基于有限元方法的转换器主导系统随机EMT仿真高效算法

《CPSS Transactions on Power Electronics and Applications》：An efficient algorithm on stochastic EMT simulation for converter-dominated system in framework of finite element method

　　

摘要：

在本研究中，采用了一种自适应自组织鲁棒模糊神经网络（ASORFNN），用于感应电机驱动系统的间接转子磁通定向参数自适应控制（IRFO-PA）。该网络可用于参数估计和无传感器速度检测，通过同时优化不确定系统动态的参数和结构，避免了传统的逐次调优过程。为加快在线学习速度并优化模糊规则以实现精准估计，可对输入信号进行线性变换。Coati优化算法（COA）被用作构建ASORFNN预测模型的元启发式技术。在ASORFNN-COA框架中，可通过高效调整模糊规则集和隶属函数来提升估计精度和驱动系统性能。基于ASORFNN的估计器在各种动态条件下都能实现更准确的参数识别，同时确保电机转速紧密跟随参考值。此外，还通过COA算法确定电流和速度调节器的最优分数阶比例积分系数，从而生成参考信号。仿真和实验结果表明，所提出的基于估计的自适应控制策略通过精准估计和稳定运行，具备了出色的抗干扰能力。