：在应用Jiles—Atherton（J—A）磁滞模型对电流互感器的磁滞回线进行分析时，需对J—A磁滞模型中5个关键参数进行精确识辨。针对目前辨识方法存在的计算时问长和寻优能力差等问题，提出了一种改进的粒子群算法对J—A磁滞模型中的关键参数进行辨识。该算法将遗传选择策略引入到粒子群算法中，通过增加粒子群的多样性来提高了算法全局搜索能力，从而提高J—A磁滞模型关键参数辨识的准确度。文中对比分析了所提改进算法（GSS—PS0）与其他智能算法对J—A磁滞模型的关键参数辨识速度与准确度。结果表明，改进的算法得到的磁滞回线与实测磁滞回线的误差最小，且识别效率较高，证明了该算法在J—A磁滞模型参数辨识中的准确性和有 效性。
