基于ICPSO 算法的異步電動(dòng)機(jī)參數(shù)辨識(shí)與控制

李慧媛，蘇義鑫，洪 敏，龍 飛

(1.武漢理工大學(xué) 自動(dòng)化學(xué)院，湖北 武漢430070;2. 中國船舶重工集團(tuán)公司 第七一二研究所，湖北 武漢430064)

矢量控制技術(shù)的不斷發(fā)展和成熟，使得交流電力拖動(dòng)系統(tǒng)逐步在高性能電力拖動(dòng)領(lǐng)域占據(jù)主導(dǎo)地位。隨著人們對(duì)控制性能的要求不斷提升，異步電動(dòng)機(jī)參數(shù)時(shí)變性和矢量控制系統(tǒng)對(duì)電機(jī)參數(shù)變化敏感性的問題日益凸顯。

對(duì)此，國內(nèi)外專家學(xué)者提出了多種異步電動(dòng)機(jī)參數(shù)辨識(shí)方法。然而，傳統(tǒng)的空載與堵轉(zhuǎn)實(shí)驗(yàn)辨識(shí)法［1］，通過施加特定激勵(lì)辨識(shí)法［2］，根據(jù)電機(jī)結(jié)構(gòu)參數(shù)辨識(shí)［3］等離線辨識(shí)方法無法消除電機(jī)參數(shù)時(shí)變帶來的影響。最小二乘法［4］、卡爾曼濾波法辨識(shí)［5］及模型參考自適應(yīng)法［6］等經(jīng)典在線辨識(shí)方法因忽略電機(jī)的非線性而導(dǎo)致辨識(shí)精度不高。自第七屆國際自動(dòng)控制聯(lián)合會(huì)召開以來，諸如神經(jīng)網(wǎng)絡(luò)算法［7］、遺傳算法［8］和粒子群算法［9］等現(xiàn)代參數(shù)辨識(shí)算法逐步應(yīng)用于異步電動(dòng)機(jī)參數(shù)辨識(shí)中，但這些算法計(jì)算量大，且在實(shí)時(shí)性、收斂性方面難以滿足矢量控制系統(tǒng)的要求。

隨著研究不斷深入，學(xué)者們發(fā)現(xiàn)單一優(yōu)化算法難以應(yīng)對(duì)復(fù)雜的多參數(shù)、非線性動(dòng)態(tài)系統(tǒng)參數(shù)辨識(shí)問題，于是將目光轉(zhuǎn)向混合優(yōu)化算法。張益針對(duì)粒子群算法容易早熟的問題，提出協(xié)同粒子群算法［10］;LU 等對(duì)免疫粒子群混合算法進(jìn)行研究［11］;劉朝華等首次將人工免疫系統(tǒng)、協(xié)同進(jìn)化思想及粒子群的鄰域優(yōu)勢相結(jié)合，提出了一種免疫協(xié)同粒子群進(jìn)化模型，并成功應(yīng)用于永磁同步電機(jī)的在線參數(shù)辨識(shí)［12］?；谶@一思想，筆者提出一種免疫協(xié)同粒子群優(yōu)化算法(immune co-evolutionary particle swarm optimization algorithm，ICPSO)，應(yīng)用于異步電動(dòng)機(jī)參數(shù)辨識(shí)，設(shè)計(jì)了基于ICPSO 算法的異步電動(dòng)機(jī)矢量控制系統(tǒng)。

1 免疫協(xié)同粒子群算法

粒子群算法在解決非線性、不可微、多模態(tài)優(yōu)化問題時(shí)具有明顯優(yōu)勢，但在計(jì)算后期容易失去粒子多樣性，出現(xiàn)早熟和進(jìn)化停滯現(xiàn)象。文獻(xiàn)［12］中首次提出了免疫協(xié)同粒子群算法，運(yùn)用協(xié)同進(jìn)化算法的并行計(jì)算框架和多個(gè)種群間相互作用、共同進(jìn)化的機(jī)制，提升收斂速度，推進(jìn)粒子群整體的不斷演變;同時(shí)，利用人工免疫算法的全局搜索優(yōu)勢和超變異能力，提升粒子多樣性和大范圍搜索能力。算法將整個(gè)粒子群體分為優(yōu)勢種群P0與若干普通種群(P1，P2，…，Pn)，系統(tǒng)模型如圖1 所示。

該算法中，普通種群內(nèi)部采用混合免疫網(wǎng)絡(luò)粒子群算法，通過精英粒子保留、免疫網(wǎng)絡(luò)，以及柯西變異等混合策略共同產(chǎn)生新個(gè)體，算法復(fù)雜性高，難以適用于異步電動(dòng)機(jī)參數(shù)辨識(shí)，筆者將其簡化，采用標(biāo)準(zhǔn)粒子群算法，利用鄰域信息產(chǎn)生新個(gè)體。同時(shí)，該算法每隔數(shù)代運(yùn)用一次遷移算子，將優(yōu)勢種群的個(gè)體返回各普通種群。為提高信息交互針對(duì)性，筆者定義進(jìn)化種群加速度Acc如式(1)所示，以表征普通種群的收斂性變化，進(jìn)化中每一代都從優(yōu)勢種群中引入若干優(yōu)良個(gè)體，代替收斂性減弱趨勢最明顯的普通種群中適應(yīng)度較差的個(gè)體。

圖1 免疫協(xié)同粒子群算法的系統(tǒng)模型

式中：Fbesti(k)為第i個(gè)普通種群第k代的歷史最優(yōu)適應(yīng)度;ε 為平滑系數(shù)。

所設(shè)計(jì)的ICPSO 算法進(jìn)化模式如圖2 所示。

圖2 免疫協(xié)同粒子群算法的進(jìn)化模式

算法流程如下：

(1)算法參數(shù)初始化，種群初始化。

(2)普通種群內(nèi)的標(biāo)準(zhǔn)粒子群算法。

(3)協(xié)同進(jìn)化的選擇算子，從每一個(gè)普通種群中選擇一個(gè)適應(yīng)度最高的個(gè)體和一個(gè)隨機(jī)個(gè)體，構(gòu)成優(yōu)勢種群。

(4)優(yōu)勢種群內(nèi)的免疫克隆選擇算法。

(5)協(xié)同進(jìn)化的遷移算子，從優(yōu)勢種群中引入若干優(yōu)良個(gè)體，代替收斂性減弱趨勢最明顯的普通種群中適應(yīng)度較差的個(gè)體。

(6)若符合算法結(jié)束條件，則輸出結(jié)果，算法結(jié)束;否則返回到步驟(2)。

2 異步電動(dòng)機(jī)矢量控制系統(tǒng)

2.1 基于ICPSO 算法的異步電動(dòng)機(jī)參數(shù)辨識(shí)

基于ICPSO 算法的異步電動(dòng)機(jī)參數(shù)辨識(shí)基本思路是比較異步電動(dòng)機(jī)的輸出和可調(diào)模型的輸出，將兩者間差距的函數(shù)作為適應(yīng)性評(píng)價(jià)標(biāo)準(zhǔn)，運(yùn)用ICPSO 算法迭代計(jì)算，求得滿足適應(yīng)性評(píng)價(jià)標(biāo)準(zhǔn)的辨識(shí)模型參數(shù)，基本結(jié)構(gòu)如圖3 所示。

圖3 基于ICPSO 算法的異步電動(dòng)機(jī)參數(shù)辨識(shí)結(jié)構(gòu)圖

異步電動(dòng)機(jī)在兩相靜止αβ 坐標(biāo)系下的狀態(tài)方程為：

式中：usα，usβ，isα，isβ，ψrα，ψrβ分別為定子電壓、定子電流、轉(zhuǎn)子磁鏈在α、β 坐標(biāo)軸上的分量;Rs，Rr分別為定子、轉(zhuǎn)子電阻;Ls，Lr，Lm分別為定子、轉(zhuǎn)子自感和互感;轉(zhuǎn)子時(shí)間常數(shù)Tr =ω 為轉(zhuǎn)子角速度。

確定待辨識(shí)的參數(shù)為：

基于ICPSO 算法的異步電動(dòng)機(jī)參數(shù)辨識(shí)流程如下：

(1)采集實(shí)際電機(jī)的定子電流值isα(k)、isβ(k)，定子電壓值usα(k)、usβ(k)，以及電機(jī)轉(zhuǎn)速ω(k)5 個(gè)數(shù)據(jù)N組。

(3)對(duì)每個(gè)粒子，計(jì)算可調(diào)電機(jī)模型在各采樣時(shí)刻的電流估計(jì)值

(4)采用ICPSO 算法進(jìn)行尋優(yōu)，直至達(dá)到迭代次數(shù)或?qū)?yōu)結(jié)果達(dá)到誤差許可范圍內(nèi)。

2.2 基于ICPSO 算法的異步電動(dòng)機(jī)矢量控制

在矢量控制系統(tǒng)中，磁鏈觀測器、解耦控制器，以及電流、磁鏈、轉(zhuǎn)速調(diào)節(jié)器的參數(shù)設(shè)定均需運(yùn)用電機(jī)參數(shù)，而由于電機(jī)參數(shù)的時(shí)變性，常出現(xiàn)磁鏈觀測不準(zhǔn)、控制器參數(shù)不合適而影響系統(tǒng)性能。因此，筆者利用ICPSO 算法辨識(shí)結(jié)果，周期性地對(duì)磁鏈觀測器、解耦控制器和PI 調(diào)節(jié)器進(jìn)行參數(shù)修正。由此，可構(gòu)建矢量控制系統(tǒng)，如圖4 所示。

圖4 中ACMR、ACTR、AΨR、ASR 分別是定子電流勵(lì)磁分量調(diào)節(jié)器、定子電流轉(zhuǎn)矩分量調(diào)節(jié)器、轉(zhuǎn)子磁鏈調(diào)節(jié)器和轉(zhuǎn)速調(diào)節(jié)器。

3 仿真實(shí)驗(yàn)分析

在Matlab/Simulink 平臺(tái)上，構(gòu)建基于ICPSO參數(shù)辨識(shí)算法的異步電動(dòng)機(jī)矢量控制系統(tǒng)，其中異步電動(dòng)機(jī)模型參數(shù)如表1 所示。

設(shè)置ICPSO 參數(shù)辨識(shí)算法參數(shù)如表2 所示。

在Simulink 仿真過程中，每運(yùn)行0.1 s，輸出一次pause 指令暫停Simulink 中的模型運(yùn)行，并依據(jù)此前異步電動(dòng)機(jī)模型產(chǎn)生的N組定子電流值isα(k)、isβ(k)，定子電壓值usα(k)、usβ(k)，電機(jī)轉(zhuǎn)速ω(k)值，執(zhí)行一次ICPSO 參數(shù)辨識(shí)算法，將辨識(shí)結(jié)果(Rs，Rr，Ls，Lr，Lm，Tr，σ)輸出，再通過輸出一次continue 指令，啟動(dòng)Simulink 中系統(tǒng)模型的運(yùn)行，實(shí)現(xiàn)在線辨識(shí)過程的仿真。

圖4 基于ICPSO 參數(shù)辨識(shí)算法的異步電動(dòng)機(jī)矢量控制系統(tǒng)結(jié)構(gòu)圖

表1 異步電動(dòng)機(jī)模型參數(shù)

表2 ICPSO 算法主要參數(shù)

為了檢驗(yàn)ICPSO 參數(shù)辨識(shí)算法對(duì)緩慢變化的電機(jī)參數(shù)的辨識(shí)能力，以轉(zhuǎn)子參數(shù)為例，將轉(zhuǎn)子電阻Rr和轉(zhuǎn)子電感Lr的實(shí)際值按式(6)和式(7)變化時(shí)，參數(shù)在線辨識(shí)結(jié)果能快速響應(yīng)，跟蹤給定值，辨識(shí)結(jié)果如圖5 所示。設(shè)轉(zhuǎn)子磁鏈的給定值為1.2 Wb，電機(jī)給定轉(zhuǎn)速為140 rad/s，電動(dòng)機(jī)空載啟動(dòng)，到2 s 時(shí)突增負(fù)載達(dá)20 N·m。觀察電機(jī)轉(zhuǎn)子磁鏈曲線、電機(jī)轉(zhuǎn)速曲線、電磁轉(zhuǎn)矩曲線分別如圖6 ～圖8 所示。

圖5 電機(jī)參數(shù)辨識(shí)結(jié)果

圖6 轉(zhuǎn)子磁鏈局部放大對(duì)比曲線

圖7 電機(jī)轉(zhuǎn)速局部放大對(duì)比曲線

由圖6 可見，所設(shè)計(jì)的矢量控制系統(tǒng)在運(yùn)行時(shí)，能迅速建立轉(zhuǎn)子磁鏈，且基本保持恒定，達(dá)到轉(zhuǎn)子磁鏈與電磁轉(zhuǎn)矩獨(dú)立控制的要求，較傳統(tǒng)系統(tǒng)具有更高的磁鏈觀測精度。由圖7 可見，所設(shè)計(jì)的矢量控制系統(tǒng)在啟動(dòng)時(shí)速度響應(yīng)快，轉(zhuǎn)速跟蹤性能良好，且在轉(zhuǎn)速輸出的精度上具有更好的表現(xiàn)。由圖8 可見，經(jīng)空載啟動(dòng)和突增負(fù)載測試，所設(shè)計(jì)的矢量控制系統(tǒng)的電磁轉(zhuǎn)矩具有優(yōu)良的靜、動(dòng)態(tài)特性，較傳統(tǒng)系統(tǒng)能夠抑制電機(jī)參數(shù)變化對(duì)電磁轉(zhuǎn)矩的影響。

圖8 電磁轉(zhuǎn)矩曲線

4 結(jié)論

筆者將免疫克隆選擇算法、協(xié)同進(jìn)化算法和粒子群算法三者相結(jié)合，提出了一種免疫協(xié)同粒子群優(yōu)化算法，并將其用于異步電動(dòng)機(jī)參數(shù)在線辨識(shí)，實(shí)時(shí)調(diào)整解耦控制器、磁鏈觀測器和PI 調(diào)節(jié)器參數(shù)，實(shí)現(xiàn)參數(shù)自適應(yīng)，在此基礎(chǔ)上設(shè)計(jì)了基于ICPSO 算法的異步電動(dòng)機(jī)矢量控制系統(tǒng)。經(jīng)仿真實(shí)驗(yàn)驗(yàn)證，ICPSO 參數(shù)辨識(shí)算法對(duì)于異步電動(dòng)機(jī)參數(shù)辨識(shí)具有有效性;所設(shè)計(jì)的系統(tǒng)與傳統(tǒng)的異步電動(dòng)機(jī)矢量控制系統(tǒng)相比，能夠降低電機(jī)參數(shù)變化的影響，提升磁鏈觀測準(zhǔn)確性及轉(zhuǎn)速跟蹤性、電磁轉(zhuǎn)矩穩(wěn)定性，提高控制系統(tǒng)性能。

［1］羅慧，劉軍鋒，萬淑蕓. 感應(yīng)電機(jī)參數(shù)的離線辨識(shí)［J］. 電氣傳動(dòng)，2006(8)：16 -21.

［2］小林貴彥，金原義彥，李東鈺. 感應(yīng)電機(jī)離線參數(shù)辨識(shí)方法［J］. 電力電子，2009(3)：9 -15.

［3］SAKTHIVEL V P，BHUVANESWARI R，SUBRAMANIAN S. Multi -objective parameter estimation of induction motor using particle swarm optimization［J］.Engineering Applications of Artificial Intelligence，2010，23(3)：302 -312.

［4］MAURIZIO C，MARCELLO P，GIANSALVO C，et al.A new experimental application of least-squares techniques for the estimation of the induction motor parameters［J］. IEEE Transactions on Industry Applications，2003，39(5)：1247 -1256.

［5］張猛，肖曦，李永東. 基于擴(kuò)展卡爾曼濾波器的永磁同步電機(jī)轉(zhuǎn)速和磁鏈觀測器［J］. 中國電機(jī)工程學(xué)報(bào)，2007，36(1)：36 -40.

［6］陳振鋒，鐘彥儒，李潔. 嵌入式永磁同步電機(jī)自適應(yīng)在線參數(shù)辨識(shí)［J］. 電機(jī)與控制學(xué)報(bào)，2010(4)：9-13.

［7］RAJ M B，ALEXANDER G P，HAMID A T. Neural speed filtering for sensorless induction motor drives［J］.Control Engineering Practice，2004，12(6)：687-706.

［8］HUANG K S，KENT W，WU Q H，et al. Parameter identification of an induction machine using genetic algorithms［C］∥Proceedings of the 1999 IEEE International Symposium on Computer Aided Control System Design.［S.l.］：［s.n.］，1999：510 -515.

［9］HUYNH D C，DUNNIGAN M W. Parameter estimation of an induction machine using advanced particle swarm optimisation algorithms［J］. IET Electric Power Applications，2010，4(9)：748 -760.

［10］張益. 基于協(xié)同粒子群算法的PMSM 在線參數(shù)辨識(shí)［D］.武漢：華中科技大學(xué)圖書館，2012.

［11］LU H，JI Z C，GONG C L. Study on immune PSO hybrid optimization algorithm［C］∥Chinese Conference on Pattern Recognition. 2009 (CCPR 2009).［S.l.］：［s.n.］，2009：1 -4.

［12］劉朝華，章兢，李小花，等.免疫協(xié)同微粒群進(jìn)化算法的永磁同步電機(jī)多參數(shù)辨識(shí)模型方法［J］. 自動(dòng)化學(xué)報(bào)，2012，38(10)：1698 -1708.