《用粒子群优化SPWM波及其谐波分析【文献综述】》由会员分享，可在线阅读，更多相关《用粒子群优化SPWM波及其谐波分析【文献综述】（4页珍藏版）》请在金锄头文库上搜索。
1、毕业设计文献综述电气工程与自动化用粒子群优化SPWM波及其谐波分析 摘要：针对现在对SPWM波的实现与谐波消除的缺陷，在这里提出基于粒子群算法（PSO）用来产生SPWM波以及对SPWM对进行优化，在介绍PSO原理的基础上，衍生出改进的PSO优化方法，通过改进的PSO算法来控制开关角，应用MATLAB对其结果进行仿真，并于传统的工程控制方法比较，表明通过改进的PSO算法有更好的辨识精度，收敛时间与鲁棒性，为SPWM波的产生提供了一个综合性能较好的实用方法。关键词：粒子群优化算法 SPWM波 MATLAB1.前言所谓SPWM，就是以正弦波作为逆变器输出的期望波形，以频率比期望波高的多的等腰三角形作
2、为载波，并用频率和期望波相同的正弦波作为调制波，当调制波与载波相交时，由它们的交点确定逆变器开关器件的通断时刻，从而获得正弦调制波的半个周期内呈两边窄中间宽的一系列等幅不等宽的矩形波。SPWM控制技术有单极性控制和双极性控制两种方式。在模拟电子电路中，采用正弦波发生器、三角波发生器和比较器实现上述的SPWM控制；改成数字控制后，开始时只是把同样的方法数字化，称为“自然采样法”。自然采样法的运算比较复杂，在工程上更是用的是简化后的“规则采样法”，由于简化方法的不同衍生出多种规则采样法。本文提出一种新的产生SPWM波形的方法，基于PSO算法来产生SPWM波形以及优化其谐波，从而提出一种具有谐波小、
3、最佳调制比、占空比的新方法。2. SPWM波的研究现状与发展趋势 SPWM的控制就是根据三角波与正弦波调制波比较后的交点来确定逆变器功率器件的开关时刻。这个任务可以用模拟电路、数字电路或专用的大规模集成电路芯片等硬件来完成，也可以用微型计算机通过软件生成SPWM的开关点。也是当前人们研究的一个热门课题。1 自然采样法自然采样法是按照正弦波与三角波交点进行脉冲宽度与间隙时间的采样，从而生成SPWM波形。采用自然采样时，由于正弦波与三角波的交点A、B两点对三角波的中心线是不对称的，TA、TB都是未知数，这使得实时计算与控制相当的困难，即使事先将计算结果存入内存，控制过程中通过查表确定时间，也会因参
4、数过多而占用计算机太多内存和时间。因此仅限于频段较少的场合。2 规则采样法规则采样法就是将三角波的负峰值对应的正弦波控制波值（E点）作为采样电压值，由这个电压值水平截取三角波上的A、B两点这样就确定了脉冲时间T。根据这样的原理，可以用计算机实时控制产生SPWM波形。具体的事先方法有：（1）查表法先离线计算出相应得脉宽d等数据存放在内存中，然后再调速系统实时控制过程中通过查表和加、减运算求出各相脉宽时间和间隙时间。（2）实时计算法事先在内存中存放正弦函数和值；控制时想查出正弦值，与调速系统所需的调制度做乘法运算，在根据给定的载波频率查出相应的值。由于PWM变压变频器的应用非常广泛，已制成多种专用
5、的集成电路芯片作为SPWM信号的发生器，后来更进一步把它坐在微机芯片里面，生产出多种PWM信号输出口的电机控制用的8位，16位微机芯片和DSP。随着在工程控制中对SPWM波质量的逐渐提高，传统生成SPWM的方法以不能够足工程控制和实际生产的要求，一种具有更小谐波，更好的调制比和占空比的SPWM波被急迫的需要，在未来的几年中，这个将成为科学研究的重点。在这种情况下，一种基于粒子群（PSO）算法的SPWM波及其谐波分析自然的被提出来。3.观点与主张目前，通过模拟生物群体的行为解决现实中的复杂问题已成为新的研究热点，形成了以群体智能为核心的理论体系。我们可以再基本PSO的基础之上，对基本PSO算法加
6、以改进，并应用于谐波的消除中。已得到更小谐波和，更佳调制比的SPWM波形，满足工程实际的需要。3.1基本的PSO算法粒子群优化算法通过跟踪个体极值及全局极值来搜索空间最优解，更新公式是： 其中，=1,2N，=1,2D，N是粒子的编号。C1和C2是加速度系数是一个正的常数。加速系数控制在一个单一的迭代一颗粒子将移动多远。通常，这些都设置为2.0。U（0,1）和U（0,1）是范围在（0,1）的均匀随机序列。表示的是第颗粒子在第维的第n次迭代的位置。代表第颗粒子在第维的第n次迭代的个体最佳位置。代表第颗粒子在第维的第n次迭代的全局最佳位置。代表第颗粒子在第维的第n次迭代的速度3。粒子群优化算法依据粒
7、子自身速度进行惯性运动，对粒子自身行为进行思考的同时，参与群体信息共享与相互合作，从而在粒子群中寻找最佳位置，相互作用与制约决定了算法的寻优性能4。 3.2 改进PSO算法粒子群优化算法的最优解搜索主要依赖于粒子间的信息共享机制，粒子间的信息共享机制体现在每一个粒子下一个时刻的位置都受到Gbest影响。PSO算法的整个更新过程是跟随当前最优解的过程。在一般情况下，所有粒子是会很快的收敛于最优解，但，如果当前最优解为局部的最优解，那么一旦所有粒子都收敛于此，就很难挑出局部最优解了。在PSO算法中加入以一定概率接受较差的状态机制，增强PSO的全局搜索能力，方法如下：处于第K次迭代的微粒i，它的新状
8、态的适应值如果大于当前状态的适应值Pbest，就把新状态作为微粒第K+1次迭代的状态；如果新状态的适应值小于当前状态的适应值Pbest，则以一定的概率接受新状态为微粒第K+1次迭代的状态6。4.总结PSO算法现在已经广泛的应用于各个领域，其中主要应用于8：（1） 神经网络的训练：于BP算法相比，使用PSO的优点在于不适用梯度信息，多数情况下结果优于BP算法，速度更快；（2） 参数优化：PSO已广泛应用于各种连续问题和离散问题的参数优化；（3） 除了以上领域外，PSO在自动目标检测、系统辨识以及游戏训练等方面也取得了一定的成果；根据改进的PSO算法，我们可以用MATLAB来编程实现， MATLA
9、B有强大的计算，绘图能力。利用它可以方便的解决一些粒子群算法的应用问题，可以直观地看出各个参数的确定对结果的影响7。通过改进的PSO算法得到的SPWM波形具有更小的谐波分量，更有的调制比，从而大大的提高了供电的质量。在实际生产中有很大的实际意义。主要参考文献：1. 孟庆波，曲素荣,SPWM控制方法浅析J，郑州铁路职业技术学院学报，2007,（12）：14-152. 崔用民, SPWM控制电路设计的实现J，科学论坛,2010,1093 Ye-nan Yin，Wei-xing Lin，Wen-Lei Li，Estimation Amplitude and Phase of Harmonic Bas
10、ed on Improved PSO，2010 8th IEEE International Conference on Control and Automation Xiamen, China, June 9-11, 20104 任小波，杨忠秀， 粒子群优化算法的改进J，计算机工程，2010，（4），205-2075王建赜，杨梅，纪延超，柳焯，一种递推式单次谐波快速傅立叶算法J，继电器，2003，15（5），14-15 6伏祥运，基于改进。PSO算法的优化特定消谐PWM技术J，东北电力技术，2009，7-97. 曹玉胜，马用宽，用 Ma t l a b仿真S PWM波的设计与实现J，技术交流，2000：24-25 8 李宁,付国江,库少平,陈明俊，粒子群优化算法的发展与展望J，武汉理工大学学报信息与管理工程版,2005，（4）,26-29 9. 娄慧波，毛承雄，陆继明，崔艳艳，基于微粒群算法的三电平正弦脉冲宽度调制开关时刻优化J，2007，（11）,108-11210. 陈伯时，电力拖动自动控制系统(第3版)，机械工业出版社，2004,169-184.
