av合集,久久视频精品在线,免费无码肉片在线观看

基于優化BP神經網絡PID的永磁同步電機控制研究

來源：電工電氣發布時間：2024-12-02 10:02 瀏覽次數：309

基于優化BP神經網絡PID的永磁同步電機控制研究

王雷，王育安，崔玉鑫，眭曉倩，王毅

(河北科技大學電氣工程學院，河北石家莊 050018)

摘要：針對傳統 PID 控制在永磁同步電機控制系統中未能實現精準控制的問題，提出了一種基于改進蜣螂優化算法的 BP 神經網絡 PID 控制器，該控制器由 BP 神經網絡通過自適應方法來調整權重系數，解決了 PID 無法在線調節參數的缺點。針對 BP 神經網絡在進行反向傳播時陷入局部最優的概率較大，引入蜣螂優化算法通過適應度值不斷更新 BP 神經網絡核心參數，從而提高 BP 神經網絡的優化速率。對于蜣螂優化算法中存在初始種群質量不高及搜索能力不足等問題，對蜣螂優化算法進行混合策略優化，大大提升了蜣螂優化算法求解效率和精度。實驗結果表明該改進蜣螂優化算法可以有效地提高控制系統的響應速度，減小超調量，在轉速和負載突變的情況下都有較強的魯棒性。

關鍵詞： 永磁同步電機；改進蜣螂優化算法；BP 神經網絡；PID 控制

中圖分類號：TM315 文獻標識碼：A 文章編號：1007-3175(2024)11-0030-07

Research on Control of Permanent Magnet Synchronous Motor Based on

PID of Optimized BP Neural Network

WANG Lei, WANG Yu-an, CUI Yu-xin, SUI Xiao-qian, WANG Yi

（College of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China）

Abstract: In view of the problem that traditional PID control fails to achieve accurate control in the permanent magnet synchronous motor control system, a PID controller of BP neural network based on improved dung beetle optimization algorithm is proposed. The controller uses BP neural network to adjust the weight coefficient by adaptive method, which solves the shortcoming that PID can not adjust parameters online.Then, aiming at the high probability of BP neural network falling into local optimum when performing back propagation, the improved dung beetle optimization algorithm is introduced to continuously update the core parameters of the BP neural network through the adaptive value, so as to improve the optimization rate of the BP neural network. Furthermore, addressing issues like low initial population quality and inadequate search capability in the improved dung beetle optimization algorithm, a hybrid strategy is implemented to optimize the improved dung beetle optimization algorithm, which greatly improves the solving efficiency and accuracy of the improved dung beetle optimization algorithm. Experimental results demonstrate that the improved dung beetle optimization algorithm effectively enhances the response speed of the control system, reduces overshoot, and it has strong robustness to the case of speed and load sudden change.

Key words: permanent magnet synchronous motor; improved dung beetle optimization algorithm; BP neural network; PID control

參考文獻

[1] 李政，胡廣大，崔家瑞，等. 永磁同步電機調速系統的積分型滑模變結構控制[J] . 中國電機工程學報，2014，34(3) ：431-437.

[2] 劉景林，公超，韓澤秀，等. 永磁同步電機閉環控制系統數字 PI 參數整定[J] . 電機與控制學報，2018，22(4) ：26-32.

[3] 王松. 永磁同步電機的參數辨識及控制策略研究[D] .北京：北京交通大學，2011.

[4] 周佳，盧少武，周鳳星. 基于 RBF 神經網絡的永磁同步電機速度 PI-IP 控制[J]. 組合機床與自動化加工技術，2017(1) ：116-118.

[5] XUE Jiankai, SHEN Bo.Dung beetle optimizer:A new meta-heuristic algorithm for global optimization[J].The Journal of Supercomputing，2023，79(7) ：7305-7336.

[6] 趙強，王昊潔，謝春麗. 基于改進蜣螂優化算法的永磁同步電機參數辨識[J]. 重慶交通大學學報(自然科學版)， 2024，43(6) ：102-108.

[7] 邵明玲. 永磁同步電機的神經網絡模糊自適應控制[D].青島：青島大學，2016.

[8] HARNEFORS L, PIETILAINEN K, GERTMAR L.Torquemaximizing field-weakening control:Design,analysis,and parameter selection[J].IEEE Transactions on Industrial Electronics，2001，48(1) ：161-168.

[9] 王同旭，馬鴻雁，聶沐晗. 電梯用永磁同步電機 BP 神經網絡 PID 調速控制方法的研究[J] . 電工技術學報，2015，30(S1) ：43-47.

[10] 葉德住. 基于 BP 神經網絡的永磁同步電機控制[J] .微電機，2016，49(11) ：57-61.

[11] 郭琴，鄭巧仙. 多策略改進的蜣螂優化算法及其應用[J].計算機科學與探索，2024，18(4) ：930-946.

[12] TIZHOOSH H R.Opposition-based learning:A new schemefor machine intelligence[C]//International Conference on Computational Intelligence for Modelling , Control and Automation, and International Conference on Intelligent Agents, Web Technologies and Internet Commerce，2005.

[13] WANG Xingyuan, JIN Canqi.Image encryption using game of life permutation and PWLCM chaotic system[J].Optics Communications，2012，285(4) ：412-417.

[14] 郭振洲，王平，馬云峰，等. 基于自適應權重和柯西變異的鯨魚優化算法[J] . 微電子學與計算機，2017，34(9) ：20-25.

[15] 李飛，陳勇弟，魏小城，等. 基于改進麻雀搜索算法的微電網優化調度[J] . 智能計算機與應用，2024，14(5) ： 150-156.

[16] 付接遞，李振東，郭輝. 基于教與學和逐維柯西變異的鯨魚優化算法[J] . 計算機工程與科學，2023，45(5) ：940-950.

[17] 付華，劉昊. 多策略融合的改進麻雀搜索算法及其應用[J]. 控制與決策，2022，37(1) ：87-96.

返回索引列表

Article retrieval

文章檢索

基于優化BP神經網絡PID的永磁同步電機控制研究