基于EMC评估模型和γ-NSGA-Ⅱ的传导干扰陷波器多目标优化设计方法技术

本发明专利技术公开一种基于EMC评估模型和γ‑NSGA‑II的传导干扰陷波器多目标优化设计方法，涉及电磁兼容领域和遗传算法改进策略。本发明专利技术以BP神经网络为基础建立EMC评估模型，解算出表示传导干扰抑制效果的传导发射信号余量值和总谐波畸变率；以余量值、总谐波畸变率、陷波器重量和费用为优化目标，引入含目标重要度排序的优化目标向量γ，利用γ‑NSGA‑II算法不断进化得到陷波器最优参数。与NSGA‑II相比，γ‑NSGA‑II在临界层个体选择时，按重要度对优化目标向量γ降维后，进行临界层个体的快速非支配排序。本发明专利技术提供了抑制传导干扰、陷波器减重和降低费用等目标重要度可选的陷波器参数优化设计方法，科学性强、实用性好。

Multi-objective optimization design method of conductive interference notch filter based on EMC evaluation model and gamma-NSGA-II

【技术实现步骤摘要】
基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计方法
本专利技术涉及电磁兼容领域和遗传算法应用领域。
技术介绍
供电设备的电磁干扰一方面会对供电电网造成谐波污染，另一方面会影响供电质量，甚至导致负载无法正常工作，因此其电磁兼容性必须满足相关的工业标准要求。10MHz以下的电磁干扰信号通常以传导干扰的形式传播，所以供电设备的电磁干扰以传导干扰为主。通常，在电源侧安装陷波器滤除特定频率的传导发射信号可防止设备产生的干扰通过电源线传导到电网侧。目前工程上对陷波器R、L、C参数的确定以经验法、试凑法最为常见，难以使其在传导干扰抑制效果、运行性能及安装成本等方面同时达到最优，文献[1]提出一种基于神经网络的非线性时变进化粒子群优化算法，同时使滤波器成本、滤波器损耗、电流和电压总谐波失真最优化。但目前研究主要针对滤波器的滤波效果和无功补偿进行优化，以电磁干扰抑制效果为主要目标的优化设计讨论甚少。作为目前多目标优化算法的研究热点，NSGA-II算法的改进主要针对更好地保护种群多样性，避免算法陷入局部最优，但并未考虑各目标的重要程度对种群进化的影响。以陷波器为例，若用于试飞供电设备的传导干扰抑制，应在确保电磁兼容达标的前提下使体积重量最小，其经济性的重要程度最低；而对于需要批量生产、安装于民用设备的陷波器，经济性更为重要，相比于体积重量应优先考虑价格低廉。但现有的NSGA-II算法无法将两者的优化需求区别开来。本专利技术涉及以下技术术语：EMC：电磁兼容性ElectroMagneticCompatibility，指设备或系统在其电磁环境中符合要求运行并不对其环境中的任何设备产生无法忍受的电磁干扰的能力。NSGA-II算法：第二代非支配排序遗传算法Non-dominatedSortingGeneticAlgorithmII，是一种基于非支配排序并带有精英策略的多目标优化算法。Pareto最优解：资源分配的一种理想状态，常指一组目标函数最优解的集合。
技术实现思路
本专利技术针对现有技术的不足，提供一种基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计方法，用于解决不同决策偏好下抑制传导干扰、减小器件重量和费用的陷波器参数优化问题。为实现上述目的，本专利技术采用的技术方案为：根据标准规定的传导发射阈值曲线，分析电源线传导发射频谱图，选择传导发射超过标准阈值的区间作为目标频段，定义目标频段内阈值电平与对应频点传导发射信号幅值之差的最小值为传导发射信号余量值ΔCE；建立以陷波器电阻R、谐振频率f和品质因素Q为输入的BP神经网络，解算得到目标频段内传导发射信号的总谐波畸变率CETHD和余量值ΔCE；选择CETHD、ΔCE与陷波器重量和陷波器费用组成四个优化目标，采用含重要度降维排序的γ-NSGA-II算法，对由R、f和Q编码的染色体不断迭代，使种群朝着最优解的方向进化，实现基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计。利用BP神经网络拟合传导干扰抑制效果建立EMC评估模型，模型输入为陷波器参数R、f和Q，表示为X＝[R1，f1，Q1，…，Rj，fj，Qj，…，Rk，fk，Qk]，其中，k是陷波器中的单个陷波频点的数量，Rj，fj，Qj分别表示第j个陷波频点的电阻值、谐振频率和品质因数；模型输出为ΔCE和CETHD，表示为Y＝[ΔCE，CETHD]，ΔCE和CETHD的定义为：ΔCE：传导发射信号余量值，指目标频段内，阈值电平与对应频点处传导发射信号幅值之差的最小值，若某频点处传导发射信号超出阈值电平曲线，则ΔCE＜0，表示设备的电磁兼容性不达标；CETHD：传导发射信号总谐波畸变率，指目标频段内，所有谐波分量Ui与基波分量U1比值的方和根，表达式为：确立四个优化目标的适应度函数，ΔCE、CETHD、陷波器重量和费用的适应度函数分别为FΔCE(Xi)、WF(Xi)和CF(Xi)，表达式为：其中，Xi是由陷波器中各陷波频点的R、f和Q编码组成的第i条染色体，c是使FΔCE为正值的常数，n和j分别是单个陷波频点的数量和序号，w1、w2、w3分别是电阻、电感、电容的单位重量因子，α1、α2、α3分别是电阻、电感和电容的单位价格因子。根据用户决策偏好确定四个目标的重要度排序，使用含重要度降维排序的γ-NSGA-II算法对染色体种群不断进化，算法过程如下：步骤1：设置遗传算法基本参数，包括种群数目N、最大进化代数tMAX、交叉率pc和变异率pm，并生成初始种群Pt作为父代种群；步骤2：将s个优化目标按照重要度由高到低的排序组成目标向量γ＝(g1，…，gj，…，gs)，确定父代种群中各个体的目标向量γ，其中，gj表示重要度排名第j的优化目标；步骤3：根据优化目标向量γ对父代种群Pt进行快速非支配排序，经过选择、交叉、变异得到第一代种群Qt；步骤4：将父代Pt与子代Qt合并为容量为2N的种群Rt，需从Rt中选择N个优胜个体形成新父种群Pt+1，选择方法为：根据目标向量γ对种群Rt进行快速非支配排序将其分为n层：F1，F2，...，Fn，如果F1，F2，...，Fl-1层总个体数量L＜N而F1，F2，...，Fl层总个体数量大于N，将F1，F2，...，Fl-1层个体选入Pt+1；从目标向量γ中删除重要度最低的目标gs并将剩余s-1个目标按照重要度排序成为新的目标向量γ＝(g1，g2，…，gs-1)；对Fl层种群根据新目标向量γ进行快速非支配排序将其分为m层：H1，H2，...，Hm，如果H1，H2，...，Hk-1层总个体数量K＜N-L而H1，H2，...，Hk层总个体数量大于N-L，将H1，H2，...，Hk-1层个体选入Pt+1......重复临界层选择步骤直到Pt+1的容量达到N；步骤5：，对新父种群Pt+1执行交叉、变异得到新一代种群Qt+1，重复步骤4，直至达到最大进化数tMAX，此时种群即为Pareto最优解集，从中选择出所需数量个最优化设计。本专利技术的有益效果：1、本专利技术利用BP神经网络构造陷波器EMC评估模型，引入了表示传导干扰抑制效果的传导发射信号余量值ΔCE和传导发射信号总谐波畸变率CETHD两个新定义，建立陷波器参数R、f、Q与ΔCE和CETHD的非线性映射关系，有助于实现传导干扰抑制效果的定量评估，为电磁干扰评估建模提供新的思路；2、本专利技术引入目标重要度的概念，基于NSGA-II提出γ-NSGA-II算法，使重要度较高的优化目标得到更优解。同时，采用目标向量按重要度进行降维的策略，避免了优化目标数大于2时，NSGA-II的拥挤距离策略使得非支配层上的解分布不均匀的问题；3、本专利技术提出的基于BP神经网络建立适应度函数的方法可为其他非线性映射关系的解算提供参考；γ-NSGA-II算法对高维不同重要度多目标优化任务具有普适性，可应用于其他不同领域的多目标优化中。附图说明图1是本专利技术的电路应用示例图；图2是陷波器多目标优化设计的原理图图中：(a)总体原理图；(b)γ-NSGA-II算法流程图；图3是安装陷波器前的12脉TRU电源线传导发射频谱图；图4是安装陷波器参数优化后的12脉TRU电源线传导发射频谱图；图5是算法改进前后各适应度值进化过程；图中：(a)NSGA-II；(本文档来自技高网...

【技术保护点】
1.基于EMC评估模型和γ‑NSGA‑II的传导干扰陷波器多目标优化设计方法，其特征在于：根据标准规定的传导发射阈值曲线，分析电源线传导发射频谱图，选择传导发射超过标准阈值的区间作为目标频段，定义目标频段内阈值电平与对应频点传导发射信号幅值之差的最小值为传导发射信号余量值ΔCE；建立以陷波器电阻R、谐振频率f和品质因素Q为输入的BP神经网络，解算得到目标频段内传导发射信号的总谐波畸变率CETHD和余量值ΔCE；选择CETHD、ΔCE与陷波器重量和陷波器费用组成四个优化目标，采用含重要度降维排序的γ‑NSGA‑II算法，对由R、f和Q编码的染色体不断迭代，使种群朝着最优解的方向进化，实现基于EMC评估模型和γ‑NSGA‑II的传导干扰陷波器多目标优化设计。

【技术特征摘要】
1.基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计方法，其特征在于：根据标准规定的传导发射阈值曲线，分析电源线传导发射频谱图，选择传导发射超过标准阈值的区间作为目标频段，定义目标频段内阈值电平与对应频点传导发射信号幅值之差的最小值为传导发射信号余量值ΔCE；建立以陷波器电阻R、谐振频率f和品质因素Q为输入的BP神经网络，解算得到目标频段内传导发射信号的总谐波畸变率CETHD和余量值ΔCE；选择CETHD、ΔCE与陷波器重量和陷波器费用组成四个优化目标，采用含重要度降维排序的γ-NSGA-II算法，对由R、f和Q编码的染色体不断迭代，使种群朝着最优解的方向进化，实现基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计。2.根据权利要求1所述的基于EMC评估模型和γ-NSGA-II的传导干扰陷波器多目标优化设计方法，其特征在于：使用BP神经网络拟合传导干扰抑制效果建立EMC评估模型，通过训练网络获得陷波器参数与ΔCE和CETHD的非线性映射关系；神经网络输入为R、f、Q，表示为X＝[R1，f1，Q1，…，Rj，fj，Qj，…，Rk，fk，Qk]，其中，k是陷波器中的单个陷波频点的数量，Rj，fj，Qj分别表示第j个陷波频点的电阻值、谐振频率和品质因数；神经网络输出为ΔCE和CETHD，表示为Y＝[ΔCE，CETHD]，ΔCE和CETHD的定义为：ΔCE：传导发射信号余量值，指目标频段内，阈值电平与对应频点处传导发射信号幅值之差的最小值，若某频点处传导发射信号超出阈值电平曲线，则ΔCE＜0，表示设备的电磁兼容性不达标；CETHD：传导发射信号总谐波畸变率，指目标频段内，所有谐波分量Ui与基波分量U1比值的方和根，表达式为：3.根据权利要求1所述的基于EMC评估模型和γ-NSG...

【专利技术属性】
技术研发人员：马莹，葛红娟，张璐，桑益芹，李煌，李静，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32