用粒子群優(yōu)化spwm波及其諧波分析【文獻(xiàn)綜述】

1、畢業(yè)設(shè)計(jì)文獻(xiàn)綜述畢業(yè)設(shè)計(jì)文獻(xiàn)綜述電氣工程與自動(dòng)化電氣工程與自動(dòng)化用粒子群優(yōu)化用粒子群優(yōu)化SPWMSPWM波及其諧波分析波及其諧波分析摘要：針對(duì)現(xiàn)在對(duì)SPWM波的實(shí)現(xiàn)與諧波消除的缺陷，在這里提出基于粒子群算法（PSO）用來產(chǎn)生SPWM波以及對(duì)SPWM對(duì)進(jìn)行優(yōu)化，在介紹PSO原理的基礎(chǔ)上，衍生出改進(jìn)的PSO優(yōu)化方法，通過改進(jìn)的PSO算法來控制開關(guān)角，應(yīng)用MATLAB對(duì)其結(jié)果進(jìn)行仿真，并于傳統(tǒng)的工程控制方法比較，表明通過改進(jìn)的PSO算法有更好

2、的辨識(shí)精度，收斂時(shí)間與魯棒性，為SPWM波的產(chǎn)生提供了一個(gè)綜合性能較好的實(shí)用方法。關(guān)鍵詞：粒子群優(yōu)化算法SPWM波MATLAB1.前言前言所謂SPWM，就是以正弦波作為逆變器輸出的期望波形，以頻率比期望波高的多的等腰三角形作為載波，并用頻率和期望波相同的正弦波作為調(diào)制波，當(dāng)調(diào)制波與載波相交時(shí)，由它們的交點(diǎn)確定逆變器開關(guān)器件的通斷時(shí)刻，從而獲得正弦調(diào)制波的半個(gè)周期內(nèi)呈兩邊窄中間寬的一系列等幅不等寬的矩形波。SPWM控制技術(shù)有單極性控制和雙

3、極性控制兩種方式。在模擬電子電路中，采用正弦波發(fā)生器、三角波發(fā)生器和比較器實(shí)現(xiàn)上述的SPWM控制；改成數(shù)字控制后，開始時(shí)只是把同樣的方法數(shù)字化，稱為“自然采樣法”。自然采樣法的運(yùn)算比較復(fù)雜，在工程上更是用的是簡(jiǎn)化后的“規(guī)則采樣法”，由于簡(jiǎn)化方法的不同衍生出多種規(guī)則采樣法。本文提出一種新的產(chǎn)生SPWM波形的方法，基于PSO算法來產(chǎn)生SPWM波形以及優(yōu)化其諧波，從而提出一種具有諧波小、最佳調(diào)制比、占空比的新方法。2.2.SPWM波的研究現(xiàn)狀

4、與發(fā)展趨勢(shì)的研究現(xiàn)狀與發(fā)展趨勢(shì)SPWM的控制就是根據(jù)三角波與正弦波調(diào)制波比較后的交點(diǎn)來確定逆變器功率器件的開關(guān)時(shí)刻。這個(gè)任務(wù)可以用模擬電路、數(shù)字電路或?qū)Ｓ玫拇笠?guī)模集成電路芯片等硬件來完成，也可以用微型計(jì)算機(jī)通過軟件生成SPWM的開關(guān)點(diǎn)。也是當(dāng)前人們研究的一個(gè)熱門課題。1自然采樣法自然采樣法自然采樣法是按照正弦波與三角波交點(diǎn)進(jìn)行脈沖寬度與間隙時(shí)間的采樣，從而生成SPWM波形。采用自然采樣時(shí)，由于正弦波與三角波的交點(diǎn)A、B兩點(diǎn)對(duì)三角波的中心

5、線是不對(duì)稱的，TA、TB都是未知數(shù)，這使得實(shí)時(shí)計(jì)算與控制相當(dāng)?shù)睦щy，即使事先將計(jì)算結(jié)果存入內(nèi)存，控制過程中通過查表確定時(shí)間，也會(huì)因參數(shù)過多而占用計(jì)算機(jī)太多內(nèi)存和時(shí)間。因此僅限于頻段較少的場(chǎng)合。代的位置。代表第顆粒子在第維的第n次迭代的個(gè)體最佳位置。代表第顆粒子在第nijpijngjpi維的第n次迭代的全局最佳位置。代表第顆粒子在第維的第n次迭代的速度[3]。粒子群優(yōu)jnijvij化算法依據(jù)粒子自身速度進(jìn)行慣性運(yùn)動(dòng)，對(duì)粒子自身行為進(jìn)行思考

6、的同時(shí)，參與群體信息共享與相互合作，從而在粒子群中尋找最佳位置，相互作用與制約決定了算法的尋優(yōu)性能[4]。3.23.2改進(jìn)改進(jìn)PSOPSO算法算法粒子群優(yōu)化算法的最優(yōu)解搜索主要依賴于粒子間的信息共享機(jī)制，粒子間的信息共享機(jī)制體現(xiàn)在每一個(gè)粒子下一個(gè)時(shí)刻的位置都受到Gbest影響。PSO算法的整個(gè)更新過程是跟隨當(dāng)前最優(yōu)解的過程。在一般情況下，所有粒子是會(huì)很快的收斂于最優(yōu)解，但，如果當(dāng)前最優(yōu)解為局部的最優(yōu)解，那么一旦所有粒子都收斂于此，就很難

7、挑出局部最優(yōu)解了。在PSO算法中加入以一定概率接受較差的狀態(tài)機(jī)制，增強(qiáng)PSO的全局搜索能力，方法如下：處于第K次迭代的微粒i，它的新狀態(tài)的適應(yīng)值如果大于當(dāng)前狀態(tài)的適應(yīng)值Pbest，就把新狀態(tài)作為微粒第K1次迭代的狀態(tài)；如果新狀態(tài)的適應(yīng)值小于當(dāng)前狀態(tài)的適應(yīng)值Pbest，則以一定的概率接受新狀態(tài)為微粒第K1次迭代的狀態(tài)[6]。4.4.總結(jié)總結(jié)PSO算法現(xiàn)在已經(jīng)廣泛的應(yīng)用于各個(gè)領(lǐng)域，其中主要應(yīng)用于[8]：（1）神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：于BP算法相比，

8、使用PSO的優(yōu)點(diǎn)在于不適用梯度信息，多數(shù)情況下結(jié)果優(yōu)于BP算法，速度更快；（2）參數(shù)優(yōu)化：PSO已廣泛應(yīng)用于各種連續(xù)問題和離散問題的參數(shù)優(yōu)化；（3）除了以上領(lǐng)域外，PSO在自動(dòng)目標(biāo)檢測(cè)、系統(tǒng)辨識(shí)以及游戲訓(xùn)練等方面也取得了一定的成果；根據(jù)改進(jìn)的PSO算法，我們可以用MATLAB來編程實(shí)現(xiàn)，MATLAB有強(qiáng)大的計(jì)算，繪圖能力。利用它可以方便的解決一些粒子群算法的應(yīng)用問題，可以直觀地看出各個(gè)參數(shù)的確定對(duì)結(jié)果的影響[7]。通過改進(jìn)的PSO算法得

9、到的SPWM波形具有更小的諧波分量，更有的調(diào)制比，從而大大的提高了供電的質(zhì)量。在實(shí)際生產(chǎn)中有很大的實(shí)際意義。主要參考文獻(xiàn)：主要參考文獻(xiàn)：1.孟慶波，曲素榮SPWM控制方法淺析[J]，鄭州鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2007（12）：14152.崔用民SPWM控制電路設(shè)計(jì)的實(shí)現(xiàn)[J]，科學(xué)論壇20101093YenanYin，WeixingLin，WenLeiLi，EstimationAmplitudePhaseofHarmonicBasedo