一种基于数据驱动的WPT系统建模方法技术方案

本发明专利技术涉及无线电能传输技术领域，具体公开了一种基于数据驱动的WPT系统建模方法，该方法首先确定WPT系统的电路结构和系统参数，建立微分方程，然后基于系统微分方程构建GSSA模型(大信号模型)，并通过添加扰动获得系统的线性小信号模型，进一步基于大信号模型和小信号模型通过数据驱动建模的方法建立Hammerstein模型，并进行降阶获取二阶Hammerstein模型，最后基于该二阶Hammerstein模型构建优化问题，最后采用最小二乘法和牛顿迭代搜索相结合的方法对优化问题进行求解，可以较为准确地估计WPT系统的模型偏移参数和系统通信延迟。统通信延迟。统通信延迟。

【技术实现步骤摘要】
一种基于数据驱动的WPT系统建模方法


[0001]本专利技术涉及无线电能传输
，尤其涉及一种基于数据驱动的WPT系统建模方法。

技术介绍

[0002]近年来，无线功率传输(WPT)技术已成为一个研究热点。它可以完全隔离电源和充电设备。已广泛应用于电动汽车、石油钻探、工业生产、生物医学、航空航天、海洋等领域。通过非接触方式，WPT技术可以提高供电设备的安全性、可靠性和灵活性，增强设备的工作能力。
[0003]通常，由于环境因素引起的系统参数变化，系统的输出电压不稳定。考虑到电气设备的安全性，需要对输出电压采取闭环控制策略。目前，传统的控制方法使用线性控制器，这取决于精确的系统模型。因此，准确地获得系统的控制输入和输出模型是非常必要的。WPT系统是一种特殊的电共振变换系统，具有高阶非线性、多种电路拓扑和相应的控制模型以及负载大小和类型的随机性。主要的建模方法包括广义状态空间平均(GSSA)、展开函数描述、离散映射时间、交流阻抗分析。这些传统方法依赖于真实的电路拓扑，并且大多数方法对系统的工作状态有严格的要求。即使在同一系统中，在不同的工作状态下，系统模型也可能有很大的差异。通过传统的建模，得到的模型往往更加复杂。传统建模方法得到的模型具有通用性差的缺点。此外，WPT系统通过一次侧和二次侧之间的通信链路形成闭环，以控制输出电压，如图2所示，其中系统中的无线通信、数据采样、处理器计算和模型简化将导致时间延迟。传统的建模方法无法准确描述具有时滞的系统。
[0004]上述方法主要是WPT系统的电路级建模，只考虑了系统的稳态运行状态。对控制系统设计所需的系统级动态建模的研究很少。基于电路级的建模方法是有效的，但不能真正反映系统参数的偏移。所建立的模型阶数高，通用性差，没有精确的时延参数，在实际的工业控制过程中不方便。此外，时间延迟会导致系统的不稳定和闭环系统的故障。

技术实现思路

[0005]本专利技术提供一种基于数据驱动的WPT系统建模方法，解决的技术问题在于：如何准确估计WPT系统的模型偏移参数和系统通信延迟。
[0006]为解决以上技术问题，本专利技术提供一种基于数据驱动的WPT系统建模方法，其关键在于，包括步骤：
[0007]S1、确定WPT系统的电路结构和系统参数，基于其电路结构和基尔霍夫定理建立系统的微分方程；
[0008]S2、基于所述系统的微分方程建立系统的GSSA模型；
[0009]S3、在给定的稳态工作点添加扰动，将所述系统的GSSA模型转化为线性的小信号模型，并得到WPT系统从占空比到输出电压的小信号开环传递函数；
[0010]S4、将系统参数代入所述小信号开环传递函数，得到线性高阶模型；
[0011]S5、基于所述GSSA模型和所述线性高阶模型，通过数据驱动建模的方法并添加时间延迟构建系统的Hammerstein模型；
[0012]S6、获取所述Hammerstein模型的二阶模型，记为二阶Hammerstein模型；
[0013]S7、基于所述二阶Hammerstein模型定义用于估计模型偏移参数和系统通信延迟的优化问题；
[0014]S8、使用最小二乘法和牛顿迭代搜索相结合的方法对所述优化问题进行求解，以估计模型偏移参数和系统通信延迟。
[0015]进一步地，在所述步骤S5中，所述Hammerstein模型表示为：
[0016][0017]其中，t表示时间，x(t)表示包含步骤S1所得微分方程中状态变量的实部和虚部的广义状态变量向量，τ表示描述系统总时延的纯时延，f(u(t
‑
τ))表示t
‑
τ时刻系统的非线性输入，t
k
＝kT表示采样时间(k＝1,2,3
…
)，T表示采样间隔，x(t
k
)表示在第k个采样时间系统实际输出，v(t
k
)表示在第k个采样时间的系统输出的测量噪声，y(t
k
)表示在第k个采样时间的系统输出，G(s,θ)表示系统的有理传递函数，B(s,θ)和A(s,θ)代指以下多项式：
[0018][0019]其中，n
a
和n
b
是多项式次数，n
a
≥n
b
，是模型偏移参数的向量。
[0020]进一步地，在所述步骤S6中，取n
a
＝2和n
b
＝1，得到所述二阶Hammerstein模型。
[0021]进一步地，在所述步骤S7中，所述优化问题构建为：
[0022][0023][0024]ε(t
k
)＝y(t
k
)
‑
x(t
k
)，
[0025]其中，表示估计的模型偏移参数和系统通信延迟θ,τ的优化解，J(θ,τ)是预测误差的成本函数，ε(t
k
)是第k个采样时间的实际输出与估计输出之间的误差，N是样本数。
[0026]进一步地，定义在步骤S8中，参数向量ρ的迭代估计如下：
[0027][0028]其中，μ
j
表示在迭代次数j时的步长因子，和分别表示成本函数的梯度向量和Hessian矩阵，分别表示在迭代次数j、j+1时的ρ估计值。
[0029]进一步地，所述步骤S8具体包括步骤：
[0030]S81、获取采样数据其中u(t
k
)表示在第k个采样时间的控制输入；
[0031]S82、设置时延τ的初始值τ0、最小时延间隔Δτ
min
、最小时延τ
min
和最大时延τ
max
，以及初始训练数据数量N0和迭代次数Niter，以及成本函数增量误差参数估计误差
[0032]S83、基于τ0估计θ的初始值θ0，并将[θ0；τ0]赋给ρ的解ρ*；
[0033]S84、开始迭代，在每一次的迭代过程中，先使μ＝1，计算Δρ
*
＝(
▽2J(ρ
*
))
‑1▽
J(ρ
*
)，针对每一个训练数据，通过得到下一次迭代的ρ值如果或者当前延时则执行步骤S85；在整个迭代过程中，如果或则终止迭代，否则执行到迭代次数Niter终止迭代；
[0034]S85、使μ减小一半，进一步如果则终止本训练数据进入下一个训练数据，否则将赋给ρ*并终止本训练数据进入下一个训练数据。
[0035]进一步地，在步骤S3中，通过将系统的状态空间方程执行扰动线性化为下式，以获得小信号模型：
[0036][0037]其中，和表示稳态工作点的输入电压、输出电压和占空比，这里输入电压指的是逆变器输出电压的一阶有效值，输出电压指的是负载电压，占空比指的是高频逆变器的占空比，和表示对应在稳态工作点周围执行的输入电压扰动、输出电压扰动和占空比扰动，表示广义状态变量向量的小信号，表示广义本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的WPT系统建模方法，其特征在于，包括步骤：S1、确定WPT系统的电路结构和系统参数，基于其电路结构和基尔霍夫定理建立系统的微分方程；S2、基于所述系统的微分方程建立系统的GSSA模型；S3、在给定的稳态工作点添加扰动，将所述系统的GSSA模型转化为线性的小信号模型，并得到WPT系统从占空比到输出电压的小信号开环传递函数；S4、将系统参数代入所述小信号开环传递函数，得到线性高阶模型；S5、基于所述GSSA模型和所述线性高阶模型，通过数据驱动建模的方法并添加时间延迟构建系统的Hammerstein模型；S6、获取所述Hammerstein模型的二阶模型，记为二阶Hammerstein模型；S7、基于所述二阶Hammerstein模型定义用于估计模型偏移参数和系统通信延迟的优化问题；S8、使用最小二乘法和牛顿迭代搜索相结合的方法对所述优化问题进行求解，以估计模型偏移参数和系统通信延迟。2.根据权利要求1所述的一种基于数据驱动的WPT系统建模方法，其特征在于，在所述步骤S5中，所述Hammerstein模型表示为：其中，t表示时间，x(t)表示包含步骤S1所得微分方程中状态变量的实部和虚部的广义状态变量向量，τ表示描述系统总时延的纯时延，f(u(t
‑
τ))表示系统在t
‑
τ时刻的非线性输入函数，t
k
＝kT表示采样时间，其中k＝1,2,3
…
，T表示采样间隔，x(t
k
)表示在第k个采样时间系统真实的输出，v(t
k
)表示在第k个采样时间的系统输出测量噪声，y(t
k
)表示在第k个采样时间的系统输出，G(s,θ)表示系统的有理传递函数，B(s,θ)和A(s,θ)代指以下多项式：其中，n
a
和n
b
是多项式次数，n
a
≥n
b
，是模型偏移参数的向量。3.根据权利要求2所述的一种基于数据驱动的WPT系统建模方法，其特征在于：在所述步骤S6中，取n
a
＝2和n
b
＝1，得到所述二阶Hammerstein模型。4.根据权利要求3所述的一种基于数据驱动的WPT系统建模方法，其特征在于，在所述步骤S7中，所述优化问题构建为：步骤S7中，所述优化问题构建为：ε(t
k
)＝y(t
k
)
‑
x(t
k
)，
其中，表示估计的模型偏移参数和系统通信延迟θ,τ的优化解，J(θ,τ)是预测误差的成本函数，ε(t
k
)是第k个采样时间的实际输出与估计输出之间的误差，N是样本数。5.根据权利要求4所述的一种基于数据驱动的WPT系统建模方法，其特征在于，定义在步骤S8中，参数向量ρ的迭代估计如下：其中，μ
j
表示在迭代次数j时的步长因子，和分别表示成本函数的梯度向量和Hessian矩阵，分别表示在迭代次数j、j+1时的ρ估计值。6.根据权利要求5所述的一种基于数据驱动的WPT系统建模方法，其特征在于，所述步骤S8具体包括步骤：S81、获取采样数据其中u(t
k
)表示在第k个采样时间的控制输入；S82、设置时延τ的初始值τ0、最小时延间隔Δτ
min
、最小时延τ
min
和最大时延τ
max
，以及初始训练数据数量N0和迭代次数Niter，以及成本函数增量误差参数估计误差S83、基于τ0估计θ的初始值θ0，并将[θ0；τ0]赋给ρ的解ρ*；S84、开始迭代，在每一次的迭代过程中，先使μ＝1，计算针对每一个训练数据，通过得到下一次迭代的ρ值如果或者当前延时则执行步骤S85；在整个迭代过程中，如果或则终止迭代，否则执行到迭代次数Niter终止迭代；S85、使μ减小一半，进...

【专利技术属性】
技术研发人员：唐春森，赵仕军，陈丰伟，赵雷，邓棚亓，林涛，邓德强，
申请(专利权)人：重庆大学，
类型：发明
国别省市：