[发明专利]一种无线电能传输系统的耦合系数辨识方法

说明书

本发明提供一种无线电能传输系统的耦合系数辨识方法。该参数辨识方法包括：步骤S1，将线圈耦合系数视为待辨识信息，获取无线电能传输系统的原始数据，对原始数据进行预处理，进而得到系统的样本数据；步骤S2，分析样本数据信息特征，确定辨识模型的输入因子与标签；步骤S3，选取部分样本数据，70％作为训练数据，30％作为测试数据，余下样本数据作为泛化数据；步骤S4，判断辨识结果是否满足精度要求，若不满足则返回S3,若满足则进行S5；步骤S5，在线检测耦合系数辨识模型的输入因子，实现耦合系数的精确辨识。

技术领域

本发明涉及无线电能传输领域，具体涉及一种无线电能传输系统的耦合系数辨识预测方法。

背景技术

在无线电能传输系统中，由于线圈相对位置的不确定性而引起的耦合系数随机波动将会降低系统的传输效率和功率，因此耦合系数的实时辨识成为了无线输电系统亟需解决的问题。传统的耦合系数辨识方法需获取WPT系统原边侧阻抗角信息或由优化算法通过迭代过程来辨识参数。然而，阻抗角的获取依赖于高精度的采样设备，优化算法冗长的迭代过程会带来耗时问题。为此，针对无线电能传输系统耦合系数辨识方法还需进一步研究与完善。

发明内容

为了解决上述技术问题，本发明提供了一种无线电能传输系统耦合系数的辨识方法。

一种无线电能传输系统耦合系数辨识方法，包括以下步骤：步骤S1，将线圈耦合系数视为待辨识信息，获取无线电能传输系统的原始数据，对原始数据进行预处理，进而得到系统的样本数据；步骤S2，分析样本数据信息特征，确定辨识模型的输入因子与标签；步骤S3，选取部分样本数据，70％作为训练数据，30％作为测试数据，余下样本数据作为泛化数据；步骤S4，判断辨识结果是否满足精度要求，若不满足则返回S3,若满足则进行S5；步骤S5，在线检测耦合系数辨识模型的输入因子，实现耦合系数的精确辨识。

上述无线电能传输系统的耦合系数辨识方法，所述辨识方法包括了支持向量回归机(SVR)，BP神经网络、RBF神经网络等。

上述无线电能传输系统的耦合系数辨识方法，所述获取无线电能传输系统的原始数据，对原始数据进行预处理，由此得到系统的样本数据，包括在线圈不同传输距离和水平偏移工况下，在线获取系统一次侧输出电压、输入电流等数据，对数据进行筛选和特征提出，筛选出系统需要的数据信息，建立样本数据。

Data＝{(x₁,k₁),…,(x_i,k_i),i＝1,2,3…n} (1)

其中，x_i＝(V_si，I_pi)表示第i组的输入电压V_s、输入电流i_p状态参数，k_i表示第i组样本的耦合系数信息。

上述无线电能传输系统的耦合系数辨识方法，所述分析样本数据信息特征，以系统耦合系数作为标签，确定WPT系统辨识模型的输入因子，包括对样本数据进行提取并通过分析耦合系数变化对各测量数据的影响，最终确定将输入电压V_s、输入电流i_p作为耦合系数辨识模型的输入因子，基于机器学习算法构建耦合系数辨识模型：

其中，b为耦合系数辨识的偏差值，a_i^*与a_i为拉格朗日乘子，κ(x,x_i)表示位置预测y的训练函数，采用是径向核函数：

κ(x_i，x)＝exp(-g||x_i-x||²) (4)

其中，g为自定义常数。