[發明專利]基于模糊RBF神經網絡的WPT系統的頻率跟蹤方法

有效

• 申請號: 202011502059.2
• 申請日: 2020-12-17
• 公開（公告）號: CN112583139B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 馮宏偉;黃麟;劉媛媛;單正婭
• 申請（專利權）人: 無錫職業技術學院
• 主分類號: H02J50/20
• 分類號: H02J50/20;G06N3/08
• 代理公司: 南京聚匠知識產權代理有限公司 32339
• 代理人: 劉囝

1.基于模糊RBF神經網絡的WPT系統的頻率跟蹤方法，其特征在于，該系統包括MCR-WPT系統主電路和頻率跟蹤控制電路，其中所述頻率跟蹤控制電路包括電壓電流采集電路、過零檢測電路、數字鑒相器、模糊控制器、PWM發生器、PID控制器和H橋逆變驅動電路；

其中，電壓電流采集電路完成對MCR-WPT系統主電路發射端的諧振電壓和諧振電流的檢測；

過零檢測電路將MCR-WPT系統主電路發射端的諧振電壓和諧振電流轉換為與其同頻同相的方波信號和；

數字鑒相器將信號和進行相位比較，產生相位差和相位差變化率；

模糊控制器基于模糊RBF神經網絡對PID控制器的參數進行調整，當PID控制器工作時，模糊RBF神經網絡根據和的變化率，實時調整PID參數，將相位差維持在0度；

PWM發生器根據PID參數進行頻率調整，生成與同頻同相H橋驅動邏輯信號，經H橋逆變驅動電路，實現對MCR-WPT系統主電路中的H橋逆變器中MOSFET管的開關控制；

該方法具體如下：

S1：構建基于RBF神經網絡的無線電能傳輸系統模型，形成諧振網絡，通過模糊RBF神經網絡對發射端諧振工作頻率進行實時的自適應跟蹤；

S2：初始化模糊?RBF?神經網絡，在訓練集中隨機獲取一個樣本，在RBF?神經網絡的模糊化層內選定隸屬度函數的中心、寬度，并計算出模糊化層內的規則適用度和模糊隸屬度初始值；

其中，樣本，表示對X的轉置；

其中，模糊化層包含h個類，形成h個節點，每個節點對應一個模糊規則，；表示樣本中第個特征對于第個特征中第個模糊子集的模糊隸屬度；其中，；

S3：通過采樣獲得系統發射端的諧振電流值和發射端的諧振電壓值，計算系統相位差和相位差變化率；

S4：確定模糊RBF神經網絡的性能指標函數；

S5：將樣本中模糊規則適用度與一個預設的閥值δ比較，若，則在RBF神經網絡的模糊化層中添加一個對應的第條模糊規則的節點，將該樣本相應維度的特征分量作為隸屬度函數的中心、寬度為預先設定的正數，相應模糊規則中的權值均初始化為0；

若不滿足則進入下一步；

S6：若存在規則和規則滿足公式（20），則對兩條模糊規則進行合并，否則進入下一步的參數學習；

（20）；

其中，中為預先給定值；

S7：RBF神經網絡進行參數學習，推算出RBF神經網絡中的隸屬度函數的中心、寬度和網絡權值系數；

S8：依照公式（15），推算出RBF神經網絡輸出層輸出的PID控制器的三個參數，和；

；；；（15）

式中：為RBF神經網絡輸出層的輸入，為與輸出層的連接權矩陣，分別對應3個參數，和；

則模糊RBF神經網絡PID控制器計算出頻率調制信號增量為：

（22）；

S9：根據S8獲得能夠保持諧振網絡中諧振工作頻率與系統固有諧振頻率一致的控制信號，其中：

（23）；

將加入構建系統模型形成的諧振網絡中，以確保MCR-WPT系統主電路中的H橋逆變器工作在諧振點，時刻將相位差維持為零；

S10：令，然后返回步驟S2進行下一個周期的檢測和頻率控制信號調整，形成實時的檢測和調整。

2.如權利要求1所述的基于模糊RBF神經網絡的WPT系統的頻率跟蹤方法，其特征在于，在步驟S2中，采用k-means?聚類算法將模糊化層分別離散化成[-5，5]之間的?個類，這類形成個節點，每個節點具有兩個高斯隸屬度函數。

3.如權利要求1所述的基于模糊RBF神經網絡的WPT系統的頻率跟蹤方法，其特征在于，在步驟S6中，兩條規則的合并方式按照下述公式進行：

（21）

其中，。

4.如權利要求1所述的基于模糊RBF神經網絡的WPT系統的頻率跟蹤方法，其特征在于，在步驟S7中，RBF神經網絡中的隸屬度函數參數和網絡權值系數按如下公式進行學習：

（17）；

（18）；

（19）；

其中，為網絡迭代步數；為學習速率，為學習動量因子，且，。