消除指定次数谐波的PWM(SHEPWM) 控制技术.docx

课程设计(论文)任务书电气学院学院10电力牵引专业一班、课程设计(论文)题目消除指定次数谐波的PWM(SllEPwM)控制技术二、课程设计(论文)工作自三、课程设计(论文)地点：电气学院机房四、课程设计(论文)内容要求：L本课程设计的目的(1)熟练掌握MATLAB语言的基本知识和技能；(2)熟悉matlab下的Simulink和Simpowersystems工具箱；(3)熟悉构建单相和三相桥式逆变器消除指定次数谐波的PWM(SHEPWM)的仿真模型；(4)培养分析、解决问题的能力；提高学生的科技论文写作能力。2.课程设计的任务及要求工基本要求：(1)编写求解开关角度的算法程序，并调试。(2)利用程序求解出来的开关角度建立matlab仿真模型。(3)要求对主电路和脉冲电路进行封装。(4)给出调制波原理图、相电压、相电流、线电压、不同器件所承受的电压波形以及频谱图，要求采用SUbPlOt作图。(5)选取不同参数进行仿真，比较仿真结果有何变化，给出自己的结论。I)创新要求：封装使仿真模型更加美观、合理2)课程设计论文编写要求(I)要按照课程设计模板的规格书写课程设计论文(2)论文包括目录、正文、心得体会、参考文献等(3)课程设计论文用B5纸统一打印，装订按学校的统一要求完成答辩与评分标准：(1)完成原理分析：20分；（2）完成设计过程：40分;（3）完成调试：20分；（4）【可答问题：20分；5）参考文献：一1张德丰.MATLAB数值分析机械工业出版社2黄象鼎曾钟钢马亚南.非线性数值分析的理论与方法武汉大学出版社3王兆安刘进军.电力电子技术（第五版）机械工业出版社4刘卫国.MATLAB语言程序设计与应用（第二版）高等教育出版社5王群京胡存刚李国丽.基于遗传算法的三电平逆变器SHEPWM方法的研究中国科学技术大学学报第39卷第八期6宋平岗官二勇.三电平逆变器SHE-PWM的研究电力电子技术第39卷第5期6）课程设计进度安排内容天数地点构思及收集资料2图书馆编程设计与调试2实验室撰写论文2图书馆、实验室学生签名：2013年6月19日课程设计（论文）评审意见（1）完成原理分析（20分）：优（）、良（）、中（）、般（）、差（）；（2）设计分析（20分）：优（）、良（）、中（）、一般（）、差（）；（3）完成调试（20分）：优（）、良（）、中（）、一般（）、差（):（4）翻译能力（20分）：优（）、良（）、中（）、一般（）、差（）；（5）回答问题（20分）：优（）、良（）、中（）、一般（）、差（）；（6）格式规范性及考勤是否降等级：是（）、否（）总评分数优（）、良（）、中（）、一般（）、差（）;评阅人：职称：【摘要】脉宽调制(PWM)的目的是使变压变频器输出的电压波形尽量接近正弦波,减少谐波，以满足交流电机的需要。要达到这一目的，除了上述采用正弦波调制三角波的方法以外，还可以采用直接计算的下图中各脉冲起始与终了相位1,2,.2m的方法，以消除指定次数的谐波，构成近似正弦的PWM波形(SelectedHarmonicsEliminationPWM-SHEPWM)o该技术的关键是消谐模型的求解，通常采用牛顿迭代法求解方程组，但牛顿法需要与精确值接近的初值,而本设计则采用了遗传算法，具有明显优点。通过遗传算法得到开关角度，然后使用Matlab/Simulink进行仿真验证效果。【关键词】特定谐波消除遗传算法Simulink目录0.引言-5-1.电力电子电路的仿真实验系统设计-6-1）概况-6-2）详细-7-3）总结-9-2.非线性方程的遗传算法-IO-1）简介-10-2）基本过程-10-3）主要步骤-10-4）GA的计算过程流程图-U-5）程序-11-6）结果-15-3.仿真实验过程-15-1）总论-15-2）开始前的准备工作-16-3）作图-17-4） FFT分析-19-4 .结论-22-5 .心得-22-消除指定次数谐波的PWM(SHEPwM)控制技术0.引言PWM(PulseWidthMOdUlatiOn)控制就是对脉冲的宽度进行调试的技术。即通过对一系列脉冲的宽度进行调试，来等效地获得所需要的波形(含形状和幅值)。PWM控制技术在逆变电路中应用最为广泛，对逆变电路的影响也最为深刻。现在大量应用的逆变电路中，绝大部分都是PWM型逆变电路。可以说PWM控制技术正是有赖于在逆变电路中的应用，才发展的比较成熟，从而确定了它在电力电子技术中的重要地位。如果给出了逆变电路的正弦波输出频率、幅值和半个周期内的脉冲数,PWM波形中各脉冲的宽度和间隔就可以准确计算出来。按照计算结果控制逆变电路中各个开关的通断，就可以得到所需要的PWM波形。这种方法称为计算法。特定谐波消去法(SelectedHarmonicEliminationPWM,SHEPWM)是计算法中一种较有代表性的方法。SHEPWM方法的困难主要是求解一组非线性超越方程组，对此国内外学者也提出了许多相关算法，如牛顿迭代法、同伦算法以及变梯度预测根轨迹法等。上述算法均需选取合适的初值或预测整个调制度范围内解的变化趋势,这就决定了运算要花费较长的时间,难以在线实现SHEPWM控制，所以一般采用离线计算的方法。1.电力电子电路的仿真实验系统设计1）概况仿真环境：MatlabR201IbSimulink7.8选用工具箱：Simulink>SimSCaP6、SimPowerSystems触发电路：设计目标：可以设定角度和频率设计思想：180°内波形关于90°轴对称，360°（一周期）内，前后180°（半周期）互补。基础脉冲选用模块RePeatingSeqUence,90°内设定值基于可变角An,90o180°内为180o-An,保证从小到大。180-360°取1-（0-180°的幅值），使原先幅值为1的将为0。三相触发脉冲添加模块TranSPortDelay,相位上延迟120°和240°。问题：初始只能开一个IGBT导致仿真无法进行。解决方案:与阶跃信号相乘，控制跳变时刻，第一周期不触发。设计优直：手工输入数据量少，信号稳定。丕足：第一周期无波形。为什么不补脉冲？补脉冲涉及到非设定角度的两个不定点：120°和240°,这两点有牵一发而动全身的效果，所以一旦确定就不好随便改动，则调角度目标无望。主电路：蛙旦显封装模块后方便输入直流电压和触发脉冲，方便测量相电压，线电压等等。设计思想:把需要的输入或测量量在Subsystem下接输入输出接头即可，所用元件：Simulink-*Port&Subsystem-in和out；SimScapefUtilitiesfConnectionPOrto2）详细全貌Spe触发部分：TriggerSystem>SwitchProduct直流电源部分：DC100/100V三相桥：Three-LevelBridge电流测量：iscope线电压测量：Vscope相电压测量：Vnscope触发系统TransportDelay3基础脉冲序列：00alala2a2a3a3a4a4180-a4180-a4180-a3180-a3180-a2180-a2180-al180-al180180180F2延时环节TranSPortDelay：0、2(13F);1、3(23F)TriggerSystem(mask)ParametersFrequency的Anglel15.7093Angle220.0545Angle373.7716Angle478.2321三相桥3）总结通过创建子系统，将原本复杂的系统图大大简化，布局也更合理，调理更清楚。2.非线性方程的遗传算法D简介遗传算法(GenetiCAlgorithm,GA)最先是由美国Mic-hgan大学的JohnHolland于1975年提出的。遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律，是具有“生存+检测”的迭代过程的搜索算法。遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作;参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定等5个要素组成了遗传算法的核心内容。2)基本过程遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，与传统搜索算法不同，遗传算法从一组随机产生的称为“种群(PoPUIatiOn)”的初始解开始搜索过程。种群中的每个个体是问题的一个解，称为“染色体(ChrOmOSOme)”。染色体是一串符号，比如一个二进制字符串。这些染色体在后续迭代中不断进化，称为遗传。在每一代中用“适值(fitness)”来测量染色体的好坏，生成的下一代染色体称为后代(Offspring)0后代是由前一代染色体通过交叉(CroSSoVer)或者变异(mutation)运算形成的。在新一代形成过程中，根据适度的大小选择部分后代，淘汰部分后代。从而保持种群大小是常数。适值高的染色体被选中的概率较高，这样经过若干代之后，算法收敛于最好的染色体，它很可能就是问题的最优解或次优解。3)主要步骤(1)编码：GA在进行搜索之前先将解空间的解数据表示成遗传空间的基因型串结构数据，这些串结构数据的不同组合便构成了不同的点。(2)初始群体的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体，N个个体构成了一个群体。GA以这N个串结构数据作为初始点开始迭代。(3)适应性值评估检测：适应性函数表明个体或解的优劣性。对于不同的问题，适应性函数的定义方式也不同。(4)选择：选择的目的是为了从当前群体个选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想，进行选择的原则是适应性强的个体为下一代贡献一个或多个后代的概率大。选择实现了达尔文的适者生存原则。(5)交叉：交叉操作是遗传算法中最主要的遗传操作。通过交叉操作可以得到新一代个体，新个体组合了其父辈个体的特性。交叉体现了信息交换的思想。(6)变异：变异首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样，GA中变异发生的概率很低，通常取值在0.0010.01之间。变异为新个体的产中提供了机会。4)GA的计算过程流程图5)程序main.mClear%主程序popsize=500;%群体大小chromlength=64;%字符串长度(个体长度)pc=0.9;%交叉概率pm=0.05;%变异概率pop=initpop(popsize,Chromlength);%随机产生初始群体fori=1:200%200为迭代次数objvalue=calobjvalue(pop);%计算目标函数fitvalue=calfitvalue(objvalue);%计算群体中每个个体的适应度Ibestindividual,bestfit=best(pop,fitvalue);%求出群体中适应值最大的个体及其适应值y(i)=max(bestfit);%n(i)=i;pop5=bestindividual;X1(i)=decodechrom(pop5,1,16)*90/65535;mutation.m%变异%变异(mutation),基因的突变普遍存在于生物的进化过程中。变异是指父代中的每个个体的每一位都以概率Pm翻转，即由'T变为“0”，%或由“0”变为“I”。遗传算法的变异特性可以使求解过程随机地搜索到解可能存在的整个空间，因此可以在一定程度上求得全局最优解。functionlnewpop=mutation(pop,pm)px,py=size(pop);newop=ones(size(pop);fori=l:pxfbrj=l:pyif(rand<pm)x2(i)=decodechrom(pop5,17,16)*90/65535;x3(i)=decodechrom(pop5,33,16)*90/65535;x4(i)=decodechrom(pop5,49,16)*90/65535;newpop=selection(pop,fitvalue);%复制pop=newpop;newpop=crossover(pop,pc);%交叉pop=newpop;newpop=mutation(pop,pm);%变异pop=newpop;endIzindex=max(y);%计算最大值及其位置、Xl=x1(index)x2=x2(index)x3=x3(index)x4=x4(index)y=zifpop(ij)=0newpop(ij)=l;elsenewpop(ij)=0;endelsenewpop(ij)=o(i,j);endendEndselection.m%选择functionnewpop=selection(pop,fitvalue) totalfit=sum(fitvalue); %求适应值之和 fitvalue=fitvaluetotalfit; %单个个体被选择的概率fitvalue=cumsum(fitvalue); % fitvalue=l 234,cumsum(ftvalue)= 1 3 6 10 px,py=size(pop);ms=sort(rand(px,l); %从小到大排列fitin=l;newin=l;while newin<=pxif(ms(newin)<fitvalue(fitin) newpop(newin)=pop(fitin,:); newin=newin+l;elsefitin=fitin+l;endendinitpop.mfunctionpop=initpop(popsize,Chromlength)%initpop.m函数的功能是实现群体的初始化，%popsize表示群体的大小，Chromlength表示染色体的长度(二值数的长度)%rand随机产生每个单元为0,1行数为POPSiZe,列数为ChrOmIength的矩阵,%roud对矩阵的每个单元进行取整。这样产生的初始种群。pop=round(rand(popsize,Chromlength);decodechron.m%将二进制编码转化为十进制数(2)%decodechrom.m函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置functionpop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1);pop2=decodebinary(pop1);decodebinary.m%计算目标函数值%将二进制数转化为十进制数(1)functionpop2=decodebinary(pop)px,py=size(pop);%求pop行和列数fori=l:pypopl(：,i)=2A(py-i)*pop(:,i);endpop2=sum(pop1,2);%求popl的每行之和endcrossover.m%交叉%交叉(CroSSOVer),群体中的每个个体 之间都以一定的概率pc交叉，即两 个个体从各自字符串的某一位置% (一般是随机确定)开始互相交换, 这类似生物进化过程中的基因分裂与 重组。function newpop=crossover(pop,pc) px,py=size(pop);newpop=ones(size(pop);for i=l:2:px-l calobjvaluc.m%计算目标函数值% calobjvalue.m函数的功能是实现目 标函数的计算%实现目标函数的计算function lobjvalue=calobjvalue(pop) px,py=size(pop);temp 1 =decodechrom(pop, 1,16); % 将 pop每行转化成十进制数if(rand<pc)cpoint=round(rand*py);newpop(i,:)=pop(i, 1 cpoint),pop(i+ l,cp oint+kpy);newpop(i÷ 1,:)=1 pop(i+1,1:CPOint),pop(i, cpoint+kpy);elsenewpop(i,:)=pop(i);newpop(i+ l)=pop(i+1);endendtemp2=decodechrom(pop, 17,16);tem3=decodechrom(pop,33,16);temp4=decodechrom(pop,49,16);x l=temp 1*90/65535; %将二值域 中的 数转化为变量域的数x2=temp2*9065535;x3=temp3*9065535;x4=temp4*9065535;yl=l-2*cos(x1*pil80)+2*cos(x2*pil80)-2*cos(x3*pil80)+2*cos(x4*pil80)-pi4;y2=1-2*cos(5*x1*pi180)+2*cos(5*x2*pi180)-2*cos(5*x3*pi180)+2*cos(5*x4*pil80);y3=1-2*cos(7*x1*pil80)+2*cos(7*x2*pil80)-2*cos(7*x3*pi180)+2*cos(7*x4*pil80);y4=1-2*cos(ll*xl*pil80)+2*cos(ll*x2*pi180)-2*cos(ll*x3*pil80)+2*cos(ll*x4*pil80);%obj value=rand(px, 1);for i=l:pxyll(i,l)=yl(i,l)*yl(i,l);y22(i, 1 )=y2(i, 1 )*y2(i, 1);y33(i,l)=y3(i,l)*y3(i,l);y44(i, 1 )=y4(i, 1 )*y4(i, 1);if(x 1 (i, 1 )<x2(i, 1 )&(x2(i, 1 )<x3(i, 1 )&(x3(i,l)<x4(i,l)obj value(i, 1 )= 1/( 1 +y 11 (i, 1 )+y22(i, 1 )+y3 3(i,l)+y44(i,l);elseobjvalue(i,l)=0;endend%objvalue= 1 /(1 +y 11 +y22+y33+y44);%计算目标函数值calfitvalue.m%计算个体的适应值function fitvalue=calfitvalue(objvalue)global Cmin;Cmin=O;px,py=size(objvalue);for i=l:pxif objvalue(i)+Cmin>0.1 best.m%求出群体中最大得适应值及其个体functionI bestindividual,bestfit=best(pop,fitvalu e)px,py=size(pop);bestindividual=pop( 1,:);bestfit=fitvalue(l);6)结果1 =15.7093a2 = 20.0545a3 =73.7716a4 =78.23213.仿真实验过程1)总论temp=Cmin+objvalue(i); elsetemp=0.0;endftvalue(i)=temp;endfitvalue=fitvalue,;for i=2:pxif fitvalue(i)>bestfit bestindividual=pop(i,:); bestfit=fitvalue(i);endend建立在实验电路和计算角度的基础上，单相双极性PWM能消去5,7,11次谐波，三相电路中，还可消去3的整数倍谐波。本部分将得到三相电路的线电压(VlineScope)、相电压(VnSCOpe)、相电流(iScope)的波形，并且画出和单相双极性电压波形形状相同的VrTScope的波形,最后对所有的电压(PWM)波形做FFT分析，对单相、三相谐波消除效果进行对比，得出结论。2）开始前的准备工作调节示波器（SCOPe）输出参数示波器如图所示界面，除变量名以外都如图设置，变量名对应如下:VnVnVn_Vn,iiVlineVline仿真参数设置Simulation tiaeSt art t ie: 0Stoptime:.1SolveroptionsType:Variable-stepISolver:Iode45(DorDland-PrlnCe)Maxstepsize:.02/4000Relativetolerance:le-3MinStePsize:.02/5000Absolutetolerance:autoInitialstepsize:autoShapepreservation:DisableallJNumberofConSeCUtiVeinsteps:1Taskingandsajy>letimeoptionsTaskingmodeforperiodicsampletimes:rAutomaticallyhandleratetransitionfordatatransfer11HigherpriorityvalueindicateshighertaskpriorityZero-crossing opt ionsZero-crossing control: :USe local SettingSTime tolerance:10*128*epsNumber of consecutiv zero crossings: Algorithm:INOnadaPtiVeSignal threshold: IaUtOIOOO算法合理，精度保证，周期足够。3)作图仿真过程转瞬即逝，此处忽略，执行完仿真后，执行如下脚本，得到对应图形。subplot(311)plot(Vline.time,Vline.signals(1).values)subplot(312)plot(Vn.time,Vn.signals(1).values)subplot(313)plot(i.time,i.signals(1).values)0.020.0250.030.0350.040.0450.050.0550.06plot(Vn_.time,Vn_.signals(1).values);4)FFT分析单相双极性等效波形-Availablesignalsf-FFTwindowFFTanalysis(C5W8E-Sunu-JO次)6e5Starttime(三):02Numberofcycles:4Fundamentalfrequency(Hz):FFTsettingsDisplaystyle:Bar(relativetofundamental)BasevafaeT5-Frequencyaxis:HarmonicorderMaxFrequency(Hz):750IDspiayClose可以看出，希望消除的5,7,11次谐波基本消除，3次整数倍谐波分量较大。线电压波形PSignaltoanalyze，Displayselectedsignal:9)DisplayFFTwindowFFTwindow:4of5cyclesofselectedsignal2000.020.030.040.050.060.070.080.09Time(s)0-200AvailablesignalsFFTanalysisStarttime(三):02Numberofcycles:4Fundamentalfrequency(Hz):(C58E-Sunu.J。次)6e£Fundamental(50Hz)=1769.THD=77.16%403020100510HarmonicorderFFTsettingsDisplaystyle:Bar(relativetofundamental)Basevafee:b.0Frequencyaxis:HarmonicorderMaxFrequency(Hz):750Dspiay由图可知，在三相电路中，不仅希望消除的谐被消除,3的整数倍谐波也被消除，THD也下降不少。在List模式下，显示，三相的13次谐波分量和单相的谐波分量相同（42.55%）,证明三相电路不能抑制13次谐波。相电压波形-SignaltoanalyzeAvailable signalsStructure :Vn1000-1000.020.030.040.050.060.070.080.09Time (s)input ：input 1Signal number:FFT analysisFundamental (50Hz) = 102.1 THD= 76.97%40302010150 0510Harmonic order(-Ec8EBPUnu.JO 求)6ezp FFT window Starttime(S): 1.02 Number of cycles: 4 Fundamental frequency (Hz): 50FFT settings Display style :Bar (relative to fundamental) Base value 1.OFrequency axis:Harmonic orderMax Frequency (Hz): 750®Displayselectedsignal修DisplayFFTwindowFFTwindow:4of5cyclesofselectedsignalFFTanalysisSamPIingCinle=4.89069e-006Samplespercycle=4089.4DCCoiqponent=0.0006202Fundamental=102.1peak(72.19rmsTotalHarmonicDistortion(THD)=76.97%MaximumharmonicfrequencyusedforTHDcalculations三102150.00Hz(204由图可知，线电压为相电压的6倍；虽然我们只算到750Hz,但用于THD技术的最大谐波频率为102150.OOHz,所以，以上数据真实有效。4.结论在仿真条件下，特定谐波消除控制PWM效果良好，滤去低次谐波，滤波器可大大减小体积，节约成本，在遗传算法的帮助下，能够较快并且精度较高地求取开关角，在电力电子逆变领域，两者拥有广阔的应用前景。5 .心得选这个题目时，解方程的难度被我大大低估，后来看了相关算法才开始紧张，感觉时间非常不够用。我找了各种论文、教材，看同伦算法，大概了解后发现很难在规定时间内完成任务，这时候我都开始绝望了，开始看MATLAB自带的算法，但是效果不好，我甚至开始为自己想后路，但是队友用遗传算法解了方程，这让我又充满了斗志，马上开始着手做模型，到成品完善，才用了不到一天的时间。虽然我没有用同伦算法解决方程，但我相信，书不是白看的，我还是理解了通论算法的思想。这次的转机也充分说明事情将要变好的时候往往是最坏的时候，不要放弃，不要失去希望。这次问题的成功解决更说明了，一个好的团队能发挥很大的力量，我们用了几天的时间就完成了一项硕士研究的任务，虽然只是一点点，但足以让我们把大部分同龄人远远甩下！6 .参考文献1张德丰.MATLAB数值分析机械工业出版社黄象鼎曾钟钢马亚南.非线性数值分析的理论与方法武汉大学出版社3王兆安刘进军.电力电子技术（第五版）机械工业出版社4刘卫国MATLAB语言程序设计与应用（第二版）高等教育出版社5王群京胡存刚李国丽.基于遗传算法的三电平逆变器SHEPWM方法的研究中国科学技术大学学报第39卷第八期6宋平岗官二勇.三电平逆变器SHE-PWM的研究电力电子技术第39卷第5期