CN115037195A - 基于多目标蜂群算法的无刷电机驱动控制系统优化方法 - Google Patents

基于多目标蜂群算法的无刷电机驱动控制系统优化方法 Download PDF

Info

Publication number
CN115037195A
CN115037195A CN202210867490.XA CN202210867490A CN115037195A CN 115037195 A CN115037195 A CN 115037195A CN 202210867490 A CN202210867490 A CN 202210867490A CN 115037195 A CN115037195 A CN 115037195A
Authority
CN
China
Prior art keywords
control system
brushless motor
solution
drive control
objective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210867490.XA
Other languages
English (en)
Other versions
CN115037195B (zh
Inventor
王海泉
岳文轩
贾耀仓
刘萍
温盛军
杜盼盼
郭修远
王亚辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongyuan University of Technology
Original Assignee
Zhongyuan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongyuan University of Technology filed Critical Zhongyuan University of Technology
Priority to CN202210867490.XA priority Critical patent/CN115037195B/zh
Publication of CN115037195A publication Critical patent/CN115037195A/zh
Application granted granted Critical
Publication of CN115037195B publication Critical patent/CN115037195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/08—Arrangements for controlling the speed or torque of a single motor
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/34—Modelling or simulation for control purposes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/10—Technologies improving the efficiency by using switched-mode power supplies [SMPS], i.e. efficient power electronics conversion e.g. power factor correction or reduction of losses in power supplies or efficient standby modes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Motors That Do Not Use Commutators (AREA)

Abstract

本发明提供了基于多目标蜂群算法的无刷电机驱动控制系统优化方法，包括：构建无刷电机的数学模型；构建所述无刷电机的空间矢量驱动控制系统结构，将所述数学模型与所述空间矢量驱动控制系统结构结合，获取待优化参数；预设所述无刷电机驱动控制系统的控制目标，并构建目标函数；基于所述目标函数，利用多目标蜂群优化算法对所述待优化参数进行寻优，获取所述目标函数的最优值，完成无刷电机控制系统优化。解决了无刷电机驱动控制过程中存在的转矩瞬态响应浮动大、收敛慢的缺点，同时解决了动态性能的迅速响应造成直流母线电压波纹波动严重的问题。对于提高系统中电机的运行效率，改善控制精确度效果明显。

Description

基于多目标蜂群算法的无刷电机驱动控制系统优化方法
技术领域
本发明属于无刷电机领域，尤其涉及基于多目标蜂群算法的无刷电机驱动控制系统优化方法。
背景技术
在电机产业发展迅猛的今天，越来越多的工控设备，家居设备等都需要电机的传动与控制，2020年1月6日国家市场监督管理总局和国家标准化管理委员会发布了《中华人民共和国国家标准公告》，对工控类、家电类的常用的无刷电机的能效性有了更高的要求，市场也对电机驱动控制系统的成本、功耗、制动效果提出了更高的标准。传统无刷直流电机的控制，往往从电机控制策略的角度入手，而没有从整个驱动电路和控制系统综合设计的角度考虑，同时控制系统参数的选择往往凭借经验试凑，无法保证最优控制效果。这也就造成现有传统的电机控制方案中，存在电机转速瞬态响应浮动大，以及直流母线电压波动等问题。
发明内容
为解决上述技术问题，本发明提出了基于多目标蜂群算法的无刷电机驱动控制系统优化方法，解决了无刷电机驱动控制系统中转矩瞬态响应浮动大、收敛慢的缺点，同时解决了动态性能的迅速响应容易造成直流母线电压波纹波动严重的问题。对于提高系统中电机的运行效率、改善控制精确度效果明显，能够广泛应用于使用直流无刷电机的各种场合。
为实现上述目的，本发明提供了基于多目标蜂群算法的无刷电机驱动控制系统优化方法，包括：
构建无刷电机的数学模型；
构建所述无刷电机的空间矢量驱动控制系统结构，将所述数学模型与所述空间矢量驱动控制系统结构结合，获取待优化参数；
预设所述无刷电机驱动控制系统的控制目标，并构建目标函数；
基于所述目标函数，利用多目标蜂群优化算法对所述待优化参数进行寻优，获取所述目标函数的最优值，完成无刷电机驱动控制系统优化。
可选地，构建无刷电机的数学模型包括：
利用所述无刷电机的机械参数与电气参数的物理模型，建立所述无刷电机的所述数学模型；
将所述数学模型的参数设置为三相电机参数。
可选地，所述数学模型的输入量包括：直流母线电压；所述数学模型的输出量包括：三相电流和转矩响应。
可选地，所述数学模型的参数包括：相电阻、相电感、转动惯量和摩擦系数。
可选地，所述空间矢量驱动控制系统结构为：将PFC功率因数校准与无感空间矢量控制策略相结合，获得的一种以无感空间矢量控制为基础、功率因数可调的驱动控制系统；
所述空间矢量驱动控制系统结构包括：AC-DC电路、滤波电路和PFC功率因数校准电路。
可选地，所述待优化参数包括：滤波电容值C1，电感值L1，PFC功率因数校准过程中的增益系数Kp1与积分系数Ki1，无感空间矢量控制策略中的观测器增益系数K，PI环节中需要设定的增益系数Kp2与积分系数Ki2。
可选地，所述目标函数包括：f1(x)和f2(x)；
所述f1(x)为：以实际转速与给定转速的跟踪误差最小为目标构建的所述目标函数，所述f2(x)为：以直流母线电压波纹最小为目标构建的所述目标函数；
所述f1(x)与f2(x)的表达式分别为：
Figure BDA0003759999250000031
Figure BDA0003759999250000032
其中，wref(x)为无刷直流电机转速的设定值，w(x)为无刷直流电机转速的实际值，
Figure BDA0003759999250000033
为输入端交流线电压的第h次谐波分量，N为解向量的维度。
可选地，利用多目标蜂群优化算法对所述目标函数进行寻优包括：
S1.初始化种群：待优化解的维度为7维，分别为所述滤波电容值C1、电感值L1、PFC功率因数校准过程中的增益系数Kp1和积分系数Ki1、无感空间矢量控制策略中的观测器增益系数K、PI环节中需要设定的增益系数Kp2和积分系数Ki2，蜂群总数为Pop＝100、食物源被采集次数即最大迭代次数Iter＝3000及控制参数lim＝8，确定每个目标函数解的搜索范围，并且在搜索范围内随机产生初始解；
S2.计算并评估每个初始解对应的各自的目标函数的适应度值；
S3.设定循环条件并开始循环；
S4.根据邻域搜索方式，执行雇佣蜂邻域搜索产生新解xi，并计算其适应度值；
S5.如果目标一的适应度值优于原目标且目标二的适应度值优于原目标，则当前解更新原有解，否则保留原有解不变；
S6.根据适应度值计算食物源的概率pi；
S7.观察蜂依照概率pi选择解或食物源，搜索产生新解vi，并计算其适应度；
S8.根据贪婪搜索公式进行贪婪选择；如果vi的适应度优于原始解xi，则用vi代替xi，将vi作为当前最好解，否则保留xi不变；
S9.判断是否有要放弃的解，若有，则侦查蜂随机产生新解将其替换；
S10.记录到目前为止的最优解；
S11.判断是否满足循环终止条件，若满足，循环结束，输出最优解，否则返回S4继续搜索。
与现有技术相比，本发明具有如下优点和技术效果：
通过本发明的无刷电机驱动控制系统优化方法，能够对家用电器、工业设备中的无刷电机驱动控制系统的控制器和驱动电路参数设置进行优化，如驱动电路中的电容值、电感值的设置和控制算法中的kp、ki的设置等，从而获取最优的电机控制性能。同时多目标蜂群算法的引入，可以减少人工调参的时间成本，更好的服务于实际的无刷电机驱动控制系统的参数调优。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例的基于多目标蜂群算法的无刷电机驱动控制系统优化方法流程示意图；
图2为本发明实施例的驱动控制系统框图；
图3为本发明实施例的驱动控制系统优化框图；
图4为本发明实施例的多目标蜂群算法优化策略示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例
如图1所示，本实施例提供了基于多目标蜂群算法的无刷电机驱动控制系统优化方法，包括：
构建无刷电机的数学模型；
构建所述无刷电机的空间矢量驱动控制系统结构，即无刷电机的驱动控制系统框架，将所述数学模型与所述空间矢量驱动控制系统结构结合，获取待优化参数；
预设所述无刷电机驱动控制系统的控制目标，并构建目标函数；
基于所述目标函数，利用多目标蜂群优化算法对所述待优化参数进行寻优，获取所述目标函数的最优值，完成无刷电机驱动控制系统优化。
进一步地，构建无刷电机的数学模型包括：
利用所述无刷电机的机械参数与电气参数的物理模型，建立所述无刷电机的数学模型；
将所述数学模型的参数设置为三相电机参数。
进一步地，所述数学模型的输入量包括：直流母线电压；所述数学模型的输出量包括：三相电流和转矩响应。
进一步地，所述数学模型的参数包括：相电阻、相电感、转动惯量和摩擦系数。
进一步地，构建的无刷电机驱动控制系统为：将PFC功率因数校准与无感空间矢量控制策略相结合，获得的一种以无感空间矢量控制为基础、功率因数可调的驱动控制系统；
所述空间矢量驱动控制系统结构包括：AC-DC电路、滤波电路和PFC功率因数校准电路。
进一步地，所述待优化参数包括：滤波电容值C1，电感值L1，PFC功率因数校准过程中的增益系数Kp1与积分系数Ki1，无感空间矢量控制策略中的观测器增益系数K，PI环节中需要设定的增益系数Kp2与积分系数Ki2。
进一步地，所述目标函数包括：f1(x)和f2(x)；
所述f1(x)为：以实际转速与给定转速的跟踪误差最小为目标构建的所述目标函数，所述f2(x)为：以直流母线电压波纹最小为目标构建的所述目标函数；
进一步地，利用多目标蜂群优化算法对所述目标函数进行寻优，其过程为：
S1.初始化种群：待优化的解的维度为7维，分别为所述滤波电容值C1、电感值L1、PFC功率因数校准过程中的增益系数Kp1和积分系数Ki1、无感空间矢量控制策略中的观测器增益系数K、PI环节中需要设定的增益系数Kp2和积分系数Ki2，蜂群总数为Pop＝100、食物源被采集次数即最大迭代次数Iter＝3000及控制参数lim＝8，确定每个目标函数解的搜索范围，并且在搜索范围内随机产生初始解；
S2.计算并评估每个初始解对应的各自的目标函数的适应度值；
S3.设定循环条件并开始循环；
S4.根据邻域搜索方式，执行雇佣蜂邻域搜索产生新解xi，并计算其适应度值；
S5.如果目标一的适应度值优于原目标且目标二的适应度值优于原目标，则当前解更新原有解，否则保留原有解不变；
S6.根据适应度值计算食物源的概率pi；
S7.观察蜂依照概率pi选择解或食物源，搜索产生新解vi，并计算其适应度；
S8.根据贪婪搜索公式进行贪婪选择；如果vi的适应度优于原始解xi，则用vi代替xi，将vi作为当前最好解，否则保留xi不变；
S9.判断是否有要放弃的解，若有，则侦查蜂随机产生新解将其替换；
S10.记录到目前为止的最优解；
S11.判断是否满足循环终止条件，若满足，循环结束，输出最优解，否则返回S4继续搜索。
针对现有传统的电机控制方案中，电机转速瞬态响应浮动大，以及直流母线电压波动严重的问题进行了多目标的参数优化，提出一种基于多目标蜂群算法的直流无刷电机驱动控制系统优化方案，在无感的空间矢量控制系统中加入AC/DC变换电路、滤波电路、PFC功率控制电路的驱动激励，通过这些驱动模块的引入，加入无感控制策略驱动因素，从而更好的与实际场景相对应。但是这些电路中的电容、电感值的调节对驱动模块的输出有很大的影响，为了保证算法最优性，引入多目标蜂群算法同时优化控制器和驱动电路的参数，从而减少控制系统设计的时间成本，提高驱动控制系统的运行效率。
下面详细介绍本实施例提出的基于多目标蜂群算法的直流无刷电机驱动控制系统优化方法的详细步骤；
步骤一、根据常用的无刷直流电机的机械参数与电气参数的物理模型，建立数学模型，数学模型的主要输入量有Va，直流母线电压Vb，输出量三相电流Ia、Ib、Ic，转矩响应Te，将建立好的数学模型参数设置为实际的三相电机参数，本实施例中，针对实际的无刷直流电机采用无感的空间矢量控制策略，无刷电机的具体参数设置包括相电阻Rs＝4.8欧姆，相电感Ls＝0.12mh，转动惯量J＝1.91(uN*m*s^2)，摩擦系数f＝2.59(uN*m*s)。
步骤二、建立空间矢量驱动系统结构，如图2所示，主要包括AC-DC电路、滤波电路、PFC功率因数校准电路，其中驱动电路中的电容、电阻值可以调节设置，将建立好的电机的数学模型与仿真驱动系统结合，选择确定驱动系统中的滤波电容值C1，电感值L1，数字校准电路中的Kp1、Ki1,无感矢量控制策略中的观测器增益系数K，PI控制方案中的Kp2、Ki2这七个参数，调节系统的稳定性以及输出响应。
步骤三、为了优化选择上述7个参数，确定控制系统设计的两个目标：1.实际转速与给定转速的跟踪误差最小，将其定义为函数f1(x)。2.直流母线电压波纹小，将其定义为函数f2(x)，由于每个单目标函数都对应着系统响应的不同的测量值，而且由于减小母线电压波纹会降低转速的响应，基于两个指标的矛盾性，设计多目标优化函数。如式(1)。
Figure BDA0003759999250000101
其中，wref(x)为无刷直流电机转速的设定值，w(x)为无刷直流电机转速的实际值，
Figure BDA0003759999250000102
为输入端交流线电压的第h次谐波分量，N为解向量的维度。
传统的针对无刷电机类的控制系统，仅仅针对电机模型的控制策略进行设计，而忽略了实际应用中的电压源激励，优化的控制参数没有加入实际驱动环境因素的影响，本发明在传统的控制方案上，增加了驱动系统电路的仿真，考虑实际的无刷电机的驱动因素，将控制器参数与驱动器参数的优化结合起来。
最后，进行双目标寻优，整个无刷电机驱动控制优化框图如图3所示，包括无感的空间矢量控制策略与驱动激励。本方法提出的多目标蜂群算法对驱动系统中的参数调节的冗杂性进行了优化，结合多目标蜂群算法控制参数少、结构简单、易于实现的特点，首次将其应用到驱动控制系统响应的优化当中，其中涉及到的主要参数为驱动参数C1、L1、K、Kp1、Ki1与控制器参数Kp2、Ki2，整个多目标的优化流程如图4所示，具体步骤如下：
步骤1：初始化种群：待优化解的维度为7维，分别为驱动系统中的滤波电容值C1，电感值L1，数字校准电路中的Kp1、Ki1,无感矢量控制策略中的观测器增益系数K，PI环节中的Kp2、Ki2,蜂群总数为Pop＝100、食物源被采集次数即最大迭代次数Iter＝3000及控制参数lim＝8，确定每个目标函数解的搜索范围，并且在搜索范围内随机产生初始解。
步骤2：计算并评估每个初始解对应的各自的目标函数的适应度值。
步骤3：设定循环条件并开始循环。
步骤4：利用如公式(2)所示的邻域搜索策略，执行雇佣蜂邻域搜索产生新解(食物源)，并计算其适应度值；
Figure BDA0003759999250000111
其中：
Figure BDA0003759999250000112
为更新的新解，xik为原解，xjk为随机维度的解。
步骤5：如果目标一的适应度值优于原目标且目标二的适应度值优于原目标，则当前解更新原有解，否则保留原有解不变；
步骤6：根据适应度值计算食物源的概率pi；
步骤7：观察蜂依照概率pi选择解或食物源，搜索产生新解(食物源)vi，并计算其适应度。
步骤8：根据贪婪搜索公式进行贪婪选择；如果vi的适应度优于原有解xi，则用vi代替xi，将vi作为当前最好解，否则保留xi不变；
步骤9：判断是否有要放弃的解。若有，则侦查蜂随机产生新解将其替换；
步骤10：记录到目前为止的最优解；
步骤11：判断是否满足循环终止条件，若满足，循环结束，输出最优解，否则返回步骤4继续搜索。
本实施例方案采取无感的空间矢量控制控制策略，减少了实际传感器的应用成本，同时加入激励源的仿真控制，解决了无刷电机驱动控制系统中转矩瞬态响应浮动大、收敛慢的缺点，同时解决了瞬态响应的迅速响应容易造成直流母线电压波纹波动严重的问题，更加有利于实际电机驱动应用中电能转化效率，以及电机转速控制精确度的提高。更进一步，针对空间矢量控制中PI参数的调节导致转矩浮动大、驱动电路中的电容值的参数设置不同，导致储能的效率不同，影响母线电压并导致电机转速不稳等问题，引入多目标蜂群算法对控制器参数和驱动电路参数同时进行优化，从而得出最优的参数，提高整个无刷电机驱动控制系统的能效性。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，包括：
构建无刷电机的数学模型；
构建所述无刷电机的空间矢量驱动控制系统结构，将所述数学模型与所述空间矢量驱动控制系统结构结合，获取待优化参数；
预设所述无刷电机驱动控制系统的控制目标，并构建目标函数；
基于所述目标函数，利用多目标蜂群优化算法对所述待优化参数进行寻优，获取所述目标函数的最优值，完成无刷电机控制系统优化。
2.根据权利要求1所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，构建无刷电机的数学模型包括：
利用所述无刷电机的机械参数与电气参数的物理模型，建立所述无刷电机的数学模型；
将所述数学模型的参数设置为三相电机参数。
3.根据权利要求2所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，所述数学模型的输入量包括：直流母线电压；所述数学模型的输出量包括：三相电流和转矩响应。
4.根据权利要求2所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，所述数学模型的参数包括：相电阻、相电感、转动惯量和摩擦系数。
5.根据权利要求1所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，
所述无刷电机的所述无刷电机的空间矢量驱动控制系统结构为：将PFC功率因数校准与无感空间矢量控制策略相结合，获得一种以无感空间矢量控制为基础、功率因数可调的驱动控制系统；
所述空间矢量驱动控制系统结构包括：AC-DC电路、滤波电路和PFC功率因数校准电路。
6.根据权利要求5所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，所述待优化参数包括：滤波电容值C1，电感值L1，PFC功率因数校准过程中的增益系数Kp1与积分系数Ki1，无感空间矢量控制策略中的观测器增益系数K，PI环节中需要设定的增益系数Kp2与积分系数Ki2。
7.根据权利要求1所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，所述目标函数包括：f1(x)和f2(x)；
所述f1(x)为：以实际转速与给定转速的跟踪误差最小为目标构建的所述目标函数，所述f2(x)为：以直流母线电压波纹最小为目标构建的所述目标函数；
所述f1(x)与f2(x)的表达式分别为：
Figure FDA0003759999240000021
Figure FDA0003759999240000022
其中，wref(x)为无刷直流电机转速的设定值，w(x)为无刷直流电机转速的实际值，
Figure FDA0003759999240000023
为输入端交流线电压的第h次谐波分量，N为解向量的维度。
8.根据权利要求6所述的基于多目标蜂群算法的无刷电机驱动控制系统优化方法，其特征在于，利用多目标蜂群优化算法对所述目标函数进行寻优包括：
S1.初始化种群：待优化解的维度为7维，分别为所述滤波电容值C1、电感值L1、PFC功率因数校准过程中的增益系数Kp1和积分系数Ki1、无感空间矢量控制策略中的观测器增益系数K、PI环节中需要设定的增益系数Kp2和积分系数Ki2，蜂群总数为Pop＝100、食物源被采集次数即最大迭代次数Iter＝3000及控制参数lim＝8，确定每个目标函数解的搜索范围，并且在搜索范围内随机产生初始解；
S2.计算并评估每个初始解对应的各自的目标函数的适应度值；
S3.设定循环条件并开始循环；
S4.根据邻域搜索方式，执行雇佣蜂邻域搜索产生新解，并计算其适应度值；
S5.如果目标f1(x)的适应度值优于原目标且目标f2(x)的适应度值优于原目标，则当前解更新原有解，否则保留原有解不变；
S6.根据适应度值计算食物源的概率pi
S7.观察蜂依照概率pi选择解或食物源，搜索产生新解vi，并计算其适应度；
S8.根据贪婪搜索公式进行贪婪选择；如果vi的适应度优于原始解xi，则用vi代替xi，将vi作为当前最好解，否则保留xi不变；
S9.判断是否有要放弃的解，若有，则侦查蜂随机产生新解将其替换；
S10.记录到目前为止的最优解；
S11.判断是否满足循环终止条件，若满足，循环结束，输出最优解，否则返回S4继续搜索。
CN202210867490.XA 2022-07-21 2022-07-21 基于多目标蜂群算法的无刷电机驱动控制系统优化方法 Active CN115037195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210867490.XA CN115037195B (zh) 2022-07-21 2022-07-21 基于多目标蜂群算法的无刷电机驱动控制系统优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210867490.XA CN115037195B (zh) 2022-07-21 2022-07-21 基于多目标蜂群算法的无刷电机驱动控制系统优化方法

Publications (2)

Publication Number Publication Date
CN115037195A true CN115037195A (zh) 2022-09-09
CN115037195B CN115037195B (zh) 2023-04-25

Family

ID=83131131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210867490.XA Active CN115037195B (zh) 2022-07-21 2022-07-21 基于多目标蜂群算法的无刷电机驱动控制系统优化方法

Country Status (1)

Country Link
CN (1) CN115037195B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101499864B1 (ko) * 2014-07-15 2015-03-18 한양대학교 산학협력단 인공벌 군집 알고리즘을 이용한 컴플라이언트 메커니즘의 위상 최적화 방법 및 장치
CN106786757A (zh) * 2016-12-30 2017-05-31 集美大学 基于人工蜂群算法优化孤岛式混合能源系统配置的方法
CN108491670A (zh) * 2018-04-17 2018-09-04 常熟理工学院 一种电动物流车驱动电机的参数匹配及优化方法
CN110829904A (zh) * 2019-11-13 2020-02-21 大连交通大学 一种基于灰狼优化的无刷直流电机控制器的参数优化方法
CN111144023A (zh) * 2019-12-31 2020-05-12 华能如东八仙角海上风力发电有限责任公司 一种基于改进的Pareto人工蜂群算法的可靠性优化分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101499864B1 (ko) * 2014-07-15 2015-03-18 한양대학교 산학협력단 인공벌 군집 알고리즘을 이용한 컴플라이언트 메커니즘의 위상 최적화 방법 및 장치
CN106786757A (zh) * 2016-12-30 2017-05-31 集美大学 基于人工蜂群算法优化孤岛式混合能源系统配置的方法
CN108491670A (zh) * 2018-04-17 2018-09-04 常熟理工学院 一种电动物流车驱动电机的参数匹配及优化方法
CN110829904A (zh) * 2019-11-13 2020-02-21 大连交通大学 一种基于灰狼优化的无刷直流电机控制器的参数优化方法
CN111144023A (zh) * 2019-12-31 2020-05-12 华能如东八仙角海上风力发电有限责任公司 一种基于改进的Pareto人工蜂群算法的可靠性优化分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周燕霞 等: "改进蜂群算法的永磁同步电机自 抗扰调速策略" *
周燕霞 等: "改进蜂群算法的永磁同步电机自抗扰调速策略" *

Also Published As

Publication number Publication date
CN115037195B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN108039841B (zh) 双凸极电机驱动系统的提前角度自适应控制方法和系统
CN109004883B (zh) 一种小电容电机驱动系统的母线电压低压区控制方法
CN109787531B (zh) 一种开关磁阻轮毂电机预测控制方法
BR112013021504B1 (pt) Método e sistema para controlar um motor elétrico
CN112737444B (zh) 交替执行采样与控制程序的双三相永磁同步电机控制方法
US10367389B2 (en) Intelligently controlled variable power motor
Saady et al. Optimization and control of photovoltaic water pumping system using kalman filter based MPPT and multilevel inverter fed DTC-IM
CN110165952A (zh) 一种无电解电容永磁同步电机矢量控制母线电压波动补偿方法
CN109347371A (zh) 一种基于电流预测的无刷直流电机换相转矩脉动抑制方法
CN114825396A (zh) 一种提升高速飞轮储能阵列直流母线电压鲁棒性的方法
CN114531078A (zh) 一种开关磁阻电机转矩脉动和母线电流脉动抑制方法
CN114244241B (zh) 一种电励磁双凸极电机最优提前换相角度在线选取方法
CN115765028A (zh) 一种风光水储直流汇集经同步电机并网系统及其应用方法
CN111082726A (zh) 一种永磁电机伺服系统的电流控制方法
CN105871293B (zh) 一种低成本的双pwm功率变换器模型预测控制方法
CN113098348B (zh) 一种双三相永磁同步电机预测转矩控制方法
CN109660175A (zh) 一种抑制开关磁阻电机转矩脉动的系统
CN115037195A (zh) 基于多目标蜂群算法的无刷电机驱动控制系统优化方法
Ibrahim et al. Design of low cost and efficient photovoltaic pumping system utilizing synchronous reluctance motor
CN116316783A (zh) 统一电能质量调节器的直流母线电压控制方法及控制系统
CN111464094B (zh) 无刷直流电机模型预测控制器及其构造方法
CN112910376B (zh) 多相电机模型预测容错控制的方法及装置
CN112087157A (zh) 一种三电平变流器的调制方法及三电平变流器
Ma et al. Reference voltage vector based model predictive torque control with RMS solution for pmsm
CN110429890A (zh) 电机转矩的控制方法、电动设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant