本文關(guān)鍵詞：基于改進(jìn)粒子群算法的逆變器諧波優(yōu)化的研究

  更多相關(guān)文章： PWM調(diào)制 SHEPWM非線性超越方程組 智能算法 改進(jìn)粒子群算法

【摘要】：進(jìn)入二十一世紀(jì)以來,電力電子,微電子以及工業(yè)控制領(lǐng)域相關(guān)技術(shù)的不斷突破,使PWM調(diào)制技術(shù)在各種電力電子逆變裝置中得到越來越廣泛的應(yīng)用。隨著非線性器件的發(fā)展,諧波危害也越發(fā)嚴(yán)重。逆變器就是一種諧波源。本文深入研究牛頓迭代法,遺傳算法,尤其是改進(jìn)粒子群算法在特定諧波消除技術(shù)中的應(yīng)用。逆變器SPWM, SVPWM等傳統(tǒng)的控制方式雖然在逆變裝置得到廣泛的應(yīng)用,但是依然存在直流電壓利用率低和開關(guān)管功耗大的限制。本文打破傳統(tǒng)的PWM控制方式,依據(jù)改進(jìn)粒子群算法研究特定諧波消除脈寬調(diào)制技術(shù)。首先本文對課題的研究背景進(jìn)行探討,分析了諧波產(chǎn)生的原因和可能造成的危害,然后介紹抑制諧波技術(shù)的現(xiàn)狀。然后對單相逆變電路和幾種常用的控制技術(shù)進(jìn)行了分析和研究。在介紹SPWM和SVPWM兩種控制方式理論的基礎(chǔ)上,分析兩種控制方式的應(yīng)用場合和優(yōu)缺,由此引出本文研究的SHEPWM控制技術(shù)。簡要概述SHEPWM技術(shù),依據(jù)周期信號傅里葉級數(shù)展開知識建立電壓型逆變器輸出相電壓的數(shù)學(xué)模型。相電壓的傅里葉級數(shù)展開式是建立SHEPWM方程組和分析諧波分布規(guī)律的有效依據(jù)。SHEPWM方程組是非線性超越方程組,涉及到逆變器輸出相電壓的基波和各次諧波與開關(guān)角關(guān)系,求解方程組就是求解開關(guān)角。介紹了牛頓迭代法和遺傳算法的基本理論和計算SHEPWM方程組步驟。牛頓迭代法的求解過程依賴初始值的選取,遺傳算法雖然不再嚴(yán)格依賴初值的選取,但是該算法也容易陷入局部最優(yōu)。越來越多的群智能算法應(yīng)用到SHEPWM方程組的求解中。粒子群算法是一種智能算法,該算法求解步驟簡單,易于理解,求解過程不依賴初值的選取。通過對粒子群算法慣性權(quán)重,收縮因子等參數(shù)的合理改進(jìn),避免SHEPWM非線性超越方程組早熟收斂。依據(jù)牛頓迭代法,遺傳算法和改進(jìn)的粒子群算法,應(yīng)用MATLAB對四分之一周期5個開關(guān)角的SHEPWM方程組計算。結(jié)果顯示改進(jìn)粒子群算法在迭代次數(shù)和諧波畸變率等參數(shù)的比較中更有優(yōu)勢,驗(yàn)證了改進(jìn)粒子群算法對相電壓輸出波形諧波優(yōu)化的有效性。最后,本文基于MATLAB/Simulink建立單相逆變器的仿真平臺,利用改進(jìn)粒子群算法求出的數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果驗(yàn)證了該算法的可行性。
【關(guān)鍵詞】：PWM調(diào)制 SHEPWM非線性超越方程組 智能算法 改進(jìn)粒子群算法
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM464;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 第一章 緒論13-17
• 1.1 論文研究背景13
• 1.2 諧波的危害13-14
• 1.3 PWM諧波抑制技術(shù)的發(fā)展現(xiàn)狀14-15
• 1.4 論文主要內(nèi)容15-17
• 第二章 逆變器拓?fù)浣Y(jié)構(gòu)和控制技術(shù)17-25
• 2.1 逆變器的拓?fù)浣Y(jié)構(gòu)17-18
• 2.2 SPWM控制技術(shù)18-22
• 2.2.1 SPWM調(diào)制原理18
• 2.2.2 SPWM調(diào)制方法18-20
• 2.2.3 單極性調(diào)制和雙極性調(diào)制20-22
• 2.3 SVPWM控制技術(shù)22-24
• 2.3.1 SVPWM的調(diào)制原理22-23
• 2.3.2 期望電壓矢量的合成23-24
• 2.4 本章小結(jié)24-25
• 第三章 SHEPWM非線性方程組的建立及算法研究25-33
• 3.1 SHEPWM技術(shù)25-26
• 3.2 建立SHEPWM非線性方程組26-29
• 3.2.1 單極性PWM調(diào)制方式及其波形傅里葉分析26-27
• 3.2.2 雙極性PWM調(diào)制方式及其波形傅里葉分析27-29
• 3.3 牛頓迭代法29-30
• 3.4 遺傳算法30-32
• 3.5 本章小結(jié)32-33
• 第四章 基于改進(jìn)粒子群算法的SHEPWM方程組求解33-41
• 4.1 粒子群算法的基本原理33-36
• 4.2 粒子群算法的兩種模型36-37
• 4.3 改進(jìn)粒子群算法37-38
• 4.3.1 引入慣性權(quán)重37
• 4.3.2 引入收縮因子37-38
• 4.4 基于粒子群優(yōu)化的SHEPWM方程組求解38-39
• 4.4.1 SHEPWM方程組及目標(biāo)函數(shù)38
• 4.4.2 計算步驟38-39
• 4.5 本章小結(jié)39-41
• 第五章 基于MATLAB的仿真分析41-59
• 5.1 基于牛頓迭代法的仿真分析41-44
• 5.2 基于遺傳算法的仿真分析44-49
• 5.3 基于改進(jìn)粒子群算法的仿真分析49-54
• 5.3.1 單極性SHEPWM仿真分析50-52
• 5.3.2 雙極性SHEPWM仿真分析52-54
• 5.4 基于MATLAB的單相逆變器仿真分析54-57
• 5.4.1 單相全橋逆變電路的仿真模型54
• 5.4.2 Simulink的單極性實(shí)驗(yàn)分析54-56
• 5.4.3 Simulink的雙極性實(shí)驗(yàn)分析56-57
• 5.5 本章小結(jié)57-59
• 第六章 總結(jié)和展望59-61
• 6.1 本文總結(jié)59
• 6.2 研究內(nèi)容的展望59-61
• 致謝61-63
• 參考文獻(xiàn)63-67
• 附錄A 攻讀碩士學(xué)位期間學(xué)術(shù)成果67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計算機(jī)集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：789492