[发明专利]遗传算法优化BP神经网络的WPT系统阻抗匹配方法

说明书

本发明公开了一种遗传算法优化BP神经网络的WPT系统阻抗匹配方法，采用遗传算法对神经网络的权值和阈值进行优化，将优化后的权值和阈值作为神经网络的局部搜索的初始权值和阈值，然后根据系统检测到的输入阻抗作为BP神经网络的输入信号，利用神经网络的局部搜索能力在搜索空间中搜索出最优匹配电容值，通过控制电机调节可变电容实现WPT系统的阻抗匹配。本发明的有益效果是，针对神经网络算法自身存在的易限于局部最小值，收敛速度慢等缺点，引入遗传算法对BP神经网络权值和阈值进行优化，加快了BP神经网络的收敛速度，提高了WPT系统阻抗匹配的准确性和高效性。

技术领域

本发明属于无线电能传输领域，尤其是一种遗传算法优化BP神经网络的无线电能传输阻抗匹配控制方法

背景技术

第二次工业革命后，人类社会便进入了电气化时代，电能的传输主要通过金属导线的点对点直接接触进行传输。这种“有线”的传输方式带来了不少的问题，例如，由于存在摩擦、老化等影响，电能在传输过程中很容易产生火花，进而影响到用电设备的使用寿命和用电安全。日益增多的架空线路，在造成城市空间拥挤的同时，架设难度、维护成本、危险系数也逐步上升。另外，传统的有线电力传输方式不能满足一些特殊应用场合的需要，如矿井等。鉴于传统电能传输方式的诸多弊端，追求电能的无线传输，摆脱导线、电缆的束缚成为新世纪人们研究探索的方向，于是无线电能传输(Wireless Power Transfer，WPT)技术应运而生。

无线电能传输技术在很多方面特别是应用方面国内外的研究还处于初级阶段，一个重要问题就是传输效率低下，不管是哪种无线电能传输技术都面临随距离或负载变化而导致电能传输效率降低的问题。要提高系统的传输效率就必须使系统工作在最优效率的阻抗下，从负载阻抗匹配的角度研究效率适应不同距离和负载是一个比较有潜力的方向。

鉴于对系统的实时调节的需求，自适应阻抗匹配技术成为了无线电能传输系统提高系统效率，优化系统的发展趋势，而匹配精度和匹配速度作为阻抗匹配技术优劣的评价标准，普通的阻抗匹配方法很难同时满足对两者的要求。

发明内容

本发明的目的是为了解决上述问题，设计了一种遗传算法优化BP神经网络的WPT系统阻抗匹配方法。

实现上述目的本发明的技术方案为，一种遗传算法优化BP神经网络的WPT系统阻抗匹配方法，该方法包括如下步骤：

步骤一：选取WPT系统中合适的特征量作为模型的输入变量，用以优化阻抗匹配参数，实现系统的阻抗匹配。

步骤二：确定神经网络的拓扑结构，初始化、训练BP神经网络，通过学习建立WPT系统输入变量与系统匹配网络参数的映射关系。

步骤三：将BP神经网络测试样本电容的输出误差平方和取倒数作为遗传算法的适应度函数。

步骤四：进行遗传算法优化，初始化种群，将BP神经网络得到的适应度函数进行反复染色体复制、交叉、变异过程，最终解码得到最佳权值和阈值。

步骤五：利用优化后权值和阈值对BP神经网络输出电容值进行预测，再通过控制电机来调节匹配网络中的匹配电容使系统达到阻抗匹配状态。

所述步骤一所述的输入变量选用WPT系统发射端的输入阻抗Zn(Zn＝Re+Im)，优化目标参数选用匹配网络中的两个可调电容C1、C2，从而建立Re、Im与C1、C2的映射关系。

所述步骤二所述的拓扑结构选用2-7-2，即输入层有2个节点，隐含层有7个节点，输出层有2个节点，共有28个权值和9个阈值。从132组输入输出数据中选取112组数据作为训练样本，20组数据作为测试样本。BP神经网络中隐含层神经元传递函数采用S型正切函数Tansig，输出层传递函数采用线性函数Purelin，训练函数选用收敛速度最快的trainlm函数。