[發(fā)明專利]一種基于NSGA-Ⅱ算法的Swiss整流器多目標(biāo)優(yōu)化設(shè)計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910729666.3
• 申請(qǐng)日: 2019-08-08
• 公開（公告）號(hào): CN110633494B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計(jì)）人: 顏景斌;沈云森
• 申請(qǐng)（專利權(quán)）人: 哈爾濱理工大學(xué)
• 主分類號(hào): G06F30/373
• 分類號(hào): G06F30/373;G06F30/27;G06N3/00
• 代理公司: 哈爾濱市陽(yáng)光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 安琪

1.一種基于NSGA-Ⅱ算法的Swiss整流器多目標(biāo)優(yōu)化設(shè)計(jì)方法，其特征在于，所述優(yōu)化設(shè)計(jì)方法包括：

步驟1、將Swiss整流器基本拓?fù)潆娐分械闹绷麟姼蠰、輸出電容C、開關(guān)管IGBT和二極管Diode作為影響整流器性能指標(biāo)的優(yōu)化變量，并對(duì)所述直流電感L、輸出電容C、開關(guān)管IGBT和二極管Diode進(jìn)行功率和體積建模；

步驟2、定義目標(biāo)函數(shù)：以Swiss整流器的效率和功率密度為目標(biāo)函數(shù)，衡量Swiss整流器的性能指標(biāo)；

步驟3、初始化種群：將種群大小設(shè)置為N，最大進(jìn)化代數(shù)設(shè)置為gen，決策變量的數(shù)量設(shè)置為V；然后，對(duì)決策變量進(jìn)行實(shí)數(shù)編碼，以建立的元器件數(shù)據(jù)庫(kù)為約束條件，輸入各參數(shù)變量的上下限；隨機(jī)生成N維決策矩陣，將所述決策矩陣的第V+1列和第V+2列作為目標(biāo)函數(shù)數(shù)值，最后兩列為非支配層數(shù)和擁擠度距離，一個(gè)參數(shù)向量則對(duì)應(yīng)一個(gè)個(gè)體或稱為染色體；

步驟4、選擇：設(shè)定兩個(gè)參數(shù)n_i和S_i，n_i為種群中所有個(gè)體支配個(gè)體i的數(shù)目，S_i為個(gè)體i所支配的個(gè)體集合，采用快速非支配排序判斷所述矩陣的解的好壞和排序操作；

步驟5，二元錦標(biāo)賽選擇：設(shè)置錦標(biāo)賽大小為2，匹配池大小為N/2；在初始種群中，隨機(jī)選擇兩個(gè)個(gè)體，比較兩個(gè)個(gè)體的非支配等級(jí)，等級(jí)低者放入匹配池中；若等級(jí)相同，則比較擁擠度距離，距離大者者保留；若非支配等級(jí)和擁擠度距離均相同，則隨機(jī)選取一個(gè)個(gè)體保留，重復(fù)本步驟操作，至匹配池中個(gè)體為N/2；

步驟6，交叉：首先在當(dāng)代種群中隨機(jī)選擇兩個(gè)個(gè)體，作為交叉操作的父代個(gè)體，對(duì)匹配染色體上的基因進(jìn)行交叉操作，產(chǎn)生一對(duì)新的染色體，重復(fù)交叉操作，形成新一代種群；

其中，所述當(dāng)代種群為父代種群；

步驟7，變異：定義一個(gè)變異算子，對(duì)個(gè)體的基因進(jìn)行小概率的替換，并將變異算子作用于種群，使種群中部分個(gè)體的基因改變，產(chǎn)生新的等位基因，將此時(shí)的種群記為子代種群；

步驟8，將步驟6中的父代種群跟步驟7獲得的子代種群進(jìn)行合并，合并后的種群記為第一代種群gen＝1，種群大小為N；

步驟9，將步驟8獲得的第一代種群作為父代種群，然后將此父代種群進(jìn)行交叉變異獲得子代種群，然后將本步驟中的父代種群和子代種群進(jìn)行合并，形成種群，此時(shí)種群大小為2N；

步驟10、利用步驟4的操作過(guò)程對(duì)步驟9形成的種群進(jìn)行處理，選擇N個(gè)個(gè)體為新的父代種群，再經(jīng)步驟6和步驟7，產(chǎn)生新的子代種群P_t+1；重復(fù)步驟9，至達(dá)到最大進(jìn)化代數(shù)gen；

步驟11，輸出Pareto最優(yōu)解前沿和參數(shù)矩陣，根據(jù)所選擇的目標(biāo)性能指標(biāo)，得到對(duì)應(yīng)的各決策變量數(shù)值，即是優(yōu)化問(wèn)題的解，根據(jù)各個(gè)參數(shù)進(jìn)行元器件的選擇和設(shè)置；

步驟1所述功率和體積建模的過(guò)程包括：

計(jì)算電感的功率，所述電感的功率P_L為：

其中，u_L為電感的輸入電壓，I_rms為流經(jīng)電感的電流有效值，f_sw為開關(guān)頻率，V_L為電感體積；計(jì)算電感的線圈體積；所述線圈體積V_cl為：

其中，ω_w為繞組寬度，d_w為繞組深度；

計(jì)算導(dǎo)體體積V_cd為：V_cd＝k_pfV_cl，其中，k_pf為線圈的填充系數(shù)，N為線圈匝數(shù)，為導(dǎo)體截面積，

計(jì)算磁芯體積為：則電感體積V_L為:其中，l表示磁芯長(zhǎng)度；

計(jì)算開關(guān)管IGBT的通態(tài)損耗為：

其中，V_GE為IGBT的門檻電壓，I_IGBT為流經(jīng)IGBT的電流幅值，r_CE為通態(tài)等效電阻，M為調(diào)制比，表示為電壓電流相位角；

IGBT的開關(guān)損耗為：

其中，E_sw(on)和E_sw(off)分別為IGBT開通一次和關(guān)斷一次損失的能量，I_N為整流器額定工作電流，u_CEN為額定工作電壓，u_pn為整流器輸出電壓；

計(jì)算IGBT總損耗為：P_IGBT＝P_cond,IGBT+P_sw,IGBT；

二極管的導(dǎo)通損耗為：

P_on,Diode＝V_FI_FD

其中，V_F為二極管的正向?qū)▔航担琁_F為正向通態(tài)電流，D為占空比，不同二極管的占空比根據(jù)4種導(dǎo)通電路狀態(tài)求取；

二極管的斷態(tài)損耗為：

P_off,Diode＝V_RI_R(1-D)

其中，V_R為其反向壓降，I_R為二極管反向漏電流；

二極管的開關(guān)損耗為：

其中，V_fp和V_rp分別為二極管的正向和反向峰值電壓，I_fp和I_rp分別為流經(jīng)二極管的正向和反向峰值電流，t_fp為其正向恢復(fù)時(shí)間，t_b為其反向電流下降時(shí)間；

則二極管總損耗為：P_Diode＝P_on,Diode+P_off,Diode+P_sw,Diode；

步驟2所述定義目標(biāo)函數(shù)的具體過(guò)程包括：

定義目標(biāo)函數(shù)，以Swiss整流器的效率和功率密度為目標(biāo)函數(shù)，效率η為：

其中，P₀為輸出功率，P_L為電感損耗，功率密度ρ為：

其中，P₀為輸出功率，P_loss為總損耗，P_IGBT為IGBT總損耗，P_Diode為Diode總損耗；V_總為元器件總體積，V_L為電感體積，V_IGBT為IGBT體積，V_Diode為二極管體積，V_C為輸出電容體積，所述功率密度ρ即為目標(biāo)函數(shù)。

2.根據(jù)權(quán)利要求1所述優(yōu)化設(shè)計(jì)方法，其特征在于，步驟四所述判斷解的好壞和排序的具體過(guò)程包括：

第1步、選出種群中n_i為0的個(gè)體，即非支配的最優(yōu)個(gè)體，并放入集合F₁中；

第2步、對(duì)集合F₁中的每個(gè)個(gè)體i，分別找出i所對(duì)應(yīng)的支配個(gè)體集合S_i，對(duì)S_i中的個(gè)體j，對(duì)種群中所有個(gè)體支配個(gè)體j的數(shù)目n_j進(jìn)行減一操作，即n_j＝n_j-1，排除個(gè)體i支配j的影響，若n_j為0，則將個(gè)體j放入集合F₂中；

則集合F₁為第一層非支配集合，對(duì)于F₁中所有個(gè)體的非支配層數(shù)記為Rank1，F(xiàn)₂中個(gè)體記為Rank2；

第3步、重復(fù)第1步和第2步的操作，對(duì)種群中所有個(gè)體進(jìn)行非支配排序，非支配層數(shù)由低到高，Rank值越小的個(gè)體越好；

在NSGA-Ⅱ算法的迭代過(guò)程中種群大小始終為N，故在選擇操作中需對(duì)同一Rank層中的個(gè)體進(jìn)行取舍，定義擁擠度距離C，即為相鄰兩個(gè)個(gè)體在每個(gè)子目標(biāo)函數(shù)上的距離差之和，且有，C_k＝(f_k+1,1-f_k-1,1)+(f_k-1,2-f_k+1,2)，其中，k為解集前沿中的任意一點(diǎn)，f_k+1,1、f_k-1,1、f_k-1,2和f_k+1,2分別表示為(k+1,1)、(k-1,1)、(k-1,2)和(k+1,2)對(duì)應(yīng)的目標(biāo)函數(shù)；

擁擠度距離大的個(gè)體優(yōu)于擁擠度距離小的個(gè)體，非支配層數(shù)和擁擠度距離作為決策向量的最后兩個(gè)元素，并通過(guò)非支配層數(shù)和擁擠度距離判斷解的好壞和排序操作。