基于SPPSO算法的时滞HBV模型的系统辨识研究

永磁直驱风电系统建模及其机电暂态模型参数辨识程玮;陈宏伟;石庆均【摘要】Aiming at the characters of direct-driven wind-power system with permanent magnet synchronous generator (PMSG) based on back-to-back pulse width modulation(PWM) converter, the wind turbine, the control strategies of turbine-side converter and grid-side con verter were analyzed. PMSG detail model using Matlah/Simulink was established. Based on this, electromechanical transient model for di rect-driven wind-turbine generator was constructed according to 3 orders synchronous generator model. Particle swarm optimization ( PSO) al gorithm was used to identify the parameter for the mathematical model. The simulation results show that the detail model can reflect direct- driven wind-power system' s operation as wind speed changing, while it can track the maximum power point. The electromechanical transient model coincides with the detail model well. It reflects the active and reactive power of the direct-driven wind-power system when grid voltage is changed. The parameter identification using PSO is effective. The results indicate that the detail model can be used to refine power output control strategy, the electromechanical transient model can be used to study direct-driven wind-power system interacted with the grid.%针对基于双脉宽调制(PWM)变换器的永磁直驱风电系统的运行特性,分析了风力机特性、电机侧变换器和电网侧变换器的控制策略,利用Matla/Simulink建立了反映电力电子开关动作的永磁直驱风电系统详细模型,并在此基础上根据同步电机3阶暂态模型,建立了直驱风机的机电暂态数学模型,采用粒子群算法(PSO)对模型进行了参数辨识.仿真结果表明,该详细模型能够描述永磁直驱风电系统对不同风速的响应,实现风能的最大功率跟踪；机电暂态数学模型与详细模型特性接近,能够从总体上反映永磁直驱风电系统对端电压变化的有功、无功响应,PS0参数辨识有效.研究结果表明,所建立的详细模型能够用于控制方式的研究以改善输出特性,机电暂态模型能够用于研究电网与永磁直驱风电系统的相互影响.【期刊名称】《机电工程》【年(卷),期】2012(029)007【总页数】4页(P817-820)【关键词】双脉宽调制变换器;机电暂态;参数辨识;粒子群算法【作者】程玮;陈宏伟;石庆均【作者单位】浙江大学电气工程学院,浙江杭州310027;浙江大学电气工程学院,浙江杭州310027;浙江大学电气工程学院,浙江杭州310027【正文语种】中文【中图分类】TM6140 引言当前，变速恒频(variable-speed constant-frequency，VSCF)风力发电系统已被广泛应用，其特点是通过先进的变速和变桨技术，在风速变化时调节发电机转速处于相应的最佳值从而最大限度地捕获风能，提高了风力发电的效率，且低风速情况下风机转速下降，从而大大降低了系统的机械应力和装置成本。

基于混沌PSO的SCARA机器人参数辨识丰非;扈宏杰【摘要】The kinematic model and dynamic model of selective compliance assembly robot arm(SCARA) robot have been established based on Denavit-Hartenberg method and Lagrange equation.Then the model is simplified to reduce the computation,the kinetic equation is transformed into a linear form to get the observation matrix and the parameters to be identified.An incentive trajectory is designed to finish the parameter identification.A chaos particle swarm (CPSO) algorithm is introduced to overcome the problem of premature convergence,CPSO uses the properties of ergodicity,stochastic property,and regularity of chaos to lead particles' exploration,the accuracy of parameter identification and convergence rate have been improved.Through the Matlab simulation test,this algorithm is more reliable and efficient than the least square method and basic PSO method.%该文基于Denavit-Hartenberg参数方法和Lagrange方程分别建立了平面关节型SCARA机器人的运动学模型和动力学模型.将机器人的动力学模型用观测矩阵和待辨识参数矩阵表述.在优化了激励轨迹的前提下,采用一种基于混沌粒子群(CPSO)的参数辨识算法,辨识动力学模型中的待辨识参数,利用混沌特性来提高种群的多样性和粒子搜索的遍历性,从而提高了参数的辨识精度和收敛速度.通过Matlab仿真实验,表明与传统最小二乘和基本PSO方法相比,该方法具有明显的有效性.【期刊名称】《自动化与仪表》【年(卷),期】2017(032)012【总页数】5页(P14-18)【关键词】平面关节型机器人;动力学建模;参数辨识;混沌PSO算法【作者】丰非;扈宏杰【作者单位】北京航空航天大学自动化科学与电气工程学院,北京100191;北京航空航天大学自动化科学与电气工程学院,北京100191【正文语种】中文【中图分类】TP242;TP273随着我国工业的高速发展，平面关节型SCARA机器人在工业生产的各个领域得到了广泛的应用[1]。

摘　要外骨骼是一种能够穿戴于人体外侧并协助人体行走的机械装置,可以帮助患者、老人、残疾人正常行走，有效提高其生活质量，因此对用于康复医疗的下肢外骨骼机器人的研究具有重要的现实意义和应用价值。

本文为开发一套下肢外骨骼机器人系统，涉及到机器人平台、系统参数辨识、人机运动控制的设计和实现，并利用该机器人平台开展相关健康人实验，为相关康复工程领域的关键问题研究奠定了基础。

首先搭建一套下肢外骨骼机器人平台。

主要工作有以下几点：1、首先在结构上通过设计可拉伸内凹连杆和腿部贴片以适应不同腿长人员穿戴的舒适性，使人机一体重心更偏向于中心，并根据腿部运动的极限位置设计可调安全限位模块，最后为充分检测人机之间耦合力和同步性，设计采用三维力传感器和姿态传感器测量人机之间各个维度耦合力矩和姿态误差。

2、其次根据下肢外骨骼系统应用场景设计测控系统。

其中电路系统的设计需要考虑电机驱动系统负载功率，硬件接口转换等。

其次为提高算法开发效率，针对下肢外骨骼机器人系统设计了一套基于MATLAB和LabVIEW联合开发软件平台，软件平台可自动将算法编译成控制器可识别的动态链接库并直接调用。

其次进行下肢外骨骼机器人系统建模与参数辨识。

对下肢外骨骼系统参数进行辨识是其运用的关键，根据其物理结构和运动特性对其采用拉格朗日动力学建模和人机接触力建模。

利用B­spline设计好的激励轨迹可减少回归矩阵病态，有效提高系统参数辨识结果的精度。

本文将采用一种基于生物地理学的学习粒子群优化(BLPSO)的启发式算法用于激励轨迹优化和系统参数识别，通过改善搜索策略，BLPSO不仅可以避免系统参数收敛到局部最小值，同时也可以提高系统参数的辨识精度。

然后为下肢外骨骼机器人设计控制器。

外骨骼机器人是一套高度非线性系统，结合系统辨识的模型参数并针对“机主人辅”控制方式设计了一套具有人机耦合力和运动摩擦力补偿的反步控制算法，通过稳定性分析证明了控制器的稳定性，该控制器相比与无模型控制(比如PID)，具有更多设计上的灵活性。

PSO算法介绍张丽丽(山西省国家税务局培训中心,山西太原030006;太原理工大学,山西太原030001) [摘　要]介绍了PSO算法的发展、基本原理,分析了算法中的参数,提出了常见的算法改进方法与应用领域。

[关键词]PSO算法;收敛性能;惯性权重一、引言E berhart和Kennedy通过对Heppner鸟类模型进行研究,认为鸟类寻找栖息地与对一个特定问题寻找解很类似,并通过修正该模型,使其具有社会性和智能性,以使微粒能够降落在最优解处而不降落在其它解处,提出了微粒群算法。

微粒群算法的基本思想是模拟鸟类的群体行为构建的群体模型。

PSO算法自提出以来,受到了国际上相关领域众多学者的关注和研究。

目前,其研究大致有两个方面:算法的改进和算法的应用。

二、PSO算法原理微粒群算法作为一种进化计算,同样沿用进化计算中“群体”和“进化”的概念,同样是依据微粒的个体适应值进行计算。

在PSO算法中,微粒群中的微粒表示问题的一个候选解,是由速度和位置两部分组成的个体,在n维搜索空间中飞行。

该微粒一方面具有自我性,可以根据自我的经验去判断飞行的速度和位置;另一方面具有社会性,可以根据周围微粒的飞行情况去调整自己的飞行速度和位置,不断地寻找个性和社会性之间的平衡。

设X i=(x i1,x i2,…,x in)为微粒i当前位置,V i=(v i1, v i2,…,v in)为微粒i的当前速度。

在进化过程中,记录微粒到当前为止的历史最好位置为P i=(p i1,p i2,…,p in),所有微粒的全局最好位置为P g= (p g1,p g2,…,p g n)。

最初始的PSO算法的进化方程可描述为:v ij(t+1)=v ij(t)+c1r1j(p ij(t)-x ij(t))+c2r2j(p gj(t) -x ij(t))(1) x ij(t+1)=x ij(t)+v ij(t+1)(2)为了改善(1)式的收敛性能,Y Shi与R C Eberhart于1998年首次在速度进化方程中引入惯性权重,(1)式变为: v ij(t+1)=ωv ij(t)+c1r1j(p ij(t)-x ij(t))+c2r2j(p g j(t) -x ij(t))(3)其中,ω称为惯性权重,用来实现全局搜索和局部开发能力之间的平衡。