- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
毕业设计开题报告
电气工程与自动化
用粒子群优化SPWM波及其谐波分析
一、选题的背景与意义
现代工业控制领域的控制理论发展迅猛,脉冲宽度调制技术通常被称为PWM控制技术,是通过一系列脉冲的宽度进行调制,来等效地获得所需要波形(包括幅值和相位)的技术。在微处理器被应用于PWM技术并数字化后, 各种控制方案不断涌现, 从最初追求电压波形的正弦,到电流波形的正弦,再到磁通的正弦,PWM控制技术的发展经历了一个不断创新和不断完善的过程。PWM控制是现代通用变频器的控制核心技术。任何控制算法的最终实现几乎都是以各种P WM控制方式完成的。目前在通用变频器中多采用S P WM正弦波的脉冲宽度调制控制方式。所谓SPWM控制方式就是通过改变 P WM输出的脉冲宽度使输出电压的平均值接近于正弦波的控制方式[1]。SPWM在交流传动乃至其它能量变换系统中得到非常广泛的应用,成为电气控制领域研究的热点课题。
目前经常采用的数学模型有很多种,例如等效面积法,自然采样法和规则采样法,而规则采样法中又可分成对称规则采样法与不对称规则采样法。
优化技术是以数学为基础,可应用到工程问题中。
粒子群优化算法(PSO)源于对鸟类捕食系统的模拟,是近年来被广为关注和研究的一种智能优化算法。该算法以其实现容易、精度高、收敛快等优点引起了学术界的重视。并且在解决实际问题中展示了其优越性。基于PSO优化估计各次谐波的幅值于相位,力图得到谐波小的SPWM波形生成的最佳调制比、占空比的实用方法。并于传统方法进行对比,得到此方法的有效性。
研究的基本内容与拟解决的主要问题:
1、基本内容
正弦脉宽调制(SPWM)技术,就是产生与正弦波等效的一系列等幅但不等宽矩形脉冲波形。等效原理是,每个矩形脉冲面积与对应位置正弦波面积相等.如图l,设矩形脉冲高度设为Us/2,宽度设为,中点角度为,Um为调制正弦波的振幅,n以为载波比,那么等效面积原理可以表示为:
当n较大时,,并设2Um/Us=M,则可得到:
图1 等效回路算法的原理图
有上式可以看出,在输出角频率(n=常量)情况下,等效脉冲宽度和调制度M成正比,也和脉冲所在位置的正弦值成正比。只要按正弦规律变化,SPWM 就可以输出正弦电压;变的越宽,输出的电压值越高[2]。
1995年,Kennedy和Eberhart首先介绍了粒子群方法。该算法是一种随机优化技术可以比喻为一个鸟群行为,源自社会心理理论。该方法通过适应,一直被认为具有强大的解决非线性和无微性,多重优化,高维数问题的能力。
在PSO的每个粒子具有以下属性,被当作是D维搜索空间的一个体积很小的一个点。第个粒子可以被描述为,第个粒子在搜索空间的最佳位置被记录并且被代替为。通过粒子在先前的每一步全局最佳位置被找到,用这个符号来表示,即。第颗粒子的飞行速度表示为。粒子的最大速度是。粒子的范围是。速度和位置每个粒子可以分别被由以下方程修改:
(1)
(2)
其中,=1,2…N,=1,2…D,N是粒子的编号。C1和C2是加速度系数是一个正的常数。加速系数控制在一个单一的迭代一颗粒子将移动多远。通常,这些都设置为2.0。rand1~U(0,1)和rand2~U(0,1)是范围在(0,1)的均匀随机序列。表示的是第颗粒子在第维的第n次迭代的位置。代表第颗粒子在第维的第n次迭代的个体最佳位置。代表第颗粒子在第维的第n次迭代的全局最佳位置。代表第颗粒子在第维的第n次迭代的速度。每一个都在的范围里以降低粒子离开搜索空间的可能性。速度钳制的公式可以表示为:
(3)
一颗粒子的新位子可以用公式(2)来计算。
每一颗粒子的个体最佳位置被更新,用公式:
(4)
全局的最佳位置通过粒子先前的每一步被找到,并且被定义为:
(5)
在方程中变量被称为惯性权重。惯性权重是用来控制以前的速度流速的影响,以影响“飞点”在的全局和局部的探索能力。大的惯性重量有利于全局探索,但是小的惯性变量方便局部探索当前的搜索范围。选择合适的惯性重量可提供全局和局部之间的平衡探索能力和要求较少的平均迭代找到最佳的位置。有一种简单的方法,值是随着迭代线性的减少,通过数学方法,描述为:
(6)
其中是起始的权重,是最终的权重,是最大的迭代次数,是当前的迭代次数。
通常,我们定义的惯性权重在迭代期
文档评论(0)