一种基于改进正余弦算法的移相全桥变换器控制器参数的整定方法

本发明涉及电力电子领域，尤其是涉及一种基于改进正余弦算法的移相全桥变换器控制器参数的整定方法。

背景技术：

1、地铁是出行的重要选择方式，其牵引供电系统主要采用直流供电，低压直流断路器是牵引系统中重要保护装置，因此有必要对此装置定期进行检测，脱扣检测就是一项重要检测，测试在发生短路情况下断路器能否正常工作。根据国家检测标准，脱扣检测需要在短时间内对装置施加十倍的额定电流。大功率直流电源需要考虑元器件应力等其它因素，遂采用多个模块并联，来满足设计要求。移相全桥变换器因其拓扑结构简单、低开关损耗、利用自身元件寄生的参数进行谐振实现zvs的优点，在中高功率场合得到广泛使用，适合作为电源模块。

2、移相全桥变换器使用移相控制的方式，使用电压环线性自抗扰控制和电流环pi控制，构成双闭环控制器，拥有响应速度快、控制性能好、稳定性高、抗干扰性强等优点。pid控制广泛地应用在各行各业，在控制领域中一直拥有很高的评价和热度，但是在某些方面pid存在一些问题。韩京清教授提出了自抗扰控制技术，通过减少各种不确定因素的总干扰继承了经典pid的优势，而高志强教授等人则利用频率尺度的概念对自抗扰控制进行线性化，提出了线性自抗扰技术(ladrc)，将需要整定的参数减少到三个。双闭环控制器一共需要整定五个参数包括：电压环线性自抗扰控制的三个参数和电流环pi控制的两个参数。如果依靠经验法整定，则要要求设计者拥有丰富的经验，需要耗费较多的时间和精力。因此，国内外学者引进群智能优化算法来对控制器参数进行调优，群智能优化算法拥有并行处理能力强、搜索能力强、适应性强、简单易实现等优点，可以较轻松地找到较优的控制器参数值。

3、正余弦算法是2016年提出的群智能优化算法，具有参数少、结构简单以及易实现等特点，利用正弦和余弦函数的波动性和周期性进行迭代寻优。但正余弦算法存在收敛速度较慢、求解的精度低、易陷入局部最优解等问题，需要对其进行了研究和改进。国内外学者对正余弦算法改进方面作出了重大贡献，如何更好地提高正余弦算法收敛精度和收敛速度，平衡局部搜索和全局搜索，仍需要进一步研究。

技术实现思路

1、本发明的目的是用于地铁中低压直流断路器检测装置即低压大电流直流电源中单个电源模块控制，电源模块采用移相全桥变换器作为主电路，利用改进的正余弦算法对电压环ladrc和电流环pi的参数进行调优，从而提高移相全桥变换器在复杂环境中的响应速度和抗干扰能力。

2、为了实现上述目的，本发明提供一种基于改进正余弦算法的移相全桥变换器控制器参数的整定方法，所述方法包括以下步骤：

3、步骤s100：建立移相全桥变换器副边有效占空比对副边滤波电感电流和输出电压的传递函数，设计以线性自抗扰控制的电压外环和以pi控制的电流内环的双闭环控制器；

4、步骤s200：建立系统评价指标，作为算法的目标函数，将控制器参数与种群个体的位置矢量进行关联，每个个体代表一组控制器的参数；

5、步骤s300：引入改进的正余弦算法对控制器参数进行调优，将种群个体的解传递给控制器，通过系统评价指标算出对应控制器的适应度值，通过不断迭代，得到适应度值最小的个体，其对应的解就是最优的控制器参数。

6、进一步地，所述步骤s100中的传递函数和控制器设计具体步骤为：

7、采集输出电压与参考值差值作为电压外环的输入，电压外环采用线性自抗扰控制器，采集副边滤波电感电流与电压环输出的差值作为电流内环的输入，电流内环采用pi控制，双闭环控制器需要整定的参数为电压外环线性自抗扰控制器的观测器带宽ω0、控制器带宽ωc以及补偿增益b0，电流环pi控制器的比例系数kp和积分系数ki，共5个需要调优的控制器参数。

8、进一步地，所述步骤s200中控制器参数与种群个体的位置矢量进行关联的具体步骤为：

9、步骤s201：建立系统评价指标，作为算法的目标函数，具体公式为：

10、

11、其中，ts为时间，te为仿真时间，e(ts)为在时间ts时，设定电压值与实际输出电压值的差值；

12、步骤s202：控制器参数和算法种群个体的位置矢量进行关联，将控制器的5个参数作为算法种群个体的位置，即算法种群个体的维度为5，一个维度代表一个控制器参数，每个个体代表着一组完整的控制器参数。

13、进一步地，所述步骤s300中的改进的正余弦算法是在原算法的基础上，通过佳点集法初始化种群、采用跟随措施、利用非线性权重、提速措施和扰动措施提升算法收敛速度和稳定性。

14、进一步地，所述步骤s300中实现控制器参数寻优的具体步骤为：

15、步骤s301：搭建仿真模型，设置改进的正余弦算法的初始参数，包括最大迭代数t、种群规模n、解的维度d和每个参数的对应的搜索空间；

16、步骤s302：利用佳点集法初始化种群，种群个体在搜索空间内随机产生，将每个个体对应的解传到控制器当中，并基于目标函数得到每个初始个体的适应度值；

17、步骤s303：对种群个体的位置进行更新，当r6<0.4时，个体按照公式(8)中(1)为正常更新，与原算法一致；当0.4≤r6<0.8时，按照公式(8)中的方式(2)进行更新，对种群个体进行加速措施，加快搜索速度；当r6≥0.8时，种群个体按照公式(8)中的方式(3)更新，在种群中加入了一个随机扰动个体；具体公式如下：

18、

19、其中代表第t次迭代中第i个个体的第j维，xp和xg分别表示种群中当前代最优个体和全局最优个体，ωmax为最大的权重值，ωmin为最小的权重值，t为当前迭代数，t为设置的最大迭代数，r2为0～2π的随机数，r3为0～2的随机数，r4-6为0～1的随机数；

20、步骤s304：将位置更新之后的个体所产生新的解传递给控制器，通过系统评价指标，计算每个个体对应的适应度值，并且迭代次数加1；

21、步骤s305：引入跟随策略，首先将种群按照适应度值分成优劣两部分，每个部分中的个体的数目为n/2，然后让较劣的个体向着较优的个体跟随学习，将跟随学习之后的个体，替代原有较劣部分中的个体，最后将两个部分重新组成一个数目为n的种群，跟随学习的方式为：

22、

23、其中xn和xm分别表示种群中适应度值较好的个体和较差的个体，ub、lb分别代表上下界，rand和r7-8为0～1的随机数，rand的值代表值跟踪学习的深度，phi为-1～1的随机数；

24、步骤s306：重复步骤s303到s305，当迭代次数达到设定的最大迭代次数时，算法结束运行；

25、步骤s307：给出算法迭代结束后的，给出适应度值最小个体对应的解，所给的解就是最优的控制器参数。

26、本发明的有益效果是：采用双闭环的控制方式，电压外环采用线性自抗扰控制器，电流内环采用pi控制，提高系统抗干扰能力，为了优化控制器参数，提出了改进正余弦算法优化控制器参数。与传统正余弦算法对比，通过佳点集初始化种群，使种群初始个体分布均匀，保证了初始化种群个体的多样性；通过跟随措施，提高种群中较劣个体从不利的位置解放出来的概率，使它们向当前较优个体学习，保证个体在后面搜索可以更好地往较优位置更新；通过多策略位置更新，提高算法的收敛速度和解的精度，并且增加算法跳出局部最优的能力；通过改进正余弦算法优化的控制器参数，提高了移相全桥变换器的响应速度。