基于智能優(yōu)化算法的Jiles-Atherton磁滯模型參數(shù)計(jì)算研究.pdf

1、磁滯非線性現(xiàn)象常見于物理系統(tǒng)和電磁裝置中，對設(shè)備的安全運(yùn)行及系統(tǒng)能否穩(wěn)定運(yùn)行起著重要的作用。近年來，隨著新型材料的發(fā)展，例如磁電復(fù)合材料，由于其獨(dú)特的物理性質(zhì)，在各種各樣的微型器件及整體化裝置，如微傳感器、微電子機(jī)械系統(tǒng)設(shè)備以及高密度信息存儲器中都有潛在的應(yīng)用;磁性形狀記憶合金(MSMA)作為一種新型的智能材料，在驅(qū)動器制造方面具有良好的應(yīng)用前景;另外，磁熱療是一種很有前途的癌癥治療技術(shù)，為癌癥患者帶來了新的希望。上述這些新型材料及技術(shù)

2、的應(yīng)用都涉及到了磁滯非線性現(xiàn)象，因此新型智能材料的設(shè)計(jì)和分析與眾多高新技術(shù)的研發(fā)在很大程度上依賴于磁滯建模及其參數(shù)計(jì)算的準(zhǔn)確性，了解和分析磁滯特性具有重要意義。
　　建立磁滯模型后，一般會包含很多待確定的參數(shù)，參數(shù)的取值不同代表著不同的物理狀態(tài)。模型設(shè)計(jì)的有效性在很大程度上取決于參數(shù)提取的準(zhǔn)確性，無論一個磁滯模型的理論有多完美，如果沒有行之有效的參數(shù)計(jì)算方法，其可操作性也就無法得到保證。
　　目前從物理和數(shù)學(xué)兩種角度出發(fā)，研

3、究者已提出了多種描述磁滯現(xiàn)象的模型，較常見的有:Bouc-Wen磁滯模型、Preisach磁滯模型、Jiles-Atherton(JA)磁滯模型。在眾多的磁滯模型中，JA模型的物理意義清晰、參數(shù)較少、僅包含一個一階常微分方程，但是模型參數(shù)識別的復(fù)雜和困難性一直以來困擾著人們。許多傳統(tǒng)的優(yōu)化方法曾用來計(jì)算JA模型參數(shù)，但是這些方法容易受初始值選擇的影響，其結(jié)果是算法的收斂性往往得不到保證、易陷入局部極小且計(jì)算量通常也會很大。更令人擔(dān)憂的是

4、，很多優(yōu)化方法，尤其是基于求導(dǎo)尋優(yōu)的優(yōu)化方法，面對模型方程的不連續(xù)、離散、單峰與多峰等數(shù)學(xué)性質(zhì)也越來越顯得“力不從心”。
　　最近發(fā)展起來的基于群體智能的新型優(yōu)化技術(shù)在各種領(lǐng)域的參數(shù)計(jì)算中受到了很大的關(guān)注。智能優(yōu)化算法是基于仿生學(xué)的隨機(jī)優(yōu)化算法，典型的方法有Eberhart與Kennedy提出的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法、遺傳算法(Genetic Algorithm，GA)、差

5、分進(jìn)化算法(Differential Evolutionary，DE)和Dorigo提出的蟻群算法等。這些方法被廣泛應(yīng)用于科學(xué)研究和實(shí)際問題求解中，并取得了傳統(tǒng)優(yōu)化方法無法取代的成效。
　　智能優(yōu)化類算法本身具有很強(qiáng)的適用性，且對目標(biāo)函數(shù)的連續(xù)性無任何要求、對初始解的選取不敏感，因此把智能優(yōu)化算法作為求解復(fù)雜優(yōu)化問題的候選算法是非常具有現(xiàn)實(shí)意義的。
　　本文所要解決的主要問題包括:
　　(1)、在充分熟悉國內(nèi)外研究現(xiàn)狀

6、、深刻理解并掌握智能優(yōu)化算法及MATLAB/Simulink動態(tài)仿真集成環(huán)境的基礎(chǔ)上，基于物質(zhì)磁化機(jī)理從物理角度出發(fā)提出了一種粒子群優(yōu)化算法(PSO)結(jié)合MATLAB/Simulink動態(tài)仿真集成環(huán)境的Jiles-Atherton(JA)磁滯回線模型參數(shù)計(jì)算方法。并分別以無噪及加噪的仿真數(shù)據(jù)，對三組參數(shù)值不同的JA模型進(jìn)行數(shù)值實(shí)驗(yàn)。
　　(2)、另外本文構(gòu)建了基于Simulink模塊的JA模型方程，通過求解模型方程得到了準(zhǔn)確的B-

7、H磁滯回線。并將JA模型的Simulink模塊方程與算法實(shí)現(xiàn)了無縫融合，為算法優(yōu)化的順利運(yùn)行提供了保障。
　　(3)、算法中控制變量的取值不同會對優(yōu)化精度、計(jì)算時間及收斂性有很大的影響，因此針對不同的問題，如何選擇最優(yōu)的參數(shù)配置是本文需要關(guān)注的一個問題。
　　(4)、最后將計(jì)算結(jié)果與遺傳算法做了比較，經(jīng)分析發(fā)現(xiàn)對于復(fù)雜的Jiles-Atherton非線性磁滯模型參數(shù)計(jì)算，PSO算法表現(xiàn)出很好的魯棒性，而且無論是計(jì)算精度、還是