阅读说明：本技术 一种永磁同步电机转速环自抗扰控制器参数整定方法 (Parameter setting method for rotating speed ring active disturbance rejection controller of permanent magnet synchronous motor ) 是由 杜昭平 李伟 吴伟 王伟然 伍雪冬 李建祯 于 2019-11-08 设计创作，主要内容包括：本发明公开了一种永磁同步电机转速环自抗扰控制器参数整定方法,建立转速和电流双闭环控制结构,根据Tent映射反向学习初始化灰狼种群策略,采用随迭代次数增加而非线性变化的收敛因子,并在算法中狼群位置更新环节引入levy飞行策略进行变异操作,最终获得整定后的参数。本发明从初始化改进灰狼优化算法种群,根据帐篷映射反向学习策略对灰狼种群初始化、设计一种随迭代次数增加非线性变化的收敛因子和在狼群位置更新环节引入levy飞行策略三方面提出了一种改进灰狼优化算法,可以提高算法初始种群的多样性,对复杂搜索的适应性与调节性更好,可以避免陷入局部最优,提高算法的收敛速度与全局寻优能力,效果较其它改进灰狼优化算法更优。(The invention discloses a parameter setting method for a permanent magnet synchronous motor rotating speed ring active disturbance rejection controller, which comprises the steps of establishing a rotating speed and current double closed loop control structure, initializing a gray wolf population strategy according to Tent mapping reverse learning, adopting a convergence factor which changes nonlinearly along with the increase of iteration times, introducing a levy flight strategy in a wolf population position updating link in an algorithm for variation operation, and finally obtaining a set parameter. The invention provides an improved gray wolf optimization algorithm from the three aspects of initializing an improved gray wolf optimization algorithm population, initializing the gray wolf population according to a tent mapping reverse learning strategy, designing a convergence factor which increases nonlinear change along with the number of iterations and introducing a levy flight strategy in a wolf population position updating link, which can improve the diversity of the initial population of the algorithm, has better adaptability and adjustability to complex search, can avoid falling into local optimum, improves the convergence speed and the global optimizing capability of the algorithm, and has better effect than other improved gray wolf optimization algorithms.)

一种永磁同步电机转速环自抗扰控制器参数整定方法

技术领域

本发明涉及同步电机技术领域，具体涉及一种基于IGWO算法的永磁同步电机转速环自抗扰控制器参数整定方法。

背景技术

永磁同步电机与普通电机相比，具有体积小、结构简单、转矩惯性比高、可靠性高的特点，依靠其自身性能优势，已经在工业自动化领域得到广泛应用。然而，永磁同步电机是一个多变量和强耦合的非线性系统，同时还存在参数变化和负载扰动等因素，常规的PID控制难以满足现实的控制需求，会导致永磁同步电机的转速控制性能下降，影响系统的控制效果。

近年来，国内外研究人员针对这一问题，采用了许多控制方法，如：模糊控制，反推控制、自适应控制及滑模控制等。自抗扰控制技术将经典的PID控制与现代控制理论结合，是一种采用动态线性补偿的非线性控制算法，其最突出的特征就是把作用于被控对象的所有不确定因素作用都归为“未知扰动”，用对象的输入输出信息对它进行估计和补偿，从而达到自动抗扰的目的。自抗扰控制不需要直接测量外扰作用，也不需要事先知道扰动的规律，利用自抗扰控制的这个特点，便可以把多变量系统子系统间的耦合作用也当作是一种不确定因素而归为“未知扰动”来进行解耦控制，最终使系统能有效抑制由各种扰动带来的影响，达到精确控制目的。

自抗扰控制器的控制性能取决于控制器内部的参数，如何整定众多参数，使控制器工作于最佳状态，是自抗扰应用中的一个难题。传统经验法整定效果差，还有学者引入模糊控制对参数进行整定，但模糊规则设计困难。

发明内容

本发明提供了一种永磁同步电机转速环自抗扰控制器参数整定方法，以解决现有技术中解决了永磁同步电机中转速环自抗扰控制器存在参数难整定、系统的转速控制精度低，响应性与稳定性低的问题。

本发明提供了一种永磁同步电机转速环自抗扰控制器参数整定方法，包括：

步骤1：采用速度外环和电流内环，构建具有一阶自抗扰速度控制器的永磁同步电机控制闭环回路；

步骤2：设置改进灰狼优化算法的参数，包括设置灰狼种群的规模、灰狼种群的搜索孔径维数、算法最大迭代次数、自抗扰控制器中无需整定的参数以及终止条件；

步骤3：采用帐篷映射反向学习策略对改进灰狼优化算法中灰狼种群进行初始化，将灰狼种群中的每个灰狼个体的位置向量依次作为自抗扰控制器待整定的参数，并对所述步骤1中构建的永磁同步电机控制闭环回路进行仿真，同时执行步骤4至步骤7的迭代过程；

步骤4：根据适应度函数计算每个灰狼个体的适应度函数值，并对所有灰狼个体的适应度函数值进行排序，将排序前三的灰狼个体分别记为α狼，β狼和δ狼，其余的灰狼个体记为ω狼；

步骤5：根据当前迭代次数获取非线性变化的收敛因子，然后获取系数向量A和C；

步骤6：将ω狼根据α狼，β狼和δ狼的位置与所述系数向量A和C进行更新，获得新灰狼种群，然后采用levy飞行策略对新灰狼种群中的所有灰狼个体进行变异操作，并根据灰狼个体的当前适应度函数值更新灰狼个体的位置；

步骤7：当满足停止条件时，输出自抗扰控制器最优参数和对应的适应度函数值，停止迭代。

进一步地，所述步骤3中采用帐篷映射反向学习策略对改进灰狼优化算法中灰狼种群进行初始化的具体方法为：首先采用帐篷映射初始化灰狼种群，在D维空间中生成混沌序列x＝{x_d,d＝1,2,...D}，将生成的混沌序列通过公式X＝X_min+x_t·(X_max-X_min)映射到灰狼种群的取值区间，得到灰狼种群的X，其中X_min和X_max为X的搜索上下界，其次将灰狼种群的X通过反向学习产生反向灰狼种群OX，最后将灰狼种群和反向灰狼种群合并得到新灰狼种群，计算新灰狼种群中的所有灰狼个体的适应度函数值并排序，选取其中适应度函数值最好的数个灰狼个体作为初始灰狼种群，完成灰狼种群初始化。

进一步地，所述步骤3中根据如下公式对灰狼种群进行反向学习，

其中，p为反向学习概率。

进一步地，所述步骤4中的适应度函数如下：

J＝w₁[Δω]²+w₂[e(t)]²

其中，w₁和w₂是权值。

进一步地，所述步骤5中根据当前迭代次数获取非线性变化的收敛因子，并获取系数向量A和C的具体公式如下：

其中：m是非线性调节系数，t是当前迭代次数，M是最大迭代次数。

进一步地，所述步骤6中并根据灰狼个体的当前适应度函数值更新灰狼个体的位置的方法为：当灰狼个体的当前适应度函数值小于变异操作之前的灰狼个体的适应度函数值时，更新该灰狼个体的位置。

本发明的有益效果：

1.采用速度外环和电流内环的双环控制结构，外环使用自抗扰控制器，内环使用PID控制器，一种含有一阶自抗扰速度控制器的永磁同步电机控制闭环回路。

2.从初始化改进灰狼优化算法种群，根据帐篷映射反向学习策略对灰狼种群初始化、设计一种随迭代次数增加非线性变化的收敛因子和在狼群位置更新环节引入levy飞行策略三方面提出了一种改进灰狼优化算法，可以提高算法初始种群的多样性，对复杂搜索的适应性与调节性更好，可以避免陷入局部最优，提高算法的收敛速度与全局寻优能力，效果较其它改进灰狼优化算法更优。

3.本发明将所提出的改进灰狼优化算法应用到转速环自抗扰控制器参数整定问题中，可以获得最优的控制器参数，解决了控制器存在参数难整定的问题，提高了系统的转速控制精度，响应性与稳定性。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1为本发明步骤1中构建的永磁同步电机控制闭环回路结构示意图；

图2为本发明的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供一种永磁同步电机转速环自抗扰控制器参数整定方法是建立在由速度外环和电流内环，构建具有一阶自抗扰速度控制器的永磁同步电机控制闭环回路上的，本发明方法首先基于帐篷映射(简称：Tent映射)初始化灰狼种群，产生具有较好的多样性的初始灰狼种群，其次通过反向学习产生反向灰狼种群对灰狼种群进行优化，并根据优化后的灰狼种群对闭环回路进行仿真。仿真的同时，通过在迭代过程反复获取非线性变化的收敛因子，并在对灰狼个***置更新是引入levy飞行策略进行变异操作，提高算法的跳出局部最优的能力，减小了参数误收敛的可能性。

如图2所示，本发明实施例提供一种永磁同步电机转速环自抗扰控制器参数整定方法的具体步骤如下：

步骤1：采用速度外环和电流内环，构建具有一阶自抗扰速度控制器的永磁同步电机控制闭环回路，其中，自抗扰速度控制器包括：一阶跟踪微分器(简称：TD)、二阶扩张状态观测器(简称：ESO)和状态误差反馈律(简称：NLSEF)。

TD包括给定的速度信号ω^*安排过程，进而得到快速无超调的跟踪值和生成控制律所需要的给定转速的微分信号：

式中：ω₁为系统的反馈速度；ω^*为系统的给定速度；r为可调参数；fal(e₀,α₀,δ₀)快速最优控制综合函数，是在原点附近具有线性连续的幂次函数，其通用表达式为：

式中：e为误差信号；α为可调参数；δ为滤波因子，sgn(e)为符号函数。

ESO包括跟踪速度反馈值ω，系统的状态变量的估计值z₁和系统总扰动的实时估计值z₂，其具体表达式为：

式中：ω为电机实际转速，z₁为实际转速的状态估计，z₂为未知扰动的估计值，i_q为电机的q轴电流，β₀₁和β₀₂为两个可调参数。

NLSEF是将TD给出的跟踪信号ω₁与ESO中得到的状态变量估计值z₁之间的误差经过非线性处理得到初级控制量u₀，再经扰动补偿得自抗扰控制器的控制作用输出：

式中：β₃为可调参数。

根据设计自抗扰控制器的过程，确定待优化的参数是r，β₀₁，β₀₂和β₃。

步骤2：设置改进灰狼优化算法的参数，包括设置灰狼种群的规模、灰狼种群的搜索孔径维数、算法最大迭代次数、自抗扰控制器中无需整定的参数以及终止条件；

步骤3：采用帐篷映射反向学习策略对改进灰狼优化算法中灰狼种群进行初始化，将灰狼种群中的每个灰狼个体的位置向量依次作为自抗扰控制器待整定的参数，并对步骤1中构建的永磁同步电机控制闭环回路进行仿真，同时执行步骤4至步骤7的迭代过程；

首先采用Tent映射初始化灰狼种群，在D维空间中生成混沌序列x＝{x_d,d＝1,2,...D}，将产生的混沌序列x按照公式X＝X_min+x_t·(X_max-X_min)映射到灰狼种群的取值区间，得到灰狼种群X，其中X_min和X_max为X的搜索上下界。

其次通过反向学习产生反向灰狼种群，即根据一定的概率对灰狼种群X进行反向学习，获得灰狼种群X的反向灰狼种群OX，其具体公式为：

式中：p为反向学习概率。

最后将灰狼种群X和反向灰狼种群OX合并得到新灰狼种群X_new＝{X∪OX},然后计算X_new中的所有灰狼个体适应度函数值并排序，选取其中适应度函数值最好的N个灰狼个体作为初始灰狼种群。

步骤4：根据适应度函数计算每个灰狼个体的适应度函数值，并对所有灰狼个体的适应度函数值进行排序，将排序前三的灰狼个体分别记为α狼，β狼和δ狼，其余的灰狼个体记为ω狼；

步骤5：根据当前迭代次数获取非线性变化的收敛因子，然后获取系数向量A和C，用于后续狼位置更新；

步骤6：将ω狼根据α狼，β狼和δ狼的位置与系数向量A和C进行更新，获得新灰狼种群，然后采用levy飞行策略对新灰狼种群中的所有灰狼个体进行变异操作，并根据灰狼个体的当前适应度函数值更新灰狼个体的位置；

首先将其余的ω狼根据α狼，β狼和δ狼的位置与系数向量A和C进行更新自身位置，获得新的灰狼种群，然后采用levy飞行策略对灰狼个***置进行变异操作，当灰狼个体的当前适应度函数值小于变异操作之前的灰狼个体的适应度函数值时，更新该灰狼个体的位置。levy飞行策略的长期短距离搜索可以让灰狼种群在当前最优解的周围持续搜索猎物，突出局部搜索能力；levy飞行策略的偶尔长距离跳跃式搜索扩大了灰狼种群的寻优范围，提升了灰狼种群的全局搜索能力。其表达式如下：

其中，r₁和r₂为[0,1]的随机数，

s为随机步长，u和v分别在[0,1]区间内服从正态分布，β＝1.5。

步骤7：当满足停止条件时，输出自抗扰控制器最优参数和对应的适应度函数值，停止迭代。

停止条件分为俩部分，在迭代次数没有到达最大迭代次数时，如果适应度函数值达到设置范围即终止；或者迭代次数到达最大迭代次数即终止。最后输出自抗扰控制器最优参数和对应的适应度函数值，将其应用到参数的设置中。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。