基于GA-Newton法的异步电机改进模型参数辨识

简介

针对传统的异步电机参数辨识存在磁链输入项无法直接获得、观测器设计复杂的缺点,提出了一种将电流定向坐标系下的磁链模型和两相静止坐标系下的电流一阶导数模型结合的改进参数辨识模型。该模型的所有信号均为可直接检测的状态变量,减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。为了解决传统遗传算法收敛速度慢,易局部收敛的缺点,将遗传算法与牛顿法结合,提高了遗传算法的收敛速度和搜索能力。实验结果表明,利用GA-Newton（遗传-牛顿）法进行参数辨识鲁棒性强、收敛性好。在额定转速下,待辨识参数能够在较短的时间内收敛,具有较高的精度,同时也克服了一般遗传算法对辨识参数初始值要求高的缺点。