期刊文献+

矿井提升机;异步电动机;矢量控制;混合PSO算法 被引量:3

HPS0 to Optimize Parameters of Asynchronous Motor Vector Control in Mine Hoist Application
原文传递
导出
摘要 在矿井提升机异步电机的矢量控制技术中,对于采用PI控制的电流闭环控制方式,PI控制器的参数的优化尤为重要。利用一种混合粒子群(PSO)算法对异步电机速度控制器的参数进行优化,并与常规控制器参数以及标准粒子群算法优化后的速度控制器参数进行比较,实验结果表明,用混合粒子群算法优化的参数,可以提高系统的控制速度、动态性能,对矿井提升机异步电机矢量控制的研究具有一定的理论和现实意义. In the mine hoist asynchronous motor vector control technology , for the current control loop with PI control,the PI controller parameters optimization is particularly important. Using a hybrid particle swarm PSO,algorithm for asynchronous motor compared with the conventional controller parameters speed to optimiz the controller parameters, and and after the standard particle swarm algorithm optimized of the speed controller parameters, the experimental results show that, with the hybrid particle swarm algorithm to optimize the parameters, can improve the system's speed control, dynamic performance of mine hoist, the asynchronous motor vector control research has certain theoretical and practical significance.
作者 曹建全 黄明 CAO Jian-quan, HUANG Ming (College of Electrical and Information Engineering, Anhui University of Science and Technology, Huainan 232001, China)
出处 《煤矿机械》 北大核心 2012年第4期206-208,共3页 Coal Mine Machinery
关键词 混合粒子群算法 矢量控制技术 矿井提升机 异步电动机 PSO算法 电机速度控制器 PI控制器 控制器参数 mine hoist induction motor vector control hybrid particle swarm optimization algorithm
  • 相关文献

参考文献5

二级参考文献16

  • 1马小亮.对异步机矢量控制和直接转矩控制的思考[J].电力电子,2004,2(1):10-13. 被引量:9
  • 2叶予光,梁南丁.矿井交流提升系统中PLC电控系统的应用与研究[J].煤矿机械,2004,25(9):128-129. 被引量:11
  • 3Cui Guangzhao,Niu Yunyun,Wang Yanfeng,Zhang Xuncai,Pan Linqiang.A new approach based on PSO algorithm to find good computational encoding sequences[J].Progress in Natural Science:Materials International,2007,17(6):712-716. 被引量:11
  • 4陈伯时.电力拖动自动控制系统[M].3版.北京:机械工业出版社,2003.
  • 5黄秀轩 朱学峰.改进的自适应遗传算法.中国学术期刊文摘,1998,14(11):1415-1417.
  • 6Holland J H. Adaptation in nature and artificial system. Ann Arber[ M]. University of Michigan press, 1975.
  • 7Jenkins W N. Structural optimization with the genetic algorithm [J]. The Structural Engineer, 1991,69 (24) :418-422.
  • 8D E Godberg, Genetic Algorithms in Search, Optimization and Machine Learning, Reading[M]. MA: Addison - Wesley, 1989.
  • 9Booker L B, Goldberg D E, Holland J H. Classifier systems and genetic algerithms[J]. Artificial Intelligence, 1989(40) : 135 - 182.
  • 10Back T. Evolutionary Algorithms in Theory and Practice[M]. New York: Oxford University Press, 1996.

共引文献34

同被引文献11

引证文献3

二级引证文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部