基于人工蜂群算法永磁同步电机速度环控制参数优化方法

摘要

本发明公开了一种基于人工蜂群算法的永磁同步电机速度环控制参数优化方法，其利用人工蜂群PID控制器代替传统PID控制器，自动实现参数的自整定，并施加到永磁交流矢量控制系统的速度环中，实现对交流伺服系统速度的精确跟踪。该方法具体包括：将待整定参数看作蜜源，利用蜂群特有的角色转变机制搜索最优参数组合。为了判断蜜源是否最优，本发明设计了包含超调惩罚项的适应度函数。与传统PID控制器相比，本发明可以有效改善伺服系统的动态性能，实现对永磁同步电机速度的无超调控制。

主权项

一种基于人工蜂群算法的永磁同步电机速度环控制参数优化方法，其特征在于，包括以下步骤：步骤一：利用电流传感器实时采集电机的三相电流信号i_a、i_b、i_c，经克拉克变换、帕克变换后作为矢量控制系统的电流环的反馈量；利用光电编码器检测电机的转子位置及转速信号，并将转速值作为矢量控制系统的速度环的反馈量；步骤二：将速度环的反馈值与给定值进行比较，将比较结果送入人工蜂群优化PID控制器，并将人工蜂群优化PID控制器的输出量作为电机的q轴的电流给定，同时，电机的d轴的电流给定采用i_d^*＝0，其中，人工蜂群优化PID控制器的设计为：将矢量控制系统的速度环的待优化参数Kp、Ki和Kd的某一组值看作一个蜜源，将这三个参数的取值范围看作蜂群的搜索空间，记其空间维度为D，蜜蜂种群代数为n，蜜蜂总数为N_A，其中，引领蜂规模为N_G，跟随蜂规模为N_F，在搜索开始阶段，随机生成N_A个蜜源，即得到初始解且有：$X_i^j={\mathrm{Lb}}^j+\mathrm{rand}\left(\mathrm{0,1}\right)({\mathrm{Ub}}^j-{\mathrm{Lb}}^j)---\left(1\right)$式(1)中，Ub和Lb分别为搜索空间的上下限，j∈{1，2，…，D}为被优化参数组成的D维解向量的某个分量；再计算各个解的适应度，将排名前N_G的解作为初始代引领蜂种群X(0)，对于第n代的引领蜂X_i(n)，i∈{1，2，…，N_G}，在蜜源i位置进行邻域搜索，即有：式(2)中，l为在[1，D]内的一个随机整数，表示引领蜂随机选择某一维进行搜索，k∈{1，2，…，N_G}，随机生成且k≠l，为[‑1，1]之间的随机数，且须保证生成的V在解空间内；采用贪婪选择法在蜜源V_i和X_i中选取较优适应度的蜜源保留至下一代种群，当所有引领蜂完成式(2)的搜索后将蜜源信息共享，接着，各跟随蜂按照引领蜂种群适应度值选择一个引领蜂，并同样对其邻域进行搜索，选择概率为：$P_i=\frac{f\left(X_i\right)}{\underset{t=1}{\overset{N_G}{\Sigma }}f\left(X_t\right)}---\left(3\right)$式(3)中，f(X_i)为第i个蜜源的适应度值；若某只引领蜂在其周围搜索次数times达到一定阈值Limit仍未找到更优解，则放弃该蜜源，对应的引领蜂转变为侦查蜂，同时重新初始化该引领蜂对应的蜜源，即：$X_i(n+1)=\left\{\begin{array}{cc}\mathrm{Lb}+\mathrm{rand}\left(\mathrm{0,1}\right)(\mathrm{Ub}-\mathrm{Lb}),& \mathrm{times}\ge \mathrm{Limit}\\ X_i\left(n\right),& \mathrm{times}<\mathrm{Limit}\end{array}\right.;$步骤三：将步骤二中的电流给定与步骤一中的电流环的反馈量比较后送入PI控制器，获得定子电压的d轴分量u_d及q轴分量u_q，经帕克逆变换和SVPWM模块后驱动电机运行。