[发明专利]电动汽车磁耦合无线充电系统的最大效率跟踪方法

摘要

本发明公开了一种电动汽车磁耦合无线充电系统的最大效率跟踪方法，首先通过初始电源激励频率推导出发射和接收线圈之间的互感，将适应度函数变为只与频率有关的函数；将一般粒子群算法中的粒子群规模分开设定，分别为最大粒子群规模Nmax=30和最小粒子群规模Nmin=2，粒子群规模随着迭代次数增加而逐渐减小。本粒子群算法减去冗余粒子，改变粒子群规模，精简算法，加快了算法收敛速度。本发明粒子群算法不但使得粒子规模选取有据可依，且算法在搜索前期具有较大自我学习能力和社会学习能力，在搜索后期，加快收敛速度，算法搜索时间减小。

主权项

电动汽车磁耦合无线充电系统的最大效率跟踪方法，其特征在于：将一般粒子群算法中的粒子群规模分开设定，分别为最大粒子群规模Nmax＝30和最小粒子群规模Nmin＝2，粒子群规模随着迭代次数增加而逐渐减小，其具体实施步骤为：(1)、初始化算法，包括设定粒子种群维数D，最大迭代次数MaxNum，同时限定粒子最大速度vmax，初始化惯性权重w；(2)、直接设定粒子群最大规模Nmax为30和粒子群最小规模Nmin为2，随机初始化粒子的速度v和粒子的位置，设定初始粒子群规模为最大规模Nmax＝30，初始化迭代次数t＝1；(3)、采用适应度函数计算当前种群每个粒子的适应度函数值fi，fi表示第i个粒子的适应度函数值，其中ω＝2πfr，fr为当前激励频率，ω为激励电源的角频率，M为发射和接收线圈之间的互感，L1，L2为发射线圈和接收线圈电感，C1，C2为电容，Rs为电源内阻，RL为负载电阻，R1，R2为回路中电阻；(4)、用fi‑best表示第i个粒子截止到第t次迭代时搜寻到的最优适应度函数值，用fi‑gbest表示截止到第t次迭代时，全部粒子搜索到的最优适应度函数值，在粒子群算法开始迭代之前，设定fi‑best＝0，fi‑gbest＝0，将步骤(3)中得到的粒子适应度函数值fi和个体极值fi‑best及全局极值fi‑gbest相比较，如果fi≤fi‑best，那么fi‑best＝fi，pi＝xi，pi表示适应度函数值为fi‑best的粒子位置，xi是所对适应度函数值为fi粒子的位置，如果fi≤fi‑gbest，那么fi‑gbest＝fi，pg＝xi，pg是粒子种群中全局最优值为fi‑gbest的粒子位置；(5)、按公式Npresent＝Nmax‑(Nmax‑Nmin)*t/(MaxNum)更新粒子群规模，其中Npresent为粒子群当前规模，Nmax为最大粒子群规模，Nmin为最小粒子群规模，MaxNum为最大迭代次数，t为当前迭代次数，按公式和公式更新各个粒子的速度和位置，然后令迭代次数t＝t+1，转向步骤(6)，其中代表t+1次迭代第i个粒子的速度，代表当前第t次迭代第i个粒子的速度，c1和c2代表学习因子，rand代表[0，1]之间的随机数，pi表示适应度函数值为fi‑best的粒子位置，pg是粒子种群中全局最优值为fi‑gbest的粒子位置，代表t+1次迭代第i个粒子位置，代表第t次迭代第i个粒子当前位置， w代表惯性权重；(6)、根据公式计算粒子适应度函数值的方差之和，favg为全部粒子适应度函数值的平均值，其中如果有(fi‑favg)>1，则a＝max(fi‑favg)，否则，a＝1，判断方差是否等于0或者粒子群算法是否达到最大迭代次数，如果否，则转向步骤(3)，如果是则转向步骤(7)；(7)、输出搜索到的全局最优值pg，pg是粒子种群中全局最优值为fi‑gbest的粒子位置，即搜索到的最优值对应的频率值；(8)、用电流传感器检测负载电流i2的峰值，设Δ为设定的最大电流峰值波动范围，i2max为所检测的负载电流峰值，i2max(k)为负载的第k个电流周期电流峰值，i2max(k+1)为负载的第k+1个电流周期的电流峰值，判断|i2max(k+1)|‑|i2max(k)|>Δ是否成立，如果判断结果为是，则转向步骤(1)，算法重启，如果判断结果为否，算法转向步骤(7)。