基于改进浣熊优化算法的永磁同步电机参数辨识模型的构建与应用

本技术涉及电机参数辨识，具体涉及一种基于改进浣熊优化算法的永磁同步电机参数辨识模型的构建与应用。

背景技术：

1、永磁同步电机结构简单、稳定性好，在借助高频率、大容量开关器件和高性能控制策略的优势，永磁同步电机有了与直流电动机相当的动、静态性能，目前已经广泛使用在高性能的伺服控制系统中。永磁同步电机实现高性能的动态控制性能的前提是获取足够精确的电机参数。例如矢量控制的优劣主要取决于pi控制器设计，不合适的pi控制器参数将导致系统动态响应较差甚至可能引起功能性故障；但是永磁同步电机是一个多变量强耦合的非线性时变系统，同时电机运行时其参数易受温度、工况等情况的影响，需要重新整定参数，使电机控制保持高性能的表现。因此进行电机参数的辨识就变得非常有意义，参数辨识分为离线辨识和在线辨识，离线辨识主要分为有限元分析法，和实验测定法，离线辨识方法多为设计pi控制器参数的初整定，对但没有考虑正常工况下的情况，在线辨识技术可以通过电机运行的实测数据进行实时参数测量，多为研究的重点领域，在线辨识在对辨识系统输入实测电流、电压转速信号后，经过辨识方法的不断迭代获取所需参数，常用方法有递推最小二乘法、扩展卡尔曼滤波法、模型参考自适应法和人工智能算法，其中人工智能算法里有神经网络、深度学习，以及元启发算法。其中，元启发算法发展较快，近年来各种种类的算法逐渐增多，无免费午餐理论提到过，算法在解决一组优化问题时的最佳性能并不能保证该算法在解决其他优化问题时具有类似的性能，这鼓励研究人员继续设计更新的元启发式算法，以实现优化问题的更好的准最优解。

2、公开于该背景技术部分的信息仅用于加深对本公开的背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

1、鉴于以上技术问题中的至少一项，本公开提供了一种通过改进浣熊优化算法进行永磁同步电机参数辨识的方法，促使同步电机参数辨识速度更加快速、更加稳定。

2、根据本公开的一个方面，提供一种基于改进浣熊优化算法的永磁同步电机参数辨识模型的构建方法，所述方法包括以下步骤：

3、步骤一：建立永磁同步电机矢量控制数学模型，通过离散电机数学模型得到电机稳态参考模型；

4、步骤二：通过电机参考模型与可调模型设计对应的适应度函数，以适应度函数值表征辨识参数地准确度；

5、步骤三：通过logistic混沌序列、螺旋探索自学习策略和最优方案导向策略改进浣熊优化算法的迭代过程，得浣熊优化模型。

6、进一步的，所述步骤一中，建立在dq旋转坐标系下,忽略永磁同步电机铁心饱和、损耗影响的电压方程为：

7、

8、ud、uq、id、iq为dq轴电压、电流分量；rs为定子相绕组电阻；ψf为永磁体磁链；ld、lq为定子dq轴电感，对于表贴式永磁同步电机，ld＝lq＝ls，ωe为转子机械角速度。

9、进一步的，所述步骤二中，处理公式(1)，将其进行化简运算可以得到dq轴电流与电压、转自机械角速度的关系，其中存在微分项，为此我们选择通过矢量控制，驱动永磁同步到电机，在进入电机进入稳定运行时，获取稳定的dq轴电流，获取电机参考模型，通过电机参考模型与可调模型设计适当的适应度函数，表征辨识参数地准确度；

10、其中电机可调模型为公式(2)：

11、

12、在同步电机数学模型已知的情况下，电机参数辨识问题可以转化为算法求最优值问题，根据电流参考模型公式(2)，可得电流可调模型公式(3)：

13、

14、通过电机可调模型与电机参考模型的比较，得出对应的自适应函数，当自适应函数值为零时，代表可调模型等价于参考模型，即可得到电机的实际参数，通过一阶前向欧拉法将可调模型公式(3)离散化：

15、

16、进行处理电流微分项得：

17、

18、ts为采样时间，ts足够小近似于微分。

19、同时结合电机稳定运行状态，设计永磁同步电机参数辨识自适应函数为：

20、

21、通过求解自适应函数，使自适应函数f的值为0，即可求得电机参数rs、ld、lq和ψf。

22、由于方程中为4个参数，自适应函数只有两个，在辨识过程中会存在缺秩问题，由此我们在辨识过程中，先固定其中两个参数，之后通过算法进行永磁电机参数辨识。

23、进一步的，所述步骤三中，对自适应函数进行求解，通过logistic混沌序列、螺旋探索自学习策略和最优方案导向策略改进浣熊优化算法的迭代过程，包括以下步骤：

24、1.混沌理论logistic映射

25、现有智能算法中常用混沌算法去进行种群初始化，混沌算法产生的混沌序列可用于一些加密的事件，同时为其设立不同的初值，而产生的随机序列，可以呈现一种混沌的状态，即在一定范围内不可预测，除非是明确知道每一个初值，方可知道对应的混沌序列。本方法使用logistic映射与浣熊优化算法进行结合，其中logistic映射为：

26、

27、z(t)是随机数且属于[0,1]，μ为控制参数，决定了混沌状态。μ[3.57,4]，系统为混沌态；μ＝4，系统完全混沌。通常取值为4.0。

28、在这里，我们通过混沌算法的特性，即不同维度和不同次的z(0)存在细微差距，之后的混沌序列差别会越来越大的特点，对浣熊优化算法进行改进，在随机生成最初的位置后，浣熊优化算法从最初的位置向外进行探索，其中，浣熊可达范围内的可行解生成如下：

29、

30、使探索范围更加均匀，使之后浣熊前进的方向更加准确，在之后探索浣熊可达范围之外，可视范围之内的可行解中，选出最好的。

31、算法初始化生成最初的rbest和vbest，之后进入主循环，判断浣熊当前位置loc、rbest和vbest三个方案的好坏，之后进行浣熊位置更新到最优位置，进行与全局最优比较，若是好的方案进行替换。

32、同时生成可视范围群落vzp，选出其中最好的得到vbeat0，具体公式见(13)，之后进入主循环。

33、2.通过螺旋探索自学习策略，在前期增大算法探索因子的影响，在后期减少算法探索因子的影响，结合比较激进的探索因子，可以加快算法收敛速度。

34、

35、其中θ的定义如下：

36、θ＝2*rand-1,rand∈(0,1)       (10)

37、同时在探索中加入向内螺旋式的层次递进，促使浣熊优化算法在某一块探索区域更加均匀。

38、主循环中，判断新的位置loc1是否等于旧的位置loc0，如果相等，进行浣熊位置不动的积累，达到mf次，进行强制loc1位置从新选定，来到新的位置，去进行探索；

39、如果没有达到mf次，生成与之前不同的种群；其更新方式为：

40、

41、之后生成新的rbest、vbest，进行迭代ni次。

42、浣熊在可视区域的探索方式结合公式(10)，构成新的探索方式为：

43、

44、3.通过采取最优方案导向策略，这是一种结合历史信息的方向性探索策略，加快探寻的速度，使算法在探寻过程中更有目的性，结合历史信息选着一个种群发展方向。

45、

46、loc1为当代最优，loc0为上代最优，通过每个维度的特点对算法求解方向进行引导。

47、改进浣熊优化算法主循环中探索可视区域的更新公式为：

48、

49、式中，r1、r2由r引导，vzp1为当前区域可行解向量组，i为当前区域第i个可行向量，vbest为当前区域最优向量解。

50、进一步的，利用一种迁移方式，期待着新的搜索区域与当前搜索区域有类似的最优方案。同时根据迭代次数搜索浣熊优化算法探索步长，使算法探索精度更加准确。

51、mri代表迁移后的新群落：

52、

53、gopt为全局最优，loc1会与gopt比较，不断更新gopt，保持其为全局最优，迭代完成后，输出最优方案gopt。

54、与现有技术相比，本技术通过在永磁同步电机矢量控制的数学模型基础上建立永磁同步电机参考模型、可调模型和适应度函数；在浣熊优化算法初始化阶段引入logistic混沌序列使浣熊优化算法搜索方案在每一代都有各自的特点，与之前不同，使浣熊优化算法对当前空间的探索更加充分；通过螺旋探索自学习策略在算法迭代空间中进行具有层次的螺旋搜索，使探索空间更加均匀、充分；在最优方案导向策略结合浣熊优化算法，使浣熊优化算法在求解的过程中主动朝着可能是最优方案的位置靠近，提高算法的收敛速度与结果精度。适用于永磁同步电机参数辨识系统，促使同步电机参数辨识速度更加快速、更加稳定，实用性好，值得推广。