感应电机参数辨识三种智能算法的比较

0引 言
在大多数应用领域, 感应电机与直流电机相比具 有结构简单, 坚固耐用等优点。矢量控制由于可以获 得与直流电机相同的快速转矩响应而成为感应电机
依赖于感应电机参数的准确与否, 而这些参数在电机 运行中由于受到电机温度、集肤效应等的影响而发生 变化。因此, 学者们对感应电机参数辨识算法进行不 断研究, 力求获得最精确的电机参数 [ 1 ]。
但这 3种智能优化算法在算法机理、实现形式 等方面也存在不同。
遗传算法在优化过程中借鉴了生物学中的染色 体和基因等概念, 模拟自然界中生物的遗传和进化 等机理, 应用遗传操作求解无数值概念或很难有数 值概念的优化问题, 这一点是遗传算法的本质。遗 传算法中的个体重组技术采用交叉算子, 而交叉算 子是遗传算法所强调的关键技术, 它是遗传算法中 产生新个体的主要方法, 也是遗传算法区别于其他 仿生优化算法的又一个主要不同之处。
a%14 =
r
L1 ,
a3%1
=
L
s
!r
L
,
B, C与式 ( 1)中的 B, C相同。
为简便起见, 记待辨识参数为:
∀= ∀1 ∀2 ∀3 ∀4 ∀5 。
( 4)
其中:
∀1
=
R L
s
+
Ls- L L !r
,
∀2 = L
1!r,
∀3
=
1 L
,
∀4
=
L
s
-L !r
,
∀5 =
!1r。
设采样周期为 T s, 对式 ( 3)进行离散化, 可得:
精确可靠的感应电机参数辨识技术是高性能驱
高性能控制的主流控制方式。矢量控制性能的好坏 动系统设计和发展的关键技术。实际驱动系统中,
收稿日期: 2009- 12- 07 作者简介: 陈振锋 ( 1973 ) , 男, 博士研究生, 研究方向为现代交流传动系统与感应电机参数辨识;
钟彦儒 ( 1950 ) , 男, 教授, 博士生导师, 研究方向为新型电力电子装置与系统; 李 洁 ( 1976 ) , 女, 博士, 副教授, 研究方向为矩阵变换器、异步电机高性能控制、软开关电源。
近年来, 许多学者将智能优化算法用于感应电 机参数辨识, 这些算法包括: 遗传算法 ( genet ic a lgo rithm, GA ) [ 6] , 蚁 群 算 法 ( ant colony optim ization, A CO ) [ 7] , 微 粒群 算法 ( particle sw arm optim ization, PSO ) [ 8 ] 。这些优化算法与传统算法相比具有较多 优点, 一个最重要的优点这些算法能够从全局范围 去寻找最佳结果, 而且参数在初始化时可以不在真 值附近。另一个优点 是他们不 需要对函 数进行求 导, 因为对复杂函数求导一般不容易得到, 甚至它的 导数可能不存在。本文将遗传算法, 蚁群算法, 微粒 群算法用于感应电机参数辨识。实验时, 电机在不 带负载的情况下做变速运行。通过实验, 对感应电 机参数辨识三种智能优化算法进行了比较, 并得出 了结论。遗传算法可以得到最准确的电机参数, 微 粒群算法次之, 蚁群算法最差。蚁群算法所需时间 最短, 遗传算法次之, 微粒群算法最长。
a 31
0
- a14 a33
a13 ,
e- r
0 a31 - ( e - r )
a33
10 Ls
B= 0 0
1
10 00
Ls ,
C=
,
01 00
0
00
a11 = -
Rs + Ls
Lm2 LsL r !r
,
a13 =
Lm L sL
r
!r,
a14 =
r
Lm V , LsL r
a31 = L!mr,
a33 =
-
!1r,
=
1
-
L
2 m
/L sL r,
!r =
Lr
/R r。
式 ( 1)中: R s、R r 为定、转子电阻; L s、Lr 为定、转子电
感; Lm 为互感; 为漏感系数; !r 为转子时 间常数;
r 为电机转子的电气角速度; usd、usq为定子电压 d、 q轴分量; isd、isq为定子电流 d、q轴分量; rd、 rq为转
确的电机参数, 微粒群算法次之, 蚁群算法最差。蚁群算法所需时间最短, 遗传算法次之, 微粒群算
法最长。
关键词: 感应电机; 矢量控制; 参数辨识; 智能优化算法
中图分类号: TU 313
文献标志码: A
文章编号: 1007- 449X ( 2010) 11- 0007- 06
Comparison of three intelligent optim ization algorithm s for param eter identification of induction motors
第 14卷 第 11期 2010年 11月
电机 与控 制学 报 ELE CTR IC M ACH INE S AND CONTROL
Vo l 14 No 11 Nov. 2010
感应电机参数辨识三种智能算法的比较
陈振锋, 钟彦儒, 李洁
(西安理工大学 自动化与信息工程学院, 陕西 西安 710048)
y = Cx。
其中:
x = [ isd isq
%rd
%rq
]
T ,
u = [ usd usq ] T,
a %11
e
a %13
a%14
- e a%11 A=
a%31 0
- a%14 a33
a%13 ,
e- r
0 a%31 - ( e - r )
a;
Ls-L L !r
, a%13 = L 1!r,
Abstract: G enet ic a lgorithm, ant co lony opt im ization and particle sw arm optim ization w ere introduced and app lied to the param eter identificat ion o f an induct ion m otor for vector contro .l T he erro rs betw een the ac tual stator current output o f an induction m otor and the stato r current outpu t of the m odel w ere used as the criterion to correct the m odel param eters, so as to identify a ll the param eters of an induction mo tor. Ex perim ents w ere conducted on speed vary ing operation w ith no load. T he three k inds o f optim ization algo rithm sw ere com pared w ith each other and conc lusions w ere summ arized. Genetic algorithm can acqu ire the m ost accurate param eters o f induct ion m otor. P artic le sw arm optim ization takes second p lace, and an t co lony optim ization is the w ors.t In compu ting t im e, the ant colony optim izat ion is the fastes.t Genetic al gorithm takes second p lace, and particle sw arm optim ization runs the m ost slow ly. K ey w ord s: induction m otors; vector contro ;l param eter ident ification; inte lligent optim ization a lgorithm
后通过坐标变换得到的,
而
∃
is
d、∃i
sq是
感
应
电
机
的电
气模型输出。下面通过上述介绍的感应电机的数学
模型来推导出感应电机的电气模型输出 ∃isd、∃i sq。
针对式 ( 1), 设 L = L s, 并做变换:
则有:
%rd
=
Lm Lr
rd,
%rq
=
Lm Lr
rq。
( 2)
x = A %x+ Bu, ( 3)
第 11期
陈振锋等: 感应电机参数辨识三种智能算法的比较
9
图 1 感应电机参数辨识原理图 F ig. 1 Sch em e of param eter identif ication of
induction m otor
在对感应电机进行参数辨识时, 图 1中感应电
机的输出 isd、isq都是直接通过电流传感器检测, 然
摘 要: 针对感应电机参数辨识, 采用 3种智能优化算法, 即遗传算法、蚁群算法、微粒群算法。感
应电机的实际输出电流和电气模型的观测电流之间的差值被作为目标函数不断对电气模型中的参
数进行更新, 从而辨识全部的感应电机参数。变速运行实验是在电机不带负载的情况下进行的。
通过实验, 对感应电机参数辨识 3种智能优化算法进行比较, 并得出结论。遗传算法可以得到最准