基于蝙蝠算法的永磁同步电机健康状态监测

基于蝙蝠算法-人工势场的机器人路径规划研究Research on robot path planning based on batalgorithm and artificial potential field李昶威，甘 屹，孙福佳，张鹏举LI Chang-wei, GAN Yi, SUN Fu-jia, ZHANG Peng-ju（上海理工大学，上海 200093）摘 要：为优化机器人路径规划全局最优问题，将人工势场法思想融入到蝙蝠算法中，建立基于人工势场蝙蝠算法（Bat Algorithm-Artificial Potential Field，BA-APF）：在蝙蝠算法的脉冲速率中引入动态扰动系数g，加强算法的局部搜索能力，在蝙蝠位置更新公式中加入引力势场系数，以加快算法收敛速度；在目标终点加入引力系数，障碍物加入斥力系数，以保证路径躲避障碍并到达终点。

BA-APF首先随机生成初始蝙蝠种群坐标，以路径最短、避开障碍物和危险区域，避免路径出现锐角转角为约束条件，在满足约束条件前提下构建合理的适应度函数。

然后，BA-APF随机生成初始蝙蝠种群坐标，将初代蝙蝠坐标带入势场化蝙蝠算法，通过对比适应度值求出初代最佳蝙蝠个体。

若满足局部搜索条件，则更新脉冲速率和声波响度并开始局部搜索策略，否则重复对蝙蝠位置和速度进行更新迭代，在优化后的路径和原最优路径进行适应度值中取其优值，并对路径进行三次样条插值使路径平滑衔接。

最后，在随机障碍环境下，分别对BA-APF、粒子群算法、基本蝙蝠算法进行路径规划实验对比。

结果表明，BA-APF在求解最优解以及算法迭代速度上，均优于对比算法。

关键词：路径规划；人工势场法；蝙蝠算法；三次样条插值中图分类号：TP391.9 文献标识码：A 文章编号：1009-0134(2021)02-0076-06收稿日期：2019-09-03基金项目：国家自然科学基金项目（51375314）作者简介：李昶威（1994 -），男，广东人，硕士，研究方向为智能制造。

一种基于拟牛顿法蝙蝠算法的网络故障检测方法
张义良;罗晓娟
【期刊名称】《微电子学与计算机》
【年(卷),期】2017(34)1
【摘要】针对现有的网络系统故障检测方式存在的检测精度不高、检测收敛速度慢和易陷入局部最优问题,综合了蝙蝠算法和拟牛顿法,提出了一种基于差分进化蝙蝠算法的网络系统故障检测方法(Quasi Newton-Bat Algorithm,QN-BA).该方式通过搭建滤波模型和残差模型,结合拟牛顿法蝙蝠算法得到模型的最优解,有效地规避了现有方式存在的问题.最后通过仿真实验深入研究了影响该故障检测方法的主要因素,并对比分析了该方法与NPSO-PF(新型粒子群优化滤波算法)和LWRLR(变学习率变加权递推最小二乘算法)的性能,验证了其有效性.
【总页数】4页(P128-131)
【关键词】故障检测;蝙蝠算法;拟牛顿法;残差
【作者】张义良;罗晓娟
【作者单位】萍乡学院计算机系
【正文语种】中文
【中图分类】TP393
【相关文献】
1.一种基于蝙蝠算法的工艺规划方法 [J], 范孝良;吴学华;赵爱林;王进峰
2.一种基于蝙蝠算法的工艺规划方法 [J], 范孝良;吴学华;赵爱林;王进峰;
3.一种基于蝙蝠算法的新型小波红外光谱去噪方法 [J], 陈媛媛;王志斌;王召巴
4.一种基于最优鲁棒故障检测滤波器的网络化控制系统故障检测方法 [J], 王永强;叶昊;Ding X.Steven;王桂增
5.一种基于蝙蝠算法的多目标跟踪数据关联方法 [J], 王宇杰;李宇;黄海宁
因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度学习的电机设备健康状态感知系统设计
杨娟;蒋辉;丁德秋
【期刊名称】《中国科技投资》
【年(卷),期】2022()36
【摘要】电机故障参数的波动性,导致对其健康状态的感知结果准确性较低。

为此,本研究提出基于深度学习的电机设备健康状态感知系统设计研究,以FLTQ-665型法兰式扭矩传感器和TPQL3320控制柜作为系统的硬件环境,当TPQL3320接收到FLTQ-665采集的电机运行参数信息后,采用自适应算法将其分割为正常健康数据和异常数据。

对于异常数据,利用深度学习中的BP神经网络对数据进行正向传播和误差逆传播,确定异常特征,实现对故障的感知。

测试结果表明,设计系统对电机设备健康状态感知的准确性可以达到99%以上。

【总页数】3页(P117-119)
【作者】杨娟;蒋辉;丁德秋
【作者单位】沈阳天眼智云信息科技有限公司
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于LabVIEW的风电机组齿轮箱健康状态监测系统设计
2.基于设备健康状态的燃煤机组发电能力评估系统设计
3.基于智能可穿戴设备感知的消防员状态监测与
分析系统设计4.基于智能感知和深度学习的养蚕管理系统设计5.基于智能感知与深度学习的智能变电站设备状态检测方法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于蝙蝠算法-随机森林分类算法和脉搏波的精神疲劳检测算
法
杨如民;雷倩;余成波
【期刊名称】《科学技术与工程》
【年(卷),期】2022(22)4
【摘要】针对精神疲劳易诱发多种慢性病甚至癌症但却难以精准量化评估的问题,提出了一种基于BA-RFC的光电容积脉搏波信号(photoplethysmographic,PPG)人体精神疲劳检测方法。

首先,以高校学生为测试对象,根据其精神疲劳状态进行分组,用PPG仪器测量受试者的脉搏波信号,建立元数据库。

接着以蝙蝠算法(bat algorithm,BA)和随机森林分类算法(random forest classification,RFC)相结合的疲劳检测模型,对元数据进行处理。

使用蝙蝠算法,通过迭代,获取并优选决策树和分类特性等参数,然后把最优决策树和分类特征参数应用到随机森林分类算法中,进行决策即识别疲劳状态。

仿真结果表明:BA-RFC算法能筛选出与疲劳相关性较高的特征,利用筛选后的特征进行疲劳识别,既优化了参数,又降低了维度灾难,提高了疲劳检测精度。

把识别准确率从93.3%提高到96.7%。

【总页数】7页(P1495-1501)
【作者】杨如民;雷倩;余成波
【作者单位】重庆理工大学电气与电子工程学院
【正文语种】中文
【中图分类】TN911.4
【相关文献】
1.基于心电与脉搏波的血压检测算法的改进
2.基于随机森林与特征提取算法的试验文本分类算法研究
3.基于大样本的随机森林恶意代码检测与分类算法
4.基于指端脉搏波视频信号的心率稳定检测算法
5.基于大样本的随机森林恶意代码检测与分类算法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于RBF神经网络的永磁同步电机无位置传感器控制
史婷娜;王向超;夏长亮
【期刊名称】《电工电能新技术》
【年(卷),期】2007(026)002
【摘要】本文通过分析永磁同步电机Id=0控制策略及其间接位置检测原理,提出了基于径向基函数(RBF)神经网络的无位置传感器控制方法.该方法首先构建一个隐层节点数为零的四输入两输出RBF网络,网络的输入为电机α-β轴上电压和电流,输出为转子转角和转速,然后在离线训练过程中按照自适应算法不断添加和删除隐层节点,形成一个结构简单、紧凑的RBF网络,最后采用梯度下降纠正误差法在线训练更新网络参数.该方法通过对电机α-β轴上电压和电流的映射,得到了电机转子的转角和转速,取代了传统的位置传感器.实验结果表明了该控制方法的有效性.
【总页数】5页(P16-19,44)
【作者】史婷娜;王向超;夏长亮
【作者单位】天津大学电气与自动化工程学院,天津,300072;天津大学电气与自动化工程学院,天津,300072;天津大学电气与自动化工程学院,天津,300072
【正文语种】中文
【中图分类】TM341
【相关文献】
1.一种基于RBF神经网络无位置传感器控制 [J], 刘小虎;谭笑
2.基于RBF神经网络的无刷直流电机无位置传感器控制 [J], 夏长亮;文德;范娟;杨
晓军
3.基于改进型ESO的表贴式永磁同步电机无位置传感器控制 [J], 孙佃升
4.基于参数辨识的水下推进永磁同步电机无位置传感器控制 [J], 陈尧伟;曾庆军;戴晓强;吴伟;李宏宇;姚震球
5.基于参数辨识的水下推进永磁同步电机无位置传感器控制 [J], 陈尧伟;曾庆军;戴晓强;吴伟;李宏宇;姚震球
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的永磁同步电机永磁磁链观测算法张杰;韩如成【摘要】为了提高永磁同步电机永磁磁链观测器的观测性能,提出了一种基于SSIUKF(超球体迭代无迹卡尔曼滤波)的永磁磁链辨识方法.在无迹卡尔曼滤波的观测更新阶段,用阻尼的高斯-牛顿算法对预测值进行迭代.在采样阶段采用超球体算法,有效减少改进后算法的计算量.仿真和实验结果表明,采用超球体迭代无迹卡尔曼滤波与无迹卡尔曼滤波相比,在保证观测实时性的同时,可以进一步提高永磁磁链辨识的准确性.【期刊名称】《电气传动自动化》【年(卷),期】2018(040)001【总页数】7页(P31-37)【关键词】永磁同步电机;永磁磁链辨识;超球体迭代无迹卡尔曼滤波【作者】张杰;韩如成【作者单位】太原科技大学电子信息工程学院,山西太原030024;太原科技大学电子信息工程学院,山西太原030024【正文语种】中文【中图分类】TM3511 引言近年来，永磁同步电机实时观测系统受到广大研究人员的密切关注［1］。

为了尽快发现电机系统出现的故障，防止故障恶化，需要对电机参数实时观测。

随着电机系统不断更新、发展，电机参数观测逐渐成为一项研究的热点。

永磁磁链是电机参数中重要的一部分。

它能反映出永磁体的工作状态。

电机在发生故障后，输出转矩降低，为了能够保持原来的转矩输出，电机的输入电流将会增大，导致电机温度持续上升，极易使永磁体产生失磁故障［1］。

因此，对电机永磁磁链进行实时观测十分重要。

在不同阶段研究人员对永磁磁链的观测都提出自己的新方法。

文献［2－5］分别采用最小二乘法、模型参考自适应法、滑膜变结构法以及卡尔曼滤波法对电机永磁磁链进行辨识。

基于观测器需要对电机参数不敏感，才能使观测结果更加准确。

本文采用卡尔曼滤波算法构建永磁磁链观测器。

由于电机系统是非线性模型，传统卡尔曼滤波法会在计算过程中产生线性化误差。

为了使监测结果更加精确，观测器采用无迹卡尔曼滤波（UKF）做为主体算法。

无迹卡尔曼滤波（UKF）以无迹变换（UT）为核心，在原状态分布中按照一定规则选取一些采样点（称为sigma点集），再代入非线性函数中计算，避免了在线性化处理的过程中产生误差。

基于EKF的永磁同步电机的磁链在线监测马箭;崔伟华;李祥飞【摘要】在永磁同步电动机中,永磁同步电动机的性能、效率和稳定性受到永磁体磁性的直接影响.为保证永磁同步电机的高鲁棒性,需要对永磁同步电动机中的永磁体信息进行实时在线监测.本文选择旋转坐标系下的定子电流和永磁体磁链为状态变量,建立一个能够实时提供准确永磁体磁链信息的EKF(扩展卡尔曼滤波器)系统.仿真结果验证了该算法的可用性并表明EKF滤波系统能准确地在线监测出磁链信息.【期刊名称】《湖南理工学院学报（自然科学版）》【年(卷),期】2014(027)004【总页数】4页(P49-52)【关键词】永磁同步电动机;扩展卡尔曼滤波器;永磁磁链【作者】马箭;崔伟华;李祥飞【作者单位】湖南工业大学电气与信息工程学院,湖南株洲412008;湖南工业大学电气与信息工程学院,湖南株洲412008;湖南工业大学电气与信息工程学院,湖南株洲412008【正文语种】中文【中图分类】TM351永磁同步电机效率高, 功率密度大, 转矩质量比高, 获得了广泛的应用. 然而永磁电机的永磁材料具有失磁等不稳定特性, 永磁体磁场的波动和失磁会使电机发热, 从而导致转矩性能变差, 严重情况下, 电机报废都很有可能, 因此研究永磁同步电机失磁故障在线检测具有重要意义. 在永磁同步电机磁链检测中, 纯积分方法常用于观测永磁同步电机磁链, 但是, 初值敏感性和直流漂移是纯积分方法的主要缺陷[1,2]. 卡尔曼滤波[3]是一种十分有效的方法, 已经经过实践检验后的永磁同步电动机动态特性的数学模型证明了其可行性. 系统的状态能够被扩展卡尔曼滤波器(EKF)的输出追踪, 这点同其他观测器一样, 然而,它是非线性和可变的, 不仅具有优化和自调整能力, 而且噪声对于测量的干扰也得到更好的抑制, 这点与其它观测器是不同的. 基于EKF的观测器, 转子磁链矢量的估计值可以直接得到[4]. 在不需要精确的初始条件下, EKF可使观测器稳定收敛, 从而它可以相对较好地完成对磁链的在线监测[5,6]. 本文对永磁同步电机磁链观测运用非线性反馈正交磁链补偿观测器和全阶观测器, 将静止坐标系下的电压、电流矢量转化为旋转坐标系下的电压、电流矢量, 并将旋转坐标系下的电压、电流分别作为EKF滤波系统中的输入、输出变量. 仿真结果表明, 采用扩展卡尔曼滤波器的磁链观测器能精确地监测到永磁电动机的永磁磁链. 在恒定于转子永磁体磁场方向的d−q坐标系下, 永磁同步电机的电压方程组可以写为其中ud、uq分别为定子绕组的旋转轴电压, Ld、Lq分别为定子绕组的旋转轴电感(隐极式永磁同步电机R为定子绕组相电阻, ω为转子磁场同步转速,为转子永磁体磁链, id、iq分别为定子绕组的旋转轴电流[7].在电机永磁体正常运转中, 会出现位置反馈信号不准确, 这将导致d−q轴定位发生偏差, 电机磁场定向方向将产生偏差角γ, 此时分量出现在永磁体磁链的d−q旋转轴中, 对应的电机绕组电压方程组则改变为[8]若把转子同步转速与永磁体磁链方向有偏差的旋转坐标系转角θ(运用同步转速积分可以得出)作为已知量, 把永磁体磁链作为待观测量, 则电压方程可以改写成以下方程组实际系统中永磁体磁链波动时间的单位一般都是以 min(分钟)甚至 h(小时)计算, 这些单位都远远大于电机系统调控的动态过程的时间, 而位置反馈装置的偏差同样不会引发磁链幅值的浮动, 所以旋转轴的磁链相对于电流等状态变量总是某一恒定值, 于是可以得到方程组[8]选取状态变量, 非线性系统模型和离散非线性测量方程可以写为其中根据式(5)～(10)计算可得雅克比矩阵从式(11)可知, 通过选取旋转d−q坐标系下的定子电流、永磁体磁链当作状态变量, 定子电压与输入和电感之间的商当作系统输入, 定子电流当作输出, 永磁同步电机系统是一个4阶系统.在式(9)、(10)中, u( t)为确定性输入向量, 方差矩阵分别为Q( t)和R, 并且与采样时间tk及系统状态x不相关,分别为测量噪声和系统噪声, 其均值为零. 初始状态向量x( t0)则是一具备方差0P、均值x0的高斯随机向量.对于永磁同步电机4阶系统, 扩展卡尔曼滤波器算法可以写为:其中分别为量测噪声协方差矩阵与系统噪声协方差矩阵, Ts为控制周期, H为恒值矩阵.式(12)～(16)表明扩展卡尔曼滤波由2个循环步骤组成: 第一步是状态预测, 第二步是状态更新. 状态预测阶段是从k⋅ Ts时刻到(k + 1)Ts时刻, 根据误差协方差P( k)和初始估计的状态x( k), 对误差的协方差和状态变量进行预估计. 在系统到达到(k + 1)Ts时刻时进行状态更新, 根据系统实测的输出y( k+1)来反馈补正在上一步预测出的协方差矩阵和它的状态估计值, 通过以上两个步骤循环运算之后, 便可估计出系统状态变量的最优值[9]..基于扩展卡尔曼滤波器的PMSM磁链在线监测方法原理如图1所示. 采用双闭环控制方案, 直轴采用id= 0控制方案, 速度控制器运用了PI控制, 速度控制器的输出作为交轴电流iq的给定. 两个电流调节器使用PI调节, 其输出再与解耦部分的模块进行运算, 可以得出两相旋转坐标系下电压ud、uq, 后经反park变换为两相静止坐标系下电压uα、uβ, 再由SVPWM运算模块得到IGBT逆变器的触发脉冲,从而控制永磁电动机的转速. EKF观测器模块采用扩展卡尔曼滤波器迭代法计算永磁磁链.在matlabR2009a的simulink环境下构建永磁同步电动机矢量控制系统的仿真模型, 永磁电动机电机参数为: 定子电阻R=2.875Ω, d−q旋转轴电感Ld=0.0085H , Lq=0.0085H , 永磁体磁链ψ=0.175Wb , 极对数P=4, 惯性系数J=0.008kg⋅m 2, 额定功率pN=2.2kW.考虑到跟踪速度和稳定性对于扩展卡尔曼滤波的影响, 采用了以下参数:仿真系统初始速度给定值为300rad/s, 永磁同步电机先空载启动, 在时间t=0.1s 时突加负载3N⋅ m转矩, 仿真结果如图2～5所示.由图2可知电磁转矩响应快、精度高. 由图3可知转子转速在0.02秒达到给定速度, 控制精度高. 由图4可知定子绕组电流波形为正弦波形, 谐波小. 图5表明磁链模值能迅速达到稳定, 结果达到0.175Wb,这与电机磁链参数设定值一致, 因此采用基于的 EKF方法能精确计算永磁同步电机的永磁磁链, 实现了参数在线监测.通过选择了旋转坐标系下的定子电流、永磁体磁链作为状态变量, 选择旋转坐标系下的定子电压与电感的商和定子电流为输入、输出向量, 构建了EKF观测器. EKF 算法具有预测和修正的功能, 它适用于对非线性系统的模型进行辨识和状态进行估计. 仿真结果表明永磁同步电机的磁链可以被准确的电机模型和通过改进非线性函数线性化方法后的EKF算法比较精确追踪, 该方法在高可靠性的永磁同步电机系统工程应用中有着非常好的应用前景.【相关文献】[1] 王成元, 夏加宽, 杨俊友, 等. 电机现代控制技术[M]. 北京: 机械工业出版社, 2006.5[2] 许峻峰, 徐英雷, 冯江华, 等. 基于改进型积分器的永磁同步电机直接转矩控制[J]. 电工技术学报, 2004,19(7): 77～80[3] 陈振, 刘向东, 勒永强, 等. 采用扩展卡尔曼滤波磁链观测器的永磁同步电机直接转矩控制[J]. 中国电机工程学报, 2008, 28(33): 75～81[4] 吕春宇. 基于IRMCF341的永磁同步电机控制控制系统研究[D]. 哈尔滨: 哈尔滨理工大学硕士学位论文, 2008.3[5] 刘英培, 万建如, 沈虹, 等. 基于EKF PMSM定子磁链和转速观测直接转矩控制[J]. 电工技术学报, 2009. 24 (12): 57～62[6] 杨金磊. 基于无传感器的永磁同步电动机矢量控制系统的研究[D]. 哈尔滨: 哈尔滨理工大学硕士学位论文, 2009.3[7] 肖曦, 张猛, 李永东. 永磁同步电机永磁体状况在线监测[J]. 中国电机工程学报, 2007, 27(24): 43～47[8] 谷善茂. 永磁同步电机无传感器控制关键技术研究[D]. 徐州: 中国矿业大学博士学位论文, 2009[9] 郎宝华, 刘卫国. 基于卡尔曼滤波器的永磁同步电动机定子磁链观测研究[J]. 微电机, 2007, (11): 11～14。

基于自适应蝙蝠粒子滤波算法的WSN目标跟踪
郭鲁;魏颖
【期刊名称】《计算机测量与控制》
【年(卷),期】2022(30)6
【摘要】为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了自适应蝙蝠粒子滤波的WSN目标跟踪方法;通过自适应的蝙蝠算法的滤波算法优化粒子重采样过程,结合最新的观测值定义粒子的适应度函数,引导粒子整体上向较高的随机区域移动;同时利用动态自适应惯性权重探索新的粒子位置更新为设计机制,引入动态适应惯性权重值,有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能;实验结果表明,自适应蝙蝠粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高;与BA-PF算法和PF算法相比较,IBA-PF算法的计算时间是最短的,IBA-PF算法的位置和速度的平均平方根误差最小(位置0.031 1、0.020 2、速度0.026 2、0.010 1),PF算法的跟踪精度是最低的,而IBA-PF跟踪精度较高,IBA-PF算法被证明具有良好的跟踪性能。

【总页数】8页(P168-175)
【作者】郭鲁;魏颖
【作者单位】沈阳工学院信息与控制学院
【正文语种】中文
【中图分类】TP311
【相关文献】
1.基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法
2.复杂情形下目标跟踪的自适应粒子滤波算法
3.基于目标跟踪的粒子群粒子滤波算法研究
4.目标跟踪的自适应双重采样粒子滤波算法
5.基于DE蝙蝠算法优化粒子滤波的目标跟踪
因版权原因，仅展示原文概要，查看原文内容请购买。