《表2 两种算法下的适应度对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于云模型的改进粒子群PMSM参数辨识算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步说明算法的普适性，仿真对比了在不同的工况下传统的粒子群优化算法和改进算法适应度函数的收敛值和收敛代数（适应度函数达到稳定值时的迭代次数），如表2所示.由表中数据可知，当负载转矩恒定、转速降低时，改进粒子群优化算法的适应度函数依然保持较快的收敛速度，迭代次数基本在140次左右就已经收敛到设定误差值附近；而传统粒子群算法适应度函数的收敛误差较大，收敛速度也变得迟缓.当转速不变、负载转矩变大时，两种辨识算法的适应度函数收敛值波动都不大，但传统粒子群算法的收敛速度较慢，且传统算法的适应度的精度比改进算法低10倍左右，精度不高.实验结果总体表现出改进的PSO算法相比于传统算法存在极大的优势，算法在收敛速度和收敛精度上都有本质的提升.