一种基于改进粒子群算法的励磁同步电动机变频调速系统
技术领域
本发明属于电动机智能控制技术领域,更为具体地讲,涉及一种基于改进粒子群算法的励磁同步电动机变频调速系统。
背景技术
当前,同步电动机变频调速控制系统从控制方式上可分为两大类:一类为他控式变频调速控制系统;另一类为自控式变频调速控制系统。他控式变频调速控制系统中所用的变频装置是独立的,其输出频率直接由速度给定信号决定,属于速度开环控制系统,适应于多台机组并联运行的场合。由于这种系统没有解决同步电动机的失步、振荡等问题,所以在实际的调速场合很少使用。随着电力电子技术的发展和各种高性能变频装置的出现,为同步电动机应用于要求大范围调速的场合奠定了基础。因此现阶段同步电动机变频调速控制系统一般采用自控式运行,通过位置传感器检测同步电动机转子位置,根据电动机自身转子的位置及转速决定逆变器输出频率。这样能时刻保持同步电动机工作在同步状态,从根本上解决了同步电动机变频调速失步的问题。
在自动化工业高速发展的今天,对自动化的要求既需要有动力的传递又要有对系统控制的有效控制算法。在工业自动化生产中常常需要对电动机的速度进行控制,其中对电动机具有高效率、高产量、低成本等的要求都可以通过对电动机进行变频调速来达到目的,实现工业生产上的需要。矢量控制方法能实现高精度、高动态性能、大范围的调速或定位控制,随着工业领域对高性能同步电动机控制需求的增加,矢量控制系统在励磁同步电动机领域具有广阔的应用前景。
自动化生产的各个系统中对控制系统要求较高,需要选择合适的算法,才能设计出可靠性高的控制装置。基于这样的目标,为了提高励磁同步电动机变频调速性能,自适应控制、滑模控制算法等现在控制算法理论和很多智能控制算法比如遗传算法、蚁群算法、粒子群算法等已经广泛应用于励磁同步电动机的速度调节控制中。但是迄今为止,在抽水蓄能电站里面,因为电网调峰调频的需求,抽水蓄能机组需要频繁启动和退出运行。在启动和退出运行的过程中,速度的经常变化常常引起电动机的抖振,危害电动机的寿命,因此其电动机转子速度的调节方法到现在依然没有得到圆满解决,需要进一步研究和改进。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于改进粒子群算法的励磁同步电动机变频调速系统,在结合传统矢量控制和PI控制的基础上,引入粒子群算法并进行改进,实时调节励磁同步电动机转子转速,提高速度控制过程中的平稳性。
为了实现上述发明目的,本发明基于改进粒子群算法的励磁同步电动机变频调速系统包括速度计算模块、速度差值计算模块、粒子群算法模块、速度PI调节器、Clarke变换模块、Park变换模块、转矩分量电流差值计算模块、磁通分量电流差值计算模块、转矩分量电流PI调节器、磁通分量电流PI调节器、反Park变换模块、SVPWM模块和电压逆变器,其中:
速度计算模块用于采集励磁同步电动机的转子角度θr,据此计算得到励磁同步电动机的角速度ωr,将转子角度θr发送给Park变换模块和反Park变换模块,将角速度ωr发送给速度差值计算模块;
速度差值计算模块用于计算角速度ω
r与速度参考值
之间的速度差值
并发送给粒子群算法模块和速度PI调节器;
粒子群算法模块用于根据速度差值Δω,基于粒子群算法确定速度PI调节器的比例增益和积分增益,并据此对速度PI调节器进行设置,具体方法包括以下步骤:
S1:根据需要设置粒子群的粒子数量K,初始化迭代次数t=1,将速度PI调节器的比例增益作为粒子的位置,将积分增益作为粒子的速度,随机初始化各个粒子的速度vi(1)和位置xi(1),i=1,2,…,K;
S2:根据速度差值Δω,计算得到每个粒子的初始适应度值Fi(1),计算公式如下:
其中,u
0为初始电压值,u表示励磁同步电动机本次调速控制的电压;β表示控制信号的动态惩罚因子;γ表示超调的惩罚因子;
是励磁同步电动机本次调速控制时的超调值;适应度值越小,粒子越优;
S3:令每个粒子的初始局部最优位置pi(1)=xi(1),令初始局部最优适应度值Fi p(1)=Fi(1),从K个粒子中选择适应度值最小的粒子的位置作为初始全局最优位置pg(1),令其对应适应度值为初始全局最优适应度值Fg(1);
S4:采用以下公式进行粒子的速度更新:
vi(t+1)=τ(t)[vi(t)+εc1rand1(pi(t)-xi(t))]+c2rand2[δ(pg(t)-xi(t))]
其中,vi(t)、vi(t+1)分别表示第t次迭代和第t+1次迭代时第i个粒子的速度,xi(t)表示在第t次迭代时第i个粒子的位置,pi(t)表示第t次迭代时第i个粒子的局部最优位置,pg(t)表示第t次迭代时的全局最优位置;
τ(t)是收缩因子,其计算公式为:
是与时间相关的可迭代更新的权重,其计算公式为:
的初始值根据需要设置;
c
1和c
2为预设的两个正加速常数因子;ε是加速权重,其计算公式为:
w为预设的惯性权重;rand
1和rand
2是在[0,1]区间的随机数;δ表示群收缩系数;
S5:采用以下公式进行粒子的位置更新:
xi(t+1)=(1-θ)xi(t)+θ[λxi(t)-pi(t)]+θpg(t)
其中,xi(t+1)表示在第t+1次迭代时第i个粒子的位置,θ为预设的学习因子,λ为随机性因子,其计算公式为λ=λ0e-st,0.5<λ0<1,0<s<1,e为自然常数;
S6:计算当前迭代得到的粒子群中每个粒子的适应度值Fi(t+1),计算公式如下:
S7:判断是否达到迭代完成条件,如果未达到,进入步骤S8,否则进入步骤S10;
S8:采用如下方式确定每个粒子的局部最优位置pi(t+1):
如果第t+1次迭代时第i个粒子的适应度值Fi(t+1)≥ρiFi p(t),,其中ρi表示第i个粒子对应的蒸发常数,则令第i个粒子的局部最优位置pi(t+1)=pi(t),令局部最优适应度值Fi p(t+1)=ρiFi p(t),否则令第i个粒子的局部最优位置pi(t+1)=xi(t+1),令局部最优适应度值Fi p(t+1)=Fi(t+1);
然后从当前K个粒子的局部最优位置pi(t+1)所对应的局部最优适应度值Fi p(t+1)筛选出最小值min(Fi p(t+1)),判断最小值min(Fi p(t+1))是否小于全局最优适应度值Fg(t),如果是,将min(Fi p(t+1))所对应的局部最优位置作为全局最优位置pg(t),更新全局最优适应度值Fg(t)=min(Fi p(t+1)),否则不作任何操作;
S9:令t=t+1,返回步骤S4;
S10:从当前种群中选择适应度值最小的粒子,将其位置作为速度PI调节器的比例增益,将其速度作为速度PI调节器的积分增益;
速度PI调节器用于接收速度差值Δω,采用粒子群算法模块确定的例增益和积分增益进行调节,得到转矩分量参考电流
发送给转矩分量电流差值计算模块;
Clarke变换模块用于采集电压逆变器输出到励磁同步电动机的两相定子电流ia、ib,采用Clarke变换将定子电流ia、ib变换为αβ两相静止坐标系上的电流矢量iα和iβ,将电流矢量iα和iβ发送给Park变换模块;
Park变换模块用于接收电流矢量iα和iβ以及转子角度θr,采用Park变换将电流矢量iα和iβ变换为dq两相旋转坐标系上的磁通分量电流id和转矩分量电流iq,将转矩分量电流iq发送给转矩分量电流差值计算模块,将磁通分量电流id发送给磁通分量电流差值计算模块;
转矩分量电流差值计算模块用于计算转矩分量电流i
q与转矩分量电流参考值
之间的转矩分量电流差值
发送给转矩分量电流PI调节器;
转矩分量电流PI调节器用于接收转矩分量电流差值Δiq进行调节,得到控制电压矢量uq *,发送给反Park变换模块;
磁通分量电流差值计算模块用于计算磁通分量电流i
d与磁通分量电流参考值
之间的磁通分量电流差值
发送给磁通分量电流PI调节器;
磁通分量电流PI调节器用于接收磁通分量电流差值Δid进行调节,得到控制电压矢量ud *,发送给反Park变换模块;
反Park变换模块用于接收控制电压矢量ud *、uq *以及转子角度θr,采用反Park变换将控制电压矢量ud *和uq *变换为αβ两相静止坐标系上的电压矢量uα *和uβ *,将电压矢量uα *和uβ *发送给SVPWM模块;
SVPWM模块用于根据电压矢量uα *和uβ *生成PWM波,发送给电压逆变器;
电压逆变器根据PWM波控制晶闸管的开闭产生变频电压,输出到励磁同步电动机中驱动电动机运转。
本发明基于改进粒子群算法的励磁同步电动机变频调速系统,采用矢量控制进行励磁同步电动机的变频调速控制,实时调节励磁同步电动机转子转速,其中速度调节、转矩分量电流调节、磁通分量电流调节均采用PI调节器实现,速度PI调节器的比例增益和积分增益由粒子群算法确定,在确定过程中采用改进的适应度值计算公式、速度更新公式和位置更新公式。
本发明具有以下有益效果:
1)对适应度值计算公式、速度更新公式和位置更新公式进行改进,提高速度控制的平稳性;
2)在改进的位置与速度更新公式直接与时间相关,从而实现在线控制,从而实时对励磁同步电动机的转速和转子位置进行更新,便于直接明确地针对转子的当前运行状态,实现对转子转速的精准控制。
附图说明
图1是本发明基于改进粒子群算法的励磁同步电动机变频调速系统的具体实施方式结构图;
图2是本发明中基于粒子群算法确定速度PI调节器的比例增益和积分增益的流程图;
图3是本实施例仿真验证中第1次控制中粒子群最差粒子的速度响应性能曲线图;
图4是本实施例仿真验证中第199次控制中粒子群最差粒子的速度响应性能曲线图;
图5是本实施例仿真验证中第200次控制中粒子群最差粒子的速度响应性能曲线图;
图6是本实施例仿真验证中第399次控制中粒子群最差粒子的速度响应性能曲线图;
图7是本实施例仿真验证中第400次控制中粒子群最差粒子的速度响应性能曲线图;
图8是本实施例仿真验证中第599次控制中粒子群最差粒子的速度响应性能曲线图;
图9是本实施例仿真验证中第600次控制中粒子群最差粒子的速度响应性能曲线图;
图10是本实施例仿真验证中第800次控制中粒子群最差粒子的速度响应性能曲线图;
图11是采用常蒸发系数的粒子群算法中比例增益Kp的变化曲线图;
图12是采用常蒸发系数的粒子群算法中积分增益Ki的变化曲线图;
图13是采用变蒸发系数的粒子群算法中比例增益Kp的变化曲线图;
图14是采用变蒸发系数的粒子群算法中积分增益Ki的变化曲线图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明基于改进粒子群算法的励磁同步电动机变频调速系统的具体实施方式结构图。如图1所示,本发明基于改进粒子群算法的励磁同步电动机变频调速系统包括速度计算模块1、速度差值计算模块2、粒子群算法模块3、速度PI调节器4、Clarke变换模块5、Park变换模块6、转矩分量电流差值计算模块7、磁通分量电流差值计算模块8、转矩分量电流PI调节器9、磁通分量电流PI调节器10、反Park变换模块11、SVPWM(Space Vector PulseWidth Modulation,空间矢量脉宽调制)模块12和电压逆变器13。
速度计算模块1用于采集励磁同步电动机的转子角度θr,据此计算得到励磁同步电动机的角速度ωr,将转子角度θr发送给Park变换模块6和反Park变换模块11,将角速度ωr发送给速度差值计算模块2。
速度差值计算模块2用于计算角速度ω
r与速度参考值
之间的速度差值
并发送给粒子群算法模块3和速度PI调节器4。
粒子群算法模块3用于根据速度差值Δω,基于粒子群算法确定速度PI调节器的比例增益和积分增益,并据此对速度PI调节器4进行设置。图2是本发明中基于粒子群算法确定速度PI调节器的比例增益和积分增益的流程图。如图2所示,本发明中基于粒子群算法确定速度PI调节器的比例增益和积分增益的具体方法为:
S201:粒子群初始化:
根据需要设置粒子群的粒子数量K,初始化迭代次数t=1,将速度PI调节器4的比例增益作为粒子的位置,将积分增益作为粒子的速度,随机初始化各个粒子的速度vi(1)和位置xi(1),i=1,2,…,K。为了提高粒子的收敛速度,在初始化粒子的时候,可以根据励磁同步电动机上次调速控制所确定的速度PI调节器4的比例增益和积分增益来进行,即预设设置比例增益和积分增益的偏离范围,在该偏离范围内进行粒子初始化。
S202:计算适应度值:
根据速度差值Δω,计算得到每个粒子的初始适应度值Fi(1),计算公式如下:
其中,u
0为初始电压值,u表示励磁同步电动机本次调速控制的电压;β表示控制信号的动态惩罚因子;γ表示超调的惩罚因子;
是励磁同步电动机本次调速控制时的超调值。适应度值越小,说明其偏离速度参考值越小,所对应的粒子越优。
S203:初始化最优位置:
令每个粒子的初始局部最优位置pi(1)=xi(1),令初始局部最优适应度值Fi p(1)=Fi(1),从K个粒子中选择适应度值最小的粒子的位置作为初始全局最优位置pg(1),令其对应适应度值为初始全局最优适应度值Fg(1)。
S204:更新粒子的速度:
本发明中粒子的速度更新公式如下:
vi(t+1)=τ(t)[vi(t)+εc1rand1(pi(t)-xi(t))]+c2rand2[δ(pg(t)-xi(t))]
其中,vi(t)、vi(t+1)分别表示第t次迭代和第t+1次迭代时第i个粒子的速度,xi(t)表示在第t次迭代时第i个粒子的位置,pi(t)表示第t次迭代时第i个粒子的局部最优位置,pg(t)表示第t次迭代时的全局最优位置。
τ(t)是收缩因子,其计算公式为:
是与时间相关的可迭代更新的权重,其计算公式为:
即由t-1和t-2时刻的权重决定当前时刻t的权重,
的初始值根据需要设置。
的应用可以提高前后速度的相关性,增加了速度控制的平稳性。
c
1和c
2为预设的两个正加速常数因子;ε是加速权重,其计算公式为:
w为预设的惯性权重。加速权重的引入增加了第i个粒子最优解的权重,使得v
i(t+1)更快速迭代到最优解。rand
1和rand
2是在[0,1]区间的随机数。δ表示群收缩系数。
群收缩系数δ的值是根据粒子群多样性的计算来确定。为了避免花费大量时间来监视和计算群体多样性,本实施例中采用多样性计算公式如下:
其中,Ddist表示多样性值,xmax(i)和xmin(i)表示第t次迭代中粒子的最大和最小位置。
当多样性值Ddist小于预设的多样性阈值Dthold,则群体收缩,群体的多样性相应降低,令群收缩系数δ=1,转向排斥模式,否则令群收缩系数δ=-1,转向收缩模式。
S205:更新粒子的位置:
本发明中粒子的位置更新公式如下:
xi(t+1)=(1-θ)xi(t)+θ[λxi(t)-pi(t)]+θpg(t)
其中,xi(t+1)表示在第t+1次迭代时第i个粒子的位置,θ为预设的学习因子,λ为随机性因子,用于减少连续迭代后的随机性,其计算公式为λ=λ0e-st,0.5<λ0<1,0<s<1,e为自然常数。
本发明采用的位置更新算法考虑了每个粒子的局部最优位置和全局最优位置,并且将单个粒子的局部最优处理成与随机性和学习因子相关联,这样不仅改善了随机性,还不会导致结果陷入局部最优,并且基于此找到的全局最优位置会更准确。
S206:计算当前粒子种群的适应度值:
采用步骤S202中的相同公式,计算当前迭代得到的粒子群中每个粒子的适应度值Fi(t+1),计算公式如下:
S207:判断是否达到迭代完成条件,如果未达到,进入步骤S208,否则进入步骤S210。本实施例迭代完成条件为迭代次数达到预设的最大值。
S208:更新最优位置:
接下来需要更新每个粒子的局部最优位置pi(t+1)和全局最优位置pg(t+1)。局部最优位置是指粒子在历史迭代过程中适应度值最大的粒子位置,全局最优位置是指历史迭代过程中所有粒子适应度值最大的粒子位置。本发明中每个粒子的局部最优位置pi(t+1)采用如下方式确定:
如果第t+1次迭代时第i个粒子的适应度值Fi(t+1)≥ρiFi p(t),其中ρi表示第i个粒子对应的蒸发常数,ρi>1,则令第i个粒子的局部最优位置pi(t+1)=pi(t),令局部最优适应度值Fi p(t+1)=ρiFi p(t),否则令第i个粒子的局部最优位置pi(t+1)=xi(t+1),令局部最优适应度值Fi p(t+1)=Fi(t+1)。
经研究发现,蒸发常数越小,得到的状态越稳定,然而,在非平稳环境中,为了更快地找到新的最优解,系统需要将蒸发常数转换为较大值。因此本实施例中提出了一种变蒸发常数,其具体方法为:
预设设置两个蒸发常数值ρ1、ρ2,其中ρ2>ρ1>1,采用以下公式确定实际使用的蒸发常数ρi:
其中,k表示预设的常数,0<k<1。
通过引入蒸发常数和变蒸发常数的应用,可以更有助于励磁同步发电机获得稳定的速度。
然后从当前K个粒子的局部最优位置pi(t+1)所对应的局部最优适应度值Fi p(t+1)筛选出最小值min(Fi p(t+1)),判断最小值min(Fi p(t+1))是否小于全局最优适应度值Fg(t),如果是,将min(Fi p(t+1))所对应的局部最优位置作为全局最优位置pg(t),更新全局最优适应度值Fg(t)=min(Fi p(t+1)),否则不作任何操作。
S209:令t=t+1,返回步骤S204。
S210:确定速度PI调节器的比例增益和积分增益:
从当前种群中选择适应度值最小的粒子,将其位置作为速度PI调节器4的比例增益,将其速度作为速度PI调节器4的积分增益。
在粒子群算法模块3中,为了更有效率地进行粒子群的迭代,在每次粒子群迭代完成后,可以基于粒子多样性进行粒子群优化,其具体方法为:
为了评估粒子的性能,选择影响群的行进方向的适应度函数来对全体粒子进行评级,按照如下公式计算每个粒子的适应度函数值Ji(t+1):
其中,ω
m ref为励磁同步电动机的参考速度,ω
m_n是励磁同步电动机在最近N次调速控制中第n次调速控制时的速度,N=T
0f
PWM,T
0表示励磁同步电动机的调速控制周期,f
PWM是逆变器的开关频率。ω
m_n可以采用以下公式计算
其中的Δn为最近N次调速控制中第1次(即和当前时刻相距最远的1次)调速控制时选定的时间步长,Δn′为第n次调速控制时选定的时间步长,时间步长的变化通常是根据转子速度的变化进行调节。
u
n ref是励磁同步电动机在最近N次调速控制中第n次调速控制时的参考电压,u
n ref=[u
n-1+u
n-2]/2;u
n-1、u
n-2分别是励磁同步电动机在最近N次调速控制中第n-1次、第n-2次调速控制时的电压;β表示控制信号的动态惩罚因子,γ表示超调的惩罚因子,可以采用多次仿真选取得到;
是励磁同步电动机在最近N次调速控制中第n次调速控制时的超调值。
计算所有K个粒子适应度函数值Ji(t+1)的平均值,如果该平均值大于阈值,则当前粒子群整体性能较差,重新进行粒子初始化,否则说明粒子群正常,不作任何操作。
速度PI调节器4用于接收速度差值Δω,采用粒子群算法模块3确定的例增益和积分增益进行调节,得到转矩分量参考电流
发送给转矩分量电流差值计算模块7。
Clarke变换模块5用于采集电压逆变器13输出到励磁同步电动机的两相定子电流ia、ib,采用Clarke变换将定子电流ia、ib变换为αβ两相静止坐标系上的电流矢量iα和iβ,将电流矢量iα和iβ发送给Park变换模块6。
Park变换模块6用于接收电流矢量iα和iβ以及转子角度θr,采用Park变换将电流矢量iα和iβ变换为dq两相旋转坐标系上的磁通分量电流id和转矩分量电流iq,将转矩分量电流iq发送给转矩分量电流差值计算模块7,将磁通分量电流id发送给磁通分量电流差值计算模块9。
转矩分量电流差值计算模块7用于计算转矩分量电流i
q与转矩分量电流参考值
之间的转矩分量电流差值
发送给转矩分量电流PI调节器8。
转矩分量电流PI调节器8用于接收转矩分量电流差值Δiq进行调节,得到控制电压矢量uq *,发送给反Park变换模块11。
磁通分量电流差值计算模块9用于计算磁通分量电流i
d与磁通分量电流参考值
之间的磁通分量电流差值
发送给磁通分量电流PI调节器10。
磁通分量电流PI调节器10用于接收磁通分量电流差值Δid进行调节,得到控制电压矢量ud *,发送给反Park变换模块11。
反Park变换模块11用于接收控制电压矢量ud *、uq *以及转子角度θr,采用反Park变换将控制电压矢量ud *和uq *变换为αβ两相静止坐标系上的电压矢量uα *和uβ *,将电压矢量uα *和uβ *发送给SVPWM模块12。
SVPWM模块12用于根据电压矢量uα *和uβ *生成PWM波,发送给电压逆变器13。
电压逆变器13根据PWM波控制晶闸管的开闭产生变频电压,输出到励磁同步电动机中驱动电动机运转。
为了更好地说明本发明的技术效果,采用一个具体实施例对本发明进行仿真验证。
表1是本次实验验证中励磁同步电动机的主要参数列表。
参数 |
值 |
定子相电阻 |
2.875Ω |
d-和q-轴电感 |
8.5mH |
极数 |
6 |
阻尼系数 |
0.008N.m.s |
转矩常量 |
1.05N.m |
转动惯量 |
0.003kg.m2 |
表1表2是本次实验验证中粒子群算法的主要参数列表。
参数 |
符号 |
值 |
粒子数目 |
K |
10 |
最大迭代次数 |
T<sub>max</sub> |
800 |
蒸发常数 |
[ρ<sub>1</sub>,ρ<sub>2</sub>] |
[1/0.85,1/0.999] |
惩罚因子1 |
β |
10<sup>-6</sup> |
惩罚因子2 |
γ |
10<sup>4</sup> |
表2
本次仿真验证中,为了更好地反映本发明的技术性能,人为设置了励磁同步电动机的非平衡过程。基于励磁同步电动机转动惯量的变化,非平稳过程可描述如下:
(1)以初始化参数开始处理。
(2)第200次调速控制时,励磁同步电动机的转动惯量由J0变为3J0。
(3)第400次调速控制时,励磁同步电动机的转动惯量由3J0转为6J0。
(4)第600次调速控制时,励磁同步电动机的转动惯量返回初始值J0。
(5)仿真在第800次调速控制结束时停止。
图3是本实施例仿真验证中第1次控制中粒子群最差粒子的速度响应性能曲线图。图4是本实施例仿真验证中第199次控制中粒子群最差粒子的速度响应性能曲线图。图5是本实施例仿真验证中第200次控制中粒子群最差粒子的速度响应性能曲线图。图6是本实施例仿真验证中第399次控制中粒子群最差粒子的速度响应性能曲线图。图7是本实施例仿真验证中第400次控制中粒子群最差粒子的速度响应性能曲线图。图8是本实施例仿真验证中第599次控制中粒子群最差粒子的速度响应性能曲线图。图9是本实施例仿真验证中第600次控制中粒子群最差粒子的速度响应性能曲线图。图10是本实施例仿真验证中第800次控制中粒子群最差粒子的速度响应性能曲线图。如图3到图10所示,本发明调速系统在转动惯量变化时候具有较强的自适应能力,即在改变转动惯量后,本发明调速系统可以有效地帮助驱动系统更好地工作,保持励磁同步电机的平稳性。
图11是采用常蒸发系数的粒子群算法中比例增益Kp的变化曲线图。图12是采用常蒸发系数的粒子群算法中积分增益Ki的变化曲线图。图13是采用变蒸发系数的粒子群算法中比例增益Kp的变化曲线图。图14是采用变蒸发系数的粒子群算法中积分增益Ki的变化曲线图。对比图11至图14可知,当采用变蒸发系数时,速度PI控制器的参数会随着转动惯量的变化进行调节,而采用常蒸发系数时速度PI控制器几乎维持在初始的最优PI控制器值,不能适应环境的变化。所以说本发明提出的变蒸发系数可以对励磁同步电动机速度进行在线调节,进一步提高励磁同步电机的平稳性。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。