CN104362927A - 基于改进粒子群算法的异步电机关键状态信息跟踪方法 - Google Patents
基于改进粒子群算法的异步电机关键状态信息跟踪方法 Download PDFInfo
- Publication number
- CN104362927A CN104362927A CN201410539036.7A CN201410539036A CN104362927A CN 104362927 A CN104362927 A CN 104362927A CN 201410539036 A CN201410539036 A CN 201410539036A CN 104362927 A CN104362927 A CN 104362927A
- Authority
- CN
- China
- Prior art keywords
- psi
- particle
- parameter
- son
- watch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002245 particle Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 title abstract 7
- 230000004907 flux Effects 0.000 claims description 19
- 230000005291 magnetic effect Effects 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract 1
- 230000006698 induction Effects 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开一种基于改进粒子群算法的异步电机参数跟踪方法。其实现步骤为:首先,在电机经验参数范围内随机设置粒子群;其次,采用粒子群算法寻找全局历史最优位置,并将守望子的初始位置至于其上;然后,在守望子附近重新部署粒子群,并采用当前最优的准则确定守望子位置的更新。改进后的粒子群算法具有检测目标函数变化并实时跟踪参数变化的能力。该法的优点是:将电机的参数辨识问题看作一个寻优问题,理论上可以同时辨识并跟踪任意多的参数。经典的粒子群算法无法应用于目标函数变化的情况,通过本法拓宽了粒子群算法的应用范围。该法具有较强的通用性,可移植性强,适合电机这种参数评估目标函数缓慢变化的对象。
Description
技术领域
本发明公开一种异步电机参数跟踪方法,特别涉及一种基于粒子群算法的电机参数跟踪方法,属于电机参数辨识领域。
背景技术
矢量控制,或称坐标变换控制,是当前高性能电机控制应用中主要的控制方案之一。同时,为了提高***可靠性,简化***设计,降低***成本,往往还要引入无速度传感器技术。
保证如上所述的***控制性能的关键,在于转子时间常数的准确辨识,和转子转速的准确观测。如果电机需要运行在低速区或者高速区,还需要对电阻和励磁电感进行辨识。
所以在这里提出感应电机关键状态信息的概念。对于感应电机来说,关键状态信息有四个,分别是转速、转子时间常数、定子电阻和励磁电感。其中转速是电机控制的主要依据,速度传感器一直是高性能控制的一大成本;转子时间常数决定了磁场定向的准确性,精确的转子时间常数是感应电机高效精确控制的前提;定子电阻在感应电机启动与低速运行时,是转速辨识准确的必要条件;励磁电感在牵引电机弱磁控制中会按非线性轨迹发生变化,且变化量较大,进而严重影响弱磁控制的准确性。
由此可见,电机需要辨识的参数和观测的状态数量众多。若要同时对这些变量进行辨识和观测,则将导致模型的阶数高,辨识算法复杂,难以收敛。更加重要的是,三相电机只有一个独立的平面,在单一激励的前提下,只能构造两个参数的自适应辨识律。要实现更多变量的辨识和观测,则要求满足“充分激励”的条件。
国内外目前所采用的方法或者在激励中注入其它成分,或者利用变频器的高频斩波信号。前者的结果是由于注入的激励而影响电机***偏离原定的运行状态,导致***性能下降;后者则由于传感器的精度、模拟通道的频带宽及ADC的分辨率等因素的限制,导致辨识或观测的精度无法满足要求。
目前国内外采用的方法大都是根据所采用的电机***的控制策略,针对个别主要的状态和参数建立降阶模型,其余的参数和状态则认为不变化或不予观测。并且,已有多种方案可以在观测转子磁链的同时,同时辨识转速和定子电阻。
本发明以电机的降阶模型为对象,以经典的粒子群算法为基础,对电机转子时间常数Tr和励磁电感Lm进行了辨识和跟踪,结合已有的方案,实现对电机关键状态信息的同时获取。
发明内容
为了克服现有技术的不足,在转子磁链和转速已知的前提下,本发明提出一种基于改进粒子群算法的异步电机参数跟踪方法。
在已经获得异步电机的转速、转子磁链和定子电阻的前提下,通过改进的粒子群算法,实时获得电机转子时间常数Tr和励磁电感Lm;由所述的改进粒子群算法,获得电机转子时间常数Tr和励磁电感Lm的步骤如下:
(1)采用粒子最优历史位置和全局最优历史位置作为粒子的行动依据,寻找到全局最优位置,全局最优位置即守望子的初始位置,守望子是一个具有观察、自持和自省三个特点的特殊粒子;
(2)在守望子附近区域内重新部署粒子群,每个粒子对应着一个开环观测器,粒子的位置即为该开环观测器的参数值,守望子也对应着一个开环观测器;
(3)根据已知的异步电机的转速、转子磁链和定子电流,以及观测器的输出进行位置评估,根据当前最优的准则判定守望子是否为更新位置,守望子所处的位置也参与评估;
(4)循环步骤(2)、(3)步,实现参数辨识及跟踪。
所述步骤(2)包括如下步骤:
(2A)以守望子为中心重新部署粒子群,在二维情况下,所述区域为矩形,表述为:
其中,和分别是第i个粒子的横坐标和纵坐标;pwatcherA和pwatcherB分别是守望子的横坐标和纵坐标;rand是一个均匀分布在-10%和+10%之间的随机变量;
(2B)构造开环转子磁链观测器
以转子磁链为状态变量,将异步电机模型降阶为二阶状态方程,在dq坐标系下有如下状态方程:
其中,p为微分算子,ψrd和ψrq分别是转子d轴和q轴磁链;Tr是转子时间常数;Lm是励磁电感;isd和isq分别是定子d轴和q轴电流;
将上述方程重写为下式,辨识目标是状态参数A和输入参数B:
由于本观测器的作用仅仅是评估参数的优劣,所以直接构造开环观测器如下:
其中,和分别是转子d轴和q轴磁链的估计值;和分别是待评估的状态参数和输入参数,也即粒子的位置,每个粒子对应一个上述观测器,包括守望子。
所述步骤(3)包括如下步骤:
(3A)本方法以状态误差绝对值之和与时间乘积的积分ITAE作为评估目标,评估过程执行时间为Tdo,采样时间为Ts,则评估过程共计算步;
第k步的ITAE计算如下,其中,k为自然数,
其中,t是从参数更新后开始计时的时间;和分别是第i步输入的d轴和q轴磁链,对于本法来说是已知值;和则分别是开环观测器输出的第i步的转子d轴和q轴磁链;守望子也要计算相应的ITAE;
(3B)守望子位置的更新只取决于本次迭代粒子群的评估值,其中最小的评估值对应的位置就被认为是全局最优位置,只有当守望子位置不是全局最优位置时,其位置才被更新到全局最优位置上,并以全局最优位置处的评估值作为自己的评估值。
本发明的有益效果列举如下:
1)本发明克服了传统PSO只能寻静态最优的缺点,实现了对变化最优点的跟踪辨识,并且算法容易实现,通用性、可移植性强;
2)根据转子磁链状态方程辨识出两个异步电机关键状态信息,即转子时间常数和励磁电感。转子时间常数可以用于修正转速估计,而励磁电感是在弱磁控制时对性能的保证。
附图说明
图1是实现所有电机关键状态信息辨识的***示意图;
图2是实现本发明的算法模块的程序流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的阐述。
参见图1,强电部分,三相交流电源经过不控整流得到直流母线电压Udc,供给电压源型逆变器,再得到供给异步电机的三相电源。
弱电部分,采用矢量控制方式,包含电压、电流传感器,3相/2相静止坐标变换模块,2相静止/2相同步速坐标变换模块,新型观测器模块,转子磁链幅值判断模块,速度环PI控制器模块,电流环PI控制器模块,2相同步速/2相静止坐标变换模块,电压空间矢量脉宽调制模块。
本发明主要涉及本发明算法模块,其他模块为异步电机矢量控制所需的功能性模块,为本领域公知常识。
下面描述整个***的工作流程,以介绍各模块的连接关系。
1.由传感器测得三相异步电机的各相电流与电压,输入“3相/2相静止坐标变换模块”,得到定子电流is的分量isα和isβ,定子电压us的分量usα和usβ。
2.采用滑模观测器和模型参考自适应理论,对转子磁链进行观测,并将转速和定子电阻看作参数进行辨识,该模块的输出为转子磁链的d轴分量ψrd和q轴分量ψrq。该模块的其中一种具体实施方式可参见文章(Lihang Zhao,Jin Huang,and He Liu,et al.,"Second-Order Sliding Mode Observer with Online Parameter Identification for Sensorless Induction Motor Drives,"IEEE Trans.Ind.Electron.,vol.61,no.10,pp.5280-5289,Oct.2014)。
3.本发明算法模块以转子磁链的d轴ψrd和q轴ψrq分量为输入,以粒子的位置作为开环观测器的参数。将此输入与开环观测器的输出进行比较,其差的绝对值乘以时间并积分就是ITAE。守望子根据各个粒子的ITAE决定是否更新自己的位置。模块的输出是守望子的位置,即转子时间常数和励磁电感。如图2所示,其具体实现详述于下:
(3A)首先,在电机的经验参数范围内布置一定数量的粒子群。采用粒子群算法,即采用粒子最优历史位置和全局最优历史位置作为粒子的行动依据的方法,寻找到全局最优位置,然后将守望子置于该最优位置上。
粒子的搜索方程可按下式描述:
其中,c1和c2是正常数,称为加速因子,往往取值为2,以此产生一个均值为1的随机变量;w是惯性权重,取值一般为1;rand1和rand2是在[0,1]区间内的随机数;k和k+1代表迭代次数;和分别是第i个粒子在第k+1次迭代时和在第k次迭代时的位置向量;pbesti是第i个粒子所历经的位置中最优的位置,这个最优由一个非负的评估函数确定,其取值越小为越优;gbest是粒子群所经历的位置中,使得评估函数取值最优的位置;d是位移(Displacement),表示进行到下一次迭代时,粒子要相对于当前位置移动的位移;位移方程右边的三项分别被称为动量部分(Momentum Part)、认知部分(Cognitive Part),和社会部分(Social Part)。
守望子是一个特殊的粒子。守望子总是观察自己是否是最优(这里是指历史上最优)并跳到最优的位置上,这被称为“观察“。守望子不像其他粒子一样行动,这被称为“自持”。在开始重新随机部署粒子群之前,守望子总是处于gbest的位置,而且在此步骤时它并不自省。
(3B)然后在守望子附近的小范围区域内重新随机部署粒子群,粒子的位置即为下一迭代的观测器的参数值。
重新部署粒子群以守望子为中心,在二维情况下,该区域为矩形,可以表述为:
其中,p[]表示存放粒子类对象的列表;i表示第i个粒子;rand是一个均匀分布在-10%和+10%之间的随机变量;这里采用面向对象编程,pwatcher是守望子类的对象,p[i]是粒子类的对象;.x和.y分别表示上述的参数A和B。
(3C)构造转子磁链观测器
由于电流是易测的量,所以可以将异步电机降为二阶状态方程,以转子磁链为状态进 行描述。转子磁链在dq坐标系下有如下状态方程:
其中,ψrd和ψrq分别是转子d轴和q轴磁链;Tr是转子时间常数;Lm是励磁电感;isd和isq分别是定子d轴和q轴电流。
将上述方程重写为下式,辨识目标是状态参数A和输入参数B:
由于该观测器的作用仅仅是评估参数的优劣,所以可以直接构造开环观测器如下:
其中,和分别是转子d轴和q轴磁链;和分别是待评估的状态参数和输入参数,也即粒子的位置。每个粒子都需要一个观测器,也包括了守望子。
(3D)根据已知的转子磁链和观测器的输出进行位置评估,根据当前最优的准则判定守望子是否更新位置。而且守望子所处的位置也要参与评估,这被称为“自省”。(5A)本方法以ITAE作为评估目标,ITAE是状态误差绝对值之和与时间乘积的积分,第k步的ITAE可以计算如下:
其中,t是从参数开始更新开始计时的时间;和分别是第i步输入的d轴和q轴磁链,对于本法来说是已知值;和则分别是开环观测器输出的第i步的转子d轴和q轴磁链。守望子也要计算它每一步的ITAE,这就是所谓的“自省”。
(3E)有了第k步的各个粒子的ITAE以后,其中最小的那个就被认为是gbest,只有当pwatcher不是gbest时,pwatcher才更新其位置到gbest粒子的位置上,并以其评估值作为自己的评估值。
(3F)循环(3B)~(3E)步,即可实现参数跟踪。
4.转子时间常数还可以反馈回到滑模观测器,以修正对转子转速的辨识。
5.速度PI根据速度误差输出d轴、q轴电流给定;电流PI根据电流误差输出电压给定。
6.电压空间矢量脉宽调制模块以α轴电压uα和β轴电压uβ作为输入,输出三相PWM给逆变器的门极。
Claims (3)
1.一种基于改进粒子群算法的异步电机参数跟踪方法,其特征在于:
在已经获得异步电机的转速、转子磁链和定子电流的前提下,通过改进的粒子群算法,实时获得电机转子时间常数Tr和励磁电感Lm;由所述的改进粒子群算法,获得电机转子时间常数Tr和励磁电感Lm的步骤如下:
(1)采用粒子最优历史位置和全局最优历史位置作为粒子的行动依据,寻找到全局最优位置,全局最优位置即守望子的初始位置,守望子是一个具有观察、自持和自省三个特点的特殊粒子;
(2)在守望子附近区域内重新部署粒子群,每个粒子对应着一个开环观测器,粒子的位置即为该开环观测器的参数值,守望子也对应着一个开环观测器;
(3)根据已知的异步电机的转速、转子磁链和定子电流,以及观测器的输出进行位置评估,根据当前最优的准则判定守望子是否为更新位置,守望子所处的位置也参与评估;
(4)循环步骤(2)、(3)步,实现参数辨识及跟踪。
2.如权利要求1所述的方法,其特征在于:所述步骤(2)包括如下步骤:
(2A)以守望子为中心重新部署粒子群,在二维情况下,所述区域为矩形,表述为:
其中,和分别是第i个粒子的横坐标和纵坐标;pwatcherA和pwatcherB分别是守望子的横坐标和纵坐标;rand是一个均匀分布在-10%和+10%之间的随机变量;
(2B)构造开环转子磁链观测器
仅以转子磁链为状态变量,将异步电机模型降阶为二阶状态方程,在dq坐标系下有如下状态方程:
其中,p为微分算子,ψrd和ψrq分别是转子d轴和q轴磁链;Tr是转子时间常数;Lm是励磁电感;isd和isq分别是定子d轴和q轴电流;
将上述方程重写为下式,辨识目标是状态参数A和输入参数B:
由于本观测器的仅用于评估参数的优劣,所以直接构造开环观测器如下:
其中,和分别是转子d轴和q轴磁链的估计值;和分别是待评估的状态参数和输入参数,也即粒子的位置,每个粒子对应一个上述观测器,包括守望子。
3.如权利要求1所述的方法,其特征在于:所述步骤(3)包括如下步骤:
(3A)本方法以状态误差绝对值之和与时间乘积的积分ITAE作为评估目标,评估过程执行时间为Tdo,采样时间为Ts,则评估过程共计算步;
第k步的ITAE计算如下,其中,k为自然数,
其中,t是从参数更新后开始计时的时间;和分别是第i步输入的d轴和q轴磁链,对于本法来说是已知值;和则分别是开环观测器输出的第i步的转子d轴和q轴磁链;守望子也要计算相应的ITAE;
(3B)守望子位置的更新只取决于本次迭代粒子群的评估值,其中最小的评估值对应的位置就被认为是全局最优位置,只有当守望子位置不是全局最优位置时,其位置才被更新到全局最优位置上,并以全局最优位置处的评估值作为自己的评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539036.7A CN104362927B (zh) | 2014-10-14 | 2014-10-14 | 基于改进粒子群算法的异步电机关键状态信息跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539036.7A CN104362927B (zh) | 2014-10-14 | 2014-10-14 | 基于改进粒子群算法的异步电机关键状态信息跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104362927A true CN104362927A (zh) | 2015-02-18 |
CN104362927B CN104362927B (zh) | 2017-02-15 |
Family
ID=52530161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410539036.7A Expired - Fee Related CN104362927B (zh) | 2014-10-14 | 2014-10-14 | 基于改进粒子群算法的异步电机关键状态信息跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104362927B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429551A (zh) * | 2016-01-18 | 2016-03-23 | 华东交通大学 | 一种伺服***电流环控制参数自整定方法 |
CN105680746A (zh) * | 2015-11-20 | 2016-06-15 | 宋正强 | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 |
CN106953577A (zh) * | 2017-03-20 | 2017-07-14 | 福州大学 | 一种基于改进粒子群优化算法的异步电机参数辨识方法 |
CN108988720A (zh) * | 2018-08-23 | 2018-12-11 | 浙江金轴电气有限公司 | 一种基于转差自动优化的三相异步电机控制器及控制方法 |
CN110729937A (zh) * | 2019-10-17 | 2020-01-24 | 佛山科学技术学院 | 一种基于改进粒子群算法的异步电机参数辨识方法 |
CN110943664A (zh) * | 2019-11-06 | 2020-03-31 | 东南大学 | 一种基于双层定位的五桥臂双动子初级永磁直线电机模型预测电流控制方法 |
CN113050425A (zh) * | 2021-03-22 | 2021-06-29 | 浙江浙能技术研究院有限公司 | 一种发电机励磁***控制参数优化方法 |
CN116700019A (zh) * | 2023-08-09 | 2023-09-05 | 合肥安迅精密技术有限公司 | 用于伺服驱动器参数自整定的方法及***、存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510263B (zh) * | 2011-10-25 | 2014-10-22 | 中国电力科学研究院 | 基于抛载试验和数值差分的同步发电机实用参数辨识方法 |
CN103023418B (zh) * | 2012-11-23 | 2015-05-27 | 华北电网有限公司 | 一种基于广域量测信息的同步发电机在线参数辨识方法 |
CN103944481B (zh) * | 2014-04-28 | 2016-03-02 | 中南大学 | 一种交流异步电机矢量控制***模型参数在线修正方法 |
-
2014
- 2014-10-14 CN CN201410539036.7A patent/CN104362927B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
Title |
---|
ALI KARIMI ET AL.: "PSO-based Evolutionary Optimization for Parameter Identification of an Induction Motor", 《POWER SYMPOSIUM,2007.NAP"07.39TH NORTH AMERICAN》 * |
C.PICARDI ET AL.: "Parameter Identification of Induction Motor Based on Particle Swarm Optimization", 《INTERNATIONAL SYMPOSIUM ON POWER ELECTRONICS,ELECTRICAL DRIVES,AUTOMATION AND MOTION》 * |
李洁 等: "考虑铁损的异步电机参数辨识实验研究", 《电工技术学报》 * |
郝宁眉等: "基于粒子群优化算法的异步电动机动态模型参数估计方法研究", 《科学技术与工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105680746A (zh) * | 2015-11-20 | 2016-06-15 | 宋正强 | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 |
CN105680746B (zh) * | 2015-11-20 | 2018-11-06 | 宋正强 | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 |
CN105429551A (zh) * | 2016-01-18 | 2016-03-23 | 华东交通大学 | 一种伺服***电流环控制参数自整定方法 |
CN105429551B (zh) * | 2016-01-18 | 2019-10-08 | 华东交通大学 | 一种伺服***电流环控制参数自整定方法 |
CN106953577A (zh) * | 2017-03-20 | 2017-07-14 | 福州大学 | 一种基于改进粒子群优化算法的异步电机参数辨识方法 |
CN106953577B (zh) * | 2017-03-20 | 2019-08-09 | 福州大学 | 一种基于改进粒子群优化算法的异步电机参数辨识方法 |
CN108988720A (zh) * | 2018-08-23 | 2018-12-11 | 浙江金轴电气有限公司 | 一种基于转差自动优化的三相异步电机控制器及控制方法 |
CN110729937A (zh) * | 2019-10-17 | 2020-01-24 | 佛山科学技术学院 | 一种基于改进粒子群算法的异步电机参数辨识方法 |
CN110943664A (zh) * | 2019-11-06 | 2020-03-31 | 东南大学 | 一种基于双层定位的五桥臂双动子初级永磁直线电机模型预测电流控制方法 |
CN110943664B (zh) * | 2019-11-06 | 2021-07-20 | 东南大学 | 一种基于双层定位的五桥臂双动子初级永磁直线电机模型预测电流控制方法 |
CN113050425A (zh) * | 2021-03-22 | 2021-06-29 | 浙江浙能技术研究院有限公司 | 一种发电机励磁***控制参数优化方法 |
CN116700019A (zh) * | 2023-08-09 | 2023-09-05 | 合肥安迅精密技术有限公司 | 用于伺服驱动器参数自整定的方法及***、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104362927B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104362927A (zh) | 基于改进粒子群算法的异步电机关键状态信息跟踪方法 | |
Song et al. | An efficient multiobjective design optimization method for a PMSLM based on an extreme learning machine | |
Reza et al. | A review of reliable and energy efficient direct torque controlled induction motor drives | |
Sun et al. | Optimal design of terminal sliding mode controller for direct torque control of SRMs | |
Liu et al. | GPU-accelerated parallel coevolutionary algorithm for parameters identification and temperature monitoring in permanent magnet synchronous machines | |
CN105680746B (zh) | 一种利用在线粒子群优化算法来设计永磁同步电动机电流和速度控制器pi参数的方法 | |
CN106788041B (zh) | 一种定子永磁型记忆电机高效率和宽调速控制方法 | |
CN109391202A (zh) | 永磁同步电机模型预测-直接转矩控制方法 | |
CN103904972A (zh) | 一种新型永磁同步电机模糊无差拍算法矢量控制*** | |
CN104135205A (zh) | 一种感应电机最大转矩电流比控制方法 | |
CN103647493B (zh) | 一种永磁同步电机的h无穷转速估计方法 | |
CN111342729B (zh) | 基于灰狼优化的永磁同步电机自适应反推控制方法 | |
CN104539124B (zh) | 一种开关磁阻电机速度抗干扰复合控制方法 | |
Wai et al. | Total sliding-mode-based particle swarm optimization control for linear induction motor | |
Sun et al. | Nonlinear fast modeling method of flux linkage and torque for a 12/8 switched reluctance motors | |
Agrawal et al. | Particle swarm optimization of BLDC motor with fuzzy logic controller for speed improvement | |
Cheng et al. | Braking torque closed-loop control of switched reluctance machines for electric vehicles | |
Xuanfeng et al. | BLDC motor speed servo system based on novel P-fuzzy self-adaptive PID control | |
Ren et al. | MPC-based torque control of permanent magnet synchronous motor for electric vehicles via switching optimization | |
Wen et al. | Fast Backfire Double Annealing Particle Swarm Optimization Algorithm for Parameter Identification of Permanent Magnet Synchronous Motor. | |
CN102427326B (zh) | 一种电动车异步电机的预估计控制方法 | |
Peng | Predictive Current Control of Permanent Magnet Synchronous Motor Based on Parameter Identification | |
Chandra Sekhar et al. | Direct torque control of induction motor using enhanced firefly algorithm—ANFIS | |
Zhu et al. | The research of sensorless vector control for permanent magnet linear synchronous motor. | |
Zhao et al. | Research of maximum ratio of torque to current control method for PMSM based on least square support vector machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170215 |