← 返回
基于带学习策略动态粒子群算法的VSI驱动永磁同步电机参数辨识
Parameter Estimation for VSI-Fed PMSM Based on a Dynamic PSO With Learning Strategies
| 作者 | Zhao-Hua Liu · Hua-Liang Wei · Qing-Chang Zhong · Kan Liu · Xiao-Shi Xiao · Liang-Hong Wu |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2017年4月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 功率模块 三相逆变器 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 参数辨识 PMSM 动态PSO VSI非线性 学习策略 电机参数 控制精度 |
语言:
中文摘要
本文提出了一种基于动态粒子群优化（DPSO-LS）的永磁同步电机（PMSM）关键参数辨识方法。该方法在参数模型中充分考虑了电压源逆变器（VSI）的非线性特性，实现了电机参数与逆变器非线性参数的同步辨识，有效提升了控制系统的精度。
English Abstract
A dynamic particle swarm optimization with learning strategy (DPSO-LS) is proposed for key parameter estimation for permanent magnet synchronous machines (PMSMs), where the voltage-source inverter (VSI) nonlinearities are taken into account in the parameter estimation model and can be estimated simultaneously with other machine parameters. In the DPSO-LS algorithm, a novel movement modification eq...
S
SunView 深度解读
该研究提出的参数辨识算法对阳光电源的电机驱动类产品（如风电变流器、储能系统中的辅助电机控制）具有参考价值。通过精确辨识逆变器非线性特性，可进一步优化变流器的控制精度，降低谐波畸变。建议研发团队关注该算法在复杂工况下的鲁棒性，将其作为iSolarCloud智能运维平台中设备健康诊断与性能评估的潜在技术储备，用于提升风电变流器及储能PCS在全生命周期内的控制性能与故障预警能力。