基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对感应电机参数辨识,采用3种智能优化算法,即遗传算法、蚁群算法、微粒群算法.感应电机的实际输出电流和电气模型的观测电流之间的差值被作为目标函数不断对电气模型中的参数进行更新,从而辨识全部的感应电机参数.变速运行实验是在电机不带负载的情况下进行的.通过实验,对感应电机参数辨识3种智能优化算法进行比较,并得出结论.遗传算法可以得到最准确的电机参数,微粒群算法次之,蚁群算法最差.蚁群算法所需时间最短,遗传算法次之,微粒群算法最长.
推荐文章
静止状态下的多相感应电机参数辨识方法
参数辨识
静止状态
低压大功率
多相感应电机
发电机励磁系统参数辨识三种智能算法的比较
发电机
励磁系统
参数辨识
智能优化算法
一种感应电机转动惯量的瞬态辨识方法
感应电机
转动惯量
无速度传感器
参数辨识
基于BAS算法优化的感应电机参数估计
感应电机
NARX神经网络
参数估计
天牛须搜索算法
收敛速度
预测精度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 感应电机参数辨识三种智能算法的比较
来源期刊 电机与控制学报 学科 工学
关键词 感应电机 矢量控制 参数辨识 智能优化算法
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 7-12
页数 分类号 TU313
字数 4374字 语种 中文
DOI 10.3969/j.issn.1007-449X.2010.11.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈振锋 西安理工大学自动化与信息工程学院 5 166 5.0 5.0
2 钟彦儒 西安理工大学自动化与信息工程学院 241 3752 34.0 50.0
3 李洁 西安理工大学自动化与信息工程学院 37 678 15.0 25.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (37)
同被引文献  (65)
二级引证文献  (128)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(4)
  • 引证文献(3)
  • 二级引证文献(1)
2013(7)
  • 引证文献(5)
  • 二级引证文献(2)
2014(8)
  • 引证文献(3)
  • 二级引证文献(5)
2015(19)
  • 引证文献(7)
  • 二级引证文献(12)
2016(28)
  • 引证文献(9)
  • 二级引证文献(19)
2017(30)
  • 引证文献(0)
  • 二级引证文献(30)
2018(28)
  • 引证文献(4)
  • 二级引证文献(24)
2019(28)
  • 引证文献(4)
  • 二级引证文献(24)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
感应电机
矢量控制
参数辨识
智能优化算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电机与控制学报
月刊
1007-449X
23-1408/TM
大16开
哈尔滨市学府路52号
14-46
1962
chi
出版文献量(篇)
3540
总下载数(次)
7
论文1v1指导