基于免疫算法的三相逆变器最优空间矢量PWM控制方法
阅读：926发布：2024-02-23
专利汇可以提供基于免疫算法的三相逆变器最优空间矢量PWM控制方法专利检索，专利查询，专利分析的服务。并且本 发明 提出一种基于免疫 算法 的三相逆变器最优空间矢量PWM控制方法，对三相 电压 型逆变器空间矢量控制（SVPWM）优化问题进行分析研究，优化目标为使 三相电压 型逆变器 输出电压 波形 质量 最优。在传统三相电压型逆变器SVPWM控制方法及其应用的 基础 上，根据三相电压型逆变器空间电压矢量控制中存在可优化的 自由度 ，基于免疫算法提出了同时优化矢量顺序和零矢量作用时间的优化策略，考虑其优化效果和效率，提出其为最优空间矢量PWM控制策略。此外，本发明考虑实际电 力 系统中，低次谐波影响较大，高次谐波影响较小，而提出将电压加权总谐波畸变率（WTHD）作为衡量波形质量的标准，更符合实际情况。，下面是基于免疫算法的三相逆变器最优空间矢量PWM控制方法专利的具体信息内容。
1.一种基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：设三相逆变器的上桥臂开关为Sa、Sb和Sc，相应的下桥臂开关为Sa′、Sb′和Sc′，三相逆变器中桥臂开关的单极性二值逻辑开关函数Sm按以下公式取值，
三相逆变器的工作状态采用三相电压空间矢量（SaSbSc）表示，包括矢量V0（000）、V1（001）、V2（010）、V3（011）、V4（100）、V5（101）、V6（110）、V7（111）；
采用免疫算法求取对三相逆变器的整个周期中0~2π/3部分的开关状态控制序列，然后经过对称变换得到整个周期中的开关状态控制序列，所述求取0~2π/3部分的开关状态控制序列包括以下步骤，
步骤1，编码操作，包括设置每一条抗体含有两条子抗体x和y，一条子抗体x包括
0~2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括4个不同矢量Vm，子抗体x的每个基因位用矢量Vm的相应数值表示，矢量Vm的相应数值为m，m的取值范围为
0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量Vm分别对应的作用时间Tm；
步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群；
步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度；
步骤4，计算浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度，令空间X是当前的抗体种群所有抗体的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，设第i条抗体xi和第j条抗体xj为在空间X中的两个矢量，它们通过函数f映射到空间Y中为矢量f(xi)、f(xj)，矢量f(xi)、f(xj)在Y空间中的距离为则抗体xi与当前的抗体种群所有抗体的空间距离总和为
式中，H为当前的抗体种群中的抗体总数；
抗体浓度计算公式为
步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体随机从当前的抗体种群中去除；
步骤6，基于当前的抗体种群进行交叉操作；
步骤7，基于当前的抗体种群进行变异操作；
步骤8，基于当前的抗体种群进行倒位操作；
步骤9，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤10，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代；
步骤10，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤11，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成初始抗体种群进行迭代；
步骤11，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0~2π/3部分的开关状态控制序列。
2.如权利要求1所述基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：步骤3和步骤10的亲和度计算公式如下，
式中，xi表示当前的抗体种群中第i条抗体，N表示每个抗体上的基因数，n表示抗体上的基因编号n=0,1,2…N-1，In(t)表示实际电流值，用In(t)等效nΔt到(n+1)Δt这段时间的实际电流平均值，If(t)表示理想电流值。
3.如权利要求2所述基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：步骤5和步骤11的免疫选择函数值计算公式如下，
式中，a、b为权重系数，且a+b＝1。
4.如权利要求1或2或3所述基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：步骤6基于当前的抗体种群进行交叉操作的实现方式如下，从当前的抗体种群中，按照预设的交叉率PC随机选择Round(H×PC)对抗体进行交叉，得到交叉后的抗体种群，其中Round为取整数操作；对选出的一对抗体执行交叉时，在抗体上随机确定一个开关周期Ts为交叉点，这对抗体从交叉点开始互相交换编码。
5.如权利要求1或2或3所述基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：步骤7基于当前的抗体种群进行变异操作的实现方式如下，对当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以
1000后判断该数是否小于预设的变异率pm，
是则该开关周期Ts零矢量的作用时间随机变化，但两个零矢量的作用时间之和不变；
否则不变化。
6.如权利要求1或2或3所述基于免疫算法的三相逆变器最优空间矢量PWM控制方法，其特征在于：步骤8基于当前的抗体种群进行的倒位操作的实现方式如下，先进行一般倒位操作，包括对当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于预设的倒位率Pcon，是则将该开关周期Ts中的基因与后一个开关周期Ts中的基因互换，该开关周期Ts中任一个零矢量的作用时间与后一个开关周期Ts中的一个零矢量的作用时间互换，另一个零矢量的作用时间相应改变，
否则不变化；
然后进行微倒位操作，包括对一般倒位操作后的当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于预设的微倒位率Pcon1，是则将该开关周期Ts中的4个矢量的作用顺序重新随机安排，各矢量相应的作用时间按矢量的新作用顺序相应安排，
否则不变化。
基于免疫算法的三相逆变器最优空间矢量PWM控制方法
技术领域
[0001] 本发明涉及逆变器数字化控制技术领域，尤其是涉及基于免疫算法的新型的三相逆变器最优空间矢量PWM控制方法。
背景技术
[0002] 随着全控型高频率、高功率电力电子器件的性能的不断提高，人们对逆变器工作性能和品质的期望值也不断提高，而逆变器输出波形品质一直是学者们关注的重点之一。因此近年来对提高逆变器性能的控制策略研究也越来越受到关注。
[0003] 将载波与调制波相比较，得到一组幅值相同的矩形脉冲序列，这些矩形脉冲序列用来等效调制波，它们的宽度正比于调制波的函数值，这就是逆变器的脉宽调制技术（PWM）。早期的PWM控制技术主要方法是通过模拟电子技术把载波和调制波相比较，得到等效调制波。1964年，PWM技术仅在通讯系统中应用，A.Schonung和H.Stemmler把PWM技术应用到到交流传动逆变器中后，产生了SPWM技术。但是当时器件的速度较慢，该项技术没有得到推广。1975年S.R.Bowes采用模拟技术的自然采样法来实现正弦波脉宽调制，使该技术得到广泛地注意，为逆变器控制翻开新篇章，但是模拟控制系统结构复杂、一致性差、可靠性弱的缺点限制了PWM技术的应用。80年代初由于微处理器性能的提高和价格的下降出现了基于数字化技术的规则采样PWM方案以及准优化PWM技术。尤其在过去的几十年中，PWM控制技术得到了很大地发展。数字化PWM控制具有数据处理简单、无噪声、零点漂移效应和抗干扰性强等优点，是模拟技术所无法比拟的，因此数字化PWM控制技术在逆变器的应用越来越广泛，并且在此基础上，大量的智能算法如遗传算法、神经网络算法、和声算法、粒子群算法等也开始在逆变器PWM最优开关控制中有所应用。1983年J.Holtz提出了空间矢量PWM（SVPWM）控制方法，该方法从三相电机的角度出发，直接采用以控制电机圆形磁场为目的的控制方法，因此使用起来更加方便和直观。传统SVPWM技术在三相电压型逆变器的控制方面虽然较为成熟，但仍然存在着一些自由度。Nho-Van Nguyen等提出了运用遗传算法针对SVPWM的空间矢量顺序进行寻优计算得到较优的空间矢量顺序，但是这空间矢量顺序对每个开关周期都是固定的，因而限制了输出波形谐波的最小化以及波形质量的最优化。
[0004] 而对于逆变器输出波形质量优劣的研究，很多研究者都是应用逆变器输出电压（电流）波形的谐波总畸变率（THD）来衡量,但是根据THD的公式定义发现，应用THD作为逆变器输出波形质量优劣的衡量因子时，没有体现低次谐波与高次谐波对THD不同的影响权重，而在电力系统中，高次谐波的影响较小，低次谐波的影响较大，并且针对逆变器输出矩形电压波形高次谐波含量较高的事实，故采用THD作为逆变器输出电压波形质量优劣的衡量因子并不合理。
发明内容
[0006] 本发明的技术方案为一种基于免疫算法的三相逆变器最优空间矢量PWM控制方法设三相逆变器的上桥臂开关为Sa、Sb和Sc，相应的下桥臂开关为Sa′、Sb′和Sc′，三相逆变器中桥臂开关的单极性二值逻辑开关函数Sm按以下公式取值，
[0007]
[0008] 三相逆变器的工作状态采用三相电压空间矢量（SaSbSc）表示，包括矢量V0（000）、V1（001）、V2（010）、V3（011）、V4（100）、V5（101）、V6（110）、V7（111）；
[0009] 采用免疫算法求取对三相逆变器的整个周期中0~2π/3部分的开关状态控制序列，然后经过对称变换得到整个周期中的开关状态控制序列，所述求取0~2π/3部分的开关状态控制序列包括以下步骤，
[0010] 步骤1，编码操作，包括设置每一条抗体含有两条子抗体x和y，一条子抗体x包括0~2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括4个不同矢量Vm，子抗体x的每个基因位用矢量Vm的相应数值表示，矢量Vm的相应数值为m，m的取值范围为
0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量Vm分别对应的作用时间Tm；
0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量Vm分别对应的作用时间Tm；
[0012] 步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度；
[0013] 步骤4，计算浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度，[0014] 令空间X是当前的抗体种群所有抗体的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，设第i条抗体xi和第j条抗体xj为在空间X中的两个矢量，它们通过函数f映射到空间Y中为矢量f(xi)、f(xj)，矢量f(xi)、f(xj)在Y空间中的距离为
[0015]
[0016] 则抗体xi与当前的抗体种群所有抗体的空间距离总和为
[0017]
[0018] 式中，H为当前的抗体种群中的抗体总数；
[0019] 抗体浓度计算公式为
[0020]
[0021] 步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体随机从当前的抗体种群中去除；
[0022] 步骤6，基于当前的抗体种群进行交叉操作；
[0023] 步骤7，基于当前的抗体种群进行变异操作；
[0024] 步骤8，基于当前的抗体种群进行倒位操作；
[0025] 步骤9，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤10，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代；
[0026] 步骤10，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进
[0027] 入步骤11，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成初始抗体种群进行迭代；
[0028] 步骤11，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0~2π/3部分的开关状态控制序列。
[0029] 而且，步骤3和步骤10的亲和度计算公式如下，
[0030]
[0031]
[0032] 式中，xi表示当前的抗体种群中第i条抗体，N表示每个抗体上的基因数，n表示抗体上的基因编号n=0,1,2…N-1，In(t)表示实际电流值，用In(t)等效nΔt到(n+1)Δt这段时间的实际电流平均值，If(t)表示理想电流值。
[0033] 而且，步骤5和步骤11的免疫选择函数值计算公式如下，
[0034]
[0035] 式中a、b为权重系数，且a+b＝1。
[0036] 步骤6基于当前的抗体种群进行交叉操作的实现方式如下，
[0037] 从当前的抗体种群中，按照预设的交叉率PC随机选择Round(H×PC)对抗体进行交叉，得到交叉后的抗体种群，其中Round为取整数操作；对选出的一对抗体执行交叉时，在抗体上随机确定一个开关周期Ts为交叉点，这对抗体从交叉点开始互相交换编码。
[0038] 而且，步骤7基于当前的抗体种群进行变异操作的实现方式如下，
[0039] 对当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于预设的变异率Pm，
[0040] 是则该开关周期Ts零矢量的作用时间随机变化，但两个零矢量的作用时间之和不变；否则不变化。
[0041] 而且，步骤8基于当前的抗体种群进行的倒位操作的实现方式如下，
[0042] 先进行一般倒位操作，包括对当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于预设的倒位率Pcon，
[0043] 是则将该开关周期Ts中的基因与后一个开关周期Ts中的基因互换，该开关周期Ts中任一个零矢量的作用时间与后一个开关周期Ts中的一个零矢量的作用时间互换，另一个零矢量的作用时间相应改变，
[0044] 否则不变化；
[0045] 然后进行微倒位操作，包括对一般倒位操作后的当前的抗体种群中任一抗体的每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于预设的微倒位率Pcon1，是则该开关周期Ts中的4个矢量的作用顺序重新随机安排，各矢量相应的作用时间按矢量的新作用顺序相应安排，
[0046] 否则不变化。
[0047] 本发明采用加权谐波总畸变率（WTHD）作为逆变器输出电压波形质量优劣的评价标准，更加符合实际电力系统中低次谐波影响大、高次谐波影响小的实际情况；采用基于免疫算法的最优SVPWM控制方法，考虑了三相逆变器传统空间矢量控制策略中存在可优化的自由度，以改善三相电压型逆变器输出电压波形质量为目标，通过仿真和实验数据，比较四种优化策略，提出了最合适的三相电压型逆变器SVPWM的最优控制策略，即在可优化的自由度中，仅改善矢量的作用顺序的策略。附图说明
[0049] 图2是现有技术中的三相电压型逆变电路示意图。
[0050] 图3是本发明实施例的三相电压型逆变电路数学模型示意图。
[0051] 图4是传统SVPWM技术的三相空间矢量分布示意图。
[0052] 图5是本发明实施例的SVPWM抗体编码示意图。
[0053] 图6是本发明实施例的最优SVPWM磁链轨迹示意图。
[0054] 图7是本发明实施例的交叉操作示意图。
[0055] 图8是传统SVPWM技术的目标电压向量矢量合成示意图。
[0056] 图9是本发明实施例的优化矢量顺序和零矢量的时间分配的抗体倒位操作。
[0057] 图10是本发明实施例的优化矢量顺序和零矢量的时间分配的抗体微倒位操作。
[0058] 图11是本发明实施例的优化矢量顺序和零矢量的时间分配的抗体变异操作。
具体实施方式
[0060] 本发明是基于免疫算法的，附图1即为免疫算法的流程图，包括编码操作、注射疫苗，然后迭代执行计算亲和度、计算浓度、免疫选择、交叉操作、变异操作、倒位操作、添加操作、判断新一代个体是否满足要求，直到满足要求后结束迭代。免疫算法（IA）是基于生命体免疫机制提出的一种改进型的遗传算法(GA)，免疫算法把待解决的问题对应为侵入生物机制的抗原，把问题的解决办法对应为生命体的免疫系统相对于抗原产生的抗体。生命体的免疫系统产生相应的抗体来抵御抗原，这个反应过程为免疫应答。在这次免疫应答之后，产生的一部分优良抗体被保留下来储存在记忆细胞中，当类似的抗原第二次入侵生命体时，储存在记忆细胞中的抗体被激活，与抗原反应，这个过程为再次应答，它比初次应答更加的迅速，体现了免疫系统的记忆功能。在逆变器输出波形优化问题中，约束条件就是抗原，需要得到的最优控制序列就是抗体，而传统的SVPWM控制序列作为经验值就是疫苗。
[0061] 传统的衡量波形质量的标准为THD，而没有考虑实际电力系统高低次谐波的不同影响，不是十分合理，在本文中采用电压加权总谐波畸变率（WTHD）作为逆变器输出电压波形质量好坏的评价标准，其定义为各次谐波电压的有效值除以对应的谐波次数，求取所有各项平方之和，开方后除以基波电压有效值。计算式如下：
[0062]
[0063] 其中，n是谐波次数，Un为n次谐波的电压有效值，U1为基波电压有效值。
[0064] 附图2为三相电压型PWM逆变器的具体结构，图中Vdc是直流侧电压，并联稳压电容,L为线性电感，N0表示中性点。S1、S3、S5为上桥臂的开关器件，S2、S4、S6为下桥臂的开关器件，每个开关器件为IGBT（绝缘栅双极型晶体管）和反并联二极管。
[0065] 为便于研究和计算，可以把三相电压型PWM逆变器数学模型简化为附图3的结构，与附图2对应，图中Vdc是直流侧电压，并联稳压电容，L为线性电感，N0表示中性点。不同的是，附图3将附图2中由IGBT和反并联二极管组成的开关器件简化等效为了一个开关表示，其中，开关Sa、Sb、Sc、Sa′、Sb′、Sc′的开关状态分别表示开关器件S1、S3、S5、S6、S4、S2的开关状态。
[0066] 为防止短路，逆变电路同一桥臂的上下开关器件在任何时刻都不能同时导通，如果不考虑死区，电压源型的逆变器同一桥臂的上下开关状态是互补的，因此可以用上桥臂的开关状态来体现逆变器的工作状态，共有八种组合。实施例定义三相电压型逆变器中桥臂开关器件的单极性二值逻辑开关函数Sm（m=a,b,c）满足以下关系：
[0067]
[0068] 三相电压型逆变器的空间电压矢量很好的体现了三相电压型逆变器交流侧相电压（va0、vb0、vc0）在复平面上的空间几何分布，由下式所示：
[0069]
[0070]
[0071]
[0072] 式中sa、sb、sc-三相电压型逆变器中桥臂开关器件的单极性逻辑二值开关函数。通过改变sa、sb、sc各自的值，则有八种不同的开关状态，从V0（000）到V7（111）。附图4即为三相空间矢量分布，V0（000）、V1（001）、V2（010）、V3（011）、V4（100）、V5（101）、V6（110）、V7（111）。
[0073] 三相逆变器中由于对称性，只需要计算0~2π/3的控制序列，在经过对称变换，就可以得到完整的周期（0~2π）的控制波形，这样可以使算法的计算效率大大提高。将0~120°分成N等分，每小段的作用时间为 三相控制是三分之一周期对称，计算出的
序列是三分之一周期的控制序列。
序列是三分之一周期的控制序列。
[0074] 在传统空间矢量PWM控制技术的基础上，本发明考虑了其存在的自由度，基于免疫算法提出了优化策略，并在各种优化策略的对比中，综合优化效果和优化效率两个因素，选择了优化矢量顺序和零矢量作用时间这个优化策略为最优空间矢量PWM控制策略。实施例中三相电压型逆变器SVPWM的编码一条抗体含有两条子抗体，一条子抗体为SVPWM的合成矢量，另一条是与矢量一一对应的作用时间。以传统SVPWM控制方法的第一扇区为例，一条子抗体为合成矢量V0V4V6V7，在免疫算法的程序中每个矢量Vm代表的具体数值为m，m＝0,1,2,…,7；另一条子抗体为合成矢量V0V6V4V7相对应的作用时间T0T4T6T7。
[0075] 在传统SVPWM控制方法的基础上，提出的基于免疫算法的最优SVPWM控制策略，是将零矢量的作用时间和矢量顺序同时加以优化，该策略即有较好的控制效果、效率也较高。
[0076] 在该优化策略中，通过抗体倒位操作、抗体微倒位操作、抗体变异操作等方法，实现控制矢量顺序的改变，从而使矢量的作用顺序不再唯一，而是通过免疫算法来自动寻优确定，同时在该策略中，辅以优化零矢量的分配原则，以WTHD最小化为优化目标。通过该方法得到的磁链轨迹如附图6所示。从图可以看出，磁链轨迹很接近标准圆形，效果较好，输出波形质量较好。
[0077] 为便于实施参考起见，本实施例的具体流程说明如下：
[0078] 实施例中，免疫算法的参数设置为：假设将( )分成N等份，每小份的平均时间为 三相控制是三分之一周期对称，计算出的序列是三分之一周期的控制序列。每
个扇区(每60°为一个扇区)设置12个开关状态（例如0467为一个开关状态），每个扇区有12个开关周期Ts，每个开关状态的作用时间，即PWM开关周期为 其中，0.02s
代表一个周期的时间，6表示把360°分为六个扇区，12代表每个扇区设置12个开关状态。
每个扇区设置的开关状态个数可以根据需求改变其值，具体实施时可以由本领域技术人员根据情况从可以被60整除的倍数中取值，考虑波形质量问题，一般通常取的是1~12范围内。电压调制比设置为k＝0.8，逆变器直流侧电压Vdc=E＝50V，纯负载电感L＝0.025H。
IA参数设置：在三分之一个周期内，每个抗体所含基因数N＝96。交叉率PC＝0.5；变异率Pm＝0.002；倒位率Pcon＝0.05，微倒位率Pcon1＝0.02；选择函数中a、b为权重因子，实施例取a＝b＝0.5。具体实施时本领域技术人员可以自行设定各参数。
个扇区(每60°为一个扇区)设置12个开关状态（例如0467为一个开关状态），每个扇区有12个开关周期Ts，每个开关状态的作用时间，即PWM开关周期为 其中，0.02s
代表一个周期的时间，6表示把360°分为六个扇区，12代表每个扇区设置12个开关状态。
每个扇区设置的开关状态个数可以根据需求改变其值，具体实施时可以由本领域技术人员根据情况从可以被60整除的倍数中取值，考虑波形质量问题，一般通常取的是1~12范围内。电压调制比设置为k＝0.8，逆变器直流侧电压Vdc=E＝50V，纯负载电感L＝0.025H。
IA参数设置：在三分之一个周期内，每个抗体所含基因数N＝96。交叉率PC＝0.5；变异率Pm＝0.002；倒位率Pcon＝0.05，微倒位率Pcon1＝0.02；选择函数中a、b为权重因子，实施例取a＝b＝0.5。具体实施时本领域技术人员可以自行设定各参数。
[0079] 实施例的流程包括如下步骤：
[0080] 步骤1，编码操作，包括设置每一条抗体含有两条子抗体，一条子抗体x包括0~2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括4个不同矢量Vm，子抗体x的每个基因位用矢量Vm的相应数值表示，矢量Vm的相应数值为m，m的取值范围为
0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量Vm分别对应的作用时间Tm。
0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量Vm分别对应的作用时间Tm。
[0081] 需要注意的是，每个开关周期内子抗体x的4个矢量取值根据目标电压所在扇区而定，顺序随机，例如目标电压在第一扇区，则每个开关周期内（每4个基因）的矢量只能在0，4，6，7中取值，随机的是它们的作用顺序。子抗体y的随机取值也要保证4个作用时间Tm的和为一个开关周期，即278us，且每个作用时间Tm的取值范围0~278us。
[0082] 任意时刻，逆变器的开关器件的工作状态数字化表征后都只有0和1两种，上文已经指出编码操作就是将开关器件一个工频周期内的开关状态组合对应为免疫算法的抗体。因此，对于单相逆变器。根据免疫学的思想，每个抗体上的基因位对应为一个开关状态，一个工频周期内的开关序列组合就行成了一个完整的抗体，每个开关序列组合决定了逆变器的输出波形优劣。举个例子，免疫算法随机产生100个抗体，这100个抗体构成一个种群，每个抗体有50个基因，例如（1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 0 1 0 1 1 1 1 0 0
1 1 1 1 1 1 0 1 1 0 1 0 0 1 1 00 1 0 0 0 1 0 0）就可以作为一个抗体。每个抗体均为一个可行解，即单相逆变器一个工频周期内的开关控制序列组合，整个抗体种群可以视作是解空间。
1 1 1 1 1 1 0 1 1 0 1 0 0 1 1 00 1 0 0 0 1 0 0）就可以作为一个抗体。每个抗体均为一个可行解，即单相逆变器一个工频周期内的开关控制序列组合，整个抗体种群可以视作是解空间。
[0083] 三相电压型SVPWM的编码，比单相逆变器复杂，一条抗体含有两条子抗体。，需要注意的是，在三相电压型SVPWM的编码中，一条抗体含有两条子抗体，一条子抗体为SVPWM的合成矢量，它的每个基因位用矢量Vm表示，具体值为（m＝0,1,2,…,7），例如（0467）就包含了四个矢量基因“0”、“4”、“6”、“7”，另一条子抗体则是与矢量一一对应的作用时间，两条子抗体在( )内各包含96个基因。
[0084] 以传统SVPWM控制方法第一扇区（附图5）为例，每个扇区的开关周期Ts＝278μs。在传统SVPWM控制方法中，为减少开关次数，采用背靠背的矢量顺序，如果这个开关周期Ts内，抗体的矢量顺序为V0V4V6V7，则下一个开关周期Ts内，抗体的矢量顺序为V7V6V4V0，合起来就是V0V4V6V7|V7V6V4V0这样一种矢量顺序。本发明实施时不是采用背靠背的矢量顺序，而是随机产生的矢量顺序，不过可将传统SVPWM控制方法采用背靠背的矢量顺序或者定时比较控制和滞环比较控制等策略得到的开关控制序列作为治疗性疫苗的抗体，注入群体中优化。
[0085] 由前面分析可知，三相电压空间矢量共有八条，其中两条为零矢量，剩下的六条非零矢量对称地分布于在复平面上。附图4中，六个扇区由六条模为2Vdc/3的空间电压矢量将复平面平均剖分，vref为目标电压矢量，不管目标电压矢量Vref处在哪个扇区中，都可由所处的扇区两边的空间电压矢量来合成。如果目标电压矢量Vref在复平面上匀速旋转，从而使矢量端点的运动轨迹为一多边形准圆轨迹，因此可对应得到三相对称的正弦量。即当要合成某一矢量时先将这一矢量分解到离它最近的两个非零矢量，而后用这两个非零矢量去表示，而每个非零矢量的作用大小就利用作用时间长短去代表，按照不同的时间比例去合成所需要的电压矢量，从而保证生成电压波形近似于正弦波。具体计算作用时间的实现方式为现有SVPWM技术，为便于实施参考起见，以矢量顺序V0V4V6V7举例如下：
[0086] 如附图8所示，若目标电压矢量Vref在第I扇区时，则Vref可以由V4、V5、V0和V7合成，根据平行四边形法则，有以下关系：
[0087]
[0088] 式中：T4、T6——矢量V4、V6于一个开关周期内的状态作用时间；
[0089] Ts＝278μs，为PWM开关周期。
[0090] 把零矢量V0、V7简记为V0、7，定义零矢量V0、7的总作用时间为T0、7，则T4、T6、T0、7、Ts满足以下关系：
[0091] T4+T6+T0、7＝Ts
[0092] 假设Vref与V4间的夹角为θ，图中三角形由正弦定律可以得到以下结果：
[0093]
[0094] 而V4、v6满足|V4|＝|V6|＝2vdc/3，由式3.8和式3.9联立可得：
[0095]
[0096] 式中：m——SVPWM调制系数，且
[0097]
[0098] 对于零矢量的选择，传统SVPWM选择V0或V7的一般原则是使开关状态在一个开关周期内的变化次数尽可能少，以使开关损耗降低。在一个开关周期中，如果V0的时间为T0＝kT0、7，则V7的时间为T7＝(1-k)T0、7，其中0≤k≤1。本实施例中k在每个开关周期Ts中都在[0,1]范围内随机取值，即各个开关周期Ts的k取值可能是不一样的。
[0099] 若Vref在第Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ扇区时计算过程类似，如在第Ⅱ扇区分解在矢量V2、V6上，第Ⅲ扇区分解在矢量V2、V3上…依次类推。
[0100] 步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群。
[0101] 常规PWM控制或者定时比较控制和滞环比较控制等策略得到的开关序列都是广泛使用的较优的逆变器控制序列，首次执行步骤2时把这些常规的控制序列作为治疗性疫苗注入到初始抗体种群中，作为初始抗体种群的一部分，其余抗体都是随机产生的。随机产生的一条抗体含有两条子抗体，一条子抗体A包括N个矢量Vm，即对每个矢量Vm在取值范围内随机生成，具体取值范围根据目标电压所在扇区而定；另一条子抗体B与子抗体A各基因位的矢量Vm分别对应，包括N个作用时间Tm，因为每个合成矢量包括4个不同矢量Vm，一个合成矢量的4个矢量Vm的对应作用时间Tm随机生成，约束条件为4个作用时间Tm的和为278us，且每个作用时间Tm的取值范围0~278us。
[0102] 本发明实施例的初始抗体种群中共有100个抗体，具体实施时本领域技术人员可以自行设定初始抗体种群规模。通过注射疫苗，可以减少免疫算法的收敛时间和并提高免疫算法的效率。
[0103] 此时设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群。
[0104] 步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度。
[0105] 每个抗体对应为逆变器的一个开关控制序列组合，当抗体上某位基因是1时，则经过Δt时间后，实际电流波形上的下一个电流值会在上一个电流值上增加 当抗体上某位基因是0时，则经过Δt时间后，实际电流波形上的下一个电流值会在上一个电流值上减小 因此，每个抗体上的基因也与该时刻的电流值一一对应，即在1/4周期内，可以计算得到每过Δt时间后的离散电流值，再由计算亲和度的公式可以计算得到所有抗体所对应的亲和度值。抗体的亲和度值越大，说明该抗体越好，抗体的亲和度值越小，说明该抗体越差。实施例计算亲和度的公式为：
[0106]
[0107] 式中，xi表示第i条抗体，N表示每个抗体上的基因数(N＝96)，n表示抗体上的基因编号（n=0,1,2…N-1），In(t)表示实际电流值，用In(t)等效nΔt到(n+1)Δt这段时间的实际电流平均值，If(t)表示理想电流值。
[0108] 步骤4，计算浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度：
[0109] 令空间X是当前的抗体种群所有抗体的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，在本实施例中，即代表流过电感的实际电流值，设第i条抗体xi和第j条抗体xj为在空间X中的两个矢量，它们通过函数f映射到空间Y中称为矢量f(xi)、f(xj)，因此矢量f(xi)、f(xj)在Y空间中的距离为
[0110]
[0111] 则抗体xi与其它抗体（包括本身）的空间距离总和，即与当前的抗体种群所有抗体的空间距离总和为：
[0112]
[0113] 式中H为当前的抗体种群中抗体总数。
[0114] 因此实施例将抗体浓度定义为：
[0115]
[0116] 步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体按概率从当前的抗体种群中去除。
[0117] 实施例将免疫选择函数设为：
[0118]
[0119] 式中a、b为权重系数，且a+b＝1，具体实施时，本领域技术人员可根据对亲和度和浓度影响的具体考虑设定取值。该实施例中，a=b=0.5。
[0120] 由上式可以计算所有抗体的选择函数值，本领域技术人员可根据具体情况设计阈值将将免疫选择函数值低的抗体按概率从当前的抗体种群中去除。实施例采用的方式为：对于第i个抗体，随机产生一个取值范围在[0,1]之间的随机数αi，如果 则第i
个抗体将遗传到下一代，如果 则第i个抗体将被遗弃，不遗传到下一代。需要注
意的是，被遗弃的抗体也将不会再进行交叉、变异、倒位等操作，直接被淘汰。
个抗体将遗传到下一代，如果 则第i个抗体将被遗弃，不遗传到下一代。需要注
意的是，被遗弃的抗体也将不会再进行交叉、变异、倒位等操作，直接被淘汰。
[0121] 步骤6，基于当前的抗体种群进行交叉操作：
[0122] 交叉操作为免疫算法的现有技术，实施例在步骤5免疫选择所得种群中，按照事先设定的交叉率PC随机选择Round(H×PC)对抗体进行交叉，得到交叉后的抗体种群，其中Round为取整数操作。对选出的一对抗体执行交叉时，在抗体上随机确定一个开关周期Ts为交叉点，这对抗体在交叉点开始互相交换编码。交叉率PC的取值为0-100%之间的百分数。
[0123] 如附图7所示，从某个作为交叉点的开关周期Ts开始，抗体A和抗体B以后的部分相互交换，包括交换V1V2V3V4及之后的矢量和V1'V2'V3'V4'及之后的矢量、交换相对应的t1t2t3t4及之后的作用时间和相对应的t1't2't3't4'及之后的作用时间。交换之后抗体A进化成了抗体A'，抗体B进化成了抗体B'。此处1、2、3、4用于标识开关周期Ts中第1、2、3、4位矢量，而不是矢量的数值为1、2、3、4。
[0124] 在交叉操作的过程中，每条抗体上的子抗体都随之交叉，即每个矢量对应的作用时间不变，仍然是一一对应的。
[0125] 步骤7，基于当前的抗体种群进行变异操作：
[0126] 变异操作为免疫算法的现有技术，在本实施例中，具体实施如下：
[0127] 附图11为优化矢量顺序和零矢量的时间分配的抗体变异操作，由于要优化的时间变量只是零矢量的分配时间，故在对当前的抗体种群中任一抗体的变异操作中，如果对于每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于变异率Pm（实施例中Pm＝0.002），是则零矢量的作用时间的值变化，但两个零矢量的作用时间之和不变。如图11所示基因V0V4V6V7和T0T4T6T7中，零矢量的作用时间T0发生突变，记为T0'；相应的T7也突变成T0,7-T0（T0,7由当前的T0+T7确定），记为T7'。因此抗体A进化成了新的抗体A。
[0128] 步骤8，基于当前的抗体种群进行倒位操作：
[0129] 倒位操作为免疫算法的现有技术，实施例在对步骤7变异操作所得种群的倒位操作中，执行包括一般倒位操作和微倒位操作。
[0130] 一般倒位操作实现方式为，对当前的抗体种群中任一抗体的操作中，在每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于倒位率Pcon（实施例中Pcon＝0.05），是把该开关周期Ts内的基因与下一个开关周期Ts内的基因互换。否则不互换。由于本发明相比传统方法不同的是，要优化的变量是矢量的作用顺序和零矢量的分配时间。故在一般倒位操作中，该开关周期Ts中的基因与后一个开关周期Ts中的基因互换，该开关周期Ts中任一个零矢量的作用时间与后一个开关周期Ts中的一个零矢量的作用时间互换，另一个零矢量的作用时间相应改变。如附图9所示，基因V0V4V6V7和V7V4V6V0互换，基因T0T4T6T7和T7T4T6T0互换；前一个开关周期Ts中零矢量的作用时间T0与后一个开关周期Ts中的T0'也互相换位，原来的T7也突变成T0,7-T0'，附图9中用T7″表示，原来的T7'也突变成T0,7'-T0，附图9中用T7″′表示。在一般倒位过程中有效矢量的作用时间不变。因此抗体A进化成了新的抗体A'。
[0131] 附图10为优化矢量顺序和零矢量的时间分配的抗体微倒位操作。主要改变的自由度是矢量的作用顺序，常规的倒位操作难以寻找到一个开关周期下的最优矢量作用顺序，为提高免疫算法的收敛性，实施例进一步在免疫算法的编程中增加了抗体微倒位的操作，微倒位率与倒位率大小相似。在每一个开关周期Ts内，随机产生一个1-1000的数，除以1000后判断该数是否小于微倒位率Pcon1（实施例中Pcon1＝0.02），是则该开关周期Ts中的矢量的作用顺序重新随机安排，在微倒位操作中，矢量作用的时间与矢量同时微倒位，即各矢量相应的作用时间按矢量的新作用顺序相应安排。如图10中，矢量的作用顺序由V1V2V3V4变为V2V3V4V1，相应的作用时间t1t2t3t4变为t2t3t4t1，由此抗体A进化成了新的抗体A。否则不改变。
[0132] 具体实施时，可以先基于当前的抗体种群进行一般倒位操作，在一般倒位操作结果的基础上再执行微倒位操作。
[0133] 步骤9，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤10，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代。
[0134] 从免疫算法的流程图可知，对于一个种群要先进行免疫选择，通过免疫选择后遗留下来的抗体再逐次进行交叉操作、变异操作、倒位操作（包含一般倒位操作和微倒位操作），是否发生交叉、变异或倒位依赖于产生的随机数是否小于交叉率、变异率、倒位率。如果以上操作步骤完成，表明IA完成了一次迭代运算，如图1，每一次迭代完成，返回到步骤3进行下一次迭代，当迭代次数达到设定的最大迭代次数时，免疫算法终止。本实施例中最大迭代次数可设为2000次，具体实施时本领域技术人员可自行根据情况设定。
[0135] 步骤10，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤11，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成加入初始抗体种群进行迭代。
[0136] 本步骤亲和度计算方式与步骤3。若经过2000次迭代后，每次执行步骤10所得亲和度稳定地趋近一个值，即当前所得结果收敛。如果结果已经收敛，表明IA求解逆变器最优开关控制序列问题的算法已经完成，如果结果不收敛，则需要把本次结果作为新的疫苗，返回步骤2重复免疫计算的过程，直到结果收敛为止。一般，首次执行免疫算法后如果结果不收敛，再通过一次免疫计算，结果即可收敛。
[0137] 步骤11，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0~2π/3部分的开关状态控制序列。
[0138] 免疫算法完成后，得到最终的抗体种群，通过对各个抗体的免疫选择函数的计算，可以选择出该种群中最优的抗体，该抗体就是解决实际问题的最优解。此时免疫选择函数的计算与步骤5一致，计算中涉及的亲和度和浓度计算也和步骤3、步骤4一致，因为步骤10已经计算亲和度，本步骤计算免疫选择函数时可以直接利用步骤10的计算结果。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种无刷直流电机反步法控制方法及系统 | 2020-05-08 | 948 |
| 土壤污染垂向检测装置 | 2020-05-08 | 854 |
| 一种基于RTDS的弧光接地选线装置的测试方法 | 2020-05-08 | 351 |
| 一种基于电流精确控制的SRM柔性转矩实现方法 | 2020-05-08 | 93 |
| 用于恒定交叉频率的开关边界模式PFC功率转换器的数字控制 | 2020-05-11 | 287 |
| 基于LCL滤波的电压型PWM整流器的协同控制系统及方法 | 2020-05-08 | 192 |
| 一种电流源型三电平直流变换器及其控制方法 | 2020-05-11 | 753 |
| 一种双环全谐振型软开关变换器 | 2020-05-08 | 347 |
| 一种带自检功能的剩余电流动作断路器 | 2020-05-08 | 690 |
| 一种墨盒盖体安装设备 | 2020-05-08 | 249 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈