1.一种粒子群算法反馈自适应率参数优化方法,其特征在于,所述粒子群算法反馈自适应率参数优化方法包括以下步骤:步骤一,令待整定的PI参数作为粒子在寻优空间的位置向量,分别根据频域法按照PI参数设计准则计算PI参数;
步骤二,选取适应度函数;
步骤三,计算出每个粒子的适应度值并进行排序,确定局部最优和全局最优;
步骤四,更新当前每个粒子的速度和位置;
步骤五,判断是否达到结束条件,如未达到结束条件,则返回步骤三,直到满足终止条件,得到电流高频噪声为反馈自适应率参数的值。
2.如权利要求1所述的粒子群算法反馈自适应率参数优化方法,其特征在于,所述粒子群算法反馈自适应率参数优化方法具体包括以下步骤:(1)令待整定的PI参数(kp,ki)作为粒子在寻优空间的位置向量p(kp,ki);为了减小初始化种群所代表参数取值的盲目性,分别根据频域法按照PI参数设计准则,计算得到ki和kp,并折中选取二者的值;计算得到的参数值的0.1-10倍之间的随机数,初始种群的大小选为
50,最大迭代次数选为100;限制因子λ=0.73,惯性因子最大值ωmax=0.9,惯性因子最小值ωmin=0.4,认知因子和社会因子分别取c1=2.0,c2=2.3,电流高频噪声为反馈自适应率参数分别为kp和ki;
(2)适应度函数的选取,适应度函数为给定转速及估算转速差值的积分函数,为(3)计算出每个粒子的适应度值并进行排序,确定局部最优和全局最优;
(4)更新当前每个粒子的速度和位置;
(5)判断是否达到结束条件,如未达到结束条件,则返回步骤(3),直到满足终止条件,得到kp和ki的值。
3.如权利要求2所述的粒子群算法反馈自适应率参数优化方法,其特征在于,所述计算得到ki和kp的公式为:传递函数G'22(s)表示为:
其中:
m=Rr/Lr(-g1+Rs/σLs-g3/ε)+ωr(-g2-g4/ε)n=Rr/Lr(-g2-g4/ε)-ωr(-g1+Rs/σLs-g3/ε)x=-g1+Rs/σLs+Rr/σLr
y=-g2-ωr;
转速给定值为ωr,转速估计值为 转子磁链估计值为 电流高频噪声为反馈自适应率参数分别为kp和ki:当kp较小时,估算系统对电流高频噪声的抑制能力越强;理论上应该比例系数kp越小,转速估算系统抗高频电流噪声的能力越强;积分系数ki越大,转速估算系统的稳态误差越小,估算转速的跟踪能力越强。
4.如权利要求2所述的粒子群算法反馈自适应率参数优化方法,其特征在于,所述更新当前每个粒子的速度和位置的公式为:Vij(k+1)=λ{ω(k+1)Vij(k)+c1r1[pbestij-xij(k)]+c2r2[gbestj-xij(k)]}xij(k+1)=xij(k)+Vij(k+1)。
5.一种采用权利要求1~4任意一项所述粒子群算法反馈自适应率参数优化方法的全阶状态观测器,其特征在于,所述全阶状态观测器反馈自适应PI参数的优化