基于微粒群算法的永磁同步發(fā)電機(jī)滑模控制

張敏，唐東成，張君躍，易志威，朱紅萍，陳微

湖南科技大學(xué)信息與電氣工程學(xué)院，湖南湘潭411201

基于微粒群算法的永磁同步發(fā)電機(jī)滑模控制

張敏，唐東成，張君躍，易志威，朱紅萍，陳微

湖南科技大學(xué)信息與電氣工程學(xué)院，湖南湘潭411201

為了改善直驅(qū)永磁同步風(fēng)力發(fā)電機(jī)控制系統(tǒng)的控制性能，設(shè)計(jì)了一種滑?？刂破鳌＿\(yùn)用Matlab/Simulink建立了直驅(qū)型永磁同步風(fēng)力發(fā)電機(jī)的仿真模型。提出外環(huán)采用轉(zhuǎn)速閉環(huán)控制控制策略，用于跟蹤最佳轉(zhuǎn)速，以實(shí)現(xiàn)風(fēng)力發(fā)電系統(tǒng)的最大功率跟蹤控制。針對轉(zhuǎn)速閉環(huán)控制采用一種新型的趨近律設(shè)計(jì)了滑模控制器，并用微粒群優(yōu)化算法對控制器參數(shù)進(jìn)行尋優(yōu)。所設(shè)計(jì)的控制器性能與比例積分（PI）控制器進(jìn)行了對比，結(jié)果表明優(yōu)化參數(shù)后的滑?？刂破鲹碛懈玫目刂菩Ч?，同時(shí)也表明采用PSO算法進(jìn)行控制器設(shè)計(jì)是有效、可行的。

風(fēng)力發(fā)電；永磁同步發(fā)電機(jī)；滑?？刂?；微粒群優(yōu)化算法

1　引言

直驅(qū)永磁同步發(fā)電機(jī)（Direct-drive Permanent Magnet Synchronous Generator，D-PMSG）的控制通常采用比例積分（Proportional Integral，PI）調(diào)節(jié)器［1-5］，作為一種線性控制器，其具有原理簡單、可靠性高等特點(diǎn)，是工業(yè)控制中應(yīng)用最廣的策略，尤其適用于可建立精確數(shù)學(xué)模型的確定性系統(tǒng)。然而，實(shí)際的物理系統(tǒng)與其數(shù)學(xué)模型之間總會存在差異，并且永磁同步發(fā)電機(jī)的數(shù)學(xué)模型具有非線性、強(qiáng)耦合等特點(diǎn)，因此，PI控制器難以實(shí)現(xiàn)電機(jī)的高性能控制。在風(fēng)力發(fā)電系統(tǒng)中，系統(tǒng)有的運(yùn)行參數(shù)并不精確可知，實(shí)際運(yùn)行過程中會遇到陣風(fēng)、風(fēng)切變、負(fù)載變化等，如何在參數(shù)不精確可知的情況下使所設(shè)計(jì)的控制器具有簡單的算法和較強(qiáng)的魯棒性以及良好的動態(tài)品質(zhì)，是風(fēng)電系統(tǒng)研究中一個(gè)值得關(guān)注的問題?；Ｗ兘Y(jié)構(gòu)控制理論在解決上述問題上具有許多獨(dú)特的優(yōu)點(diǎn)，為風(fēng)力發(fā)電系統(tǒng)提供了一種可參考的控制方法［6］。

高為炳院士于上世紀(jì)提出趨近律的概念，在國內(nèi)外得到了廣泛應(yīng)用。為克服指數(shù)趨近律的缺點(diǎn)，文［7］對其做出了進(jìn)一步的改進(jìn)，得出一種新的趨近律—變指數(shù)趨近律。文［8-9］在指數(shù)趨近率基礎(chǔ)上，引入終端吸引子與系統(tǒng)狀態(tài)變量的冪函數(shù)，對滑?？刂贫墩襁M(jìn)行了抑制，并提高了滑模趨近速度。這些新型趨近律能有效抑制滑模運(yùn)動的抖動問題，但仍沒有解決滑?？刂茀?shù)整定等問題。

本文從直驅(qū)永磁同步發(fā)電機(jī)的轉(zhuǎn)速控制性能出發(fā)，首先建立了D-PMSG模型，并提出滑模變結(jié)構(gòu)的轉(zhuǎn)速控制策略。與傳統(tǒng)PI控制器相比，滑?？刂破鳎⊿liding Mode Control，SMC）具有對擾動與參數(shù)變化不敏感，響應(yīng)速度快等優(yōu)點(diǎn)。同時(shí)，針對SMC參數(shù)的優(yōu)化問題做了研究。采用微粒群優(yōu)化算法（Particle Swarm Optimization，PSO）離線優(yōu)化SMC參數(shù)，思想簡單、程序易于實(shí)現(xiàn)、需要調(diào)整的參數(shù)較少、收斂速度快、優(yōu)化精度高。優(yōu)化后的SMC擁有更好的穩(wěn)態(tài)和動態(tài)性能以及抗擾能力，同時(shí)證明了采用粒子群優(yōu)化算法進(jìn)行SMC參數(shù)優(yōu)化是有效可行的。

2　直驅(qū)永磁同步發(fā)電機(jī)數(shù)學(xué)模型

永磁直驅(qū)同步發(fā)電系統(tǒng)采用風(fēng)輪機(jī)與永磁同步發(fā)電機(jī)直接相連的方式，利用全容量變頻器實(shí)現(xiàn)并網(wǎng)發(fā)電；它具有直接驅(qū)動、結(jié)構(gòu)簡單、效率高等優(yōu)點(diǎn)，因而在大型變速恒頻風(fēng)力發(fā)電系統(tǒng)中具有廣闊的應(yīng)用前景。直驅(qū)式永磁同步風(fēng)電機(jī)組主要由風(fēng)力機(jī)、永磁同步發(fā)電機(jī)和全功率變流器組成，機(jī)組聯(lián)網(wǎng)運(yùn)行示意圖如圖1所示。

圖1　直驅(qū)式永磁同步風(fēng)電機(jī)組主結(jié)構(gòu)圖

在d-q同步旋轉(zhuǎn)坐標(biāo)系下的永磁同步發(fā)電機(jī)電壓方程如下：

式中定義q軸反電動勢eq=ωeψf；d軸反電動勢ed=0；ud，uq分別為定子電壓d軸和q軸基波分量；Rs為定子電阻；id，iq分別為定子d軸和q軸電流基波分量；Ld，Lq分別為永磁同步發(fā)電機(jī)的d軸和q軸電感；ωe為電角速度，ψf為永磁體磁鏈。

機(jī)械運(yùn)動方程為：

J為轉(zhuǎn)子的轉(zhuǎn)動慣量；Np為永磁同步發(fā)電機(jī)極對數(shù)；Bw為轉(zhuǎn)動粘滯系數(shù)；Tm為風(fēng)力機(jī)輸入到永磁同步發(fā)電機(jī)轉(zhuǎn)子的機(jī)械轉(zhuǎn)矩。

風(fēng)力發(fā)電用永磁同步發(fā)電機(jī)的永磁體多采用徑向表面式分布（Ld=Lq），此時(shí)電磁轉(zhuǎn)矩Te方程為：

從上式可以看出，永磁同步發(fā)電機(jī)的電磁轉(zhuǎn)矩跟定子q軸電流成正比關(guān)系，所以通過調(diào)節(jié)iq即可控制電磁轉(zhuǎn)矩Te，進(jìn)而調(diào)節(jié)永磁同步發(fā)電機(jī)和風(fēng)力機(jī)轉(zhuǎn)速，使之跟隨風(fēng)速變化，運(yùn)行于最佳葉尖速比狀態(tài)。

在電機(jī)側(cè)變流器控制外環(huán)采用轉(zhuǎn)速環(huán)［1］，內(nèi)環(huán)采用d、q軸電流雙閉環(huán)的控制［3-5］。轉(zhuǎn)速控制框圖如圖2所示。

圖2　SMC轉(zhuǎn)速控制器

3　控制系統(tǒng)設(shè)計(jì)

滑模變結(jié)構(gòu)控制本質(zhì)上是一種不連續(xù)的開關(guān)型控制，它要求頻繁、快速地切換系統(tǒng)的控制狀態(tài)。從控制的目的來看，變結(jié)構(gòu)控制主要是解決系統(tǒng)的鎮(zhèn)定問題，即尋求控制使原點(diǎn)漸近穩(wěn)定。而許多課題可以通過一定的變換使之成為這類調(diào)節(jié)器的設(shè)計(jì)。

本文應(yīng)用文［8-9］提出的新型指數(shù)趨近率，將其應(yīng)用于直驅(qū)永磁同步風(fēng)力發(fā)電機(jī)的轉(zhuǎn)速控制。以下式所示的典型系統(tǒng)為例對新型趨近律進(jìn)行分析，設(shè)計(jì)新型滑模速度調(diào)節(jié)器，并用于永磁同步發(fā)電機(jī)速度調(diào)節(jié)系統(tǒng)中取代PI控制器。新型趨近律，其具體形式為［8］：

式中s為滑模面；X為系統(tǒng)狀態(tài)量，且a、b、p、q、k、ε為設(shè)計(jì)參數(shù)，且a≥0、b≥0、p＞q≥0（p與q均為奇數(shù)），k＞0、ε＞0。

取永磁同步發(fā)電機(jī)狀態(tài)變量為：

式中ωe=Npωg；和ωg分別為轉(zhuǎn)速給定和實(shí)際轉(zhuǎn)子角速度由式（1）、（3）得：

選擇線性滑模面s=cx1+x2，并對其求偏導(dǎo)有

由新型趨近律來速度設(shè)計(jì)控制器，結(jié)合式（4）（5）可得

4　PSO算法的優(yōu)化SMC參數(shù)

為了解決傳統(tǒng)趨近律方法設(shè)計(jì)的滑模控制中存在的矛盾，本文提出一種基于粒子群算法的滑?？刂品椒?，以便使到達(dá)段的品質(zhì)得到提高。第3章求出了滑?？刂埔?guī)律涉及了c、k、ε等控制參數(shù)的整定。一般可根據(jù)滑模可達(dá)條件以及控制性能指標(biāo)，設(shè)計(jì)SMC參數(shù)。但是方法復(fù)雜且控制器參數(shù)難以整定、實(shí)際效果也不理想。于是采用PSO算法系統(tǒng)目標(biāo)函數(shù)尋優(yōu)，求取SMC的參數(shù)最優(yōu)解。

PSO算法中，假設(shè)群體中共有m粒子，每個(gè)粒子在D維目標(biāo)搜索空間中的位置可以認(rèn)為是優(yōu)化問題的一個(gè)潛在解，粒子性能優(yōu)劣程度取決于待優(yōu)化問題對應(yīng)的目標(biāo)函數(shù)值，每個(gè)粒子由一個(gè)速度決定其飛行的方向和速率的大小，粒子們追隨當(dāng)前的最優(yōu)粒子在解空間中進(jìn)行搜索，直至得到滿足條件的解?；玖Ｗ尤簝?yōu)化算法的搜索過程表達(dá)式如下［10］：

其中V為粒子速度，X為粒子位置，ω為慣性權(quán)重，P為個(gè)體最優(yōu)位置，G為種群的全局最優(yōu)位置，rand1和rand2服從［01］均勻分布，c1和c2為學(xué)習(xí)因子。

在粒子群優(yōu)化算法運(yùn)行前，還必須定義優(yōu)化問題所對應(yīng)的目標(biāo)函數(shù)。SMC參數(shù)優(yōu)化的目標(biāo)在于提高系統(tǒng)的響應(yīng)速度，減小超調(diào)量和穩(wěn)態(tài)誤差，同時(shí)還要保證趨近律的到達(dá)條件。描述控制系統(tǒng)性能的目標(biāo)函數(shù)主要有ISE，ITSE，IAE，ITAE［11-15］等，這里選用積分型誤差指標(biāo)ITAE，它的表達(dá)式為：

其中e（t）是實(shí)際值與期望值之間的誤差。在ITAE指標(biāo)的基礎(chǔ)上，目標(biāo)函數(shù)選擇如下：

其中s為滑模切換函數(shù)輸出，α、β為權(quán)值。其中αt|s|項(xiàng)可以保證系統(tǒng)在有限的時(shí)間內(nèi)到達(dá)滑模面，進(jìn)而實(shí)現(xiàn)滑模運(yùn)動。βt|e（t）|項(xiàng)是懲罰函數(shù)，可以限制啟動超調(diào)量。將該目標(biāo)函數(shù)作為PSO尋優(yōu)的適應(yīng)度函數(shù)。并把PSO中的粒子的位置X依次賦值給SMC控制器參數(shù)c、k、ε，然后運(yùn)行控制系統(tǒng)的Simulink模型，得到該組參數(shù)對應(yīng)的性能指標(biāo)，即作為PSO中粒子的適應(yīng)度值。算法具體過程如下。

（1）初始化m個(gè)粒子作為初始種群，隨機(jī)產(chǎn)生所有粒子的位置X和速度V。粒子位置對應(yīng)于SMC控制器中待定參數(shù)值。并確定粒子迄今為止搜索到的最優(yōu)位置G和局部整個(gè)粒子群迄今為止搜索到的最優(yōu)位置P。

（2）對每個(gè)粒子，將其適應(yīng)值與該粒子所經(jīng)歷過的最優(yōu)位置G的適應(yīng)值進(jìn)行比較，將較好的作為當(dāng)前G。

（3）對每個(gè)粒子，將其適應(yīng)值與整個(gè)粒子群所經(jīng)歷過的最優(yōu)位置P的適應(yīng)值進(jìn)行比較，將較好的作為當(dāng)前P。

（4）更新粒子的速度和位置。

（5）如果沒有滿足終止條件（通常為預(yù)設(shè)的迭代次數(shù)和適應(yīng)值下限值），則返回步驟（2），否則，退出算法，得到最優(yōu)解。

5　仿真分析

本文運(yùn)用Matlab/Simulink建立上述D-PMSG仿真模型，如圖3所示，包括風(fēng)力機(jī)、永磁同步發(fā)電機(jī)模型，以及槳距角控制模型［1］。其中電機(jī)側(cè)變流器控制框圖如圖2所示。同步發(fā)電機(jī)數(shù)學(xué)模型由式（1）～（3）微分和代數(shù)方程得到。

圖3　D-PMSG模型及控制框圖

風(fēng)力機(jī)控制中采用了變漿控制，本文設(shè)計(jì)的以風(fēng)速和功率作為輸入信號的槳距角控制器見圖4。槳距角的大小對Cp的影響較大，其作用類似于發(fā)電機(jī)的調(diào)速器［2］。圖中：VwN為額定風(fēng)速；Vw為實(shí)際風(fēng)速；Peref為功率參考值，忽略功率損耗時(shí)，Peref可由式（1）確定；Pe為實(shí)際功率；max表示取2個(gè)輸入信號中較大值，用于保證只有當(dāng)實(shí)際風(fēng)速高于額定槳距角時(shí)槳距角控制器才起作用；kv為比例控制參數(shù)；θ為槳距角。

圖4　槳距角控制器

主要參數(shù)為：D-PMSG的額定容量為2.5 MW；定子電阻為Rs=0.01 Ω；電感L=0.003 H；極對數(shù)Np=32；額定風(fēng)速VwN=12 m/s；風(fēng)力機(jī)轉(zhuǎn)子半徑Rt=42 m；等效轉(zhuǎn)動慣量J=8×103kgm2；轉(zhuǎn)動粘滯系數(shù)Bw=0。

設(shè)定算法迭代50次，ω=0.6，c1=2和c2=2，風(fēng)速為10 m/s，系統(tǒng)運(yùn)行時(shí)間為0.5 s；當(dāng)目標(biāo)函數(shù)權(quán)重系數(shù)為α，β取不同值時(shí)，各參數(shù)與適應(yīng)度值如表1所示。

表1　不同權(quán)值下的SMC整定參數(shù)

圖5是性能指標(biāo)在不同權(quán)重時(shí)的最優(yōu)個(gè)體適應(yīng)度值，它表明在不同性能指標(biāo)下，雖然所求得的最小適應(yīng)度值不同，但是并不影響最優(yōu)個(gè)體的求取，如表中優(yōu)化所得到的參數(shù)均能使系統(tǒng)具有很好的控制性能。

圖5　不同權(quán)值時(shí)最優(yōu)個(gè)體適應(yīng)度曲線

為了研究不同性能指標(biāo)下SMC與PI控制的效果，分別選取了不同性能指標(biāo)范圍下SMC與PI的仿真參數(shù)中的一組參數(shù)對轉(zhuǎn)速進(jìn)行控制。在這些控制參數(shù)作用下對轉(zhuǎn)速響應(yīng)曲線進(jìn)行比較分析，并求取了超調(diào)量δ%和穩(wěn)態(tài)誤差ess（如表2）。從穩(wěn)態(tài)誤差角度來說，PI控制的誤差數(shù)量級較小，這主要是因?yàn)榛MC控制存在抖振等因素；但是SMC的穩(wěn)態(tài)誤差也比較小，在實(shí)際工程中仍能達(dá)到控制要求。此外，采用SMC控制的轉(zhuǎn)速運(yùn)行曲線超調(diào)量δ在同一性能指標(biāo)范圍內(nèi)明顯要優(yōu)于PI控制。通過綜合分析，表明本文采用SMC控制性能要優(yōu)于PI控制。

表2　不同性能指標(biāo)下SMC與PI的參數(shù)及部分性能

正如圖6所示的永磁同步發(fā)電機(jī)轉(zhuǎn)速曲線，圖中實(shí)線是經(jīng)PSO算法優(yōu)化后的滑?？刂疲摼€則表明常規(guī)的PI控制，顯然當(dāng)PI控制具有快速響應(yīng)時(shí)，超調(diào)量很大；而SMC控制既能保證響應(yīng)速度快，轉(zhuǎn)速響應(yīng)超調(diào)量很小；由此可見，采用PSO算法優(yōu)化后的滑?？刂破骶哂懈玫目刂菩阅?。

圖6　優(yōu)化參數(shù)后永磁同步發(fā)電機(jī)轉(zhuǎn)速

風(fēng)力發(fā)電機(jī)在實(shí)際運(yùn)行過程中會遇到陣風(fēng)、風(fēng)切變、負(fù)載變化等復(fù)雜情況，一方面要保證系統(tǒng)運(yùn)行穩(wěn)定，另一方面還要最大限度地捕獲風(fēng)能，提高風(fēng)力發(fā)電機(jī)的運(yùn)行效率。這就要求系統(tǒng)能跟蹤風(fēng)速變化，工作在最佳轉(zhuǎn)速。為了研究優(yōu)化后SMC控制性能，在1 s時(shí)，靜態(tài)風(fēng)速由5 m/s躍變至13 m/s。當(dāng)風(fēng)速超過額定風(fēng)速以后，變漿控制系統(tǒng)起作用，從而限制了風(fēng)力機(jī)的風(fēng)能捕獲。圖7表明了SMC控制能有效控制風(fēng)力發(fā)電機(jī)轉(zhuǎn)速。圖8為永磁同步風(fēng)力發(fā)電機(jī)所發(fā)出的電磁功率，隨風(fēng)速變大，所捕獲的風(fēng)能也隨之增加。

圖7　風(fēng)速階躍時(shí)永磁同步發(fā)電機(jī)轉(zhuǎn)速曲線

圖8　永磁同步發(fā)電機(jī)電磁功率

對于永磁同步發(fā)電機(jī)來說，由于發(fā)電機(jī)內(nèi)環(huán)采用電流環(huán)，而d軸采用id=0的控制方式，所以，d軸電流被控制于id=0處，如圖9所示，顯然在SMC控制時(shí)，d軸電流更趨于0，控制精度也高；如圖10所示，永磁同步電機(jī)控制系統(tǒng)穩(wěn)態(tài)運(yùn)行時(shí)的q軸電流響應(yīng)也表明SMC具有良好的穩(wěn)態(tài)性能。

風(fēng)力機(jī)所處環(huán)境風(fēng)速隨機(jī)性，波動性等動態(tài)變化特點(diǎn)。進(jìn)一步研究了參數(shù)優(yōu)化的SMC控制對永磁同步風(fēng)力發(fā)電機(jī)在動態(tài)風(fēng)況下的運(yùn)行狀況，風(fēng)速設(shè)定為v=，由ωgopt=λoptv/Rt得到轉(zhuǎn)速給定；其中λopt=8.1。顯然PI控制對于動態(tài)跟蹤控制略顯不足，而SMC卻能滿足跟蹤性能。

仿真分析表明，雖然PI控制具有算法簡單、可靠性高及調(diào)整方便等優(yōu)點(diǎn)；但是永磁同步發(fā)電機(jī)是一個(gè)多變量、強(qiáng)耦合、非線性、變參數(shù)的復(fù)雜對象，采用常規(guī)PI控制雖然在一定范圍內(nèi)能滿足控制要求；在系統(tǒng)參數(shù)發(fā)生變化或受到外界不確定因素的影響時(shí)，并不能滿足高性能控制的要求。由于滑?？刂破骺墒瓜到y(tǒng)的狀態(tài)變量在滑模面上運(yùn)動；當(dāng)選擇適當(dāng)?shù)幕Ｚ吔蓵r(shí)，系統(tǒng)狀態(tài)變量軌跡離滑模面較遠(yuǎn)時(shí)，趨近規(guī)律使?fàn)顟B(tài)量軌跡趨向滑模面，提高了趨近速度，而當(dāng)接近滑模面時(shí)，趨近律速度接近為零，這樣既有效地減小了進(jìn)入滑模面的初始系統(tǒng)抖振，也明顯改善系統(tǒng)控制性能。

圖9　永磁同步發(fā)電機(jī)d軸電流

圖10　永磁同步發(fā)電機(jī)q軸電流

圖11　永磁同步發(fā)電機(jī)轉(zhuǎn)速

6　結(jié)束語

本文提出直驅(qū)永磁同步轉(zhuǎn)速滑模變結(jié)構(gòu)控制器，能對擾動大的系統(tǒng)有很好的控制性能，大大改善了系統(tǒng)魯棒性，提高了系統(tǒng)的響應(yīng)速度，也論證了本文的控制策略的正確性和可行性。采用PSO算法對滑模控制器參數(shù)的離線優(yōu)化可使控制性能得到改善。優(yōu)化后的SMC擁有更好的穩(wěn)態(tài)和動態(tài)性能以及抗擾能力，同時(shí)證明了采用粒子群優(yōu)化算法進(jìn)行SMC參數(shù)優(yōu)化是有效可行的。

［1］尹明，李庚銀，張建成，等.直驅(qū)式永磁同步發(fā)電機(jī)組建模及其控制策略［J］.電網(wǎng)技術(shù)，2007，31（15）：61-65.

［2］姚駿，廖勇，瞿興鴻，等.直驅(qū)永磁同步風(fēng)力發(fā)電機(jī)的最佳風(fēng)能跟蹤控制［J］.電網(wǎng)技術(shù)，2008，32（10）：11-15.

［3］姚駿，廖勇，瞿興鴻，等.直驅(qū)永磁同步風(fēng)力發(fā)電機(jī)單位功率因數(shù)控制［J］.電機(jī)與控制學(xué)報(bào)，2010，14（6）：13-20.

［4］嚴(yán)干貴，魏治成，穆鋼，等.直驅(qū)永磁同步風(fēng)電機(jī)組的最優(yōu)功率運(yùn)行控制［J］.電機(jī)與控制學(xué)報(bào)，2009，13（1）：56-61.

［5］嚴(yán)干貴，魏治成，穆鋼，等.直驅(qū)永磁同步風(fēng)電機(jī)組的動態(tài)建模與運(yùn)行控制［J］.電力系統(tǒng)及其自動化學(xué)報(bào)，2009，21（6）：34-39.

［6］楊俊華，吳捷.風(fēng)力發(fā)電機(jī)組的非線性控制［J］.動力工程，2003，23（6）：2803-2809.

［7］童克文，張興，張昱，等.基于新型趨近律的永磁同步電動機(jī)滑模變結(jié)構(gòu)控制［J］.中國電機(jī)工程學(xué)報(bào)，2008，28（21）：102-106.

［8］張曉光，趙克，孫力，等.永磁同步電動機(jī)滑模變結(jié)構(gòu)調(diào)速系統(tǒng)新型趨近律控制［J］.中國電機(jī)工程學(xué)報(bào)，2011，31（24）：77-82.

［9］張曉光，趙克，孫力，等.永磁同步電機(jī)滑模變結(jié)構(gòu)調(diào)速系統(tǒng)動態(tài)品質(zhì)控制［J］.中國電機(jī)工程學(xué)報(bào)，2011，31（15）：47-52.

［10］Shi Y，Eberhart R C.A modified particle swarm optimizer［C］//IEEE International Conference of Evolutionary Computation，Anchorage，Alaska，May 1998.

［11］徐峰，李東海，薛亞麗.基于ITAE指標(biāo)的PID參數(shù)整定方法比較研究［J］.中國電機(jī)工程學(xué)報(bào)，2003，23（8）：206-210.

［12］周國鵬，柳學(xué)坤，何晉元.基于控制系統(tǒng)優(yōu)化的ITSE目標(biāo)函數(shù)的研究［J］.微計(jì)算機(jī)信息，2006（8）：46-47.

［13］張福波，王國棟，張殿華，等.PID控制器參數(shù)的ITAE最佳設(shè)定公式［J］.東北大學(xué)學(xué)報(bào)，2005（8）：755-758.

［14］朱紅萍，羅隆福.基于ITAE指標(biāo)的PID控制器參數(shù)優(yōu)化設(shè)計(jì)［J］.電氣自動化，2009（6）：37-39.

［15］王介生，王金城，王偉.基于粒子群算法的PID控制器參數(shù)自整定［J］.控制與決策，2005，20（1）：73-81.

Permanent magnet synchronous generation based on particle swarm optimized sliding mode control strategy.

ZHANG Min，TANG Dongcheng，ZHANG Junyue，YI Zhiwei，ZHU Hongping，CHEN Wei

School of Information and Electrical Engineering，Hunan University of Science and Technology，Xiangtan，Hunan 411201，China

A sliding mode controller with Particle Swarm Optimization（PSO）algorithm optimization of the controller parameters is designed to enhance the performances of Direct-drive Permanent Magnet Synchronous Generator（D-PMSG）control system.The results indicate that the sliding mode controller has better performance compared with traditional Proportional Integral（PI）controller，and the PSO algorithm is proved valid for the design of sliding mode controller in addition. Key words：wind power；Permanent Magnet Synchronous Generator；sliding mode control；Particle Swarm Optimization（PSO）

A

TP27；TM714

10.3778/j.issn.1002-8331.1311-0166

湖南省教育廳重點(diǎn)項(xiàng)目（No.13A021）；湖南省研究生科研創(chuàng)新項(xiàng)目（No.CX2013B403）；湖南省自然科學(xué)基金（No.11JJ9013）；湖南省教育廳科學(xué)項(xiàng)目（No.11K027）。

張敏（1963—），男，教授，博士，碩士生導(dǎo)師，主要從事非線性控制系統(tǒng)分析與控制等教學(xué)與科研工作；唐東成（1987—），男，碩士研究生，研究方向?yàn)閺?fù)雜系統(tǒng)分析與控制。E-mail：tangdongcheng1028@126.com

2013-11-12

2014-02-21

1002-8331（2015）22-0266-05

CNKI網(wǎng)絡(luò)優(yōu)先出版：2014-11-04，http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1311-0166.html