1.一种基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,包括以下步骤:
步骤a)建立空载状态下的永磁同步电机实际模型和理论模型;
步骤b)将步骤a所得实际模型y=[ud0,uq0,ud,uq]输出值与理论模型的输出值进行比较,求理论模型输出值与实际模型输出值之差;
步骤c)根据适应度函数在改进的灰狼优化算法基础上对待辨识参数不断进行修正,从而得到最优辨识参数。
2.根据权利要求1所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤a具体包括:
步骤a1)在dq坐标系下设定永磁同步电机的定子电压方程;
步骤a2)在dq坐标系下推导永磁同步电机的离散电压方程,得实际模型y=[ud0,uq0,ud,uq]输出值;
步骤a3)根据步骤a1和步骤a2提供的电压方程求得同步电机理论模型
3.根据权利要求1所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤b中理论模型 输出值和实际模型y输出值之差与待辨识参数适应度值的函数关系式如下:
其中, 为理论模型 输出值和实际模型y输出值之差的适应度值,w1、w2、w3和w4分别为适应度函数的加权因子。
4.根据权利要求1所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c具体包括:
步骤c1)设置算法所需参数,采用Fuch映射和反向学习策略产生初始种群Xnew;
步骤c2)计算新初始种群Xnew的适应度值并排序,选取其中适应度值最好的前N个灰狼个体作为新的灰狼初始种群X1;
步骤c3)在新的灰狼初始种群X1中确定前三等级灰狼的适应度和灰狼个体位置xα、xβ、xδ,以确定灰狼最优位置;
步骤c4)更新非线性收敛因子a,系数A、C,和灰狼个体位置;
步骤c5)引入正态云模型,得到此时的狼群位置X′,重复步骤c3以重新确定前三等级的灰狼适应度和个体位置;
步骤c6)引入粒子群算法中个体记忆功能,按照个体记忆公式进一步更新灰狼个体位置,至此,该种群每一只灰狼位置更新完毕;
步骤c7)判断步骤c1~步骤c6中计算机所迭代的次数,是否达到设置的最大迭代次数,如果达到最大迭代次数则终止运行,输出此时所得最优位置,实现永磁同步电机参数的辨识及追踪,否则,转到步骤c2。
5.根据权利要求4所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c4中,根据式(9)更新非线性收敛因子a,系数A、C;
式中,t为当前迭代次数,r1、r2分别为[0,1]之间的随机数,tmax是最大迭代次数,k为非线性调节系数。
6.根据权利要求4所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c4中,根据式(10)~(12)更新灰狼个体位置;
其中,Dα为α狼与猎物的距离,Dβ为β狼与猎物的距离,Dζ为ζ狼与猎物的距离,C1代表α狼与猎物距离计算时的方向向量,C2代表β狼与猎物距离计算时的方向向量,C3代表ζ狼与猎物距离计算时的方向向量,xα(t)代表当前迭代次数为t时的α狼位置,xβ(t)代表当前迭代次数为t时的β狼位置,xδ(t)代表当前迭代次数为t时的ζ狼位置,X1(t)表示灰狼种群的位置向量;
式中,x1、x2、x3分别表示其余狼群个体与α狼、β狼、ζ狼的距离,A1、A2、A3分别表示其余狼群个体与α狼、β狼、ζ狼的包围步长;
式中,x(t+1)表示其余灰狼个体向猎物移动的方向。
7.根据权利要求4所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c5中,En和He的取值可由如下公式进行自适应调整:其中,ω∈(0,1),τ、ζ为正整数,t为当前迭代次数,tmax为最大迭代次数。
8.根据权利要求4所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c5中,云正态模型具体实现步骤为:首先,生成正态分布随机数En′i,En′i=2
normrnd(En,He);其次,生成正态分布随机数xi,xi=normrnd(Ex,|Eni’|),Ex为期望;最后
2 2
计算xi对应的确定度μ(xi),隶属度函数如下:μ(xi)=exp[‑(xi‑Ex) /(2(Eni’))]。这三步为产生服从正态云分布云滴的步骤,(xi,μ(xi))为一个云滴。正态云模型根据设定的数字特征运行一次即产生一个云滴,直到运行生成期望数量的云滴。
9.根据权利要求4所述的基于改进灰狼优化算法的永磁同步电机参数辨识方法,其特征在于,步骤c6中,具体个体记忆公式如下:X″=b1*X′+b2*r3*(Pbest‑X′) (15)其中,b1、b2分别为群体交流系数与个体记忆系数,r3为[0,1]之间的随机数,Pbest表示第i只狼经历过的最佳位置,X″表示加入粒子群算法中个体记忆功能后的更新位置。