CN114362595A - 基于粒子群自适应的多电机控制方法、装置和电子设备 - Google Patents
基于粒子群自适应的多电机控制方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114362595A CN114362595A CN202210266892.4A CN202210266892A CN114362595A CN 114362595 A CN114362595 A CN 114362595A CN 202210266892 A CN202210266892 A CN 202210266892A CN 114362595 A CN114362595 A CN 114362595A
- Authority
- CN
- China
- Prior art keywords
- rotating speed
- weighted
- adaptive
- motors
- motor
- 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 89
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003044 adaptive effect Effects 0.000 claims abstract description 81
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 230000002441 reversible effect Effects 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 47
- 230000004907 flux Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 abstract description 16
- 230000008859 change Effects 0.000 abstract description 8
- 230000001105 regulatory effect Effects 0.000 abstract description 5
- 238000012163 sequencing technique Methods 0.000 abstract description 3
- 230000001133 acceleration Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000005426 magnetic field effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Control Of Electric Motors In General (AREA)
- Control Of Multiple Motors (AREA)
Abstract
本说明书实施例提供一种基于粒子群自适应的多电机控制方法，获取多个电机的转速信息，排序，为每个电机反序关联转速信息计算加权转速系数，得到初步的多个加权转速系数，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，根据多个电机的转速信息和自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合，计算矢量控制参数，对多个电机进行控制。通过反序关联计算多个加权转速系数，初步降低了转速突变对每个电机的影响，同时通过以转速偏差为自适应目标函数，从初步的加权转速系数开始，进行粒子群自适应迭代，得到全局最优的转速系数组合，使得多电机***的实际转速偏差能够降到最小，从而提高交流调速***的适应性。
Description
技术领域
本申请涉及电机控制领域，尤其涉及一种基于粒子群自适应的多电机控制方法、装置和电子设备。
背景技术
对于单逆变器同时控制多台交流电机，目前的控制方式主要是简单将各电机转子磁链角平均为一个统一的转子磁链角，构造出一台“平均电机”，从而实现整体多电机控制，但由于多交流电机在现实工况变化因电机负载存在不一致，从而引起各电机转速不一致，转子磁链角也不一致，此时如果只是简单的计算平均值的方式构造出一台“平均电机”，计算出的平均值未必是最优值，很难适应不同电机负载突变的情况。
因此，有必要提供一种适应性强的多电机控制方法。
发明内容
本说明书实施例提供一种基于粒子群自适应的多电机控制方法、装置和电子设备，用以提高负载突变的适应性。
本说明书实施例提供一种基于粒子群自适应的多电机控制方法，包括：
获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息；
构造加权转速系数公式，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数；
构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合；
利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
可选地，所述根据多个电机的转速信息和所述自适应目标函数迭代优化，包括：
根据电机个数创建多维坐标系，确定所述多个电机的加权转速系数在所述多位坐标系中的位置，创建多个粒子构成的粒子群，以所述初步的多个加权转速系数在所述多位坐标系中的位置为初始位置进行移动，确定多个粒子在移动范围内的位置对应的局部最优的加权转速系数，根据所述加权转速系数和多个电机的转速信息计算自适应目标函数值，重复以上步骤进行迭代，其中，每次迭代前，根据上次自适应目标函数值是否逐渐收敛来调整本次迭代时多个粒子的移动属性参数，直至迭代次数满足预设值，输出全局最优的加权转速系数组合。
可选地，所述根据所述局部最优转速系数和多个电机的转速信息计算自适应目标函数值，包括：
在预设时长的时间段内根据所述局部最优的加权转速系数和多个电机的转速信息进行积分，计算自适应目标函数值。
可选地，所述利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，包括：
利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算平均转子磁链和平均转矩。
可选地，所述根据所述矢量控制参数对所述多个电机进行控制，包括:
根据所述平均转子磁链和平均转矩对所述多个电机进行控制。
可选地，还包括：
对所述粒子群自适应迭代模型中用于调整移动属性参数的影响因子进行训练。
可选地，所述移动属性参数，包括：
移动方向和移动速度。
本说明书实施例还提供一种基于粒子群自适应的多电机控制装置，包括：
转速获取模块，获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息；
加权计算模块，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数；
粒子群优化模块，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合；
矢量控制模块，利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
本说明书实施例还提供一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行程序的存储器，所述可执行程序在被执行时使所述处理器执行上述任一项方法。
本说明书实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。
本说明书实施例提供的各种技术方案通过获取多个电机的转速信息，排序，为每个电机反序关联转速信息计算加权转速系数，得到初步的多个加权转速系数，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将多个加权转速系数输入到该模型中，根据多个电机的转速信息和自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合，计算矢量控制参数，对多个电机进行控制。通过构造加权转速系数公式，以反序关联的转速信息计算多个加权转速系数，初步降低了转速突变对每个电机的影响，同时通过以转速偏差为自适应目标函数进行粒子群自适应迭代，进一步精确调整得到全局最优的转速系数组合，使得与多电机***的实际转速偏差能够降到最小，从而提高交流调速***的适应性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种基于粒子群自适应的多电机控制方法的原理示意图；
图2为本说明书实施例提供的一种基于粒子群自适应的多电机控制装置的结构示意图；
图3为本说明书实施例提供的一种基于粒子群自适应的多电机控制***的结构示意图；
图4为本说明书实施例提供的一种电子设备的结构示意图；
图5为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
目前主流控制方式采取的是直接平均方式实现多台电机归并成一台电机，计算出平均矢量控制参数，虽然能维持整个***的运转，但其数值未必反应整个***矢量控制参数的准确位置。从而当电机中的工况变化而引起各电机负载不一致时，会进一步引起各电机的转速不一致，转子磁链角也不一致，各个电机会出现动态品质下降，运行紊乱甚至失控的情况。
因此，构造平均电机，不能再采取简单的平均值方式。
图1为本说明书实施例提供的一种基于粒子群自适应的多电机控制方法的原理示意图，该方法可以包括：
S101:获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息。
通过为每个电机反序关联转速信息，使得转速大的电机关联较小的转速，而转速较小的电机则关联较大的转速，这样，可以降低大转速电机的影响，提高转速小的电机的影响，因为如果单纯按照各电机实际的转速求平均，会使得转速大的电机占据非常大的权重，平均的结果失去了实施意义，因此，我们通过反序关联的方式，均衡各电机的权重，从而优化其在多电机这个整体中的影响地位。
S102:构造加权转速系数公式，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数。
以单逆变器控制四台电机交流电机为例，相对应的加权转速系数记作A、B、C、D。设四台电机在现实工况下的实际转速分别为
（
），则最终所得加权转速系数为：
得到这四个加权转速系数后，如果直接根据其计算用于控制多个电机的矢量控制参数，可以比之前直接计算转速平均值的方式稍有改进，但是由于实际工况更为复杂，只能初步降低了转速突变对每个电机的影响。因此可以以公式粗算的加权转速系数为出发点，用目标函数迭代的方式来对此进行数值优化，使加权转速系数组合向着目标函数优化的方向进行适应性调整，从而得到一组最优的加权转速系数组合。
S103:构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合。
通过获取多个电机的转速信息，排序，为每个电机反序关联转速信息计算加权转速系数，得到初步的多个加权转速系数，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将多个加权转速系数输入到该模型中，根据多个电机的转速信息和自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合，计算矢量控制参数，对多个电机进行控制。通过构造加权转速系数公式，以反序关联的转速信息计算多个加权转速系数，初步降低了转速突变对每个电机的影响，同时通过以转速偏差为自适应目标函数，以公式粗算的加权转速系数为出发点进行粒子群自适应迭代，进一步精确调整得到全局最优的转速系数组合，使得与多电机***的实际转速偏差能够降到最小，从而提高交流调速***的适应性。
可以构造以转速偏差为自适应目标函数，以粗算的初始的多个加权转速系数为出发点的粒子群自适应迭代模型。
具体的，在本说明书实施例中，所述根据多个电机的转速信息和所述自适应目标函数迭代优化，包括：
根据电机个数创建多维坐标系，确定所述多个电机的加权转速系数在所述多位坐标系中的位置，创建多个粒子构成的粒子群，以所述初步的多个加权转速系数在所述多位坐标系中的位置为初始位置进行移动，确定多个粒子在移动范围内的位置对应的局部最优的加权转速系数，根据所述加权转速系数和多个电机的转速信息计算自适应目标函数值，重复以上步骤进行迭代，其中，每次迭代前，根据上次自适应目标函数值是否逐渐收敛来调整本次迭代时多个粒子的移动属性参数，直至迭代次数满足预设值，输出全局最优的加权转速系数组合。
以初始的加权转速系数A、B、C、D数值作为粒子原始出发点，通过粒子群寻找算法中的最优参数解，进一步实现加权转速系数A、B、C、D的精确调整，得到的全局最优的加权转速系数组合，记作a,b,c,d，后面用a,b,c,d来计算平均的矢量控制参数，就能使多电机***的转速差达到最小，最大程度适应负载突变的情况。
在本说明书实施例中，其中，所述根据所述局部最优转速系数和多个电机的转速信息计算自适应目标函数值，包括：
在预设时长的时间段内根据所述局部最优的加权转速系数和多个电机的转速信息进行积分，计算自适应目标函数值。
具体的，可以根据多电机矢量控制模型建立电机自调节时间的适应度函数，将实际工程中常用时间与绝对误差乘积的积分（ITAE）作为自适应目标函数，数值可以看作是适应度值，适应度值属于现有技术中的概念，在此不做详细阐述。
其中，
。
上式中ITAE作为适应度值，值越小代表稳态性能越好；
是平均电机转速设定值；
为转速实际值。
至于粒子群自适应迭代模型的具体运行过程，可以通过一些参数进行控制，比如迭代的次数，粒子运动的属性等。
具体的，由于惯性权重系数
、粒子群局部加速常数
和粒子群全局加速常数
累加复合影响着粒子寻优运动的结果，因此为了防止模型陷入局部最优同时保持收敛速度，可以对粒子群自适应迭代模型的参数进行以下设置：
（1）粒子个数N：粒子个数越多，寻优概率越大；粒子个数越少，求解时间越短，综合考虑设置N=30；
（2）迭代次数T：代表算法循环的次数。同样次数越多，寻优效果越好；次数越少，求解时间越短，综合考虑设置T=30；
（3）加速常数
和
:分别为局部和全局两个参数，代表个体或者种群的历史信息对粒子飞行轨迹的影响程度；
（4）惯性因子
：设置为递减值，有利于粒子群算法在运算初期加快缩小最优值所在区域范围，在后期细致筛选提高寻优精度防止错过全局最优解。
参数设置完成后，通过预设更新算法对粒子群算法进行迭代更新，加速常数
和
其中，
和
分别表示局部加速常数的初始值和全局加速常数的初始值，t表示当前迭代的次数，T表示设定的迭代总次数。本实施例中将
设为2.5，
设为0.5；
和
分别为局部加速常数的最大值和全局加速常数的最大值，本发明中将
设为0.5，
设为2.5。
惯性因子
的迭代更新公式如下：
其中，
表示第
次迭代时的惯性权重系数；t表示当前迭代的次数，T表示设定的迭代总次数, 
表示惯性权重系数最大值（初始值），
设置为1；
表示粒子群算法中惯性权重系数的最小值，
设置为0.3。
粒子速度更新公式如下：
粒子空间位置坐标更新公式如下：
其中，
表示当前时刻粒子群中第
个粒子的寻优速度，
表示下一时刻粒子群中第
个粒子的寻优速度；
表示当前局部最优位置坐标；
表示当前全局最优位置坐标；
表示粒子群的惯性权重系数；
和
分别表示粒子群局部加速常数和全局加速常数；
和
均为
内的随机数；
表示第
个粒子在当前时刻的空间位置坐标；
表示第
个粒子在下一时刻的空间位置坐标，t表示当前迭代的次数。
在本说明书实施例中，还包括：
对所述粒子群自适应迭代模型中用于调整移动属性参数的影响因子进行训练。
通过获取样本监督训练的方式，能够使得模型的参数最优。
这里的模型参数可以是：粒子群局部加速常数和全局加速常数等参数。
S104: 利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
获取多个电机的转速信息，排序，为每个电机反序关联转速信息，计算得到初步的多个加权转速系数，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将多个加权转速系数输入到模型中，根据多个电机的转速信息和自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合，根据全局最优的加权转速系数组合计算矢量控制参数，对多个电机进行控制。通过构造加权转速系数公式，以反序关联的转速信息计算多个加权转速系数，初步降低了转速突变对每个电机的影响，通过以转速偏差为自适应目标函数，以公式粗算的加权转速系数为出发点进行粒子群自适应迭代，得到全局最优的加权转速系数组合，使得多电机***的实际转速与设计转速的偏差能够降到最小，从而提高交流调速***的适应性。
在本说明书实施例中，所述利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制，包括：
利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算平均转子磁链和平均转矩。
具体的，平均转子磁链=
平均转矩公式：
其中，a,b,c,d为全局最优的加权转速系数组合，j为转子与负载总转动惯量，
为定子电压，
为定子电流，
为同步转速，
为转子转速，
为定子磁链，
为转子磁链，
为极对数，
为转子电阻与其自感的比值，
为互感与转子自感的比值（式中变量上方带横表示该变量属于生成的平均电机，变量右上角为e均表示该变量是在同步旋转坐标系下的量，变量右下角的数字表示该变量所属的电机）。
在本说明书实施例中，所述根据所述矢量控制参数对所述多个电机进行控制，包括:
根据所述平均转子磁链和平均转矩对所述多个电机进行控制。
图2为本说明书实施例提供的一种基于粒子群自适应的多电机控制装置的结构示意图，该装置可以包括：
转速获取模块201，获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息；
加权计算模块202，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数；
粒子群优化模块203，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合；
矢量控制模块204，利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
在本发明较佳的实施例中，粒子群优化模块203中包括适应度评价模块、粒子群算法子模块、增益模块。适应度评价模块在模型中的作用为收集多电机的实际转速值与多电机的设定转速值的差，然后带入适应度函数输出适应度的值到粒子群算法模块。粒子群算法子模块在模型中的作用为进行粒子群算法寻优求解，将在每一次模型运行周期前输出加权转速系数至增益模块，直接参与到控制电路中，通过不断地循环迭代更新加权转速系数A、B、C、D，最终求出与当前仿真模型电机负载突变情况相适应的最优代入系数a、b、c、d。当其负载突变为对应值时，由最优加权转速系数参与构成的增益模块可使得多台电机均能较快的恢复到稳定的运行状态。
该装置获取多个电机的转速信息，排序，为每个电机反序关联转速信息计算加权转速系数，得到初步的多个加权转速系数，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将多个加权转速系数输入到该模型中，根据多个电机的转速信息和自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合，计算矢量控制参数，对多个电机进行控制。通过构造加权转速系数公式，以反序关联的转速信息计算多个加权转速系数，初步降低了转速突变电机的影响，通过以转速偏差为自适应目标函数，以公式粗算的加权转速系数为出发点进行粒子群自适应迭代，得到全局最优的转速系数组合，使得多电机***的实际转速偏差能够降到最小，从而提高交流调速***的适应性。
图3为本说明书实施例提供的一种基于粒子群自适应的多电机控制***的结构示意图，该***可以包括：
控制器模块：本发明采用PI调节器（Proportional Integral Controller），用于接收多电机的设定转速值与多电机的实际转速值，根据多电机的设定转速值与多电机的实际转速值之间的偏差对***进行整体控制。
转矩计算模块：用于根据优化得到的全局最优的加权转速系数组合计算多电机的平均转矩。
磁链计算模块：用于根据优化得到的全局最优的加权转速系数组合计算多电机的平均磁链，计算后的磁链角度值传输至坐标变换模块中的Park变换部分，而转子磁链幅值给予后期的电流分量计算模块，其中，多电机的平均磁链相当于图3中的平均磁通计算。
电流分量计算模块：用于根据转子磁链幅值、给定量、电机状态量等确定输出d轴与q轴电流分量，电流分量计算模块即为图3所示的d轴电流计算模块与q轴电流计算模块的结合，然后输入到坐标变换模块。
坐标变换模块：用于将电流分量计算模块计算后的电流分量信号经过Clark变换以及Park变换，获得了相应的控制信号，将控制信号传递到后面的PWM逆变器模块中。
PWM（Pulse Width Modulation，脉冲宽度调制）逆变器模块：用于根据坐标变换模块输入的控制信号控制PWM逆变器切换出各种需要的开关状态，建立出边数尽可能多的正多边形，获得无限逼近圆形磁通的旋转磁场效果，便于对电机达到更好电压控制的最终目的。
电机模块：本发明采用PSIM（Power Simulation，面向电力电子领域以及电机控制领域的仿真应用包软件）模块库中自带的感应电机模块。
粒子群优化模块：用于通过粒子群算法对所需要的加权转速系数进行寻优求解，不断地循环迭代更新加权转速系数A、B、C、D，最终求出与当前仿真模型电机负载突变情况相适应的最优系数组合a、b、c、d，然后代入到转矩计算模块和磁链计算模块，从而参与代入***中使得多台电机均能较快的恢复到稳定的运行状态。
基于同一发明构思，本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
图4为本说明书实施例提供的一种电子设备的结构示意图。下面参照图4来描述根据本发明该实施例的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：至少一个处理单元410、至少一个存储单元420、连接不同***组件（包括存储单元420和处理单元410）的总线430、显示单元440等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元410可以执行如图1所示的步骤。
所述存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元（ROM）4203。
所述存储单元420还可以包括具有一组（至少一个）程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备400也可以与一个或多个外部设备500（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器460可以通过总线430与电子设备400的其它模块通信。应当明白，尽管图4中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
图5为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于粒子群自适应的多电机控制方法，其特征在于，包括：
获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息；
构造加权转速系数函数，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数；
构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合；
利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
2.根据权利要求1所述的方法，其特征在于，所述根据多个电机的转速信息和所述自适应目标函数迭代优化，包括：
根据电机个数创建多维坐标系，确定所述多个电机的加权转速系数在所述多位坐标系中的位置，创建多个粒子构成的粒子群，以所述初步的多个加权转速系数在所述多位坐标系中的位置为初始位置进行移动，确定多个粒子在移动范围内的位置对应的局部最优的加权转速系数，根据所述加权转速系数和多个电机的转速信息计算自适应目标函数值，重复以上步骤进行迭代，其中，每次迭代前，根据上次自适应目标函数值是否逐渐收敛来调整本次迭代时多个粒子的移动属性参数，直至迭代次数满足预设值，输出全局最优的加权转速系数组合。
3.根据权利要求2所述的方法，其特征在于，所述根据所述局部最优转速系数和多个电机的转速信息计算自适应目标函数值，包括：
在预设时长的时间段内根据所述局部最优的加权转速系数和多个电机的转速信息进行积分，计算自适应目标函数值。
4.根据权利要求1所述的方法，其特征在于，所述利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，包括：
利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算平均转子磁链和平均转矩。
5.根据权利要求4所述的方法，其特征在于，所述根据所述矢量控制参数对所述多个电机进行控制，包括:
根据所述平均转子磁链和平均转矩对所述多个电机进行控制。
6.根据权利要求2所述的方法，其特征在于，还包括：
对所述粒子群自适应迭代模型中用于调整移动属性参数的影响因子进行训练。
7.根据权利要求6所述的方法，其特征在于，所述移动属性参数，包括：
移动方向和移动速度。
8.一种基于粒子群自适应的多电机控制装置，其特征在于，包括：
转速获取模块，获取多个电机的转速信息，根据转速信息的大小进行排序，根据排序结果为每个电机反序关联转速信息；
加权计算模块，以每个电机反序关联的转速信息为权为该电机计算加权转速系数，得到初步的多个加权转速系数；
粒子群优化模块，构造以转速偏差为自适应目标函数的粒子群自适应迭代模型，将所述多个加权转速系数输入到所述粒子群自适应迭代模型中，根据多个电机的转速信息和所述自适应目标函数迭代优化，得到迭代计算出的全局最优的加权转速系数组合；
矢量控制模块，利用电机矢量控制模型根据所述全局最优的加权转速系数组合计算矢量控制参数，根据所述矢量控制参数对所述多个电机进行控制。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行程序的存储器，所述可执行程序在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266892.4A CN114362595B (zh) | 2022-03-18 | 2022-03-18 | 基于粒子群自适应的多电机控制方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210266892.4A CN114362595B (zh) | 2022-03-18 | 2022-03-18 | 基于粒子群自适应的多电机控制方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114362595A true CN114362595A (zh) | 2022-04-15 |
| CN114362595B CN114362595B (zh) | 2022-06-03 |
Family
ID=81094761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210266892.4A Active CN114362595B (zh) | 2022-03-18 | 2022-03-18 | 基于粒子群自适应的多电机控制方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114362595B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116893614A (zh) * | 2023-06-06 | 2023-10-17 | 苏州优世达智能科技有限公司 | 一种基于多传感器融合的水陆两栖无人艇的控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140300297A1 (en) * | 2013-04-08 | 2014-10-09 | Hamilton Sundstrand Corporation | Multiplexed motor controller |
| CN104935217A (zh) * | 2015-05-29 | 2015-09-23 | 天津大学 | 适用于多电机***的改进型偏差耦合控制方法 |
| CN105069530A (zh) * | 2015-08-13 | 2015-11-18 | 肇庆学院 | 一种基于多目标优化的多机器人任务分配方法 |
| CN105281611A (zh) * | 2015-12-03 | 2016-01-27 | 上海应鑫电气自动化有限公司 | 一种适用于单逆变器驱动多台异步电机的控制算法 |
| CN110365058A (zh) * | 2019-08-15 | 2019-10-22 | 中国人民解放军陆军勤务学院 | 基于模拟退火粒子群算法的孤立微电网运行优化方法 |
| CN113452287A (zh) * | 2021-06-07 | 2021-09-28 | 江苏科技大学 | 一种水下航行器的多永磁同步电机的控制方法及控制*** |
-
2022
- 2022-03-18 CN CN202210266892.4A patent/CN114362595B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140300297A1 (en) * | 2013-04-08 | 2014-10-09 | Hamilton Sundstrand Corporation | Multiplexed motor controller |
| CN104935217A (zh) * | 2015-05-29 | 2015-09-23 | 天津大学 | 适用于多电机***的改进型偏差耦合控制方法 |
| CN105069530A (zh) * | 2015-08-13 | 2015-11-18 | 肇庆学院 | 一种基于多目标优化的多机器人任务分配方法 |
| CN105281611A (zh) * | 2015-12-03 | 2016-01-27 | 上海应鑫电气自动化有限公司 | 一种适用于单逆变器驱动多台异步电机的控制算法 |
| CN110365058A (zh) * | 2019-08-15 | 2019-10-22 | 中国人民解放军陆军勤务学院 | 基于模拟退火粒子群算法的孤立微电网运行优化方法 |
| CN113452287A (zh) * | 2021-06-07 | 2021-09-28 | 江苏科技大学 | 一种水下航行器的多永磁同步电机的控制方法及控制*** |
Non-Patent Citations (2)
| Title |
|---|
| TSUTOMU TANAKA ET AL.: "Independent speed and position vector control of two permanent magnet synchronous motors fed by a five-leg inverter with space vector modulation", 《2012 IEEE INDUSTRY APPLICATIONS SOCIETY ANNUAL MEETING》 * |
| 徐飞 等: "单变频器驱动速度耦合两并联异步电机控制策略", 《中国电机工程学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116893614A (zh) * | 2023-06-06 | 2023-10-17 | 苏州优世达智能科技有限公司 | 一种基于多传感器融合的水陆两栖无人艇的控制方法 |
| CN116893614B (zh) * | 2023-06-06 | 2023-12-15 | 苏州优世达智能科技有限公司 | 一种基于多传感器融合的水陆两栖无人艇的控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114362595B (zh) | 2022-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Stipetic et al. | Optimization in design of electric machines: Methodology and workflow | |
| Mesloub et al. | Predictive DTC schemes with PI regulator and particle swarm optimization for PMSM drive: comparative simulation and experimental study | |
| CN114362595B (zh) | 基于粒子群自适应的多电机控制方法、装置和电子设备 | |
| Idir et al. | Direct torque control of three phase induction motor drive using fuzzy logic controllers for low torque ripple | |
| CN113162491B (zh) | 一种基于改进天牛须算法的无刷直流电机优化方法 | |
| Rojas et al. | Multiobjective fuzzy predictive torque control of an induction motor drive | |
| Ting et al. | Nonlinear backstepping control of SynRM drive systems using reformed recurrent Hermite polynomial neural networks with adaptive law and error estimated law | |
| Borujeni et al. | Optimal four quadrant speed control of switched reluctance motor with torque ripple reduction based on EM-MOPSO | |
| Nair et al. | Torque estimation using Kalman filter and extended Kalman filter algorithms for a sensorless direct torque controlled BLDC motor drive: A comparative study | |
| Kannan et al. | Selection of PI controller tuning parameters for speed control of PMSM using biogeography based optimization algorithm | |
| Wang | Parameter optimization and speed control of switched reluctance motor based on evolutionary computation methods | |
| CN110855204A (zh) | 一种永磁同步电机转矩周期性脉动抑制控制装置及方法 | |
| Shahid et al. | Torque error based auto-tuning of weighting factor in model predictive torque control of induction motor drive | |
| Al-Ratrout et al. | Optimization methods in fractional order control of electric drives: A comparative study | |
| CN116722772A (zh) | 一种基于改进粒子群的永磁同步电机控制方法及*** | |
| Lukichev et al. | Comparison of Adaptive Fuzzy PID and ANFIS Controllers for Precision Positioning of Complex Object with Nonlinear Disturbance-Study and Experiment | |
| CN112821832B (zh) | 永磁同步电机的控制方法、装置及电机控制器 | |
| Wang et al. | Design of fractional order pi controller for permanent magnet synchronous motor | |
| Du et al. | Optimal PI control of a permanent magnet synchronous motor using particle swarm optimization | |
| Tran et al. | Auto-tuning controller using MLPSO with K-means clustering and adaptive learning strategy for PMSM drives | |
| Ali | Efficiency optimisation with PI gain adaptation of field-oriented control applied on five phase induction motor using AI technique | |
| CN111082711A (zh) | 一种无刷直流电机反步法控制方法及*** | |
| CN111464100A (zh) | 一种基于模型预测控制的永磁同步电机控制方法及*** | |
| Lei et al. | Research on speed control strategy of permanent magnet synchronous motor based on BP-SSO-pid algorithm | |
| Cao et al. | Digital implementation of DTC based on PSO for induction Motors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Multi-motor control method, device and electronic device based on particle swarm adaptation Effective date of registration: 20220825 Granted publication date: 20220603 Pledgee: Hangzhou United Rural Commercial Bank Limited by Share Ltd. Baoshan Branch Pledgor: HANGZHOU SIYE INTELLIGENT EQUIPMENT CO.,LTD. Registration number: Y2022980013622 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230927 Granted publication date: 20220603 Pledgee: Hangzhou United Rural Commercial Bank Limited by Share Ltd. Baoshan Branch Pledgor: HANGZHOU SIYE INTELLIGENT EQUIPMENT CO.,LTD. Registration number: Y2022980013622 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |