《表2 辨识结果比较：基于小生境粒子群算法的永磁同步电机参数辨识》
提示：宽带有限、当前游客访问压缩模式
表2为3个待辨识参数的真实值和通过两种算法辨识得到的值的比较。由表2可知，NPSO的辨识误差普遍较小，说明了算法有跳出局部最优的能力，有更高的辨识精度。
| 图表编号 | XD00212151000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.28 |
| 作者 | 陶涛、林荣文 |
| 绘制单位 | 福州大学电气工程与自动化学院、福州大学电气工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 粒子群算法结合非线性最小二乘法辨识得到的参数值》2020.09.01
- 《表2 粒子群算法辨识得到的参数值》2020.09.01
- 《表1 NPSO参数：基于小生境粒子群算法的永磁同步电机参数辨识》2021.02.28
- 《表1 辨识算法参数：基于改进蚁群算法的永磁同步电动机参数辨识策略研究》2020.06.15
- 《表1 仿真模型参数值：改进粒子群算法的永磁同步电机多参数辨识》2020.07.01
- 《表3 试验测试电机参数：基于RLS的永磁同步电机参数辨识技术研究》2019.09.25
- 《表1 仿真电机参数：基于RLS的永磁同步电机参数辨识技术研究》2019.09.25
- 《表4 转矩值计算：基于粒子群算法的永磁同步电机噪声的优化》2019.09.10
- 《表3 正交试验表格：基于粒子群算法的永磁同步电机噪声的优化》2019.09.10
- 《表5 噪声值计算：基于粒子群算法的永磁同步电机噪声的优化》2019.09.10
- 《表2 因素水平表：基于粒子群算法的永磁同步电机噪声的优化》2019.09.10
- 《表2 基于粒子群算法的光伏阵列参数辨识结果》2019.07.28
- 《表4 电感及电容实际值：基于粒子群算法的电力电子电路参数辨识方法》2019.02.20
- 《表1 电机参数：基于云模型的改进粒子群PMSM参数辨识算法》2019.02.01
- 《表1 PSO参数设置：基于改进粒子群算法的旋转弹气动系数快速辨识》2018.12.01
- 《表5 实验结果：基于遗传算法的凸极永磁同步电动机参数辨识》2019.11.01
- 《表1 电机采样数据：基于遗传算法的凸极永磁同步电动机参数辨识》2019.11.01
- 《表4 对照组结果：基于遗传算法的凸极永磁同步电动机参数辨识》2019.11.01
- 《表3 实验组结果：基于遗传算法的凸极永磁同步电动机参数辨识》2019.11.01
- 《表2 工具箱配置：基于遗传算法的凸极永磁同步电动机参数辨识》2019.11.01