基于多目标核相关滤波与改进猫群优化算法的永磁电机转子视控联合检测方法

《Scientific Reports》：Multi-objective KCF-improved CSO for permanent magnet motor rotor detection and drive

　　

摘要

传统永磁电机转子检测方法主要集中于传感器分析和控制策略的优化。然而，这些方法不可避免地面临挑战，包括成本高昂和易受干扰。因此，为了提高永磁 (PM) 电机转子的检测精度，本研究提出了一种创新的“视控联合优化”方法，该方法融合了多目标核相关滤波 (MOKCF) 跟踪算法和改进的猫群优化 (CSO) 算法。首先，提出了转子姿态的单目视觉跟踪方法，并通过使用卡尔曼滤波 (KF) 校正跟踪算法，实现了对转子目标特征点的实时跟踪。同时，利用量子混沌和映射关系改进的 CSO 算法来实现电动驱动。结果表明，改进的多目标算法能够有效跟踪目标，偏转角和自转角横向偏差的均方根值与平均绝对值分别不超过 0.042°和 0.029°。改进的猫群算法最大平均收敛时间不超过 0.1s，电机控制系统的转矩和转速更加稳定，转子特征点的运动误差更小。本研究提出的方法在提高检测精度和优化驱动性能方面具有显著优势，为电机转子的智能检测与故障诊断提供了新的技术参考。