邓云天， 齐 亮

（1.上海电气集团股份有限公司 上海电机厂有限公司，上海200240；2.上海电气集团股份有限公司中央研究院，上海200070）

在现代交流变频调速技术中，电动机参数辨识有着重要的工程价值，故受到人们长期而广泛的关注。电动机参数辨识的工程价值主要体现在：①电动机控制方面，无论是电动机矢量控制，还是无传感器直接转矩控制都依赖于电动机参数，尤其是在精确转矩控制的应用领域，考虑交流电动机参数变化会引起一定的转矩脉动和误差，为了改善系统的性能，电动机参数需得到辨识；② 故障诊断方面，通过电动机参数辨识进行机电设备的故障诊断，如通过辨识异步电动机稳态参数监测转子电阻变化，以实现转子断条的诊断等。

在电动机参数辨识方面常用的辨识方法有最小二乘法[1－2]、卡尔曼滤波法[3－4]、信号激励法[5]和模型参考自适应法[6－7]等。通过应用这些算法能够一定程度地解决电动机参数辨识的问题，但这些方法在电动机辨识中也存在着缺点和不足，即辨识精度低、收敛速度慢和鲁棒性差等。随着处理器处理能力的发展，近年国内外许多专家、学者将智能优化算法，如遗传算法和粒子群算法（Particle Swarm Optimization，PSO）等引入到电动机参数辨识中，提出了许多基于智能优化算法的电动机参数辨识算法，在电动机辨识中取得很好的效果。其中，由于粒子群算法收敛速度快、编程简单等特点，近来在电动机辨识领域的应用引起了人们关注。……