一种基于磁谐振和DQN的MIMO中继充电方法技术

一种基于磁谐振和DQN的MIMO中继充电方法，所述该方法由4个电路组成，分别为TX circuit发射端电路、Relay circuit中继端电路、RX circuit接收端电路、TX

【技术实现步骤摘要】
一种基于磁谐振和DQN的MIMO中继充电方法


[0001]本专利技术涉及的基于磁谐振和DQN的MIMO中继充电方法，属于无线充电


技术介绍

[0002]随着数亿台智能设备在人群中的广泛使用，这些设备充电问题成为当前非常重要的研究性课题。近些年来，无线电能传输(Wireless Power Transmission)系统已经被深入研究，并出现了一批市场化的无线充电设备，以解决智能设备需要反复插拔补充电能的困扰。与传统的有线充电方法相比，无线充电最明显的优势是没有电线，降低了安全风险，有利于产品防水防尘设计。
[0003]目前，短距离无线电能传输系统通常以两种方式实现，即：电感耦合(Inductive Coupling，或称磁耦合)和磁谐振耦合(Magnetic Resonant Coupling)[1]。当使用电感耦合时，无线电能传输系统就像松散耦合变压器一样工作；而采用磁谐振技术的无线电能传输系统利用电路中谐振现象来提高能量传输效率。由于更高的效率和更长的充电距离，基于磁谐振技术的无线电能传输技术引起了业界和学术界的关注。多个无线充电联盟已经提出了无线充电系统的规范，例如无线充电联盟(WPC)提出的Qi规范，以及无线电力联盟(A4WP)提出的Rezence规范。
[0004]然而，当前的规范普遍集中于只有一个电力发送单元的情况，即，系统中有且仅有一个能量发射端(TX),而商品化的无线充电设备基本都是一对一的无线充方式，且充电距离都是接近零距离的、基本贴合的，需要发射端和接收端的高度耦合。已经在文献中研究了具有多个发射端和/或多个接收端的磁谐振无线电能传输系统。其中尤为引人注目的是，磁波束成形技术(beamforming)已应用于多输入多输出(MIMO)场景中，以实现更灵活和高效的能量传输。这些技术整合的无线充电系统在2014年以来的几篇相关文章[2]-[4]中有着具体阐述。
[0005]我们在此方案中借鉴了以往无线充电系统中的设计经验，基于磁谐振原理，整合磁波束成形技术，创新性地提出中继方案，即，在多入多出环境下，插入中继线圈群，使用神经网络方法控制中继线圈的开关闭合，从而与发射端控制一起实现对接收端的高效率充电方案。

技术实现思路

[0006]本专利技术多设备同时进行无线充电的难题，提高无线充电的距离和效率，本专利技术的目的是通过以下技术方案实现的：
[0007]一种基于磁谐振和DQN的MIMO中继充电方法，所述该方法由4个电路组成，分别为TX circuit发射端电路、Relay circuit中继端电路、RX circuit接收端电路、TX-relay controller发射端-中继端的控制电路，所述TX circuit发射端电路、Relay circuit中继端电路、RX circuit接收端电路之间均由TX-relay controller发射端-中继端的控制电路控制，其中电流公式为通过应用基尔霍夫电路法,我们得出以下电流方程(1)，对于每一个
被动线圈α，α可以是任何RX，或任何处于闭合状态的Relay。
[0008][0009]电压公式：可以得出电压方程(2)，式中的α可以是任何TX,RX,或任何闭合状态的Relay。τ
α
对于发射端为1，对于中继端和接收端为0。
[0010][0011]矩阵形式：为了更容易的表示，我们将上面(1)(2)写成矩阵形式(3)，
[0012][0013]通过简单的变换，我们可以得到式(4)
[0014][0015]所述通过控制发射端电流和中继端开关状态，使接收端在给定能量预算下的接收能量最大化。因此，该公式表述为：
[0016][0017]约束为
[0018][0019]由于解空间十分巨大，在有6*6的relay的情况下，遍历算法将不能在可行时间内得到最优解，我们采用分层的方法来解决这一问题；在顶层，我们只控制中继的开闭状态，在底层，我们只控制发射端的电流，如式(6)和(7)所示。
[0020][0021][0022]作为优选：所述底层，我们针对顶层方案中给出的闭合中继线圈的数量和排布方式，给出最大化接收端能量且满足总能量约束的发射端电流设定。
[0023]在底层算法中，我们扩展了文献[4]中的算法，使用拉格朗日乘数法。通过符号μ作为约束(C5a)的乘数，问题(7)是寻求以下函数的驻点。
[0024][0025]我们可以通过将两个偏导数和设为0获得驻点的信息，特殊地，我们根据(4)式获得下述方程。
[0026][0027]然后，我们得到了关于底层调度问题(7)的最优结果的定理。
[0028][0029]式中，其中maxeig为矩阵对应于其最大实特征值的单位特征向量。γ为正则化标量，确保系统总功率满足预算约束(C5a)。
[0030]得到式(10)中的矩阵X1和X2，就可以解决底层问题，实际上，我们只需求得矩阵中的D和X2即可。
[0031]估算D：由式(4)可知，D可以看作是由到的变换矩阵。幸运的是，我们可以测量TX和Relay上的电流，即，和然后，通过应用TX电流(实际上是通过TX电压调控)并测量产生的中继端电流，我们可以估计出它们之间的系数。由于是长度为N的向量，在进行矩阵反演之前需要重复测量N次，其中N为TXs的个数。
[0032]更正式地说，如果应用N组不同的TX电流，测量相应的Relay电流，可以由下面的公式反演出矩阵D。
[0033][0034]估算X2：由式(4)消去可得：
[0035][0036]我们注意到式(12)中只有两个未知系数，即H和Z
R
。然后，我们可以使用与估计D相同的数据与过程来估计：
[0037][0038]由于接收端线圈较小，且距离比较远，故接收端RX之间的互感可以忽略不计。因此，我们认为R
R
与Z
R
近似相等。再结合估算出来的矩阵D，我们便可以估算出矩阵X2。
[0039]时间消耗：时间上的消耗主要包括两部分，即测量和计算。计算过程主要由一个简单的特征向量分解过程组成，与测量过程相比，其耗时可忽略不计。
[0040]在RX无关估计中，需要对TX电压进行N次非线性变换，并测量相应的和因此，测量时间取决于实际系统中最高的TX电压变化速率。在我们的模型中，理论上可以实现超过1kHz的电压变化率。对于具有4个发射端TX的典型应用场景，我们可以在5ms内完成测量
操作。
[0041]作为优选：所述顶层采用强化学习DQN，深度Q网络的方法，该方法基于DQN的能量路径路由方案，DQN的运行模式和原理可简述为：首先环境会给出一个观察(observation)，智能体根据值函数网络得到关于这个observation的所有Q(s,a)，然后利用∈-greedy选择action并做出决策，环境接收到此action后会给出一个奖励Reward及下一个observation。这是一个step，此时我们根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于磁谐振和DQN的MIMO中继充电方法，其特征在于所述该方法由4个电路组成，分别为TX circuit发射端电路、Relay circuit中继端电路、RX circuit接收端电路、TX-relay controller发射端-中继端的控制电路，所述TX circuit发射端电路、Relay circuit中继端电路、RX circuit接收端电路之间均由TX-relay controller发射端-中继端的控制电路控制，其中电流公式为通过应用基尔霍夫电路法,我们得出以下电流方程(1)，对于每一个被动线圈α，α可以是任何RX，或任何处于闭合状态的Relay。电压公式：可以得出电压方程(2)，式中的α可以是任何TX,RX,或任何闭合状态的Relay。τ
α
对于发射端为1，对于中继端和接收端为0。矩阵形式：为了更容易的表示，我们将上面(1)(2)写成矩阵形式(3)，通过简单的变换，我们可以得到式(4)所述通过控制发射端电流和中继端开关状态，使接收端在给定能量预算下的接收能量最大化。因此，该公式表述为：约束为由于解空间十分巨大，在有6*6的relay的情况下，遍历算法将不能在可行时间内得到最优解，我们采用分层的方法来解决这一问题；在顶层，我们只控制中继的开闭状态，在底层，我们只控制发射端的电流，如式(6)和(7)所示。
2.根据权利要求1所述的基于磁谐振和DQN的MIMO中继充电方法，其特征在于所述底层的算法中，扩展了(4)中的算法，使用拉格朗日乘数法，通过符号μ作为约束(C5a)的乘数,(7)是寻求以下函数的驻点。我们可以通过将两个偏导数和设为0获得驻点的信息，特殊地，我们根据(4)式获得下述方程。得到了关于底层调度问题(7)的最优结果的定理。式中，其中maxeig为矩阵对应于其最大实特征值的单位特征向量。γ为正则化标量，确保系统总功率满足预算约束(C5a)。得到式(10)中的矩阵X1和X2，估算D：由式(4)可知，D可以看作是由到的变换矩阵。幸运的是，我们可以测量TX和Relay上的电流，即，和然后，通过应用TX电流(实际上是通过TX电压调控)并测量产生的中继端电流，我们可以估计出它们之间的系数。由于是长度为N的向量，在进行矩阵反演之前需要重复测量N次，其中N为TXs的个数。更正式地说，如果应用N组不...

【专利技术属性】
技术研发人员：周颢，李向阳，周王球，宋年卉，
申请(专利权)人：德清阿尔法创新研究院，
类型：发明
国别省市：