شناسایی پارامترهای تابع انتقال موتور dc بدون جاروبک با استفاده از الگوریتم ازدحام گروه ذرات

تا کنون مطالعات جامع و گسترده‎ای بر روی موتور dc بدون جاروبک (bldc) صورت گرفته که بخشی از این مطالعات، ناظر بر تخمین پارامترهای تابع انتقال این موتور می‎باشد. تخمین پارامترهای تابع انتقال موتور bldc امری ضروری جهت بررسی عملکرد موتور و پیش‎بینی رفتار آن است؛ بنابراین به یک روش تخمین پارامتر کارآمد، دقیق و قابل اعتماد احساس نیاز می‌شود. در این مقاله با استفاده از الگوریتم ازدحام گروه ذرات (pso)، مسئله تخمین پارامترهای تابع انتقال مجموعه موتور bldc و اینورتر مربوط به این موتور، حل شده است. نتایج حاصل از به‌کارگیری این الگوریتم با نتایج سایر الگوریتم‌های بهینه‎سازی فراابتکاری مقایسه شده و بررسی این نتایج نشان داده که الگوریتم pso برای حل مسئله تخمین پارامتر تابع انتقال، یک روش کارآمد، دقیق و قابل اعتماد است.

identification of transfer function parameters of brushless dc motor using particle swarm algorithm

so far, comprehensive and extensive studies have been conducted on the brushless dc motor (bldc), and a part of these studies focuses on the estimation of the parameters of the transfer function of this motor. estimation of bldc motor transfer function parameters is essential to study motor performance and predict its behavior. therefore, an efficient, accurate and reliable parameter estimation method is needed. in this article, the problem of estimating the parameters of the transfer function of the inverter-fed bldc motor set has been solved using particle swarm algorithms (pso). the results of using this algorithm have been compared with the results of other optimization algorithms. the comparison of these results has shown that the pso algorithm is an efficient, accurate and reliable method for solving the transfer function parameter estimation problem.