6.1.2  3s/2r变换及其逆变换仿真模型    31
6.1.3  转子磁链观测仿真模型    32
6.1.4  PI调节器仿真模型    32
6.1.5  SVPWM仿真模型    33
6.2  参数优化过程和仿真结果    34
6.2.1  参数优化过程    34
6.2.2  SVPWM模块的仿真波形    36
6.2.3  电机的定子电流、转矩、转速优化前后仿真图形的对比    37
6.3  本章小结    39
7  结论与展望    40
致 谢    41
[参考文献]    42
1  绪论
1.1  课题研究背景及意义
经济社会的发展使电动机变成工作生活中不可或缺的动力来源。由于直流电机能够完全解耦，转速平稳，易于控制，一直控制着高性能的电气传动领域。然而，随着工业革命的继续推进以及人们日益增长的物质需求，直流电机越来越捉襟见肘，只适合在小容量和低速的情况下工作，无法适应更复杂的环境[1]。为此，人们逐渐将眼光放在结构简单且运行可靠的交流电机上，交流调速系统由此被广泛的运用在社会的各个领域中。交流电机变频调速技术出现后，主要选用矢量控制原理，动态响应迅速、效率和精度都比较高的优点使电机性能得到很大提高。由于交流电机不具有线性性质，而传统PID控制器只适用于线性条件，鲁棒性不够好。近年来, 智能优化算法被广泛应用于交流调速系统，例如采用遗传算法、粒子群PSO算法优化PID控制器的参数，电机性能提升明显,研究价值非常大。
1.2  国内外研究
1.2.1  电力电子器件的发展 
1.2.2  现代控制理论的发展
1.2.3  数字控制技术的发展
1.3  优化算法概述
进化算法从属于优化算法，也可以称为迭代随机寻优算法,其可以高效的解决复杂的非线性难题并且保证较强的鲁棒性,可以不必理会寻优问题的影响。遗传算法在上世纪60年代出现，其模拟自然界优胜劣汰、适者生存的规则，是一种全局搜索算法，主要包含搜索策略与信息交换。
计算机技术的进步促进了一些新型优化算法出现。研究学者针对鸟群飞行、鱼群游动等生物群体活动，提出很多包含蚁群算法、粒子群算法、人工鱼群算法等异于传统思路的群体智能算法。其核心思路来自于群体社会行为，而不并非进化过程中的冲突[5]。
粒子群(PSO)算法是目前刚兴起的一种仿生优化算法，其依附共享信息，在问题求解空间时，使全部群体的运动都进行无序到有序的演化，以此获取最优解。和遗传算法相比，PSO优化算法简单方便，调整参数少，遗传算法却编码解码繁琐，计算量大。遗传算法和粒子群算法已经大范围的参与到PID控制器的参数优化，将在下面章节具体说明这两种算法。
1.4  交流调速系统中优化算法的运用
当前三相异步电机调速系统中，优化算法的运用已经很普遍，主要集中在以下几个方面。
（1）电机参数辨识
由于温度上升，运行中三相异步电机的转子参数变化很大，磁场定向的精度受到了很大的影响。20世纪80年代开始以来，国内外学者采用模型参考自适应法、扩展卡尔曼滤波法、最小二乘法等法来优化转子参数辨识，尽管噪声对辨识精度影响很大，鲁棒性依然很好[6]。后来电机参数辨识领域引入智能控制理论，辨识精度明显提高。譬如遗传算法在噪声不佳的情况下，依然会有很高的精度。
（2）转速辨识
转速辨识时，速度、精度、鲁棒性非常重要。近年来，选择转速辨识方案时，例如人工神经网络这样的优化算法越来越被重视。 基于三相异步电动机矢量控制系统优化控制算法的研究+源代码(3):http://www.youerw.com/zidonghua/lunwen_32090.html