随着永磁材料、电机控制技术以及电力电子技术的快速发展,永磁同步电机在体积、重量、转矩和功率密度等方面较其他电机处于领先地位,这些优势使得其在工业上得到了广泛的应用。电机的控制系统需要实时获取电气参数和机械参数,然而,当电机长时间运行或运行工况发生突变时,其内部环境(如温度、磁场等)会发生变化,这些变化使得电机的参数发生变化,进而影响电机控制系统的性能,因此,对电机进行参数辨识有着十分重要的意义。本文主要研究内容如下。1、介绍课题研究背景和意义。介绍了永磁同步电机参数辨识理论、核心问题以及国内外的研究现状,详细分析了三种坐标系(ABC三相静止坐标系、?-?两项静止坐标系和d-q同步旋转坐标系)下的数学模型、坐标变换、矢量控制以及空间矢量脉宽调制原理。2、电机五参数辨识模型设计。在电机矢量控制i_d=0的稳态条件(转速和转矩恒定)下,通过在定子d轴注入负序弱磁电流策略,设计了可供智能算法辨识的电机五参数(定子绕组电阻、交直轴电感、永磁体磁链和转动惯量)满秩离散方程组。3、死区电压补偿。详细分析了电压源逆变器死区效应的原因,提出了一种简单有效的死区误差电压补偿策略,即先计算实际电机d、q轴电压均值或含逆变器模块和SVPWM模块的复杂仿真电压均值,再计算出其与简单仿真模型电压的差值,此差值即为电机辨识模型的死区补偿电压。4、对粒子群算法进行改进。详细分析了基本粒子群算法(PSO)的优缺点,提出了使用PSO对其学习因子和惯性权重系数进行寻优的初始参数优化粒子群算法(OPSO)。在OPSO基础上,提出一种随机变异优化粒子群算法(RVOPSO),该算法策略为:以种群中的个体最优粒子和全局最优粒子为基础随机变异生成新的粒子,通过适应度函数计算新粒子适应度值,并和前者进行比较,如果新粒子适应度值小于前者,则取代前者,否则淘汰。5、仿真和实验验证。在MATLAB/SIMULINK仿真平台和实验平台中,验证了五参数辨识模型的可行性和改进粒子群算法性能策略的有效性。