基于改进QPSO算法的电动汽车模糊控制器参数优化

发布时间：2025-08-12 17:58

　　 目前电动汽车常以无刷直流电机(BLDCM)作为驱动器,但BLDCM调速控制系统中模糊控制器的量化因子和比例因子采用传统方法,自调节能力弱。针对该问题提出一种改进QPSO算法(AMF-QPSO)实现对量化因子和比例因子的自适应调节。AMF-QPSO算法以收缩—扩张(contraction expansion,CE)系数控制方式为研究重点,提出粒子活性概念,并以其作为反馈量实现动态自适应调节CE系数;同时,为防止种群高度聚集,采用精英群体随机交叉学习机制,对部分活性低的精英粒子进行扰动,增强种群后期多样性。最后,通过Lab VIEW实验平台,以具体案例验证AMF-QPSO算法性能。实验结果表明,AMF-QPSO优化的模糊PID控制器具有比标准模糊PID控制器和QPSO优化的模糊PID控制器更好的控制性和自适应性。

【文章页数】：7 页

【文章目录】：
0 引言
1 量子行为粒子群算法
2 基于反馈机制的自适应变异QPSO算法
    2.1 CE系数与势阱长度L之间的关系
    2.2 具有反馈机制的CE系数自适应控制策略
    2.3 精英粒子的随机交叉学习
    2.4 基于反馈机制的自适应变异QPSO算法
3 算法性能分析
    3.1 参数设置
    3.2 结果分析
4 基于改进QPSO算法的电动汽车调速控制器设计
    4.1 电动汽车数学模型
    4.2 电机数学模型
    4.3 基于AMF-QPSO算法的控制器设计
5 实验与结果分析
    5.1 搭建实验平台
    5.2 控制器动态性能分析
    5.3 控制器调速性能分析
6 结束语



本文编号：4058918