供了一种永磁同步电机多参数辨识方法及系统，可以提高参数辨识的效率和精度。

根据本发明提供的技术方案，提供一种一种永磁同步电机多参数辨识方法。

本发明提供一种永磁同步电机多参数辨识方法，包括以下步骤：

步骤1、建立空载状态下永磁同步电机的满秩方程组；

步骤2、设定待辨识参数估计值的初始值；

步骤3、将待辨识参数估计值输入所述的满秩方程组，得到理论输出值；

步骤4、将实际输出值与理论输出值进行比较；

步骤5、基于比较结果对待辨识参数估计值进行修正；

步骤6、重复上述步骤3-5，直到得到最优的待辨识参数估计值，作为辨识结果。

在一种可能的实现方案中，所述步骤2包括：基于混沌映射产生初始种群，种群中的每个个体的位置对应一组待辨识参数估计值。

在一种可能的实现方案中，所述基于混沌映射产生初始种群，包括：

将当前迭代次数t设置为0；通过以下公式计算种群中各个体的初始位置：

x

式中：x

通过上述公式计算到的

初始化种群中个体i的初始速度，即个体i在第d维空间中的初始速度

在一种可能的实现方案中，所述步骤3包括：

将种群中的各个个体的位置分别作为待辨识参数估计值，输入所述的满秩方程组，得到对应的理论输出值。

在一种可能的实现方案中，所述步骤4包括：

基于以下适应度函数将实际输出值与理论输出值进行比较：

其中，

u

w

在一种可能的实现方案中，所述步骤5包括：

根据以下公式计算各个体的惯性质量：

其中，fitness

根据以下公式计算第t次迭代过程中的引力常数：

G(t)＝G

其中，T为最大迭代次数，G

根据以下公式计算个体加速度；

其中，

其中，

其中，

根据以下公式更新每个个体的速度和位置；

其中，

在一种可能的实现方案中，所述步骤6包括：

步骤6.1、根据以下公式计算群体适应度方差σ

其中，f

步骤6.2、判断是否满足σ

步骤6.3、引入复合形法，将当前种群中的个体位置作为初始复合形顶点，并根据复合形法进行局部搜索，形成新的复合形顶点，并对较差的个体利用混沌序列进行全局扰动，将最终形成的复合形顶点作为新的个体位置值；

步骤6.4、判断是否满足迭代终止条件(即当前迭代次数达到最大迭代次数或适应度函数值不再减小)，则终止搜索，输出最优解；否则转步骤3。

第二方面，本发明还提供一种永磁同步电机多参数辨识系统，包括：

构建模块，用于建立空载状态下永磁同步电机的满秩方程组；

计算模块，用于将待辨识参数估计值输入所述的满秩方程组，得到理论输出值；将实际输出值与理论输出值进行比较；

辨识模块，用于基于比较结果对待辨识参数估计值进行修正；并结合计算模块，得到最优的待辨识参数估计值，作为辨识结果。

所述系统用于实现上述第一方面的永磁同步电机多参数辨识方法，其实现流程参见上述第一方面的永磁同步电机多参数辨识方法中的各个步骤，在此不进行赘述。

第三方面，本发明还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述第一方面的永磁同步电机多参数辨识方法。

第四方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如上述第一方面的永磁同步电机多参数辨识方法。

与现有技术相比，本发明的有益效果为：

本发明对传统的引力搜索优化算法进行了改进，利用改进的引力搜索算法实现永磁同步电机的多参数辨识。其中，利用混沌映射的遍历性产生大量初始种群，可以增加种群的多样性。对每个个体，将获得的电机状态信息与个体解结合，通过电机满秩方程组获得对应的理论输出值(电压)，根据所得到的理论输出值与实际输出值，计算每个个体的适应度函数值，以对个体位置进行修正。为了兼顾算法的搜索效率，更新引力系数；由计算得到的适应度函数值计算每个粒子的质量，进一步计算每个粒子的加速度；在迭代过程中，利用改进引力系数后的GSA进行全局搜索，保留适应度靠前的粒子；利用群体适应度方差σ2和平均粒距D(t)共同判断算法的早熟收敛现象，引入复合形法。通过引入复合形法来加强标准GSA的局部搜索能力，避免陷入局部最优解。对于每个较差的个体，采用混沌映射进行全局扰动，以增加种群的多样性；最后将执行了局部搜索和全局扰动的两部分个体混合，组成新的种群，继续进行GSA的进化操作，如此交替，直到满足算法的终止条件。本发明可以提高收敛速度，避免陷入局部最优解，提高了参数辨识的效率和精度。

附图说明

图1是本发明实施例一中的永磁同步电机多参数辨识方法的流程图；

图2是本发明实施例一中的改进的万有引力搜索优化算法流程图；

图3是本发明实施例一中的PMSM的参数辨识原理图；

图4是本发明实施例二中的永磁同步电机多参数辨识系统的结构框图。

具体实施方式

下面对本发明的技术方案进行举例说明，本发明请求保护的范围包括但不限于以下实施例。

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

本发明实施例一介绍了一种永磁同步电机多参数辨识方法，如图1所示，包括以下步骤：

步骤1、建立空载状态下永磁同步电机的满秩方程组；

步骤2、设定待辨识参数估计值的初始值；

步骤3、将待辨识参数估计值输入所述的满秩方程组，得到理论输出值；

步骤4、将实际输出值与理论输出值进行比较；

步骤5、基于比较结果对待辨识参数估计值进行修正；

步骤6、重复上述步骤3-5，直到得到最优的待辨识参数估计值，作为辨识结果。

在一种实施方式中，所述步骤1包括：

获取永磁同步电机在d-q坐标系下的状态方程；

对所获取的状态方程进行离散化处理，分别计算是否存在d轴电流时(i

作为一种实施方式，采集永磁电机在两相旋转d-q坐标系下的状态参量，基于所采集到的状态参量建立永磁同步电机在d-q坐标系下的状态方程。

作为一种实施方式，所述状态参量包括d轴电流分量、q轴电流分量、d轴电压分量、q轴电压分量、d轴电感、q轴电感、定子电阻和永磁磁链。

作为一种实施方式，设置待辨识参数的集合为λ＝{R

作为一种实施方式，上述状态方程为：

式中，i

对PMSM矢量控制而言，一般采取i

作为一种或多种实施方式，所述离散化处理可以采用欧拉法或零阶保持法。

作为一种实施方式，上述离散电压方程为：

通过在短时间内向电机定子d轴注入某一电流扰动信号，来构建电机的满秩状态方程组，从而实现多参数辨识。得到的i

在i

式中u

上述公式中u

在一种实施方式中，所述步骤2～6包括：

基于所构建的电机满秩方程组，计算永磁同步电机的适应度函数；

基于改进的万有引力搜索算法进行所述适应度函数(目标函数)的优化求解，得到最优辨识的多参数。

该实施例所述步骤如图1所示。

其中，改进传统的万有引力搜索优化算法，包括基于混沌映射的遍历性产生大量初始种群、引入复合形法来加强标准GSA的局部搜索能力引入复合形法来加强标准GSA的局部搜索能力等。

本实施例中的步骤5，关于引力搜索算法(gravitationalsearchalgorithm，GSA)。该算法由伊朗的EsmatRashedi教授等人于2009提出，主要基于牛顿万有引力定律和运动学定律，相比于其他生物行为启发式算法，引力搜索算法具有一定的新意。引力搜索算法具有实现简单和通用性强等特点，在对标准测试函数进行优化时表现出良好的性能。已有研究表明，在某些应用领域，引力搜索算法的搜索能力明显优于粒子群优化算法等一些其他群体智能优化算法。但传统的引力搜索算法是直接初始化算法中的所有粒子的位置与加速度，并设置迭代次数与算法中的参数，与其他随机搜索算法一样，GSA在优化的过程中仍存在易早熟和易陷入局部最优的问题。基于传统的引力搜索算法，若仅考虑适应度靠前的例子，可以提高其收敛速度，但是更易陷入局部最优解。本发明对传统的引力搜索优化算法进行了改进，利用混沌映射的遍历性产生大量初始种群，从中择优选出GSA的初始种群，设置参数，记录每个个体当前最优位置，为了克服GSA后期局部搜索能力差，易出现早熟收敛的缺点，且在引力搜索算法基础上引入了复合形法，使其跳出局部最优解；最后还考虑种群的多样性，将全局扰动和局部搜索两部分个体混合，组成新的种群，继续进行GSA的进化操作，从而更全面地得到最优解，由此提高解决复杂问题的能力。

在一种实施方式中，如图2所示，基于改进的引力搜索算法实现永磁同步电机多参数辨识方法步骤如下：

S1、初始化GSA算法参数：

在Matlab软件中设置算法参数，包括种群规模N(个体数目)、搜索空间的维度D(待辨识参数的个数，本发明中待辨识参数为(R

S2、初始化GSA种群个体，包括

在软件中输入Logistic混沌映射函数，在D维空间中产生混沌序列，Logistic混沌映射函数表达式为式(7)，并将当前迭代次数t设置为0；

x

式中：x

将式(7)代入式(8)中得种群个体初始位置值：

表示第t+1次迭代过程中个体i在第d维空间中的位置值；

将种群中个体位置对应的待辨识参数取值作为(R

S3、根据适应度函数计算个体的适应度函数值；

其中，其中，

S4、根据式(10)和式(11)计算个体的惯性质量；

其中，fitness

S5、根据式(12)和式(13)计算第t次迭代过程中的引力系数；

G(t)＝G

其中，T为最大迭代次数。要找到合适的引力常数G

其中，γ是常数，经过多次试验在本实施例中设为2.5；

S6、根据式(14)和式(16)计算每个个体不同方向上的力的总和，根据式(17)计算个体加速度；

S6.1：根据式(14)计算每个个体不同方向上的力的总和：

其中，

R

S6.2：根据式(16)计算每个个体所受来自其他所有个体的作用力的总和：

其中，

S6.3：根据式(17)计算每个个体不同方向上的加速度：

其中，

S7：根据式(18)、式(19)更新每个个体的速度和位置；

和表示第t次迭代过程中个体i在第d维空间中的速度值，/>

S8：根据式(20)和式(22)分别计算群体适应度方差σ

其中，f

S9：引入复合形法，将当前的个体位置作为初始复合形顶点，并根据复合形法的实现步骤进行局部搜索，形成新的复合形顶点，并对较差的个体利用式(7)生成的混沌序列进行全局扰动，将最终形成的复合形顶点作为GSA新的个体位置值；

该步骤通过引入随机性和不确定性，以帮助粒子跳出局部最优解，以增加种群的多样性；

S10：终止条件判断。若满足最大迭代次数或要求精度，则终止搜索，输出最优解；否则转步骤S3。

如图2和图3所示，利用改进的GSA算法，将获得的电机状态信息与此代个体解

实施例二

本发明实施例二介绍了一种永磁同步电机多参数辨识系统，如图4所示，包括：

构建模块，被配置为建立空载状态下永磁同步电机的满秩方程组；

计算模块，被配置为将待辨识参数估计值输入所述的满秩方程组，得到理论输出值；将实际输出值与理论输出值进行比较；

辨识模块，被配置为基于比较结果对待辨识参数估计值进行修正；并结合计算模块，得到最优的待辨识参数估计值，作为辨识结果。

在一种实施例中，所述系统还包括获取模块，被配置为获取永磁同步电机在d-q坐标系下的状态方程。

在一种实施例中，所述构建模块，被配置为对所获取的状态方程进行离散化处理，分别计算是否存在d轴电流时的离散电压方程，构建电机满秩方程组；

详细步骤与实施例一提供的永磁同步电机多参数辨识方法相同，在此不再赘述。

实施例三

本发明实施例三提供了一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明实施例一所述的永磁同步电机多参数辨识方法中的步骤。

详细步骤与实施例一提供的永磁同步电机多参数辨识方法相同，在此不再赘述。

实施例四

本发明实施例四提供了一种电子设备。

一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明实施例一所述的永磁同步电机多参数辨识方法中的步骤。

详细步骤与实施例一提供的永磁同步电机多参数辨识方法相同，在此不再赘述。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。