中国电机工程学报
中國電機工程學報
중국전궤공정학보
ZHONGGUO DIANJI GONGCHENG XUEBAO
2012年
z1期
249-255
,共7页
寇攀高%付亮%王辉斌%何里%黄波
寇攀高%付亮%王輝斌%何裏%黃波
구반고%부량%왕휘빈%하리%황파
同步发电机%参数辨识%粒子群优化%量子操作
同步髮電機%參數辨識%粒子群優化%量子操作
동보발전궤%삼수변식%입자군우화%양자조작
为解决同步发电机三阶非线性模型参数辨识问题,在将参数辨识问题转化为非线性优化问题的基础上,引入粒子群优化(particle swarm optimization,PSO)算法.考虑到PSO收敛速度慢、参数辨识精度低,而量子粒子群优化(quantum particle swarm optimization,QPSO)算法收敛速度快、具有较好的全局搜索能力,将量子操作引入到PSO算法中,提出了粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)优化算法.仿真试验结果表明,与PSO算法、QPSO算法相比,PSO-QO算法收敛速度快、参数辨识精度高、算法更为稳定;与经典扩展卡尔曼滤波(extended Kalman filter,EKE)方法相比,PSO-QO具有更强的鲁棒性,尽管强噪声条件下参数辨识精度有所下降,但效果仍优于EKF.
為解決同步髮電機三階非線性模型參數辨識問題,在將參數辨識問題轉化為非線性優化問題的基礎上,引入粒子群優化(particle swarm optimization,PSO)算法.攷慮到PSO收斂速度慢、參數辨識精度低,而量子粒子群優化(quantum particle swarm optimization,QPSO)算法收斂速度快、具有較好的全跼搜索能力,將量子操作引入到PSO算法中,提齣瞭粒子群-量子操作(particle swarm optimization with quantum operation,PSO-QO)優化算法.倣真試驗結果錶明,與PSO算法、QPSO算法相比,PSO-QO算法收斂速度快、參數辨識精度高、算法更為穩定;與經典擴展卡爾曼濾波(extended Kalman filter,EKE)方法相比,PSO-QO具有更彊的魯棒性,儘管彊譟聲條件下參數辨識精度有所下降,但效果仍優于EKF.
위해결동보발전궤삼계비선성모형삼수변식문제,재장삼수변식문제전화위비선성우화문제적기출상,인입입자군우화(particle swarm optimization,PSO)산법.고필도PSO수렴속도만、삼수변식정도저,이양자입자군우화(quantum particle swarm optimization,QPSO)산법수렴속도쾌、구유교호적전국수색능력,장양자조작인입도PSO산법중,제출료입자군-양자조작(particle swarm optimization with quantum operation,PSO-QO)우화산법.방진시험결과표명,여PSO산법、QPSO산법상비,PSO-QO산법수렴속도쾌、삼수변식정도고、산법경위은정;여경전확전잡이만려파(extended Kalman filter,EKE)방법상비,PSO-QO구유경강적로봉성,진관강조성조건하삼수변식정도유소하강,단효과잉우우EKF.