论文部分内容阅读
在永磁同步电机PID控制中,为了使PID得控制效果得到改善,需要修改PID的微分系数、比例系数、积分系数三个参数。在工业中,自动化控制领域的研究热点一直是PID的优化控制,在PID中加入一些优化算法能有效的提高参数的精度和寻优的时间,从而使PID的参数优化方法成为时下研究的热点,其中较为常用的永磁同步电机PID控制中参数的优化方法包括专家法,Z-N法和单纯型法等。最近几年,在控制系统中加入智能算法越来越普遍,PID控制器中加入神经网络控制算法的方法也逐渐兴起。以前的优化方法都比较简单,然而这些优化方法都有不足之处,例如专家法以经验知识为依据,专家知识库要不断修整和重新更正;Z-N法灵活性不高,且超过规定的量多。在神经网络算法中,由于其参数的优化过程不简单,使得其算法收敛的时间长,控制系统的精度降低,传统的粒子群算法搜寻最优位置时间久,且容易陷入局部寻优。这时,为解决PID参数优化中收敛度低、控制精度不高以及易陷入局部寻优的问题,基于柯西变异的粒子群算法对PID控制器的参数优化方法被提了出来。柯西变异粒子群算法是利用柯西变异较长的“尾部”使全局最优粒子(gbest)跳跃到一个更好的位置,逃离局部寻优,得到最优PID参数原理,首先构建电机电流环PI矢量控制的s函数模型,以及永磁同步电机的?0di时的矢量控制模型。然后,根据粒子群算法的性质,在带惯性权重的粒子群算法的基础上,加入柯西变异算子,得到柯西变异算法,再将永磁同步电机的矢量控制调速系统中加入基于柯西变异粒子群算法优化的PID参数的控制器,仿真验证该算法。实验结果表明,基于柯西变异粒子群算法的永磁同步电机PID参数优化具有寻优能力强,搜索能力高,稳定性好,动态性能良好的优点。