期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于混沌自适应冠豪猪优化算法的永磁同步电机PI控制
1
作者 张家琛 邱楠 刘浩 《微纳电子与智能制造》 2024年第2期57-61,共5页
针对永磁同步电机参数辨识精度较低,速度较慢的问题,提出一种基于混沌自适应冠豪猪优化算法(C-CPO)的永磁同步电机PI控制策略。该算法在冠豪猪优化算法(CPO)的基础上引入了混沌映射,使得初始种群的多样性增强。使用MATLAB软件中的Simul... 针对永磁同步电机参数辨识精度较低,速度较慢的问题,提出一种基于混沌自适应冠豪猪优化算法(C-CPO)的永磁同步电机PI控制策略。该算法在冠豪猪优化算法(CPO)的基础上引入了混沌映射,使得初始种群的多样性增强。使用MATLAB软件中的Simulink建立永磁同步电机模型,主要对比传统PI控制策略与C-CPO算法的永磁同步电机PI控制在启动环节的速度、电磁转矩以及定子电流的差异,验证了C-CPO算法PI控制器下的永磁同步电机具有更好的鲁棒性和稳定性。 展开更多
关键词 永磁同步电机 冠豪猪优化算法 混沌映射 PI控制器
在线阅读 下载PDF
基于电流矢量分析的PMSM系统开路故障诊断方法
2
作者 赵金涛 郭凯凯 +1 位作者 高雄 丁志强 《电机与控制应用》 2025年第1期64-73,共10页
【目的】针对永磁同步电机(PMSM)系统开路故障诊断方法中电流检测法在利用归一化电流平均值进行开路故障检测和定位时需要根据经验设置故障诊断阈值的问题,本文提出了一种基于电流矢量分析的自适应诊断阈值方法。【方法】通过Park归一... 【目的】针对永磁同步电机(PMSM)系统开路故障诊断方法中电流检测法在利用归一化电流平均值进行开路故障检测和定位时需要根据经验设置故障诊断阈值的问题,本文提出了一种基于电流矢量分析的自适应诊断阈值方法。【方法】通过Park归一化电流平均值对绝缘栅双极晶体管(IGBT)开路故障进行诊断。首先,根据归一化三相定子电流的平均值得到了故障检测变量,利用归一化三相定子电流的绝对平均值建立故障诊断自适应阈值,从而确定故障诊断准则,实现故障的检测和定位。然后,介绍了冠豪猪优化(CPO)算法和最小二乘支持向量机(LSSVM),并以LSSVM作为基础故障分类模型,把故障检测变量作为故障分类模型的故障特征向量,利用CPO算法对LSSVM分类模型进行优化。最后,基于Matlab/Simulink搭建IGBT开路故障诊断的仿真模型,并利用优化后的故障分类模型对本文所研究的四类故障进行分类预测。【结果】仿真结果表明,在IGBT发生开路故障后由Park矢量模值归一化的三相定子电流的绝对平均值所建立的故障诊断自适应阈值会随着不同开路故障类型中故障IGBT的位置自适应地发生变化,经CPO算法优化后的LSSVM分类模型的故障分类准确率达到了99.21%。【结论】本文所提方法不仅能够弥补电流检测法的不足,还具有较高的故障分类准确率,在IGBT开路故障分类方面具有明显的优势且能够获得最佳故障诊断性能。 展开更多
关键词 永磁同步电机 故障诊断 自适应阈值 冠豪猪优化算法 最小二乘支持向量机
在线阅读 下载PDF
基于CPO-SVM模型的目标表面发射率求解方法
3
作者 傅莉 陈广明 +1 位作者 席剑辉 胡为 《无线电工程》 2025年第3期642-648,共7页
为提高目标表面发射率的求解精度,通过搭建辐射亮度测试系统获取辐射亮度数据,基于冠豪猪优化算法-支持向量机(Crested Porcupine Optimizer-Support Vector Machines,CPO-SVM)网络,建立CPO-SVM红外辐射亮度回归模型,完成对辐射亮度离... 为提高目标表面发射率的求解精度,通过搭建辐射亮度测试系统获取辐射亮度数据,基于冠豪猪优化算法-支持向量机(Crested Porcupine Optimizer-Support Vector Machines,CPO-SVM)网络,建立CPO-SVM红外辐射亮度回归模型,完成对辐射亮度离群值的平滑输出,实现了一种对目标表面发射率的求解方法。针对SVM初始参数选择困难的问题,应用CPO算法对SVM的惩罚因子和核参数进行优化,以波长作为输入、辐射亮度数据作为输出,通过迭代寻找模型最优参数,用此最优参数对测试样本训练后求解发射率。与已知发射率为0.48的标准测试样品对比,结果表明优化后的模型求解结果最大相对误差为2.2%,与传统SVM、PSO-SVM算法求解结果对比,CPO-SVM模型求解结果最大相对误差分别减少了1.4%和0.2%,为求解目标表面发射率提供了一种有效的方法。 展开更多
关键词 红外发射率 冠豪猪优化算法 支持向量机 红外辐射亮度
在线阅读 下载PDF
CPO-BiLSTM模型在短时交通流预测中的应用
4
作者 庄伟卿 余晗彧 《交通科技与经济》 2025年第1期1-7,共7页
短时交通流预测是智能交通系统的核心,可以有效减缓交通拥堵、提升应急响应效率。为进一步提高短时交通流量的预测精度,提出一种基于冠豪猪优化算法-双向长短期记忆网络(CPO-BiLSTM)的组合模型。该模型利用冠豪猪优化算法(CPO)的动态适... 短时交通流预测是智能交通系统的核心,可以有效减缓交通拥堵、提升应急响应效率。为进一步提高短时交通流量的预测精度,提出一种基于冠豪猪优化算法-双向长短期记忆网络(CPO-BiLSTM)的组合模型。该模型利用冠豪猪优化算法(CPO)的动态适应和全局均衡特性对双向长短期记忆网络(BiLSTM)的超参数进行寻优赋值,进而提升模型的泛化能力与训练效率。采用公路交通流数据集,将CPO-BiLTM模型与其他预测模型进行训练和测试比对分析,结果表明CPO-BiLSTM拥有更好的时间序列数据拟合能力,其平均绝对误差为16.8982、均方根误差为23.4424、决定系数为0.98229、剩余预测偏差为7.5159、平均绝对百分比误差为3.4243%,均为最优项,说明该模型能够有效提高预测的准确度和可靠性。 展开更多
关键词 公路交通 智能交通系统 短时交通流预测 冠豪猪优化算法 双向长短期记忆网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部