高传输效率无线电能发射系统的频率快速搜索方法技术方案

技术编号:12487491 阅读:120 留言:0更新日期:2015-12-11 01:56
本发明专利技术公开了一种高传输效率无线电能发射系统频率快速搜索方法,将一般算法中的粒子群规模分开设定,分别为最大粒子群规模Nmax=30和最小粒子群规模Nmin=2,粒子群规模随着迭代次数增加而逐渐减小,其中粒子群规模的总体减小方式类似于指数型变化的曲线。本算法在搜索前期,粒子群规模变化较慢,有利于全局搜索,在搜索后期,粒子群规模变为最小,减去了冗余粒子,精简了算法,加快了算法后期收敛速度。本发明专利技术算法不但使得粒子规模选取有据可依,且算法在搜索前期具有较大自我学习能力和社会学习能力,在搜索后期,加快收敛速度,算法搜索时间减小。

【技术实现步骤摘要】

本专利技术属于磁禪合无线电能传输
,特别是磁禪合无线电能传输系统中系 统传输效率的寻找方法领域,具体为一种高传输效率无线电能发射系统的频率快速捜索方 法。
技术介绍
无线供电技术是利用电磁场或电磁波实现能量由发射端至接收端的非接触式能 量供给。目前,国内外研究较多,较成熟的非接触能量传输技术是采用电磁感应原理,虽有 一定的优势,但其传输效率低,传输距离近。运些缺点使得该技术的发展具有较大的局限 性,2007年,MIT成功的调整收发线端线圈谐振频率,达到传输线圈之间的电磁共振,成功 的实现了电能传输方式的突破,运种技术采用电磁禪合共振原理。该技术激发了业界极大 地兴趣,成为国内外研究的热点。 对于一个系统,怎样确定传输效率的最大值,并找到在系统最大传输效率时系统 的激励频率是当前迫切需要解决的问题,粒子群算法在解决一般性的函数寻优问题时比较 有优势,但是针对于磁禪合无线电能出输系统来说,效率与频率函数曲线会出现单个和两 个极值点,当系统出现一个极值点的情况时,一般粒子群算法在捜索后期会出现短暂停滞 现象;而对于算法本身来说,粒子规模设置过大会导致算法进行多余的计算,而较小的规模 则导致粒子直接错过全局最优值,甚至找不到极值点,一般粒子群规模设在20-40之间,但 其粒子规模的精确选取却一直W来都是根据个人在解决问题时不停地尝试试验出来的,非 常盲目。针对W上情况,急需找到一种针对磁禪合无线电能传输系统本身特点的寻优算法, 解决系统效率寻找问题。因此,如何针对于磁禪合无线供电系统设计一种算法使算法迅速 找到系统最大效率W及相应的频率点是必须的。本专利技术旨在提供一种可W快速精确的找到 系统传输效率最优值W及其相对应频率的算法。
技术实现思路
本专利技术解决的技术问题是提供了一种高传输效率无线电能发射系统的频率快速 捜索方法,该方法主要解决了磁禪合无线电能传输系统中粒子群算法在寻优过程中会短暂 停滞的现象W及该算法本身粒子个数选取的问题,算法能够快速找到系统效率最优值。 本专利技术为解决上述技术问题采用如下技术方案,高传输效率无线电能发射系统的 频率快速捜索方法,其特征在于:将一般粒子群算法中的粒子群规模分开设定,分别为最大 粒子群规模Nmax= 30和最小粒子群规模Nmin= 2,粒子群规模随着迭代次数增加而沿着 指数曲线的方式逐渐减小,其具体实施步骤为: (1)、初始化算法,包括设定粒子种群维数D,最大迭代次数MaxNum,同时限定粒子 最大速度Vm。、,初始化惯性权重W; 阳007] 似、直接设定粒子群最大规模Nmax为30和粒子群最小规模Nmin为2,随机初始 化粒子的速度V和粒子的位置,设定初始粒子群规模为最大规模Nmax= 30,初始化迭代次 数t=I; W08] (3)、采用适应度函数计算当前种群每个粒子的适应 度函数值fi,表示第i个粒子的适应度函数值,其中,,《= 231ff,t为当前激励频率,《为激励电源的角频率,M 为发射和接收线圈之间的互感,Li,Lz为发射线圈和接收线圈电感,C1,Cz为电容,R.为电源 内阻,町为负载电阻,R1,Rz为回路中电阻; (4)、用best表示第i个粒子截止到第t次迭代时捜寻到的最优适应度函数值,用 gbMt表示截止到第t次迭代时,全部粒子捜索到的最优适应度函数值,在粒子群算法开始 迭代之前,设定flbest=〇,flgbest=〇,将步骤(3)中得到的粒子适应度函数值和个体极 值bes及全局极值f1gbest相比较,如果ff1best,那么best=f1,Pl=X1,P康示适应 度函数值为best的粒子位置,X1是所对适应度函数值为f1粒子的位置,如果ff1 gbMt, 那么figbest=fi,Pg=Xi,Pg是粒子种群中全局最优值为figbest的粒子位置; 巧)、按公式Tyr,=游廊奶地诗)更新粒子群规模,其中化resent为粒 J)). dS.ijJlt 子群当前规模,Nmax为最大粒子群规模,Nmin为最小粒子群规模,MaxNum为最大迭代次 数,t为当前迭代次数,n为控制粒子群规模变化规律的幕指数,通过参数n调节粒子群规 模变化的快慢程腹按公式Vi"I=IV* 'i'; + *raW* (巧-A:;)+C; *raW* )和公式 <+i=A;+vfi更新各个粒子的速度和位置,然后令迭代次数t=t+1,转向步骤化),其中 Vi"i代表t+1次迭代第i个粒子的速度,V代表当前第t次迭代第i个粒子的速度,C郝C2代表学习因子,rand代表之间的随机数,Pi表示适应度函数值为fibest的粒子位置, Pg是粒子种群中全局最优值为f1 gbMt的粒子位置,X代表t+1次迭代第i个粒子位置,X 代表第t次迭代第i个粒子当前位置,W代表惯性权重;化)、根据公式计算粒子适应度函数值的方差之 和,fwg为全部粒子适应度函数值的平均值,其中如果有(fi-fwg)〉1,则a=max(fi-fwg),否 则,a= 1,判断方差是否等于0或者算法是否达到最大迭代次数,如果否,则转向步骤(3), 如果是则转向步骤(7); 阳01引 (7)、输出捜索到的全局最优值Pg,Pg是粒子种群中全局最优值为f1gbest的粒子位 置,即捜索到的最优值对应的频率值; 做、用电流传感器检测负载电流i2的峰值,设A为设定的最大电流峰值波动范 围,i2m。为所检测的负载电流峰值,i2m。、似为负载的第k个电流周期电流峰值,12。。,化+1) 为负载的第k+1个电流周期的电流峰值,判断|i2m。、化+1) |-|i2m。、化)l〉A是否成立,如果判 断结果为是,则转向步骤(1),算法重启;如果判断结果为否,算法转向步骤(7)。 本专利技术根据当前激励频率ff反推出发射线圈和接收线圈之间的互感M,先确定了 发射线圈和接收线圈之间的互感,使得适应度函数变为只与激励频率有关的函数。本专利技术 使粒子规模随迭代次数增加按类似于指数型曲线的方式减小,在算法捜索前期,粒子群规 模较大且减少速度较慢,可W使算法充分对函数进行全局捜索,在后期,粒子群规模减少程 度变快,可W使粒子收敛速度变快,减少粒子群算法捜索时间。本算法主要解决了磁禪合无 线电能传输系统中粒子群算法在寻优过程中会短暂停滞的现象W及该算法本身粒子个数 选取的问题,算法能够快速找到系统效率最优值。本算法设定的重启条件可W使收发线圈 在改变距离的情况下时刻保持系统最大效率的输出。【附图说明】 图1为本专利技术粒子群优化算法流程图; 图2为一般粒子群算法寻优结果仿真图; 图3为本专利技术粒子群优化算法寻优结果仿真图; 图4为粒子群规模随迭代次数增加减小图。 具体实施方法 结合附图详细描述本专利技术的具体内容。本专利技术主要是针对磁禪合无线电能传输系 统,运用改进型粒子群算法,使粒子规模减小,算法能够快速找到效率最大点W及其相应频 率。W下通过特定的具体实例说明并用Matl油仿真。粒子群优化算法流程请见图1,高传 输效率无线电能发射系统的频率快速捜索方法,其包括W下步骤: 阳02U (1)、初始化算法,包括设定粒子种群维数D= 1,最大迭代次数MaxNum= 200,同 时限定粒子最大速度Vm。、,初始化惯性权重W; 阳02引 似、直接设定粒子本文档来自技高网
...
<a href="http://www.xjishu.com/zhuanli/60/CN105140972.html" title="高传输效率无线电能发射系统的频率快速搜索方法原文来自X技术">高传输效率无线电能发射系统的频率快速搜索方法</a>

【技术保护点】
高传输效率无线电能发射系统的频率快速搜索方法,其特征在于:将一般粒子群算法中的粒子群规模分开设定,分别为最大粒子群规模Nmax=30和最小粒子群规模Nmin=2,粒子群规模随着迭代次数增加而沿着指数曲线的方式逐渐减小,其具体实施步骤为:(1)、初始化算法,包括设定粒子种群维数D,最大迭代次数MaxNum,同时限定粒子最大速度vmax,初始化惯性权重w;(2)、直接设定粒子群最大规模Nmax为30和粒子群最小规模Nmin为2,随机初始化粒子的速度v和粒子的位置,设定初始粒子群规模为最大规模Nmax=30,初始化迭代次数t=1;(3)、采用适应度函数计算当前种群每个粒子的适应度函数值fi,fi表示第i个粒子的适应度函数值,其中ω=2πfr,fr为当前激励频率,ω为激励电源的角频率,M为发射和接收线圈之间的互感,L1,L2为发射线圈和接收线圈电感,C1,C2为电容,Rs为电源内阻,RL为负载电阻,R1,R2为回路中电阻;(4)、用fi‑best表示第i个粒子截止到第t次迭代时搜寻到的最优适应度函数值,用fi‑gbest表示截止到第t次迭代时,全部粒子搜索到的最优适应度函数值,在粒子群算法开始迭代之前,设定fi‑best=0,fi‑gbest=0,将步骤(3)中得到的粒子适应度函数值fi和个体极值fi‑best及全局极值fi‑gbest相比较,如果fi≤fi‑best,那么fi‑best=fi,pi=xi,pi表示适应度函数值为fi‑best的粒子位置,xi是所对适应度函数值为fi粒子的位置,如果fi≤fi‑gbest,那么fi‑gbest=fi,pg=xi,pg是粒子种群中全局最优值为fi‑gbest的粒子位置;(5)、按公式更新粒子群规模,其中Npresent为粒子群当前规模,Nmax为最大粒子群规模,Nmin为最小粒子群规模,MaxNum为最大迭代次数,t为当前迭代次数,n为控制粒子群规模变化规律的幂指数,通过参数n调节粒子群规模变化的快慢程度,按公式vit+1=w*vit+c1*rand*(pi-xit)+c2*rand*(pg-xit)]]>和公式更新各个粒子的速度和位置,然后令迭代次数t=t+1,转向步骤(6),其中代表t+1次迭代第i个粒子的速度,代表当前第t次迭代第i个粒子的速度,c1和c2代表学习因子,rand代表[01]之间的随机数,pi表示适应度函数值为fi‑best的粒子位置,pg是粒子种群中全局最优值为fi‑gbest的粒子位置,代表t+1次迭代第i个粒子位置,代表第t次迭代第i个粒子当前位置,w代表惯性权重;(6)、根据公式计算粒子适应度函数值的方差之和,favg为全部粒子适应度函数值的平均值,其中如果有(fi‑favg)>1,则a=max(fi‑favg),否则,a=1,判断方差是否等于0或者算法是否达到最大迭代次数,如果否,则转向步骤(3),如果是则转向步骤(7);(7)、输出搜索到的全局最优值pg,pg是粒子种群中全局最优值为fi‑gbest的粒子位置,即搜索到的最优值对应的频率值;(8)、用电流传感器检测负载电流i2的峰值,设Δ为设定的最大电流峰值波动范围,i2max为所检测的负载电流峰值,i2max(k)为负载的第k个电流周期电流峰值,i2max(k+1)为负载的第k+1个电流周期的电流峰值,判断|i2max(k+1)|‑|i2max(k)|>Δ是否成立,如果判断结果为是,则转向步骤(1),算法重启;如果判断结果为否,算法转向步骤(7)。...

【技术特征摘要】

【专利技术属性】
技术研发人员:王萌孙长兴施艳艳梁洁
申请(专利权)人:河南师范大学
类型:发明
国别省市:河南;41

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1