黄 松, 田 娜, 纪志成,2

(1. 物联网工程学院, 江南大学， 江苏 无锡 214122； 2. 轻工过程先进控制教育部重点实验室, 江南大学， 江苏 无锡 214122)

一种新的自适应变异粒子群优化算法在PMSM参数辨识中的应用

黄 松1, 田 娜1, 纪志成1,2

(1. 物联网工程学院, 江南大学， 江苏 无锡 214122； 2. 轻工过程先进控制教育部重点实验室, 江南大学， 江苏 无锡 214122)

高精度辨识永磁同步电机参数是进行控制器设计的基础。本文借鉴遗传算法中变异操作的思想，提出了一种基于自适应变异概率的混合变异粒子群优化算法，并将其应用于永磁同步电机参数辨识问题。本文首先在dq坐标系下建立永磁同步电机参数辨识模型，然后将该算法和几种变异粒子群算法用于永磁同步电机参数辨识，并在Matlab/Simulink中进行了对比验证。实验结果表明，该算法能提高定子电阻、d轴电感、q轴电感和转子磁链等参数的辨识精度，为提高永磁同步电机电机控制器性能提供了保证。

粒子群算法; 变异概率; 永磁同步电机; 参数辨识

1 引言

永磁同步电机(PMSM)广泛用于柔性制造系统、风力发电和精密伺服系统等。但是，它的物理参数容易受到温度、定子电流和磁通饱和等因素的影响，获得准确可靠的物理参数是永磁同步电机系统稳定可靠运行的关键。精确的电机参数和先进的控制思想是设计电机控制器的基础，电机参数准确程度直接影响控制器控制性能的好坏。因此，需要研究相应的辨识算法来估计准确的电机参数信息。

将递推最小二乘法[1]、扩展卡尔曼滤波器法[2]和神经网络辨识方法[3]等传统方法应用于电机参数辨识时，需要对电机模型进行复杂的变换，因此，这些方法对具有非线性时变特征的参数和多参数的辨识还相当困难。……