[论文解读] New Method for Accurate Parameter Estimation of Induction Motors Based on Artificial Bee Colony Algorithm

Mohammad Jamadi, Farshad Merrikh‐Bayat|arXiv (Cornell University)|Feb 18, 2014

Electric Motor Design and Analysis参考文献 16被引用 10

一句话总结

本文提出一种人工蜂群（ABC）算法，通过最小化模型预测值与制造商提供的转矩、电流和功率因数之间的误差，以精确估计双笼型异步电动机的参数。ABC方法在收敛速度上优于遗传算法（GA）和粒子群优化算法（PSO），且在精度上与PAMP算法相当，展现出在转矩、电流和功率因数匹配任务中更快的收敛速度和更高的精度。

ABSTRACT

This paper proposes an effective method for estimating the parameters of double-cage induction motors by using Artificial Bee Colony (ABC) algorithm. For this purpose the unknown parameters in the electrical model of asynchronous machine are calculated such that the sum of the square of differences between full load torques, starting torques, maximum torques, starting currents, full load currents, and nominal power factors obtained from model and provided by manufacturer is minimized. In order to confirm the efficiency of the proposed method the results are also compared with those achieved by using GA, PSO, and PAMP. The simulations show that in the problem under consideration ABC converges considerably faster than other algorithms and the results are as accurate as PAMP.

研究动机与目标

• 开发一种鲁棒且高效的双笼型异步电动机参数估计方法，采用元启发式优化技术。
• 最小化模拟模型输出与实际制造商提供的关键性能指标（如起动转矩、额定负载转矩、最大转矩和功率因数）之间的误差。
• 与现有的元启发式算法（如GA、PSO和PAMP）相比，提升参数估计的收敛速度和精度。
• 通过在真实电机参数条件下进行对比仿真实验，验证ABC算法的有效性。

提出的方法

• 采用人工蜂群（ABC）算法优化双笼型异步电动机等效电路模型中的未知参数。
• 目标函数定义为模型预测值（转矩、电流、功率因数）与制造商提供的额定负载和起动条件下名义值之间差值的平方和。
• 该算法通过迭代搜索最优参数集，以最小化误差函数，模拟蜜蜂觅食行为。
• 该方法采用基于种群的搜索策略，包括雇佣蜂、观察蜂和侦察蜂，以高效探索和开发解空间。
• 优化过程受电机参数的物理和电气限制约束，以确保解的合理性。
• 在相同仿真条件和收敛指标下，将ABC的性能与GA、PSO和PAMP进行对比基准测试。

实验结果

研究问题

• RQ1 人工蜂群算法在估计异步电动机参数时，是否能实现比GA、PSO和PAMP更快的收敛速度？
• RQ2 基于ABC的方法在再现制造商提供的起动转矩、额定负载转矩、最大转矩、起动电流、额定负载电流和功率因数方面，其精度如何？
• RQ3 与其它元启发式算法相比，使用ABC算法在收敛速度与估计精度之间存在何种权衡？
• RQ4 ABC算法在参数估计过程中，对不同初始参数猜测是否保持鲁棒性和稳定性？
• RQ5 ABC方法在多大程度上减少了模拟结果与实际电机性能指标之间的误差？

主要发现

• ABC算法在估计异步电动机参数时，收敛速度显著快于GA、PSO和PAMP。
• ABC方法的估计精度与以高精度著称的PAMP算法相当。
• 采用ABC方法能有效最小化模型预测值与制造商数据之间差值的平方和。
• ABC方法在多次运行中表现出鲁棒性能，表明其在参数估计中具有良好的稳定性。
• 所提出的方法成功匹配了关键电机性能指标，包括起动转矩、额定负载转矩、最大转矩、起动电流、额定负载电流和额定功率因数。
• 仿真结果证实，对于给定的参数估计问题，ABC在收敛速度和最终解的精度方面均优于GA和PSO。