陶丁兴，王家军

(杭州电子科技大学自动化学院，浙江 杭州 310018)

0 引 言

永磁同步电动机(Permanent-Magnet Synchronous Motor，PMSM)具有功率密度高、动态性能好、转速运行范围宽等优势，广泛应用于工业伺服驱动系统、电动汽车和高铁等领域[1-2]。目前，PMSM的控制方法主要有矢量控制和直接转矩控制，通过准确获取PMSM的定子电阻、交直轴电感和永磁磁链等参数来提高其控制性能。造成电机实际参数与给定参数之间误差的原因有多种，比如，制造公差导致同一批次生产的电机参数不完全相同；高性能控制驱动器设计者无法获得准确的电机参数，致使控制效果差；电机参数受运行条件和周围环境的影响，产生非线性变化等[3]。为了降低电机参数对控制系统性能的影响，需要对电机参数进行精确辨识。目前，主要通过最小二乘法[4]、模型参考自适应法[5]、遗传算法(Genetic Algorithm，GA)[6]、粒子群算法(Particle Swarm Optimization，PSO)[7]等方法来提高PMSM参数的辨识精度。最小二乘法收敛速度快，但转速突变时，算法的计算量大，跟踪性能差。模型参考自适应法需要根据辨识的参数手动选择自适应率，在多个参数同时辨识时，自适应率的设计比较繁琐。GA算法能够进行并行操作，容易取得全局最优解，但算法需要编码，且对函数搜索的物理意义不直观。PSO算法运用粒子运动路线与人类决策相似的原理得出最优解，易于理解且收敛速度较快，但最大速度和加权因子不易选取，容易陷入局部最优。人工鱼群算法(Artificial Fish Swarm，AFS)[8]是模拟动物行为的群体智能优化算法，简单易于实现，函数优化能力强，收敛速度快，是很好的全局优化算法。……