Online Parameter Identification of Permanent Magnet Synchronous Motor Based on Hybrid BPNN/PSO-MRAS

SONG Shiyu; WU Yongbin; YIN Haitao; JIA Ping; XU Zheng

doi:10.20204/j.sp.2026.04014

您当前的位置：

首页 >

文章列表页 >

Online Parameter Identification of Permanent Magnet Synchronous Motor Based on Hybrid BPNN/PSO-MRAS

更新时间：2026-04-20

- Online Parameter Identification of Permanent Magnet Synchronous Motor Based on Hybrid BPNN/PSO-MRAS
- Vol. 54, Issue 4, Pages: 111-118(2026)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2026.04014
  CLC：
- Published：2026
- 稿件说明：
移动端阅览
宋诗雨,吴永斌,尹海韬,贾萍,徐政.基于混合式BPNN/PSO-MRAS的永磁同步电机参数在线辨识[J].智慧电力,2026,54(4):111-118.

doi:10.20204/j.sp.2026.04014
宋诗雨,吴永斌,尹海韬,贾萍,徐政.基于混合式BPNN/PSO-MRAS的永磁同步电机参数在线辨识[J].智慧电力,2026,54(4):111-118. DOI： 10.20204/j.sp.2026.04014.

doi:10.20204/j.sp.2026.04014 DOI：

摘要

为解决永磁同步电机参数辨识中模型参考自适应法（MRAS）自适应律参数整定困难问题，提出一种基于混合式反向传播神经网络（BPNN）及粒子群算法（PSO）的MRAS参数分步辨识策略。该策略采用“离线训练-在线辨识”的方式，利用BPNN与PSO对传统MRAS的自适应律进行改进，从而避免复杂的参数整定过程。在MATLAB/Simulink仿真平台上，将所提策略与现有MRAS分步辨识策略进行对比分析。仿真结果表明，在复杂工况下，该策略具有更高的辨识精度、更快的辨识速度及更强的鲁棒性。

Abstract

To address the difficulty in parameter tuning of the adaptive law in the model reference adaptive system (MRAS) for parameter identification of permanent magnet synchronous motors

a stepwise parameter identification strategy for MRAS based on a hybrid back propagation neural network and particle swarm optimization is proposed. This strategy adopts an “offline training- online identification”approach

improving the adaptive law of the conventional MRAS using a back propagation neural network and particle swarm optimization algorithm

thereby avoiding the complex parameter tuning process. On the MATLAB/Simulink simulation platform

the proposed strategy is compared and analyzed with existing stepwise MRAS identification strategies. Simulation results show that under complex operating conditions

the proposed strategy achieves higher identification accuracy

faster identification speed

and stronger robustness.

关键词

Keywords

references

杨羽萌，朱其新. 改进扩张状态观测器下永磁同步电动机滑模控制 [J ] .西安工程大学学报，2024，38(1):1-8.

黄旭东，王涛，钱昀莹. 永磁同步电机矢量控制系统设计与实现 [J ] .电子设计工程，2025，33（15）：9-13,19.

马建，王建平，孟德安，等. 永磁同步电机故障诊断方法研究综述 [J ] .电力工程技术，2024，43（4）：104-115.

孙淑媛，李小清. 永磁同步电机参数辨识及MTPA和前馈控制研究 [J ] .组合机床与自动化加工技术，2024（10）：115-119,125.

张荣芸，王荣香，时培成，等 . 新型自适应滑模和参数辨识的永磁同步电机控制 [J ] .电力系统及其自动化学报，2025，37（12）：45-54.

秦鹏博，郝杰，袁亮，等. 基于改进递归最小二乘法的多种工况下多电机参数失配诊断研究 [J ] .制造技术与机床，2026（2）：221-232.

LIU Z，FENG G，HAN Y. Extended-kalman-filter-based magnet flux linkage and inductance estimation for PMSM considering magnetic saturation [C ] .2021 36th Youth Academic Annual Conference of Chinese Association of Automation （YAC）.Nanchang，China：IEEE，2021：430-435.

李洪凤，徐浩博，徐越. 扩展卡尔曼滤波参数辨识下永磁同步电机模型预测转矩控制 [J ] .电机与控制学报，2023，27（9）：19-30.

张毅伟，黄旭珍，徐济安. 基于混合自适应扩展卡尔曼滤波的永磁同步直线电机等效机械参数辨识策略 [J ] .中国电机工程学报，2024，44（3）：1162- 1173.

汪琦，王爽，付俊永，等. 基于模型参考自适应参数辨识的永磁同步电机电流预测控制 [J ] .电机与控制应用，2017，44（7）：48-53.

AN X，LIU G，CHEN Q，et al. Adjustable model predictive control for IPMSM drives based on online stator inductance identification [J ] .IEEE Transactions on Industrial Electronics，2022，69（4）：3368-3381.

许爱德，刘鑫，李新宇，等. 基于参数辨识的永磁辅助同步磁阻电机电流无差拍控制 [J ] .电工技术学报，2024，39（18）：5626-5638.

侯新国，罗翔宇，涂萱. 基于模型参考自适应系统的五相感应电机双参数辨识 [J ] .电力工程技术，2025，44（4）：119-127.

RAFAQ M S，MOHAMMED S A Q，JUNG J W. Online multiparameter estimation for robust adaptive decoupling PI controllers of an IPMSM drive：variable regularized APAs [J ] .IEEE/ASME Transactions on Mechatronics，2019，24（3）：1386-1395.

EL MERRASSI W，ABOUNADA A，RAMZI M. Performance analysis of novel robust ANN-MRAS observer applied to induction motor drive [J ] .International Journal of System Assurance Engineering and Management，2022，13（4）：2011-2028.

LIU Z H，NIE J，WEI H L，et al. Switched PI control based MRAS for sensorless control of PMSM drives using fuzzy-logic-controller [J ] .IEEE Open Journal of Power Electronics，2022，3：368-381.

WANG L，ZHANG S，ZHANG C，et al. An improved deadbeat predictive current control based on parameter identification for PMSM [J ] .IEEE Transactions on Transportation Electrification，2024，10（2）：2740-2753.

KAKODIA S K，DYANMINA G. Implementation of FPGA-based neural network controller for reducing speed ripple for a PMSM-driven EV using MRAS speed estimator [J ] .IEEE Transactions on Artificial Intelligence，2025：1-12.

HUANG S，ZHANG Y，SHI L，et al. An improved MRAS-based multi-parameter identification method for permanent magnet synchronous motor drives [C ] .2024 6th International Conference on Electrical Engineering and Control Technologies （CEECT）.Shenzhen，China：IEEE，2024：39-43.

张懿，徐斌，魏海峰，等. 新型模型参考自适应的PMSM无差拍电流预测控制 [J ] .电机与控制学报，2023，27（9）：157-167.

夏晓荣，胡鹏飞，王飞，等. 基于小波变换与优化BP神经网络的超短期光伏发电功率预测 [J ] .电网与清洁能源，2024，40（10）：159-166.

刘翘楚，王杰，秦文萍，等. 基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究 [J ] .电网与清洁能源，2025，41（2）：138-146.

祁炜雯，张俊，吴洋，等. 基于改进BP-Bagging算法的光伏电站故障诊断方法 [J ] .浙江电力，2024，43(3):65-74.

张凡，韩斌，张飞，等. 基于粒子群算法优化CNN-BiGRU的入侵检测模型 [J ] .电子设计工程，2025，33（24）：7-11.

陈刚，刘旭阳，李国雄，等. 基于INSPSO-INC算法的光伏MPPT控制策略 [J ] .智慧电力，2025，53（2）：58-64.

马智峰，韩吉军，王垒，等. 基于IPSO-NESN算法的输电线路接地电阻预测 [J ] .智慧电力，2024，52(6):116-122.

刘伟，王俊. 永磁同步电机参数辨识研究综述 [J ] .电气技术，2020，21（8）：1-5，135.

石建飞，戈宝军，吕艳玲，等. 永磁同步电机在线参数辨识方法研究 [J ] .电机与控制学报，2018，22（3）：17-24.

李伟芾，高绪杰，常征，等. 基于BP神经网络和遗传算法的铜-铝双层药型罩结构优化设计 [J ] .兵器装备工程学报，2025，46（8）：89-95.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Research on Inversion Method of Fault Current Travelling Wave in Transmission Line

Distribution Network Fault Diagnosis Method Combining Particle Swarm Optimization and Exhaustive Method

Research on Control Strategies and Optimal Design of Wind-Solar-Diesel-Pumped Hydro Storage Complementary Power Generation System

Application of Back Propagation Neural Network in Dissolved Gas Analysis Based on Transformer Oil Chromatographic On-line Monitoring

Short Time Wind Power Prediction Based on Multidimensional Time-series and BP Neural Networks

Related Author

HU Chenlin

LIU Yadong

LIU Zongjie

CUI Jing

SHENG Gehao

JIANG Xiuchen

SHU Fandi

XIE Jiasheng

Related Institution

Shandong Luyitong Intelligent Electric Co.， Ltd.， Laiyang

State Grid Jining Power Supply Company

School of Electronic Information and Electrical Engineering， Shanghai Jiaotong University

State Grid Jingmen Power Supply Company

1. College of Electrical and New Energy，Three Gorges University

AI问答

⁰