粒子群算法在三相異步電動(dòng)機(jī)穩(wěn)態(tài)參數(shù)識(shí)別中的應(yīng)用.pdf

1、三相異步電動(dòng)機(jī)穩(wěn)態(tài)參數(shù)傳統(tǒng)上是通過直流、空載和堵轉(zhuǎn)試驗(yàn)確定的，這種傳統(tǒng)的獲取電機(jī)穩(wěn)態(tài)參數(shù)的方法存在試驗(yàn)項(xiàng)目較多、誤差大、需要可調(diào)壓電源、對(duì)試驗(yàn)設(shè)備要求高、損傷試驗(yàn)電機(jī)等一些缺點(diǎn)。本文采用智能優(yōu)化算法——粒子群優(yōu)化算法（Particle Swarm Optimization，PSO）和參數(shù)識(shí)別方法來獲得三相異步電機(jī)穩(wěn)態(tài)參數(shù)。 PSO算法是近年來發(fā)展起來的一門新的優(yōu)化技術(shù)。PSO算法在解決許多非線性優(yōu)化問題時(shí)表現(xiàn)出了突出優(yōu)點(diǎn)，它不

2、需要對(duì)目標(biāo)函數(shù)求導(dǎo)就能較大概率求得問題的全局最優(yōu)解，也不需要初始值接近真值，同時(shí)它也不會(huì)在迭代運(yùn)算的過程中出現(xiàn)復(fù)雜的數(shù)值問題。論文闡述了PSO算法的算法模型并且從理論上分析了該算法的收斂性質(zhì)，然后用遺傳算法和克隆選擇算法與其比較并用測(cè)試函數(shù)驗(yàn)證了其用于求解一類復(fù)雜優(yōu)化問題的有效性。 本文針對(duì)基本粒子群算法的一些缺點(diǎn)，對(duì)基本粒子群算法進(jìn)行改進(jìn)。改進(jìn)的粒子群算法把一個(gè)粒子群分為三個(gè)子粒子群，每個(gè)子粒子群采用相互不同的搜索策略，而且子

3、粒子群在搜索的同時(shí)共享搜索信息，使算法以最大的可能跳出局部極值點(diǎn)而搜索到全局極值點(diǎn)。通過MATLAB仿真工具，應(yīng)用基本粒子群算法、標(biāo)準(zhǔn)遺傳算法和改進(jìn)粒子群算法仿真識(shí)別了一臺(tái)三相異步電動(dòng)機(jī)，仿真結(jié)果說明改進(jìn)粒子群算法較大的提高了三相異步電動(dòng)機(jī)穩(wěn)態(tài)參數(shù)識(shí)別的精度和穩(wěn)定性。 最后，本文應(yīng)用C++Builder工具完成基于粒子群算法的三相異步電動(dòng)機(jī)參數(shù)識(shí)別軟件的開發(fā)，并利用該軟件識(shí)別一臺(tái)三相異步電動(dòng)機(jī)，與傳統(tǒng)參數(shù)測(cè)試方法所獲得的電機(jī)參數(shù)