永磁同步电机因其结构紧凑、噪声较少、功耗较少、运行速度快、操作稳定,已被普遍采用。针对永磁同步电机弱磁控制过程中,转速环参数选取采用传统PI(proportional-integral)控制方法,依靠经验整定参数,外界抗干扰能力较差、难以保证在...永磁同步电机因其结构紧凑、噪声较少、功耗较少、运行速度快、操作稳定,已被普遍采用。针对永磁同步电机弱磁控制过程中,转速环参数选取采用传统PI(proportional-integral)控制方法,依靠经验整定参数,外界抗干扰能力较差、难以保证在各运行区间具有优良性能等问题,提出了一种基于减法平均优化算法的永磁同步电机的弱磁和MTPA(maximum torque per ampere)控制的宽运行范围方法。将智能寻优算法、MTPA控制、弱磁控制三者相结合,利用减法平均优化算法优化PI控制器的参数,提高了系统的响应性能和抗干扰能力;工作电压未超过电压极限圆使用MTPA控制策略运行;工作电压超过电压极限圆利用电压闭环反馈,进行弱磁控制。使用MATLAB/Simulink构建的永磁同步电机弱磁控制仿真模拟,通过PI控制器和减法平均优化算法优化后的PI控制器性能对比,从仿真结果得到控制器方法的有效性。实验有效证明了该控制方法能够解决各种运行工况下控制器参数的优化整定问题,提高电机控制精度。展开更多
针对日趋严重的电网谐波污染亟需大量谐波数据支撑分析和治理及电网谐波监测能力不足的问题,提出一种改进减法平均优化(subtraction average based optimizer, SABO)算法优化反向传播(back-propagation, BP)神经网络实现谐波预测,以缓...针对日趋严重的电网谐波污染亟需大量谐波数据支撑分析和治理及电网谐波监测能力不足的问题,提出一种改进减法平均优化(subtraction average based optimizer, SABO)算法优化反向传播(back-propagation, BP)神经网络实现谐波预测,以缓解当前谐波数据匮乏的问题。为了克服现有SABO算法易于陷入局部最优解,初始化时使用Logistic混沌映射替代随机数,同时迭代搜索中利用黄金正弦优化算法辅助SABO跳出局部最优,从而提高BP神经网络预测准确率。最后,以某省实际运行数据验证所提改进SABAO-BP模型在谐波电压畸变率及单次谐波电压含有率预测中均具有较高准确性。展开更多
准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络...准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络的高铁沿线短期风速预测方法。首先,针对风速非线性和非平稳特性,采用极小化极大(min-max,MM)方法对风速数据进行归一化处理;其次,采用SABO算法中的“-v”方法对LSTM模型的关键参数搜索寻优,并构建风速预测模型;最后,以中国宝兰高铁沿线风速采集点采集的实测风速数据为例,对模型进行有效性检验。实验结果表明:SABO算法的寻优效果更加良好,预测精度更高,所建模型的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(route mean square error,RMSE)分别仅为11.96%、1.23%和16.47%,决定系数(r-square,R^(2))为0.995。与其他模型相比,通过SABO算法优化后的LSTM神经网络在短期风速预测上具有较好的拟合效果和更高的预测精度,可为高铁沿线大风预测预警提供一种新的方法和思路。展开更多
文摘永磁同步电机因其结构紧凑、噪声较少、功耗较少、运行速度快、操作稳定,已被普遍采用。针对永磁同步电机弱磁控制过程中,转速环参数选取采用传统PI(proportional-integral)控制方法,依靠经验整定参数,外界抗干扰能力较差、难以保证在各运行区间具有优良性能等问题,提出了一种基于减法平均优化算法的永磁同步电机的弱磁和MTPA(maximum torque per ampere)控制的宽运行范围方法。将智能寻优算法、MTPA控制、弱磁控制三者相结合,利用减法平均优化算法优化PI控制器的参数,提高了系统的响应性能和抗干扰能力;工作电压未超过电压极限圆使用MTPA控制策略运行;工作电压超过电压极限圆利用电压闭环反馈,进行弱磁控制。使用MATLAB/Simulink构建的永磁同步电机弱磁控制仿真模拟,通过PI控制器和减法平均优化算法优化后的PI控制器性能对比,从仿真结果得到控制器方法的有效性。实验有效证明了该控制方法能够解决各种运行工况下控制器参数的优化整定问题,提高电机控制精度。
文摘针对日趋严重的电网谐波污染亟需大量谐波数据支撑分析和治理及电网谐波监测能力不足的问题,提出一种改进减法平均优化(subtraction average based optimizer, SABO)算法优化反向传播(back-propagation, BP)神经网络实现谐波预测,以缓解当前谐波数据匮乏的问题。为了克服现有SABO算法易于陷入局部最优解,初始化时使用Logistic混沌映射替代随机数,同时迭代搜索中利用黄金正弦优化算法辅助SABO跳出局部最优,从而提高BP神经网络预测准确率。最后,以某省实际运行数据验证所提改进SABAO-BP模型在谐波电压畸变率及单次谐波电压含有率预测中均具有较高准确性。
文摘准确的高铁沿线风速预测是铁路灾害预警系统的基础需求,为了提升应对和处理强风灾害致突发事件的能力,提出一种基于减法平均优化(subtraction average based optimizer,SABO)算法优化长短时记忆(long short-term memory,LSTM)神经网络的高铁沿线短期风速预测方法。首先,针对风速非线性和非平稳特性,采用极小化极大(min-max,MM)方法对风速数据进行归一化处理;其次,采用SABO算法中的“-v”方法对LSTM模型的关键参数搜索寻优,并构建风速预测模型;最后,以中国宝兰高铁沿线风速采集点采集的实测风速数据为例,对模型进行有效性检验。实验结果表明:SABO算法的寻优效果更加良好,预测精度更高,所建模型的平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(route mean square error,RMSE)分别仅为11.96%、1.23%和16.47%,决定系数(r-square,R^(2))为0.995。与其他模型相比,通过SABO算法优化后的LSTM神经网络在短期风速预测上具有较好的拟合效果和更高的预测精度,可为高铁沿线大风预测预警提供一种新的方法和思路。
