基于改进粒子群算法的永磁同步电机PID控制器

doi:10.3969/j.issn.1006-2475.2015.07.028

计算机与现代化

• 应用与开发 • 上一篇

基于改进粒子群算法的永磁同步电机PID控制器

1.河南工业职业技术学院智能控制工程中心，河南南阳473000；
2.河南工业职业技术学院电子工程系，河南南阳473000

收稿日期:2015-03-02 出版日期:2015-07-23 发布日期:2015-07-28
作者简介:陆剑（1980-），男，湖北黄石人，河南工业职业技术学院智能控制工程中心讲师，硕士，研究方向：电气自动化，电子信息技术；张柯(1964-),男，河南南阳人，河南工业职业技术学院电子工程系实验师，本科，研究方向：电气自动化，电子信息技术。
基金资助:
河南省科技攻关项目(142102210368)

PID Controller of Permanent Magnet Synchronous Motor Based #br# on Improved Particle Swarm Optimization Algorithm

1. Center of Intelligent Control Engineering, Henan Polytechnic Institute, Nanyang 473000, China；

2. Department of Electronic Engineering, Henan Polytechnic Institute, Nanyang 473000, China

Received:2015-03-02 Online:2015-07-23 Published:2015-07-28

摘要/Abstract

摘要： 为提高永磁同步电机系统的控制精度，提出一种使用改进粒子群算法优化的永磁同步电机PID控制器。首先建立永磁同步电机数学模型，然后采用改进粒子群算法对PID控制器参数进行优化，实现永磁同步电机参数在线辨识，最后采用仿真实验对其性能进行测试。仿真结果表明，相对于传统的永磁同步电机PID控制器，本文方法优化的永磁同步电机PID控制器改善了系统响应性能，能够使永磁同步电机获得良好的稳定性、鲁棒性和动态性能。

关键词: 永磁同步电机, 矢量控制, 粒子群优化算法, 参数优化

Abstract: In order to improve the control precision of the permanent magnet synchronous motor system, this paper puts forward a permanent magnet synchronous motor PID controller based on improved particle swarm optimization algorithm. Firstly, the mathematical model of permanent magnet synchronous motor is established, and then the improved particle swarm optimization algorithm is used to optimize the parameters of PID controller and to realize the online identification of permanent magnet synchronous motor parameters, finally the simulation experiment is used to test its performance. The simulation results show that compared with the traditional PID controller, the proposed PID controller can improve the system response performance, and can obtain a good stability, robustness and dynamic performance for the permanent magnet synchronous motor.

Key words: permanent magnet synchronous motor, vector control, particle swarm optimization algorithm, parameter optimization

中图分类号:

TP391

陆剑1，张柯2. 基于改进粒子群算法的永磁同步电机PID控制器[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2015.07.028.

LU Jian1, ZHANG Ke2. PID Controller of Permanent Magnet Synchronous Motor Based #br# on Improved Particle Swarm Optimization Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2015.07.028.

参考文献

［1］
陈荣. 永磁同步电机控制系统［M］. 北京:中国水利水电出版社, 2009.
［2］邵伟,李晓宁,董明. 永磁同步电机伺服系统控制策略综述［J］. 电气自动化, 2013,35(1):1-3.
［3］齐亮,白旭，侍洪波. 永磁同步电机无位置传感器控制系统研究［J］. 东华大学学报(自然科学版), 2012,38(4):455-459.
［4］ Liu L, Cartes D A. Synchronization based adaptive parameter identification for permanent magnet synchronous motors［J］. IET Control Theory Application, 2007,1(4):1015-1022.
［5］顾用地,陆俊,王彤. PMSM伺服控制系统的改进单神经元PID控制［J］. 微特电机， 2013,41(6):57-59.
［6］陈海峰,贺昱耀. 基于模糊PI控制的永磁同步电机转速脉动抑制［J］. 电气传动, 2007,37(5):31-34.
［7］陈硕,林小武. 基于非奇异终端滑模的永磁同步电机无速度传感器直接转矩控制［J］. 福州大学学报(自然科学版), 2013，41(5):875-881.
［8］熊祥,郭丙君. 基于双模态控制的交流异步电机直接转矩控制系统［J］. 华东理工大学学报（自然科学版）, 2010,36(3):438-442.
［9］曹瑜,王旭东. 一种改进的永磁同步电机矢量控制系统的研究［J］. 电力电子技术, 2012,46(5):54-56.
［10］曹先庆,朱建光,唐任远. 基于模糊神经网络的永磁同步电机矢量控制系统［J］. 中国电机工程学报, 2006,26(1):137-141.
［11］丁文双,胡育文,鲁文其,等. 永磁同步电机模糊PID参数自整定［J］. 微特电机, 2011，39(5):17-21.
［12］张涛,张晓江,陆文龙,等. 基于模糊PID的PMSM矢量控制系统研究［J］. 微计算机信息, 2012,28(10):111-113.
［13］Patal N J, Chile R H, Waghmare L M. Fuzzy adaptive controllers for speed control of PMSM Drive［J］. International Journal of Computer Applications, 2010,1(11):91-101.
［14］王莉娜,朱鸿悦,杨宗军. 永磁同步电动机调速系统PI控制器参数整定方法［J］. 电工技术学报, 2014,29(5):104-116.
［15］肖启明,杨明,刘可述,等. PMSM伺服系统速度环PI控制器参数自整定及优化［J］. 电机与控制学报, 2014,18(2):102-107.
［16］倪庆剑,邢汉承,张志政,等. 粒子群优化算法研究进展［J］. 模式识别与人工智能, 2007,20(3):349-357.
［17］Zhang Changsheng, Sun Jigui. An alternate two phases particle swarm optimization algorithm for flow shop scheduling problem［J］. Expert Systems with Applications, 2009,36(3):5162-5167.

[1]	曾依浦, 戴毅茹, 陈雨田. 基于反向学习和精英提升的无速度项动态粒子群算法[J]. 计算机与现代化, 2023, 0(03): 113-120.
[2]	王颖颖, 庄毅, 孙逸帆. 基于粒子群优化BP神经网络的可靠性评估模型[J]. 计算机与现代化, 2022, 0(12): 42-49.
[3]	郑飞, 吴钦木. 基于模糊PI的永磁同步电机矢量控制[J]. 计算机与现代化, 2021, 0(01): 7-11.
[4]	曹帅帅，陈雪鑫，苗圃，卜庆凯. 基于PSO与K-均值聚类算法优化结合的图像分割方法[J]. 计算机与现代化, 2020, 0(01): 22-.
[5]	张利娟1，仇建伟1，杜登崇2，王鑫1. 基于Spark和PSO算法的军事物流配送路径优化问题研究[J]. 计算机与现代化, 2018, 0(11): 65-.
[6]	王叙鹏，郑凯. 基于排序优化的粒子群算法[J]. 计算机与现代化, 2016, 0(12): 12-15,21.
[7]	裴祥，李巧君. 基于改进粒子群优化算法的无线传感器网络定位[J]. 计算机与现代化, 2015, 0(7): 81-.
[8]	刘春. 基于组合算法选择特征的网络入侵检测模型[J]. 计算机与现代化, 2014, 0(8): 75-80.
[9]	夏卿;李先锋. 基于改进PSO算法和LS-SVM的苹果分级检测[J]. 计算机与现代化, 2012, 1(201): 161-168,.
[10]	俞智慧;余绪金;宋晔;吴烈阳. 一种新的分阶段进化的粒子群优化算法[J]. 计算机与现代化, 2012, 1(200): 152-03.
[11]	王立;郑昊. 粒子群遗传混合算法在点状注记配置中的应用[J]. 计算机与现代化, 2012, 1(10): 30-33,3.
[12]	张辉. 基于FFT的电力推进船舶电能检测算法[J]. 计算机与现代化, 2012, 1(03): 27-29.
[13]	高艳霞;胡昌标. 基于机器视觉的大豆热损伤粒检测[J]. 计算机与现代化, 2011, 7(7): 88-91.
[14]	叶安新. 基于改进粒子群优化算法的TSP问题研究[J]. 计算机与现代化, 2011, 1(4): 1-3.
[15]	吴春梅;吴建生. 基于粒子群和投影寻踪的样本重构神经网络集成模型在降水预报中的应用[J]. 计算机与现代化, 2011, 1(2): 23-28.

基于改进粒子群算法的永磁同步电机PID控制器

PID Controller of Permanent Magnet Synchronous Motor Based #br# on Improved Particle Swarm Optimization Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价