專利名稱：：基于粒子群算法的功率電子電路優(yōu)化方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及功率電子和智能計算兩大領(lǐng)域，主要涉及一種基于粒子群算法的功率電子電路優(yōu)化方法。技術(shù)背景功率電子電路能夠通過調(diào)整供應(yīng)電流或者電壓，有效地控制電能傳輸，以適應(yīng)用戶的負(fù)載，己經(jīng)被廣泛應(yīng)用于各種日常設(shè)備中，如移動設(shè)備、計算機(jī)、電視機(jī)和不間斷電源等。隨著半導(dǎo)體技術(shù)和電子封裝技術(shù)的進(jìn)步，對功率電子電路自動化生成的需求越來越高。電路自動化設(shè)計和優(yōu)化的方法主要分為確定性算法和隨機(jī)算法兩種。確定性算法，如梯度法和爬山法等，容易陷入局部最優(yōu)點，導(dǎo)致次優(yōu)的元件組合。而且一些確定性算法過于依賴初始搜索點的選擇，因此往往不適用于功率電子電路的優(yōu)化。相對的，隨機(jī)算法能夠廣泛地對解空間進(jìn)行搜索，因此比確定性的方法更適合于優(yōu)化和設(shè)計功率電子電路。最近，一種隨機(jī)算法，也就是進(jìn)化算法吸引了眾多研究人員的關(guān)注。進(jìn)化算法的特點是幾乎不需要所求問題的任何信息而只需要目標(biāo)函數(shù)的信息。它不受搜索空間限制性假設(shè)的約束，不要求如連續(xù)性、可導(dǎo)性等假設(shè)，能從離散的、多極值的、含有噪音的高維問題中以很高的概率找到全局最優(yōu)解。因此，以進(jìn)化算法十分適用于功率電子電路的設(shè)計和優(yōu)化。粒子群算法是進(jìn)化算法的一個分支，是一種模擬自然界中鳥群和魚群捕食的隨機(jī)搜索算法。粒子群算法由于其定義清晰，簡單實用，自提出以來就得到了廣發(fā)的應(yīng)用，例如動態(tài)分配、醫(yī)學(xué)圖形配準(zhǔn)、機(jī)器學(xué)習(xí)與訓(xùn)練、數(shù)據(jù)挖掘與分類和信號控制等各領(lǐng)域。與其它的進(jìn)化算法相比，粒子群算法具有收斂速度快，解的質(zhì)量穩(wěn)定等優(yōu)點，因此十分適合于功率電子電路設(shè)計這樣的優(yōu)化問題。
發(fā)明內(nèi)容本文將粒子群算法運(yùn)用到功率電子電路的優(yōu)化設(shè)計中。發(fā)明的粒子群算法運(yùn)用于優(yōu)化功率電子電路的步驟為(1)初始化用于優(yōu)化功率傳輸部分的算法參數(shù)，并根據(jù)給定的元件取值上下限，初始化功率傳輸部分的第一代粒子群。(2)計算每個粒子的適應(yīng)值，適應(yīng)值函數(shù)為尺￡,maxK",max+(9F3(A，^,C^)+OF4,,CT5")]其中，、和A分別為輸入電壓和負(fù)載值，^_和已，為輸入電壓的最大和最小值，A，皿和^，皿為負(fù)載的最大和最小值，<5、和5足分別為改變輸入電壓和負(fù)載的步長。O巧用于評估輸出電壓的穩(wěn)定狀態(tài)誤差，C^用于評估電路工作的約束條件，O巧用于計算輸出電壓上的穩(wěn)定狀態(tài)紋波電壓，O巧用于評估元件的固有性質(zhì)，如總體價格，物理大小等。(3)更新每個粒子的個體最優(yōu);iBeW，以及所有粒子的全局最優(yōu)gBeW。(4)更新每個粒子的速度和位置向量。(5)運(yùn)用變異算子以增加群體的多樣性。具體方法為，對每個粒子的每一維生成一個隨機(jī)分布于O和l之間的隨機(jī)數(shù)r。如果r小于變異概率A，那么就隨機(jī)改變相對應(yīng)的元件取值。(6)如果達(dá)到功率傳輸部分的結(jié)束條件，則執(zhí)行步驟(7)，否則回到步驟(2)。(7)初始化用于優(yōu)化反饋網(wǎng)絡(luò)的算法參數(shù)，并根據(jù)給定的元件取值上下限，初始化反饋網(wǎng)絡(luò)的第一代粒子群。(8)計算每個粒子的適應(yīng)值，適應(yīng)值函數(shù)為①"C?！辍臧,",")+0諷,、，(^)尺二&,min，叫V,=^，mm，SV切其中，C巧用于評估在輸出電壓的穩(wěn)定狀態(tài)誤差，C^用于評估最大的過沖和下沖，以及在啟動期間輸出電壓的建立時間，OF,用評估輸出電壓上的穩(wěn)定波紋電壓，0巧用于評估電路在輸入電壓和輸出電阻擾動時的動態(tài)性能。(9)更新每個粒子的個體最優(yōu);^""以及所有粒子的全局最優(yōu)g^ew。(10)更新每個粒子的速度和位置向量。5(11)與功率傳輸部分的方法相同，運(yùn)用變異算子以增加反饋網(wǎng)絡(luò)的群體多樣性。(12)如果達(dá)到功率傳輸部分的結(jié)束條件，則結(jié)束優(yōu)化程序，否則回到歩驟(8)。由于粒子群算法概念簡單，易于執(zhí)行，而且收斂速度快，因此得到了廣泛的應(yīng)用。但是在功率電子電路的優(yōu)化設(shè)計中，有時候粒子群算法會收斂到局部最優(yōu)解，這是因為群體多樣性不足所導(dǎo)致的。因此，本發(fā)明在粒子群算法中引入了變異算子，增加了進(jìn)化過程中的群體多樣性，使得粒子群算法用于功率電子電路優(yōu)化的性能得到了提高。圖l功率電子電路的基本結(jié)構(gòu)圖圖2粒子群算法優(yōu)化功率電子電路的流程圖圖3降壓轉(zhuǎn)換器的原理圖具體實施例方式以下結(jié)合附圖進(jìn)一歩對發(fā)明的方法進(jìn)行描述。功率電子電路的基本結(jié)構(gòu)圖如圖1所示，其中包括功率傳輸和反饋網(wǎng)絡(luò)兩部分。功率傳輸部分包含^個電阻，力個電感和《f個電容；反饋網(wǎng)絡(luò)部分包含^個電阻，^個電感和^^個電容。分別用兩個向量表示兩部分中的無源元件;&]，0F=[&4其中，，Z廣[av..^]，&=[<^，在優(yōu)化程序中，0p和0,是分別進(jìn)行優(yōu)化的。兩個部分的適應(yīng)值函數(shù)分別定義如下<formula>formulaseeoriginaldocumentpage6</formula>Wz_=Wi,ram,叫v,力Lmln,5".其中，(^和c^分別表示功率傳輸和反饋網(wǎng)絡(luò)部分的適應(yīng)值函數(shù)。C《和C《分別表示與0p和(^相對應(yīng)的粒子群個體編碼。0巧和C^用于評估輸出電壓的穩(wěn)定狀態(tài)誤差。c巧用于評估電路工作的約束條件。C巧和C^用于計算輸出電壓上的穩(wěn)定狀態(tài)紋波電壓。o巧用于評估元件的固有性質(zhì)，如總體價格，物理大小等。O巧用于評估最大的過沖和下沖，以及在啟動期間輸出電壓的建立時間。(9F8用于評估電路在輸入電壓和輸出電阻擾動時的動態(tài)性能。功率傳輸部分的適應(yīng)值函數(shù)Op中，O巧，C巧，OF3，OF4，分別如下設(shè)計。1.定義一個方差累積方程￡2，用以評估、與iv在乂個仿真點的接近程度五2=|>。(附)-]2如果￡2的取值較小，則穩(wěn)定狀態(tài)誤差小，O巧會較大。公式O巧的定義如下(9巧^e-E2"2其中，《是C^能達(dá)到的最大值，尺2用以調(diào)整6^對￡2的敏感度。2.(9F2:在穩(wěn)定狀態(tài)條件下，一些波形會受到約束條件的控制。假設(shè);te^是量^在第m個約束條件下的極限，則(9《定義為其中A^是約束條件的個數(shù)，《^是第附個約束條件的最大取值，而《^決定了考慮的量的敏感度。例如，如果&代表開關(guān)的最大額定電壓，g是實際的電壓，當(dāng)g》、時，C^將會很大。3.OF3:v。上的紋波電壓必須在預(yù)期輸出v。exp附近的土Av。限度以內(nèi)。在O巧中衡量染色體C尸"的方法是計算在7^個仿真點中，v。超出v。^土Av。的仿真點個數(shù)。O巧定義如下其中，^是o《能達(dá)到的最大值，^是衰減常數(shù)，^是超出允許邊帶的仿真點個數(shù)?？梢?，當(dāng)4增加的時候，c巧減小。4.OF4:在這個目標(biāo)函數(shù)中主要考慮一些和元件相關(guān)的內(nèi)在因素，這些因素包含總體價格，物理大小，元件壽命等。0尸4可以表示為t/尸《p'=i_/=i"i其中，Oi和dv是測量不同元件類型的目的函數(shù)。它們?nèi)缦露x，》=^^,，=~4far,0"。=，4，其中，、—和i^是dV^和Oc分別能達(dá)到的最大值。7,腿，丄7,薩和&,證分別是《，^和G的最大值。反饋網(wǎng)絡(luò)部分的適應(yīng)值函數(shù)Of中的四個目標(biāo)函數(shù)0巧，(9F6，C巧，(9尸8分別如下定義。1.OF5:這個目標(biāo)函數(shù)與(9A相似，定義為2.0尸6和(9尸8:在啟動或外部擾動期間，將會出現(xiàn)一個瞬時響應(yīng)^，其中一個典型的^響應(yīng)如圖5所示。C巧和0《用以評估^，包括l)最大過沖，2)最大下沖，3)在啟動或擾動期間，響應(yīng)的建立時間。0尸6和0尸8的基本形式可以表示如下<formula>formulaseeoriginaldocumentpage8</formula>其中是在性能測試中輸入和負(fù)載擾動的次數(shù)。在以上的公式中，ok，t/f和sr是最小化最大過沖，最大下沖和^建立時間的目標(biāo)函數(shù)。它們?nèi)缦露x《,，OF:M廠其中《。是這個目標(biāo)函數(shù)可以達(dá)到的最大值，M^是最大過沖，A^是實際的過沖，《,是通帶常數(shù)。l121+eA'13其中《12是這個目標(biāo)函數(shù)可以達(dá)到的最大值，^1^。是最大下沖，Jl^是實際的下沖，^13是通帶常數(shù)。1+e《5其中《4是這個目標(biāo)函數(shù)可以達(dá)到的最大值，7;。是一個常數(shù)，？;是實際的建立時間，&5用于調(diào)整敏感度。？;定義為^落入a土cr。/。通帶中的建立時間。也就是，3.(9F7:O巧與功率傳輸部分中的設(shè)計方法相同，計算v。超出、exp±Av。的仿真點個數(shù)。c巧定義如下粒子群算法要求每個個體(粒子)在進(jìn)化過程中維持兩個向量，即速度向量v,:W，v;,1,…，《]和位置向量jc,=[,...，《](位置向量中保存的是電路元件取值，與適應(yīng)值函數(shù)中的C^和CF"相對應(yīng))，其中Z表示粒子的編號，"是求解問題的維數(shù)，在功率電子電路的優(yōu)化設(shè)計中表示待優(yōu)化的元件數(shù)目。粒子的速度決定了其運(yùn)動方向和速率，而位置則體現(xiàn)了粒子所代表的解在解空間中的位置。同時還要求每個粒子各自維持一個自身的歷史最優(yōu)位置向量(用i^eW,.表示)，也就是說在進(jìn)化過程中，如果粒子到達(dá)了某個適應(yīng)值更好的位置，則將該位置記錄到歷史最優(yōu)向量中。另外，群體還維護(hù)一個全局最優(yōu)位置向量(用gBe^表示)，也就是所有粒子的pj^w中最優(yōu)的一個，這個全局最優(yōu)起到引導(dǎo)粒子向該全局最優(yōu)區(qū)域收斂的作用。在每一代中，粒子速度與位置更新公式如下所示:《-oxv,+qxYx(盧<一O+&xr,x(gBes,_x,)X=義+v其中，0為慣性權(quán)重，q和q為加速系數(shù)，r/和r/是兩個從0到1均勻分布的隨機(jī)數(shù)。粒子群算法優(yōu)化功率電子電路的流程圖如圖2所示。以一個降壓變換器的優(yōu)化設(shè)計為例對發(fā)明的算法進(jìn)行測試，該降壓轉(zhuǎn)換器的原理圖如圖3所示。其中功率傳輸部分待優(yōu)化的元件為丄和C，反饋網(wǎng)絡(luò)待優(yōu)化的元件為《，/2，/e3，i4，C2，C3，和C,。粒子群算法的粒子個數(shù)選擇為30，最大循環(huán)次數(shù)為500，其余參數(shù)如下表所示<table>tableseeoriginaldocumentpage10</column></row><table>為了與發(fā)明的算法進(jìn)行對比，運(yùn)用遺傳算法對相同電路進(jìn)行優(yōu)化設(shè)計。對兩種算法的優(yōu)化結(jié)果分別進(jìn)行仿真測試。結(jié)果顯示，粒子群算法的仿真輸出波形的建立時間約為5ms，短于遺傳算法的20ms，這證明了發(fā)明的粒子群算法在功率電子電路的優(yōu)化設(shè)計中是十分有效的。權(quán)利要求1、一種基于粒子群算法的功率電子電路優(yōu)化方法，其特征在于，該方法包括以下步驟(1)初始化用于優(yōu)化功率傳輸部分的算法參數(shù)，并根據(jù)給定的元件取值上下限，初始化功率傳輸部分的第一代粒子群。(2)計算每個粒子的適應(yīng)值，適應(yīng)值函數(shù)為其中，vin和RL分別為輸入電壓和負(fù)載值，Vin，max和Vin，min為輸入電壓的最大和最小值，RL，max和RL，min為負(fù)載的最大和最小值，δvin和δRL分別為改變輸入電壓和負(fù)載的步長。OF1用于評估輸出電壓的穩(wěn)定狀態(tài)誤差，OF2用于評估電路工作的約束條件，OF3用于計算輸出電壓上的穩(wěn)定狀態(tài)紋波電壓，OF4用于評估元件的固有性質(zhì)，如總體價格，物理大小等。(3)更新每個粒子的個體最優(yōu)pBest，以及所有粒子的全局最優(yōu)gBest。(4)更新每個粒子的速度和位置向量。(5)運(yùn)用變異算子以增加群體的多樣性。(6)如果達(dá)到功率傳輸部分的結(jié)束條件，則執(zhí)行步驟(7)，否則回到步驟(2)。(7)初始化用于優(yōu)化反饋網(wǎng)絡(luò)的算法參數(shù)，并根據(jù)給定的元件取值上下限，初始化反饋網(wǎng)絡(luò)的第一代粒子群。(8)計算每個粒子的適應(yīng)值，適應(yīng)值函數(shù)為其中，OF5用于評估在輸出電壓的穩(wěn)定狀態(tài)誤差，OF6用于評估最大的過沖和下沖，以及在啟動期間輸出電壓的建立時間，OF7用評估輸出電壓上的穩(wěn)定波紋電壓，OF8用于評估電路在輸入電壓和輸出電阻擾動時的動態(tài)性能。(9)更新每個粒子的個體最優(yōu)pBest，以及所有粒子的全局最優(yōu)gBest。(10)更新每個粒子的速度和位置向量。(11)運(yùn)用變異算子以增加反饋網(wǎng)絡(luò)的群體多樣性。(12)如果達(dá)到功率傳輸部分的結(jié)束條件，則結(jié)束優(yōu)化程序，否則回到步驟(8)。2、基于權(quán)利要求1所述的一種基于粒子群算法的功率電子電路優(yōu)化方法，其特征在于，運(yùn)用變異算子以增加粒子群體的多樣性。具體方法為，對每個粒子的每一維生成一個隨機(jī)分布于O和1之間的隨機(jī)數(shù)"如果r小于變異概率i^，那么就隨機(jī)改變相對應(yīng)的元件取值。全文摘要隨著功率電子技術(shù)的發(fā)展，對功率電子電路自動化設(shè)計的需求變得越來越高。本發(fā)明將粒子群算法運(yùn)用于功率電子電路的設(shè)計和優(yōu)化中，主要涉及功率電子和智能計算兩大領(lǐng)域。本發(fā)明的方法運(yùn)用解耦技術(shù)將優(yōu)化過程分為兩個部分，分別優(yōu)化功率電子電路的功率傳輸和反饋網(wǎng)絡(luò)。同時在粒子群算法中引入變異算子，以增加群體的多樣性，提高算法的優(yōu)化效率。以一個降壓變換器的優(yōu)化設(shè)計為例進(jìn)行測試，證明了本發(fā)明的方法是十分有效的。文檔編號G06F17/50GK101446997SQ20081022065公開日2009年6月3日申請日期2008年12月31日優(yōu)先權(quán)日2008年12月31日發(fā)明者源史,軍張,詹志輝,韜黃申請人:中山大學(xué)