基于麻雀搜索与遗传算法的J-A磁滞模型参数辨识方法

作者：李丹丹^*; 吴宇翔; 朱聪聪; 李仲康

来源：高电压技术, 2022, 48(10): 4181-4188.

DOI：10.13336/j.1003-6520.hve.20210840

• J-A磁滞模型
• 遗传算法
• 麻雀搜索算法
• 参数辨识方法
• 混合优化算法
• 磁滞特性模拟

Jlies-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被广泛应用。针对当前J-A模型参数辨识所使用的混合优化算法存在的精度低、耗时久等问题，提出了一种基于遗传算法(genetic algorithm, GA)和麻雀搜索算法(sparrow search algorithm, SSA)的混合优化算法，以实现对J-A磁滞模型参数的快速、精确辨识。在算法初期，采用Tent混沌映射提高GA的全局搜索精度，使其快速收敛至J-A磁滞模型参数的全局最优值所在区间；在满足切换准则后，将GA的当前解赋值给SSA；在算法后期，融合反向学习和高斯变异增强SSA的局部搜索能力，使其快速收敛于模型参数的全局最优值，从而得到一种适用于J-A磁滞模型参数精确辨识的混合优化算法。仿真分析和实验验证结果表明：与GA、SSA及现有的两种混合优化算法相比，该算法在辨识模型参数时收敛速度更快、辨识精度更高，且基于该算法所辨识参数生成的模拟磁滞曲线与实测磁滞曲线吻合较好，验证了该算法的实用性和有效性。

• 单位
  郑州轻工业大学