基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识

叶建盈; 刘磊; 林波; 陈颖婷; 黄光华; 舒一展

doi:10.16628/j.cnki.2095-8188.2026.02.002

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识

研究与分析 | 更新时间：2026-04-19

- 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识
- 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识
- 电器与能效管理技术 2026年第2期页码：12-18
- 作者机构：
  
  1. 福建理工大学汽车电子与电驱动技术重点实验室
  2. 国网浙江缙云县供电公司
- 作者简介：
- 基金信息：
  
  福建省自然科学基金(2021J011081,2022J05196)
- DOI：10.16628/j.cnki.2095-8188.2026.02.002
  中图分类号： TM271;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
叶建盈, 刘磊, 林波, 等. 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识[J]. 电器与能效管理技术, 2026,(2):12-18.

叶建盈, 刘磊, 林波, et al. 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识[J]. 2026, (2): 12-18.
叶建盈, 刘磊, 林波, 等. 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识[J]. 电器与能效管理技术, 2026,(2):12-18. DOI： 10.16628/j.cnki.2095-8188.2026.02.002.

叶建盈, 刘磊, 林波, et al. 基于粒子群和蚁狮混合优化算法的Jiles-Atherton磁滞模型参数辨识[J]. 2026, (2): 12-18. DOI： 10.16628/j.cnki.2095-8188.2026.02.002.

摘要

Jiles-Atherton(J-A)磁滞模型具有参数较少、物理意义清晰等优点，在电磁材料磁特性模拟研究中得到了广泛应用。针对J-A磁滞模型参数辨识中精度低、耗时久的问题，提出了一种结合粒子群优化(PSO)与蚁狮优化(ALO)的混合优化算法。在算法初期，利用PSO算法的全局搜索能力，可迅速定位J-A磁滞模型参数全局最优值的大致区间；随后，在算法进入深入搜索阶段时，引入ALO算法，通过蚂蚁的随机游走、轮盘赌选择机制及精英保留策略，能够在限定的搜索空间内实现高精度的收敛，从而迅速锁定模型参数的全局最优解。仿真与实验验证表明，该混合算法在模型参数辨识上展现出快速收敛特性和高精度性能，且模拟磁滞曲线与实测数据高度一致，验证了其实用性和有效性。

Abstract

关键词

Keywords

references

Seyedali Mirjalili.The Ant Lion Optimizer[J].Advances in Engineering Software,2015.

Krzysztof Chwastek,Jan Szczyglowski.Identification of a hysteresis model parameters with genetic algorithms[J].Mathematics and Computers in Simulation,2006.

Mayergoyz I..Mathematical models of hysteresis[J].IEEE Transactions on Magnetics,1986(5).

崔晓丹,吴家龙,邓馗,王彦品,冯佳期,李亚杰.基于改进EKF算法的锂离子电池SOC在线估计[J].电器与能效管理技术,2024(06).

马阳阳,李永建,孙鹤,杨明,窦润田.基于深度置信网络算法的面向铁磁材料旋转磁滞损耗的矢量磁滞模型[J].电工技术学报,2023(15).

陈聪磊,钟继涵,曹晓波,罗晓东,徐俊.基于改进Q学习的虚拟电厂参与调峰辅助服务策略[J].电器与能效管理技术,2023(03).

黄惠玉,包广清,陈俊全.基于温度修正J-A动态磁滞模型的铁芯损耗计算[J].磁性材料及器件,2023(01).

许建,王家华,陈玉峰.基于LSTM和PSO联合优化的微电网短期负荷预测方法[J].电器与能效管理技术,2022(09).

谢云浩,吴自然,陈威,包晓忠,许海波.基于多目标粒子群算法的宽量限电流互感器传变特性分析与优化[J].电器与能效管理技术,2022(08).

莫仕勋,杨皓,蒋坤坪,梁振燊.基于改进秃鹰搜索算法的变压器J-A模型参数辨识[J].电工电能新技术,2022(04).

李丹丹,吴宇翔,朱聪聪,李仲康.基于麻雀搜索与遗传算法的J-A磁滞模型参数辨识方法[J].高电压技术,2022(10).

包广清,黄雷.基于cosh函数的Preisach磁滞模型参数辨识与验证[J].磁性材料及器件,2020(02).

赵越,李琳,刘任.基于人工鱼群与Levenberg-Marquardt混合算法的Jiles-Atherton磁滞模型参数提取[J].华北电力大学学报(自然科学版),2018(06).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于隧道磁阻效应的剩余电流检测方法研究

自适应粒子群优化算法在电力系统无功优化中的应用

采用Prony算法的谐波和间谐波分析

一种基于联姻策略的粒子群优化算法的继电器优化设计

线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测