多优化联络技术降低开关磁阻电机转矩脉动的控制机制及比较

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报5（2018）829采用多种优化联络技术降低开关磁阻电机转矩脉动的速度控制Nutan Sahaa， A.K.熊猫b，悉达多熊猫a，aVeer Surendra Sai University of Technology，Burla，Odisha 768018，Indiab印度奥里萨邦Rourkela国家理工学院接收日期：2016年3月21日;接收日期：2016年7月5日;接受日期：2016年12月19日2017年1月25日在线发布摘要本文提出了一种利用多优化联络技术实现开关磁阻电机（SRM）转速控制和转矩脉动最小化的控制机制。该控制机制包括外环速度控制器、内环电流控制器和智能选择开关角。转矩脉动系数、转速电流ISE分别降低了10.43%、36.53%、16.01通过MOL算法与引力搜索算法（GSA）算法的比较。还观察到，与GSA算法相比，MOL算法的转矩、转速和电流分别降低了42%、45.65%和47.91%。© 2017 电 子 研 究 所 （ ERI ） 。 Elsevier B. V. 制 作 和 托 管 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：开关磁阻电机;比例积分控制器;转矩脉动;多重优化联络;引力搜索算法1. 介绍开关磁阻电机（SRM）的许多吸引人的特性，例如结构简单、高转矩质量比、低维护成本，使其成为感应电机的强有力竞争者（Harris，1989; Lovatt等人，1997年）。当用于混合动力电动车辆时，SRM与感应电机和永磁电机相比提供了优越的性能（Rahman和Ehsami，1996; Wu等人， 2002年）。然而，与SRM相关联的缺点是高转矩脉动，导致声学噪声和振动。大的转矩波动是由于饱和引起的非线性磁特性引起的高度非线性机电行为（Anwar等人， 2001年）。*通讯作者。电子邮件地址：nutansaha1@yahoo.co.in（N. Saha）、akpanda@nitrkl.ac.in（A.K. 熊猫），熊猫sidhartha@rediffmail.com，教授博士斯潘达@ gmail.com（S。Panda）。电子研究所（ERI）负责同行评审https://doi.org/10.1016/j.jesit.2016.12.0132314-7172/© 2017电子研究所（ERI）。Elsevier B. V.制作和托管这是CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。830N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829开关磁阻电机的应用，如大功率伺服系统，要求最小的转矩脉动（Majid和Mohammad，2008年）。SRM的性能可以从两个方面得到改善。一是在机械设计上进行改进，二是通过电子方式实现提前控制机构。通过改变定子和转子磁极结构等机械设计方面来提高性能，只能以电机性能为代价（Hussain，2002）。 控制方法必须考虑开关磁阻电机的非线性机电行为，这可以通过智能选择不同的操作参数来实现，例如开启和关闭角度、操作电压、电流和轴负载（Vujicic，2012）。在文献中已经报道了许多技术，用于通过调制转矩曲线来减小转矩脉动，转矩曲线又调制电流波形（Faiz和Solani-Khosroshahi，2002;Lin等人，2006;Rodrigues等人，2001;Sahoo等人，2000;Shehata，2013）。这些技术包括智能控制器系统的开发，例如模糊逻辑（Rodrigues等人， 2001）和/或神经网络（Henriques等人， 2000）来调制电驱动中的电流波形。然而，这些智能技术的实施需要专家用户在设计和实施过程中，也缺乏形式化的模型理论和数学严谨性与这些技术，所以这些技术是容易受到专家的知识深度的问题定义。相比之下，优化方法通过根深蒂固的模型来获取系统问题的深刻信息，具有更大的潜力。基于现代启发式优化技术的方法最近已经被提出来设计控制器。智能控制技术已经发展了许多，但在工业中PI控制器是最受欢迎的控制器，因为它的有效性和简单的使用。经典的比例积分（PI）控制器结构是工程师PI控制器不仅具有这些优点，还具有易于动态建模、用户技能要求低、开发工作量少等优点，这些优点在工程实践中具有重要意义。鉴于此，本文采用PI控制器来改善开关磁阻电机的性能。通过最小化转矩脉动、跟踪转速电流、快速准确地跟踪到各自的参考值，可以提高SRM的性能。通过对开关磁阻电机控制参数的优化在这方面，各种优化技术（Balaji和Kamaraj，2012;Kalaivani等人，2013;Xue等人，2010）已经在文献中应用于调制电驱动中的电流波形。在文献中已经报道了用于调整PI控制器的各种启发式优化技术的应用（Panda等人，2013;Sahu等人，2014年、2015年）。粒子群优化（PSO）是一种基于种群的优化算法，其灵感来自于鸟类群集或鱼类集群的社会行为（Kennedy和Eberhart，1995）。粒子群优化算法与遗传算法有许多相似之处，如初始化种群的随机解和通过更新代数来搜索最优解。然而，与遗传算法不同，粒子群算法没有交叉和变异等进化算子Eberhart在Kennedy and Eberhart（1995）和Shi and Eberhart（2016）中提出了一种简化的PSO，称为“social only”。后来，Pederson和Chipperfield（2010）做了进一步的研究，并将其命名为多优化联络（MOL）。他们还报告说，MOL在一定程度上提高了性能，并且更容易调整行为参数。MOL与PSO的不同之处在于它丢弃了粒子的最佳已知位置，从而使算法更简单。鉴于此，本文采用最优化方法对PI控制器参数进行优化。为了显示MOL的优越性，将结果与最近提出的引力搜索算法（GSA）（Rashedi等人， 2009年）。从文献调查中注意到，已经提出了许多用于SRM的速度控制的方法（Alrifai等人，2010年; Kiruthika和Susitra，2014年）。 一些作者已经提出了通过调整转矩曲线来减小转矩脉动的SRM的速度控制方法（Kalaivani等人，2013; Majid和Mohammad，2008; Shehata，2013）。SRM的性能也可以通过换向角控制的适当选择来改善（Faiz和Solani-Khosroshahi，2002; Rodrigues等人， 2001年）。 本文提出了一种减小开关磁阻电动机转矩脉动的速度控制机制，并对开关角进行了优化选择。在所提出的SRM速度控制机制中，可以通过控制电流和选择合适的接通和关断角来最小化转矩脉动本文件其余部分的计划如下：SRM驱动器的数学建模已在第2节中解释。第三节介绍了本文提出的转矩脉动最小化技术。在第4节中给出了所提出的控制器的目标函数的公式。第5节简要介绍了MOL和GSA算法。第5.1节和第5.2节给出了基于MOL和GSA算法的开关磁阻电机速度控制的设计和实现。 仿真结果N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829831∫e∂θFig. 1.拟议机器的磁化特性。第六节给出了基于MOL和GSA速度控制器的SRM的性能比较。最后，在第7节中给出了结论。2. 开关磁阻电动机传动SRM是一种双凸极单励磁电机。开关磁阻电动机的定子只包含励磁绕组，转子由钢片组成，不含永磁体。相位被顺序地激励以用于转子运动。转子的运动是由于转子倾向于获得最小磁阻位置而发生的。解释6/4，60 kW SRM动态特性的数学模型由各相的电气方程和控制机械系统的方程组成（Hoang和Brunelle，2005年;Torrey等人，1995年）。定子相电压是SRM模型的输入每个相位的电路由连接到转换器的非线性电感组成定子相之间的相互耦合被假定为可以忽略不计。由于饱和和变气隙的存在，SRM的非线性磁特性导致其磁链是定子电流（i）和转子位置（θ）的非线性函数。磁链由下式给出：s（t）=上述复函数由分析非线性函数近似（Hoang和Brunelle，2005;Torrey等人， 1995年）。在建模中，定子相电压是输入电压。定子相电压是相电压差和定子电阻两端电压降的时间积分。不s（t）=（Vs−Rs Is）dt（2）0其中，Vs（t）是磁链矢量，Vs是定子电压矢量，Rs是定子绕组电阻，Is是定子电流矢量。定子电流由磁化特性θ（i，θ）获得磁链（θ）是定子电流和转子位置（θ）的非线性函数定子电流i（i，θ）是一个非线性函数，由磁化特性θs（i，θ）得到磁化特性从图1所示的解析表达式中获得。其中，θ表示转子在旋转过程中的不同角度位置。通过对电机余能w的求导，可以得到开关磁阻电机一相的电磁转矩。θ）为：T（i，θ）=w（i，θ）（3）832N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829∫其中，w是通过以下等式给出的：我w<$（i，θ）=<$（i，θ）di（4）0电机产生的电磁转矩Te是各相产生的单独转矩之和。电动机的机械动力学可以解释如下：dωmT e= J dt +Bω m +TL（五）其中TL是负载扭矩，J是转动惯量，ωm是角速度，B是摩擦系数。3. 开关磁阻电机转矩脉动最小化研究高转矩脉动是由于电机同功的变化，而同功又随定子磁链、励磁电流和转子位置而变化。磁链电感和转矩随转子位置和相电流的变化是高度耦合和非线性因此，通过控制电流分布和适当选择接通和关断角度将减小转矩脉动。在这项工作中，提出了SRM的转矩脉动最小化的速度控制以及开通和关断角控制。速度控制器和电流控制器是标准的PI控制器结构。通过一系列的仿真结果，得到了改善SRM驱动性能的六个运行参数的最优组合这些是电流和速度控制器的比例增益和积分增益，以及开启和开启角（θon&θoff）。通过这六个运行参数的优化组合速度的积分平方误差（ISE速度）和电流的积分平方误差（ISE电流）用于测量速度误差和电流误差，如下所示。ISE速度=<$（ωref−ωm）2dt（6）ISE电流=Iref−Iphase2dt（7）转矩脉动T脉动的测量可以通过计算转矩脉动系数来完成（Kalaivani等人， 2013年，Eq。（八）T型波纹Tmax−Tmin不意味（八）其中Tmax、Tmin和Tmean表示总扭矩的最大值、最小值和平均值。4. 目标函数计算多目标优化问题表述为计算速度控制器的比例增益、积分增益、通断角等6个运行参数的最优组合，在多目标问题陈述中考虑的约束是电流的积分平方误差，该误差从内环计算。两个目标陈述如下。速度的积分平方误差最小化为：f1=最小值（ISE速度）（9）=N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829833转矩脉动系数最小化;f2=min（T纹波）（10）834N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829RRR=−JJJJJJJJ约束条件如下：最大值（ISE电流）<ε（11）ε取0.9，用试凑法求得。优化问题可以公式化为：minf=f1+αf2（12）受Eq.给出的约束。（十一）、加权因子α使每个项在优化过程中具有竞争性5. MOL和GSA5.1. 多优化联络（MOL）粒子群优化（PSO）的简化版本是由Kennedy（Shi和Eberhart，2016）提出的，它是Kennedy和Eberhart（1995）在1995年提出的原始PSO的修改版本随后，Pederson和Chipperfield进行了广泛的研究，并将其命名为多优化联络（MOL）。研究表明，MOL具有更好的性能，并且更容易调整MOL的行为参数与PSO相比，MOL的修改是它消除了粒子的最佳已知位置，从而使算法更简单。粒子群算法的概念是基于鸟群的社会行为。该算法首先在搜索空间中初始化多个粒子，使它们在搜索空间中四处飞行以寻找最优解。在这个过程中，所有粒子都在搜索路径中寻找最佳粒子（最佳解），考虑自己的最佳解以及迄今为止找到的最佳解在数学上，PSO可以解释如下。vk+1=wvk+κP× RP（pbestj−xk）+κG× RG×（gbest−xk）（13）其中vk和xk分别表示第j粒子在迭代k时的速度和位置初始值J J位置和初始速度是随机选择的，并且对于每次迭代进行更新 Shi和Eberhart（2016）解释了每次迭代中更新粒子速度的方法。 pbest j是agent j的最佳位置，gbest是swarm的最佳位置。κP和κG是认知和社会参数。P和G是在0和1之间生成的随机数。惯性权重随着搜索过程的推进，惯性权重w wmax（wmax−wmin）k（14）kmax这里，wmax和wmin分别是惯性权重w的最大值和最小粒子移动的新位置在此之后，对粒子在单个步骤中行进的距离施加限制。使得粒子可以在单个步进运动中从一个搜索空间行进到另一个搜索空间这种改变粒子位置的探索过程一直持续到达到最佳解。在PSO算法中，粒子在整个群体中迭代更新，而在MOL算法中粒子是随机更新的。因此，在MOL算法中，通过将P置零来消除粒子的最佳位置现在，速度更新条件如等式中那样改变。（十五）、vk+1=wvk+κG× RG×（gbest−xk）（15）其中w是惯性权重，RG是在数字0和1之间生成的随机数。xk是粒子流位置和更新，如前所述。gbest是群最佳位置。5.2. 引力搜索算法引力搜索算法（GSA）技术由Rashedi等人在2009年提出（Rashedi等人， 2009年）。 GSA基于牛顿引力定律，该定律指出宇宙中的每个粒子都吸引其他粒子N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829835F tnm=1，m=/1nmnnnnnn粒子与力的乘积成正比，与它们之间距离的平方成反比（牛顿，2016）。根据GSA，首先调用一组候选解决方案，这些解决方案的质量与相应的适应度函数的值成比例每一个代理人吸引每一个其他代理人之间存在的重力。重力与物体的质量成正比。因此，具有较重质量的物体将经历更大的引力，并且如果它接近全局最优解，则它将吸引与距离成反比的所有其他质量。如果搜索空间是由N个候选者发起的，则随机分布从数学上讲，GSA可以表述如下：在特定时间t，候选人m作用在候选人n上的引力可以表述如下：Fd（t）=G（t）Mpn（t）×Mam（t）（xd（t）−xd（t））（12）nmRnm（t）+λn m在上面的方程中，Mam是物体m的主动质量，Mpn是物体n的被动质量，G（t）是在时间t的引力常数。Rnm（t）是两个物体m和n之间的欧几里得距离。是一个常数。引力常数G（t）可以根据下面给出的公式计算（−αITER ）的方式G（t）=G0×（expItermax）（13）G0是引力常数的初始值。α是递减系数，Itermax是搜索过程中Iter是计算过程中时间t处的当前迭代次数，d是搜索空间中的维数。作用在候选人n上的总作用力为F d（t）=<$Nρ（F t（t））（14）其中ρ是在[0，1]范围内均匀生成的随机数。根据牛顿因此，可以计算具有质量Mi的物体n在任意时间t在维度d的搜索空间中的加速度作为d（）Ad（t）=n（十五）nMi（t）候选者n的速度由下式给出：vd（t+1）= Rn×（vd（t）+Ad（t））（16）n是在区间0候选者n的位置可以计算如下：xd（t+1）=xd（t）+vd（t+1）（17）6. 结果和讨论开关磁阻电动机速度控制的框图如图所示。 二、 该系统由PI控制器的速度和电流控制，脉宽调制（PWM）/滞环控制器调节器和换向角控制器。SRM驱动系统的控制作用旨在通过优化六个参数来提供速度控制和转矩控制。比例和积分增益速度控制器和电流控制器以及接通和关断角度。这些增益是通过MOL/GSA算法获得的相绕组的换相周期由图1所示的块换相角控制决定。 二、利用转子位置反馈信息选择功率开关的接通角（θo n）和转角（θoff）。通过应用电流滞后控制器来实现对激活相绕组的电流控制R836N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829dθ图二.开关磁阻电机速度控制框图。6.1. 速度控制器速度控制器设计的这项工作是一个标准的PI控制器。速度控制器的输入是速度误差。速度误差是实际速度与参考速度的偏差。速度控制器的输出是电流控制器的电流指令。比例控制器提供的控制作用与其增益因子KP速度成比例。积分控制器的作用是减小稳态误差。积分器的控制作用是提供低频补偿（Krishnan，2001）。速度控制器的比例控制器和积分控制器并联连接。PI速度控制器在S域中的传递函数可以写为：T速度 （s）=KP速度KI速度+s（十八）在上述方程中，KP速度和KI速度分别是PI速度控制器的比例增益和积分增益。6.2. 电流控制器PI电流控制器的结构类似于速度控制器。在三相SRM的每一相中连接有相同的PI控制器。比例和积分控制器并联连接到每个相位。连接到任一相的PI控制器的传递函数由下式给出：测试电流（s）=KP活期KI电流+s（十九）其中，KP电流和KI电流是PI电流控制器的比例增益和积分增益。由PI速度控制器给出的信息然后作为脉宽调制器的输入给出，如图所示。 2以产生用于要施加到相绕组的电压的选通脉冲序列。6.3. 打开和关闭角度控制开关角控制器决定了开关磁阻电机转子相对于定子的位置，在此期间，电流脉冲必须施加到开关磁阻电机的每个定子相。图3示出了定子的每相电感曲线，其中转子以度为单位前进。图4示出了对于转子的360度前进的3相定子电感与转子位置的关系。设计的SRM不打算在严重饱和期间运行（Kennedy和Eberhart，1995）。因此，我们避免在饱和状态下运行机器。为了产生电动机转矩，在电感的正斜率即dL期间必须施加非零正电流。单极电流对电感曲线负斜率的作用会产生发电作用（Hoang和Brunelle，2005年）。 再次，为了防止SRM驱动器以负转矩操作，允许磁通在转子进入负转矩区域之前衰减，即减小电感的斜率。打开和N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829837图三.每相定子电感与转子位置，转子旋转90度见图4。3-转子旋转360度关闭角度需要仔细选择。因此，需要优化接通和关断角，以最小化转矩脉动和速度的积分平方误差。理想的关断时间在SRM中是不可能的，因为这种驱动器具有显著的电感。关断时间接近最大电感位置。最大对准位置是与定子和转子磁极的完全对准相关的位置在这个位置遇到的电感是最大的。因此，需要在达到最大电感位置之前关闭电流6.4. MOL和GSA技术在这项工作中，基于MOL和GSA的控制机制的开发，这是能够提供速度控制以及转矩脉动的减少。所有粒子在由PI速度控制器和PI电流控制器的上界、下界以及开关角的上、下界控制的搜索空间中随机初始化。用于速度控制器和电流控制器的比例和积分控制器的增益定义范围如表1所示。接通角和关断角的上、下限是从单相电感相对于转子位置的分布图中考虑的，如图所示。 2、避免SRM在饱和状态下运行。在MAT-LAB/SIMULINK环境下，建立了一个实际开关磁阻电机及其调速技术的仿真模型。MATLAB是一个可以用来分析和解决工程问题的软件包。它具有出色的编程功能和图形功能，易于学习和灵活。在文献中有许多MATLAB软件的成功应用（Khasraghi等人，2015; Valipour和Eslamian，2014; Valipour等人，2015;Valipour，2012，2016）。 模拟在具有4GB RAM的Intel（R）Core（TM）i3- 4005 U CPU@1.70GHZ的处理器中进行。附录A中给出了m文件中三相SRM设计所需的规范。 速度控制器、电流控制器和匝数增益参数的优化组合838N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829表1速度控制器、电流控制器的比例增益和积分增益的下限和上限以及通断角。控制器设计准则下限上限KI电流01K-P电流030KI速度01KP速度030打开角度4853关闭角度7881表2PI控制器和开关角控制器的统计性能方法参数最佳值最差值平均值标准偏差MOL T纹波0. 5223 0. 5266 0. 523640. 0018776581ISE速度4.9178e+03 4.9192e+03 4.91844e+03 0.0198393ISE电流0.3771 0.3901 0.3826 0.0058452Y 4.9124e+03 5.0537e+03 4.980e+03 66.1929GSAT波纹0.5754 0.7686 0.63808 0.0705ISE速度4.9178e+03 4.9686e+03 4.9378e+03 17.14ISE电流0.5356 0.6269 0.5708 0.04671657Y 7.4043e+03 9.8722e+03 8.0361e+03 931.7表3速度控制器、电流控制器和开关角参数增益的最佳值KI速度KP速度KI电流K-P电流θonθoff方法：MOL最佳ISE速度1.06899.76400.100026.98134881最佳ISE电流0.50739.74330.174527.49884881最佳T波纹0.50739.74330.174527.49884881方法：GSA最佳ISE速度0.92939.79090.635722.961950.576879.7997最佳ISE电流0.63555.96440.219014.725448.828280.4002最佳T波纹0.63557.63830.443623.171750.258680.0237以最小化速度积分平方误差、转矩脉动系数和电流积分平方误差为约束条件，采用多种优化联络技术和引力搜索算法优化技术，最小化组合目标，得到开关角一些试验与独立的人口初始化已获得的结论SRM应用两种优化技术的性能比较。用MOL和GSA进行了一系列实验，以获得最佳参数组合。为了评估每个算法的性能，对每个算法执行25次独立试验为了更好地了解SRM的性能比较，表2中评估了SRM的电流积分平方误差、速度积分平方误差和转矩脉动系数的最差、最佳、平均值和标准差等统计性能。 从表2可以看出，与GSA算法相比，MOL算法的转矩脉动系数的最小值降低了9.22%。同样，电流和组合目标函数（Y）值的积分平方误差分别减少了29.5%和33.65%的建议MOL算法。从表2中还可以清楚地看出，就目标函数值的最差、平均值和标准差而言，MOL算法是比GSA算法更好的计算技术。表3中提供了对应于通过MOL和GSA算法获得的最佳目标函数值的最终控制参数。表4给出了MOL和GSA算法的比较性能。 从表4可以看出，与GSA算法相比，MOL算法的转矩脉动系数、速度积分平方误差和电流积分平方误差分别降低了10.43%、36.53%、16.01%。还观察到，N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829839表4基于MOL和GSA控制器的SRM性能比较方法：MOL扭矩（Nm）建立时间Y最大值Min值平均值转矩脉动系数最佳ISE速度7.30194.48526.09430.46220.01254.4742e+03最佳ISE电流7.30194.48526.09430.46220.01254.4742e+03最佳T波纹7.32484.45806.09350.47050.01164.4895e+03方法：GSA最佳ISE速度7.30942.74886.09390.74840.0239.8234e03最佳ISE电流7.62154.26876.09260.550330.0246.9465e03最佳T波纹7.39244.19146.09320.52530.027.1035e03图五.转子位置（度）与时间（秒）。见图6。3-相位定子电感与时间（秒）的关系。与GSA算法相比，MOL算法的转矩、转速和电流分别降低了42%、45.65%和47.91%因此，可以得出结论，使用建议MOL算法设计的速度控制器提供了更好的性能，提供更小的转矩脉动系数，速度的积分平方误差和电流的积分平方误差相比，GSA算法。6.5. 时域仿真为了更好地了解SRM控制的性能，进行了时域仿真。图4所示为转子从0°前进到360°时的三相电感曲线。连续转子位置如图所示。 5（a）和调制后的90度，为一个完整的旋转360度显示在图。 5（b）. 图 6显示配置文件840N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829图7.第一次会议。基于MOL算法的三相开关磁阻电机调速性能分析。定子3相电流（单位：安培）与时间（单位：秒），（b）。扭矩（Nm）与时间（s），（c）。速度（RPM）与时间（s）。3相电感与相应的时间，单位为s。三相电流曲线、总转矩和速度跟踪，其中参考速度对应于表2中给出的最小目标函数的最佳参数，如图1A和1B所示。图7和图8示出了基于MOL的控制器和基于GSA的控制器。从图中可以看出。从图7和图8可以看出，与GSA算法相比，通过基于MOL的速度控制器获得的最佳参数通过减小转矩脉动、改善相电流分布和更好的速度跟踪来提供更好的性能。基于MOL的速度控制器进行速度跟踪所需的时间为0.0116 s。而它要求N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829841∞图8.第八条。基于MOL算法的三相开关磁阻电机调速性能分析。定子3相电流（单位：安培）与时间（单位：秒）的关系（b）。扭矩（Nm）与时间（s），（c）。速度（RPM）与时间（s）。0.2 s，用于通过基于GSA的控制器以参考速度跟踪速度，如表4所示。从表4中还可以看出，基于MOL的控制器的平均转矩值大于基于GSA的控制器，并且总转矩的标准偏差、转矩脉动系数对于基于MOL的控制器而言大大减小任何实际的物理对象都包含不确定性，这些不确定性可能是由于外部干扰和未知的系统动态。减少控制理论中不确定性的建议包括三个步骤：1）精确确定数学模型2）确定模型不确定性的界3）将不确定性界作为设计约束来求解。在这方面，可以采用基于H的设计、μ综合、自抗扰和模糊逻辑方法来处理不确定性。842N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）8297. 结论本文提出了一种基于MOL和GSA技术的开关磁阻电动机转速控制通过上述优化技术，获得了速度控制器、电流控制器的最优参数以及开关角通过计算转速、转矩系数的积分平方误差以及转速和转矩脉动的积分平方误差的最佳、最差、均值和标准差，比较了两种控制器的性能它的结论是从所得到的结果，MOL为基础的速度控制器提供更好的性能，SRM驱动器通过最小化的转矩脉动和建立时间，以及提供更好的电流分布由于其强大的开发能力。附录A. 用于设计参数值功率60千瓦速度1000 RPM定子电阻0.05欧姆惯性0.05 kgmm摩擦0.02毫微秒定子极弧32◦转子极4定子极6负载转矩4 nm对准电感23.62 mH非对准电感0.67 mHDC链路电压220 V最大电流450第转子极弧45◦最大磁链0.486 mH饱和电感0.15 mH引用Alrifai，M.，Zribi，M.，Rayan，M.，克里希南河，巴西-地2010. 计及互感及磁饱和效应之开关磁阻马达速度控制。能源转换器。管理。51，1287-1297。Anwar，M.N.，侯赛因岛Radun，A.V.，2001. 开关磁阻电机的综合设计方法。IEEETransInd.Appl.37，1684-1692.Balaji，M.，Kamaraj，V.，2012年。基于进化计算的开关磁阻电机多目标优化。 Int. J. 电子 PowerwerEnergySyst.43，63-69.Faiz，J.，Solani-Khosroshahi，G.H.，2002. 采用新参考转矩的最佳换相策略降低开关磁阻电机转矩脉动。电子电力公司系统30，769-782。哈里斯先生1989. 开关磁阻电动机与感应电动机的设计和性能参数比较。《电机与驱动》，第303-307页。Henriques，L.O.A.P.，Rolim，L.G.，Suemitsu，WI，Dente Branco，P.J.C.J.A.，2000. 用神经模糊补偿法减小开关磁阻电机的转矩脉动。IEEETrans. Magn.36，3592-3594.Hoang，Le-Huy，Brunelle，P.，2005年一个多功能的非线性开关磁阻电机在simulink中使用真实的和分析的磁特性。IECON。侯赛因岛2002年。SRM驱动器转矩脉动的最小化。 IEEE Trans. 印第安纳电子学。49，28-39。Kalaivani湖，Subburaj，P.，Iwanayarajan，M.W.，2013年。基于非支配排序遗传算法（NSGA-II）的开关磁阻电动机转矩脉动抑制速度控制。Int.J.Electr. PowerwerEnergySyst.53，69-77.肯尼迪，J.，Eberhart，R.C.，一九九五年P文章摆臂优化。IEEE神经网络国际会议论文集。4，1942-1948年。Khasraghi，M.M.，Sefidkouhi，M.A.G.，Valipour，M.，2015. 利用SIRMOD模拟开放式和封闭式畦灌系统。 Arch.艾力冈土壤科学61（7），929-941。Kiruthika，D.，Susitra，D.，2014年。开关磁阻电机速度控制器。 印第安J. Sci. 技术 7（8），1043-1048。克里希南河，巴西-地2001年 开关磁阻电机驱动器建模、仿真、分析、设计和应用。 CRC出版社，博卡拉顿。林芝，Reay，S.，威廉姆斯，W.，2006年。用B样条神经网络抑制开关磁阻电机驱动系统的转矩脉动。 IEEE Trans. 印第安纳2，1445-1453.N. Saha等人/Journal of Electrical Systems and Information Technology 5（2018）829843Lovatt，H.C.，McClelland，M. L.，Stephenson，J.M.，一九九七年。 单凸极磁阻电动机、开关磁阻电动机和感应电动机的性能比较。IntConf.ElectricMachinesandDrives，361-365.Majid，H.，Mohammad，F.，2008. 减小转矩脉动的开关磁阻电机自适应智能速度控制。能源转换器。管理。48，1028-1038。牛顿岛在实验中，特定的介词是从现象中推断出来的，然后通过归纳法变得一般，安德鲁·莫特第二卷。1729年熊猫，S.，Mohanty，B.，霍塔，P.K.，2013. 线性和非线性互联电力系统自动发电控制的混合BFO A-PSO算法应用软件计算13，4718-4730。佩德森，M.E.H.，Chipperfield，A.J.，2010年。 简化粒子摆臂优化。 Appl. 软计算10，618-628。Rahman，K.M.，Ehsami，M.，1996. 电动和混合动力汽车用电动机驱动装置的性能分析。IEEETrans.《电力电子》，1，49-56。Rashedi，E.，Nezamabadi，S.，Saryazdi，S.，2009年GSA：一种全局搜索算法。 INF. Sci. 179，2232-2248。Rodrigues，M.，Costa Branco，P.J.，Suemitsu，W.，2001年开关磁阻电动机之模糊逻辑借由转角补偿降低转矩脉动。IEEETrans.Ind.Electron.48，711-715.北卡罗来纳州萨胡市熊猫，S.K.，Dash，P.K.两千基于模糊逻辑的开关磁阻电机直接转矩控制电流调制方案。机电一体化10，353-370。Sahu，R.K.，熊猫，S.，Yegireddy，N.K.，2014. 一种新型DEPS优化模糊PI/PID混合控制器用于多区域互联电力系统负荷频率控制J.ProcessControl24，1596-1608.Sahu，R.K.，熊猫，S.，钱德拉·塞卡，G. T.，2015. 多区域互联电力系统AG C的一种新型混合PSO-PS优化模糊PI控制器。Int.J.Electr.PowerwerEnergySyst.64，880-893.Shehata，E.G.，2013. 采用降阶EKF在线估计定子电阻的IPSM驱动器的无速度传感器转矩控制。 电子PowerwerEnergySyst.47，378-386.施，Y.，Eberhart，R.C.，2016. 一种改进的粒子摆臂优化算法。IEEEInternationalConferenceonEvolutionaryComputing，1998。地方检察官托里牛，X.M.，Unkauf，E.J.，1995. 变磁阻电机磁化特性的解析建模。IEEProc. 电子电力应用142，14-22。Valipour，M.，2012. 采用锥形管调节压力损失的喷灌和滴灌系统设计。农业科学杂志4（12），125-133。Valipour，M.，2016年。湿润地区降水分析的神经网络的优化以探测干旱和湿润年警报。陨石。Appl.23（1），91-100.Valipour，M.，Eslamian，S.，2014年。利用11个改进的温度模式分析潜在蒸发蒸腾。 Int. J. 水。Sci. 技术4（3），192-207。Valipour，M.，Sefidkouhi，M.A.G.，Eslamian，S.，2015年。 地面灌溉模拟模型综述。 Int. J. 水。Sci. 技术 5（1），51-70。Vujicic，副总统，2012年。最小化SR驱动器中的转矩脉动和铜损。 IEEE Trans. 电力电子27，388-399。吴伟，Lovatt，H.C.，邓洛普，J.B.，2002. 混合动力汽车用开关磁阻电动机的优化。国际电力电子、机械和驱动会议，177-182。Xue，X.D.，Cheng，K.W.E.，Ng，T.W.，北卡罗来纳州张先生，2010. 电动汽车轮内开关磁阻电机的多目标优化设计。IEEETrans. 工业电子57，2980-2987。