基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识OA
Jiles-Atherton(J-A)磁滞模型具有参数较少、物理意义清晰等优点,在电磁材料磁特性模拟研究中得到了广泛应用。针对J-A磁滞模型参数辨识中精度低、耗时久的问题,提出了一种结合粒子群优化(PSO)与蚁狮优化(ALO)的混合优化算法。在算法初期,利用PSO算法的全局搜索能力,可迅速定位J-A磁滞模型参数全局最优值的大致区间;随后,在算法进入深入搜索阶段时,引入ALO算法,通过蚂蚁的随机游走、轮盘赌选择机制及精英保留策略,能够在限定的搜索空间内实现高精度的收敛,从而迅速锁定模型参数的全局最优解。仿真与实验验证表明,该混合算法在模型参数辨识上展现出快速收敛特性和高精度性能,且模拟磁滞曲线与实测数据高度一致,验证了其实用性和有效性。
叶建盈;刘磊;林波;陈颖婷;黄光华;舒一展
福建理工大学汽车电子与电驱动技术重点实验室,福建福州350118福建理工大学汽车电子与电驱动技术重点实验室,福建福州350118福建理工大学汽车电子与电驱动技术重点实验室,福建福州350118福建理工大学汽车电子与电驱动技术重点实验室,福建福州350118福建理工大学汽车电子与电驱动技术重点实验室,福建福州350118国网浙江缙云县供电公司,浙江丽水321400
信息技术与安全科学
粒子群优化算法Jiles-Atherton磁滞模型参数辨识蚁狮优化算法
《电器与能效管理技术》 2026 (2)
P.12-18,7
福建省自然科学基金(2021J011081,2022J05196)。
评论