过近距离下共振电能传输系统效率寻优粒子群指数方法技术方案

本发明专利技术公开了一种过近距离下共振电能传输系统效率寻优粒子群指数方法，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逐渐减小，其中粒子群规模总体的减小方式类似于指数型变化的曲线，本发明专利技术算法能够使搜索时间减小。

【技术实现步骤摘要】

本专利技术涉及磁耦合无线电能传输
，特别是涉及耦合谐振式电能传输系统 在近场区域效率的寻找方法领域，具体为一种过近距离下共振电能传输系统效率寻优离子 群指数方法。
技术介绍
非接触电能传输技术作为新的电能储存和传输技术越来越受到国内外研究人员 的关注，在工业领域具有广泛的应用前景，电磁耦合共振实现了电能传输方式的突破。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，当收发线圈过近距离 下传输电能，磁耦合无线电能传输系统传输效率会出现频率分裂现象，这就使得一般算法 (爬山算法，模拟退火算法等）无法应用到磁耦合共振式无线电能传输系统。怎样找到系 统效率传输最优值，并找到在系统最大传输效率时系统激励频率是当前迫切需要解决的问 题。粒子群算法多应用于多峰值函数中最优值的寻找，它能够快速找到最优值，但是针对于 磁耦合无线电能出输系统来说，由于磁耦合无线电能传输系统本身特点，使一般粒子群算 法运行时间耗时较长；而对于算法本身来说，粒子规模设置的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以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。针对以上情况，急需找到一种针对过近距离下磁耦合无线电能 传输系统效率的寻优算法。因此，如何设计一种算法使算法迅速找到过近距离下共振电能 传输系统的最大效率以及相应的频率点是必须的。本专利技术旨在提供一种可以快速精确的找 到系统传输效率最优值以及其对应的频率的算法。【
技术实现思路
】 本专利技术解决的技术问题是提供了一种过近距离下共振电能传输系统效率寻优离 子群指数方法，该方法先根据发射和接收线圈之间的互感，确定适应度函数，然后令粒子规 模设定为最大规模和最小规模，使粒子规模从最大规模减到最小规模，解决了粒子群选取 过程中，粒子规模选取不精确的问题。 本专利技术为解决上述技术问题采用如下技术方案，过近距离下共振电能传输系统效 率寻优粒子群指数方法，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v_，初始化惯性权重w，随机初始化粒子的速度V和粒子的位置； (2)、初始化粒子群规模Nmax为30,并设定最小粒子群规模Nmin = 2,初始化迭代 次数t = 1 ; (3)、计算当前种群每个粒子的适应度函数值L A表示第i个粒子的适应度 CN 105184077 A W 切卞 2/5 页 函数值，其中适应度函数值^根据适应度函数计算得到，式中,f；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，L为负载电阻，R ρ私为回路中电阻； (4)、设定算法初始化个体极值t bf；st= 0和全局极值f; glrest= 0,个体极值用f; bf；st 表示，所代表的含义是第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，全局极 值用A gtest表示，所代表的含义是截止到第t次迭代时，全部粒子搜索到的最优适应度函数 值，将步骤（3)中得到的粒子适应度函数值A和个体极值f i test及全局极值f i gtest相比较， 如果?? f i bf3St，那么fi bf3St= f i，Pi= X i，Pi表示适应度函数值为f i bf3St的粒子位置，X ;是 所对适应度函数值为fi粒子的位置，如果f f i glrest，那么fi glrest= f i，Pg = Xi，Pg是粒子种 群中全局最优值为A gtest的粒子位置； (5)、用公式_生成下一代粒子种群，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，η为控制粒子群规模变化规律的幂指数，通过参数η可调节粒子 群规模变化的快慢程度，按公式和 公式<+1 =.< +vf更新下一代粒子种群每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，Vlt代表当前第t次迭代第i个 粒子的速度，cdP c 2代表学习因子，rand代表之间的随机数，P1表示适应度函数值为 ^ test的粒子位置，P g是粒子种群中全局最优值为f i gtest的粒子位置，X广1代表t+Ι次迭代 第i个粒子位置，At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（f ^favg) >1，则a = max (^favg)，否 则，a = 1，判断方差是否小于某一精度值ε或者粒子群算法是否达到最大迭代次数，ε根 据寻优对象确定，如果否，则转向步骤（3)，如果是则转向步骤（7); (7)、输出搜索到最优频率值，即粒子适应度值为全局最优值A gtest的粒子位置 Pg; (8)、用电流传感器检测负载电流i2的峰值，设△为设定的最大电流峰值波动范 围，i2_为所检测的负载电流峰值，i2_(k)为负载的第k个电流周期电流峰值，i2_(k+l) 为负载的第k+1个电流周期的电流峰值，判断|i2_ (k+1) |-|i2_ (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)。 本专利技术算法先根据发射和接收线圈之间的互感，确定适应度函数，然后令粒子规 模设定为最大规模和最小规模，使粒子规模从最大规模减到最小规模，解决了粒子群选取 过程中，粒子规模选取不精确的问题；且本算法中粒子群规模总体趋势随迭代次数增加按 类似于指数型曲线方式减小，整个过程为在搜索前期，粒子群规模减小速度较慢，有利于全 局搜索，在搜索中期，粒子群规模变化程度加快，精简算法，在搜索后期，粒子群规模变为最 小，算法能够快速收敛，解决了磁耦合无线电能传输系统中传统粒子群算法在寻优过程耗 时太长的问题。在系统传输距离改变的情况下，算法会进行重启，使系统传输效率能够时刻 保持在最大点处。【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过近距离下共振电能传 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以及其相 应频率。以下通过特定的具体实例说明并用Matlab仿真。粒子群优化算法流程见图1，过 近距离下共振电能传输系统效率寻优粒子群指数方法，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v_，初始化惯性权重w，随机初始化粒子的速度V本文档来自技高网...

【技术保护点】
过近距离下共振电能传输系统效率寻优粒子群指数方法，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，随机初始化粒子的速度v和粒子的位置；(2)、初始化粒子群规模Nmax为30，并设定最小粒子群规模Nmin＝2，初始化迭代次数t＝1；(3)、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，其中适应度函数值fi根据适应度函数计算得到，式中Z1=R1+Rs+jωL1+1jωC1,Z2=R2+RL+j(ωL2-1ωC2),]]>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)、设定算法初始化个体极值fi‑best＝0和全局极值fi‑gbest＝0，个体极值用fi‑best表示，所代表的含义是第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，全局极值用fi‑gbest表示，所代表的含义是截止到第t次迭代时，全部粒子搜索到的最优适应度函数值，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)、用公式生成下一代粒子种群，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可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)]]>和公式更新下一代粒子种群每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，判断方差是否小于某一精度值ε或者粒子群算法是否达到最大迭代次数，ε根据寻优对象确定，如果否，则转向步骤(3)，如果是则转向步骤(7)；(7)、输出搜索到最优频率值，即粒子适应度值为全局最优值fi‑gbest的粒子位置pg；(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