基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法

发布时间：2021-11-18 09:36

　　针对传统方法控制的发射电流频率间隔固定、频域不完全可控的问题,为提高频率域电磁测深效率,提出一种基于改进粒子群优化算法的可控发射电流频率的选择性谐波消除脉宽调制（SHEPWM）控制方法.先根据勘探目标计算出期望的频谱,再根据发射电流的时频域特性建立半周期镜像对称SHEPWM非线性方程组,最后采用改进粒子群优化算法对非线性方程组求解,得到对应的开关时刻序列,由开关时刻序列控制发射系统逆变器,即可输出探测所需的发射电流.当勘探特定深度目标时,发射系统可输出最优的发射电流,进而提高纵向分辨率. 

【文章来源】：吉林大学学报(理学版). 2020,58(05)北大核心

【文章页数】：8 页

【部分图文】：

半周期镜像对称SHEPWM波形

ω={ ( z 1 + | r | 2 )| lnh |, | h |>1, z 1 z 2 + | r | 2 , 0.05≤| h |≤1, z 2 +| r |/2 | lnh | , | h |<0.05, ??? (13)其中: z1=0.3, z2=0.2; r为一个[0,1]间均匀分布的随机数. 这种动态自适应调整惯性权重可灵活地调节全局搜索与局部搜索的能力. 当聚焦距离变化率较大时, 粒子的全局搜索能力较差, 故应增加惯性权重; 当聚焦距离变化率较小时, 应减小惯性权重, 有利于粒子种群较好地适应复杂的实际环境.

由表1可见, IPSO算法小于PSO算法的适应度值, 证明了IPSO算法的求解精度高于PSO算法. 图3为PSO算法与IPSO算法求解过程对比. 由图3可见, IPSO算法快于PSO算法的收敛速度. 并且PSO算法在迭代次数为800时, 陷入了局部最优, 适应度值最终收敛到0.284,而IPSO算法在迭代次数为100时收敛到10-3, 迭代次数为2 000时收敛到8.705×10-5. 从而验证了IPSO算法收敛速度更快、 求解精度更高、 全局搜索能力更强.3.2 SHEPWM频率域电磁发射电流仿真验证

【参考文献】：
期刊论文
[1]基于粒子群算法的星敏感器布局设计[J]. 徐开,陈志刚,赵靖华,戴路,李峰.  吉林大学学报(工学版). 2019(03)
[2]改进的粒子群算法及在数值函数优化中应用[J]. 李建平,宫耀华,卢爱平,李盼池.  重庆大学学报. 2017(05)
[3]基于感性负载的瞬变电磁发射波形控制技术[J]. 林君,杨宇,胡雪岩,王世隆.  吉林大学学报(工学版). 2016(05)
[4]基于改进混合粒子群优化的特定谐波消除脉宽调制策略[J]. 陈炜,陈玉健,耿强.  天津大学学报(自然科学与工程技术版). 2016(05)
[5]采用扰动加速因子的自适应粒子群优化算法[J]. 姜建国,田旻,王向前,龙秀萍,李锦.  西安电子科技大学学报. 2012(04)
[6]三元素集合中的自封闭加法与2n系列伪随机信号编码[J]. 何继善.  中南大学学报(自然科学版). 2010(02)
[7]一种动态改变惯性权重的自适应粒子群算法[J]. 任子晖,王坚.  计算机科学. 2009(02)
[8]基于粒子群算法的非线性方程组求解[J]. 陈长忆,叶永春.  计算机应用与软件. 2006(05)

博士论文
[1]多场源地空频率域电磁探测方法研究[D]. 周海根.吉林大学 2017
[2]半周期对称SHEPWM技术的开关角求解方法[D]. 苏毅.武汉大学 2012



本文编号：3502660