收稿日期 :2007-10-11
基金项目 : 国家自然科学基金资助项目(60274009)
·
作者简介 : 李 丹(1977 - ) ,男 ,辽宁丹东人 ,东北大学博士研究生 ; 高立群(1949 - ) ,男,辽宁沈阳人 ,东北大学教授 ,博士生导师
·
第 29卷第9期
2008年 9 月
东北大学学报( 自然科学版)
Journal of Northeastern University
(
Natural Science
)
Vol
.29 ,
No
.9
Sep
.2008
基于天体系统粒子群算法
的异步电机参数辨识
李 丹
1
, 高立群
1
, 黄 越
1
, 王 珂
2
(1 .东北大学 信息科学与工程学院 , 辽宁 沈阳 110004 ; 2 .辽宁省电力有限公司 , 辽宁 沈阳 110000)
摘 要 : 针对标准粒子群优化(
PS O
)算法存在易早熟收敛的缺点 ,提出了一种基于天体系统模型的粒子
群优化算法(
CSPS O
)
·
在
CSPSO
算法中 ,参照天文学中的天体系统模型 ,将种群划分为多个相对独立的天体
系统 ,每个系统按照自己的运行规则在不同的空间中运行 ,在算法的后期引入混沌优化 ,最终确定出优化问题
的全局最优解
·
将
CSPSO
算法应用于异步电机参数辨识问题中 ,仿真结果表明
CSPS O
算法比
GA
算法和
PS O
算法具有更精确的参数辨识能力
·
关 键 词 : 天体系统 ;粒子群优化 ;异步电机 ;参数辨识 ;混沌优化
中图分类号 :
TP
18 文献标识码 :
A
文章编号 : 1005-3026(2008)09-1245-04
Indu ction Motor Parame ter Identific ation Base d on Celestial
System Particle Swarm Optimization Algorithm
LI Dan
1
,
GAO Li
-
qun
1
,
HUANG Yue
1
,
WANG Ke
2
(1 .
School of Information Science & Engineering
,
Northeastern University
,
She n yan g
110004 ,
China
;2.
Liaoning Elect ric Power Company Limited
,
Shenyang
110000 ,
China
.
Correspondent
:
LI Dan
,
E
-
mail
:
neulid an
@163.
com
)
Abstract
:
Aiming at the problem that the particle swarm optimization
(
PSO
)
algorithm tends to
prec ocious convergence
,
a new algorithm of celestial system particle swarm optimization
(
CSPSO
)
is presented
.
With reference to the celestial system m od el i n astrono my
,
th e CSP S O algo rithm
divides the population into multiple independent celestial systems of which each and every one
orbits in space in acc ordance with its own rules
.
The c h aot ic o p timizati on is introd u ce d in th e later
half of the algorithm to get the globe optimum solution
.
The CSPS O alg orithm was applied to the
i d e ntificatio n o f in ducti o n moto r p ara m e ters
,
and the simulation results showed that it has higher
identifiability param eters than G A and PS O al gorithms
.
Ke y words
:
celestial system
;
particle swarm optimization
;
ind u cti on motor
;
parameter
i d entifi c atio n
;
chaotic optimization
电机参数辨识问题是在一定的电机参数辨识
模型的基础上 ,利用参数辨识值下的电机模型离
散时刻输出预报值与实际电机输出值的残差平方
和作为最小化目标函数 ,通过一定算法迭代寻优
的
[1]
·
近年来 ,许多研究人员应用扩展卡尔曼滤
波
[2]
、最小二乘法
[3]
和进化规划算法等对异步电
机进行参数辨识 ,但都存在着一些不足
·
扩展卡尔
曼滤波法的缺点是每步都要进行矢量或矩阵运
算 ,计算量大 ;最小二乘法在优化的过程中要用到
目标函数对电机参数的导数 ,且对转速波动很敏
感;进化规划算法在收敛性等方面仍难于满足较
高辨识精度的要求 ,因此有必要研究更有效的算
法辨识异步电机参数
·
本文提出了一种基于天体系统模型的粒子群
优化算法来避免标准粒子群优化算法因种群多样
性损失过快造成的早熟收敛现象 ,提高了算法的
全局收敛精度 ,并将其用于异步电机的参数辨识
中,仿真结果表明该算法用来解决参数辨识问题