← 返回
控制与算法 机器学习 故障诊断 ★ 3.0

基于改进浣熊优化算法的表贴式永磁同步电机参数辨识

Parameter Identification for SPMSM Based on a Superior ROA

作者 Xiaoliang Yang · Jihao Zhan · Yongpeng Shen · Pu Liu · Leilei Guo · Zhiyan Zhang
期刊 IEEE Transactions on Power Electronics
出版日期 2025年6月
技术分类 控制与算法
技术标签 机器学习 故障诊断
相关度评分 ★★★ 3.0 / 5.0
关键词 SPMSM 参数辨识 浣熊优化算法 迁移优化 启发式自学习 电机控制
语言:

中文摘要

为提高表贴式永磁同步电机(SPMSM)参数辨识的精度,本文提出了一种改进的浣熊优化算法(SROA)。该算法通过引入迁移优化策略、最优浣熊随机交互策略以及多维单向启发式自学习策略,有效提升了原始算法的寻优性能,为电机控制系统的精确建模提供了高效的参数辨识手段。

English Abstract

To enhance the accuracy of parameter identification in surface-mounted permanent magnet synchronous motor (SPMSM), this article proposes a superior raccoon optimization algorithm (SROA). First, the article incorporates a migration optimization strategy, an optimal raccoon random interaction strategy, and multidimensional one-way heuristic self-learning tactics with the original raccoon optimizatio...
S

SunView 深度解读

该技术主要针对永磁同步电机(PMSM)的参数辨识,与阳光电源的电动汽车充电桩(电机驱动控制部分)以及风电变流器业务具有一定的技术关联性。精确的参数辨识是实现高性能电机矢量控制的基础,有助于提升变流器在动态响应和效率优化方面的表现。建议研发团队关注该算法在变流器嵌入式系统中的计算开销,评估其在实时控制中替代传统最小二乘法或卡尔曼滤波的可行性,以进一步优化电机驱动系统的控制精度。