动态功率控制算法（通用7篇）
动态功率控制算法 篇1
0 引言
RFID (Radio Frequency Identification, 简称RFID) 是一种先进的非接触自动识别技术, 它通过射频信号自动识别目标对象并获取相关的数据。一个典型的射频识别系统主要包括三大部分:阅读器、电子标签和数据处理系统。由于阅读器和电子标签之间是以无线进行通信, 当阅读器周围有大量的标签时, 它们之间的通信会相互干扰, 造成数据漏读、误读等问题。因此, 需要一种有效的防碰撞算法来解决标签之间的这种信息冲突问题。
目前, 常用的防碰撞算法都是基于ALOHA或者ALOHA的改进算法。基于ALOHA的算法又分为纯ALOHA算法、时隙ALOHA (Slotted A L O H A, S A) 算法、帧时隙A L O H A (F r a m e d S l o t t e d A L O H A, F S A) 算法也称为B F S A (B a s i c Framed Slotted ALOHA) [1]、动态帧时隙ALOHA算法 (Dynamic Framed Slotted ALOHA, DFSA) [2]。前面提到的几种ALOHA算法在识别过程中容易产生数据冲突, 识别效率较低, 难以有效地解决标签碰撞的问题。另外, 当标签数量增多时, 虽然增大帧长可以在一定程度上改善系统性能, 但是由于成本要求, 标签寄存器一般很难突破8位的限制, 帧长不能大于256。当标签数量大于256时, 实际应用中帧长并不能无限增加[3]。目前用得比较广泛的动态帧时隙ALOHA算法也存在所需帧时隙数增长过快, 帧长动态改变影响识读效率的问题。因此, 本文提出了一种基于标签功率大小分组方法, 通过阅读器将标签按其接收功率大小来对标签进行分组, 以此来调整每一次标签响应的数量, 这种方法实现起来简单, 同时在一定程度上解决了标签过多数据冲突、阅读器识别时间长, 帧时隙浪费的问题, 提高了系统的识别效率。
1 动态帧时隙ALOHA算法 (DFSA算法)
DFSA算法弥补了帧时隙ALOHA算法的不足, 它是根据每帧中的空闲和碰撞情况动态调整帧长度以提高阅读器识别效率。目前改进的DFSA算法大部分是根据标签碰撞和空闲的概率调整帧长。当标签数大于时隙数时会增加帧长度;反之, 当空闲时隙过多时会减小帧长度, DFSA算法能保证帧时隙数与标签数量相当时, 系统达到最佳的吞吐率[4]。但是碰撞的随机性使得采用该方法时系统稳定性变差, 特别是当标签数量大量增加时, 虽然增大帧长可在一定程度上改善系统性能, 但实际应用中帧长并不能无限增加。因此, DFSA算法也存在所需时隙数增长过快的问题。
下面是DFSA算法中系统效率的分析。
假设某一个读写器范围内未读标签的数目为n, 时隙数为N, 则任意标签利用某一时隙的概率时1/N, 则r个标签发生碰撞的二项分布概率P为:
读完一帧后, 标签被成功识别的概率P1, N为:
在一个读周期中预期读到的标签数S为:
一般来说RFID系统效率的计算公式如式 (4) 所示:
如图1所示, 在DFSA算法中, 通过大量标签识别实验, 可以看出系统效率开始随标签数量增加而增大, 当标签数量达到256时, 系统效率达到最大, 随后效率逐渐降低。
因此, 通过求导式 (3) , 当时, 得出系统效率最大:
令得出帧长为N时, 效率最高的标签响应数量n为:
故当标签数量为n时, 最佳的帧长度N为:
当n足够大时, 根据泰勒级数化简得出:
根据式 (8) 可以得出N≈n时, 即帧长和标签数大体相当时, 系统效率最大。
DFSA算法在每次读取标签时, 需要估计标签的数量来设置帧的大小。这种方式增大了标签识别时间[5]。
标签的估算方法符合以下公式:
其中, Nt表示估计标签的数量, Ck表示在一帧中发生碰撞的时隙数量[6]。
2 基于功率分组的动态帧时隙ALOHA防碰撞算法
当DFSA算法在标签数量大于256之后, 系统效率随标签数量的增加而降低。同时该算法所需时隙数成指数增加, 这时DFSA算法的帧时隙利用率较低, 造成时隙浪费。很多研究人员分析后得出克服此问题的方法是在DFSA算法上引入分组[7], 通过分组减少每一组的标签数量, 在一定程度上解决标签数量过大的问题, 目前分组的方式有二进制搜索法, 前缀查询算法, 二叉树算法, 这些方法一定程度上可以解决标签数量较大的问题, 但是这些算法实现起来比较困难, 算法的复杂度使得阅读器处理识读耗费时间较长, 而且不能有效利用有限的时隙数[8~10]。本文提出的基于功率分组的动态帧时隙ALOHA算法, 是通过阅读器将标签按其接收功率大小来对标签进行分组, 接收功率较大的标签首先响应, 然后将在这一过程中没有响应的标签继续合并分组, 以此来调整每一次标签响应的数量。基于功率分组的动态帧时隙ALOHA算法工作流程实际上是两种方法的结合, 当阅读器识别范围内的标签数量小于256时, 不用分组, 直接采用DFSA算法来处理标签的识读;当标签数量大于256时就将标签按接收功率大小分组, 分组后阅读器识别固定数量的标签, 由上面推导的公式可知帧长也是固定的, 因此不用每次识别时去改变帧长度。在标签数量较大时这大大节约了阅读器识别时间, 提高了识别效率。
3 算法的仿真与试验结果分析
3.1 算法的仿真
本文提出的方法是通过在阅读器上收集电子标签的信号功率, 当标签数量大于256时首先采用获取标签信号功率的方法分组, 收集标签中功率较大的256个标签, 使它们首先响应并进行标签识别, 将标签中未读取的功率较小标签重新合并分组, 再次读取其中功率较大的256个标签。依次执行下去, 完成整个识别过程。文中提出的基于功率分组的动态帧时隙ALOHA算法主要改进的方面是:1) 提出了一种新的分组方式, 这种分组方式相较于其它的分组方法要简单许多, 只需要比较标签发射的信号功率大小, 将功率大的首先收集, 更容易实现;2) 这种算法利用了标签数量小于256时DFSA算法的优势, 当标签数量较大时, 对标签进行分组, 以固定帧长识别标签, 不用根据标签数量动态设置帧长, 节约了有限时隙数量, 提高了系统运行效率。基于功率分组的动态帧时隙ALOHA算法的流程框图如图2所示。
3.2 仿真结果与分析
按照本文提出的基于功率分组的动态帧时隙ALOHA算法, 设计并实施了RFID多电子标签识别方法。
实验采用三种工作频率有源RFID标签:433MHz、900MHz和2.45GHz。主动发射时间间隔为500ms, 标识码为8位ID号, 读写器采用8d Bi高增益平板定向天线, 主处理器Cor Tex-M0, 内置实时时钟芯片。读卡机与服务器间通信采用UDP协议。实验时, 在一仓库门口设置阅读器设备, 确保系统各项功能正常, 使用电子标签数量皆为300个, 分布在阅读器周围20米距离内, 当这些有源标签主动发送信号时, 阅读器收集这些电子标签的信号功率。读完后释放这些标签, 不再读取。同时将未读取的标签合并再次分组。
从表1可以看出当标签为3 0 0个时 (大于256) , 2.45GHz和900MHz频率下都可以达到90%的功率响应率 (超过256个标签响应) , 433MHz情况下功率响应率较低 (79%) 。因此可以证明在标签数量很大的情况下, 在前两种工作频率下至少都会有256个标签会响应, 分组过程中就不会有因响应数量小于256而产生漏读的情况了。从响应率的情况上看, 900MHz响应率最高。适合后续的实验。
表2中实验数据可以看到, 电子标签在-15d Bm~-5d Bm范围内响应数量最集中, 其他两个频率范围内标签响应数量较少。一般来说, 从纯理论角度看, 100MHz至1GHz频段内最适合用于RFID, 但试验中需考虑分组标签的响应率和有源电子标签的性能, 从表1中可以看到, 在900MHz频段标签的响应率最高, 所以后续试验我们选用此频段。理论上可以按功率分组, 首先识别功率较大的256个标签, 并且合并其他未识别的标签。但是在此300个标签中, 考虑到帧时隙数有限, 需留有一定余量, 在实际应用中, 可以将标签每次响应的数量按功率分组为200个, 从而不会超过帧时隙256的限制, 减小发生碰撞的概率。
图2是利用Matlab环境仿真, 比较DFSA算法与基于功率分组的动态帧时隙ALOHA算法在性能优势, 反映了标签数量逐渐增大到1000个时, 所需的时隙数量。将两种算法的初始帧长度都设置为256, 从图3中可以看出当标签数量小于256时, 两种算法的时隙利用情况相同, 这是因为标签数小于256时, 采用的都是DFSA算法。当标签数量大于256时, DFSA算法所需要的时隙数成指数形式增加, 而本文中的算法需要的时隙数量明显要少很多。当标签数量为1000时, 时隙数比DFSA算法减少42%, 这是由于功率分组的动态帧时隙ALOHA算法, 通过分组后, 不用动态调整帧长, 大大提高了帧时隙的利用率。
4 结论
本文分析了RFID识别过程中的常用几种ALOHA算法, 针对他们的优缺点文中提出了一种改进的分组方法。分组的形式涉及到有源标签的发射功率大小, 这一方面利用了无线信号在自由空间传输原理:离阅读器近的标签会首先响应, 同时被优先识别;另一方面, 标签分组的数量可以通过程序自己设定, 当标签数量远大于256时, 通过分组, 每组标签数量不大于256, 分组后阅读器不再需要每次去估算标签数量, 也不需要依据每次标签的数量动态设置帧长度, 这有效的节约了有限的时隙数量和阅读器处理标签花费的时间。实验结果证明, 当标签数量较大时, 通过引入分组, 控制每次标签响应的数量, 使标签响应的数量都在阅读器识别的极限之下 (256个以内) , 同时利用DFSA算法识读标签, 提高了系统识读效率并节约有限的帧时隙数量。
参考文献
[1]周晓光, 王晓华.射频识别 (RFID) 技术原理与应用实例[M].北京:人民邮电出版社, 2006:266-298.
[2]程文青, 赵梦欣, 徐晶.改进的RFID动态帧时隙ALOHA算法[J].华中科技大学学报 (自然科学版) , 2006, 35 (6) :14-16.
[3]徐圆圆, 曾隽芳, 刘禹.基于ALOHA算法的帧长及分组数改进研究[J].计算机应用, 2008, 28 (3) :588-590.
[4]喻成, 魏亮, 李磊.标签防冲撞ALOHA算法研究[J].计算机与数学工程, 2007, 35 (9) :13-15.
[5]尹君, 何怡刚, 李兵.基于分组动态帧时隙的RFID防碰撞算法[J].计算机工程, 2009, 35 (20) :267-269.
[6]安辉耀.移动自组织网中的先进路由算法与路由协议[M].北京:科学出版社, 2009.
[7]单剑锋, 谢建兵, 庄琴清.基于分组的动态帧时隙ALOHA防碰撞算法研究[J].计算机技术与发展, 2011, 21 (11) :39-42.
[8]Petri Vuorinen.Applying the RFID technology forField Force Solution[J].Joint sOc-EUSAI conference, 2005:39-41.
[9]Angerer.C, Langwieser.R.Flexible evaluation ofRFID system parameters using rapid prototyping[J].RFID, 2009 IEEE International Conference on, April2009, 57 (14) :42-47.
[10]Thamilarasu.Greethapriya, Sridhar.Ramalinqam.Intrusiondetection in RFID systems[J].Proceedings-IEEE MilitaryCommunications Conference MILCOM, November2008, (23) :38-40.
一种改进的分散功率控制算法 篇2
CDMA系统是一种自干扰系统,其容量受限于系统的干扰水平。在CDMA系统中,必须在满足传输业务要求的SINR条件下,尽量降低发射端的发射功率。因此在CDMA系统中功率控制技术具有非常重要的作用。有效的功率控制技术可以很好的控制远近效应和多址干扰,从而提高系统容量。功率控制算法可以分为集中算法和分散算法。集中算法要求所有用户相对于基站的路径增益已知,其计算开销随用户数的增加而增加。而分散功率控制算法只需要局部的链路增益,在计算复杂度方面具有优势。文献[1]提出了一种分散定步长功率控制算法,该算法假设链路增益是时变、有界的,不需要链路增益的精确信息,从而更加接近实际。但由于该算法只采用了一个功率控制步长,其收敛速度和收敛精度都不够理想。本文对文献[1]算法进行了改进,引入了多个功率控制步长,从而得到一种具有良好收敛性能的算法。仿真结果表明该算法在收敛性能上比原算法有一定提高。
1 系统模型
假设一个CDMA蜂窝小区中有N个小区,共有Q个激活移动台,在本文中我们只考虑上行链路的情况。第K个小区中的第i个用户的上行链路新干比可以表示为:
undefined (1)
其中pundefined表示t时刻第i个用户的发送功率,Gik(t)表示第i个用户到基站的路径增益,ηundefined为系统热噪声。对(1)式进行归一化,即用Gik(t)除以(1)式左边部分,得到:
Wundefined表示t时刻移动用户j到移动用户i所属基站的归一化链路增益。因此,t时刻归一化上行链路增益矩阵W(t)={Wundefined}Q×Q。此矩阵描述了t时刻各用户与各基站之间的链路增益。参考文献[1],假设时变链路增益和系统热噪声在一定范围内变化,即:
假设1
undefined (4)
其中undefinedij和undefined分别是Wundefined的上、下界,undefinedi和undefined是ηundefined的上、下界。从而有:
undefined (5)
定义undefined (6)
其中αij、αi为常数,且有1≤αij≤αi。
2 功率控制算法
本文中定义的功率控制算法为:
式中δ>1,ε1<ε2<ε3<ε4。ε1、ε2、ε3、ε4为步长调节参数,决定每次迭代中功率的调整步长。对于文献[1]中的算法,每个移动单元信干比目标域为[δ-εαundefinedγi,δε(s)γ]。当用户i的信干比处于目标域之外时,基站将告知移动用户以一个固定步长提高或降低发射功率,使得接收信干比处于目标域之中。目标域由信干比目标值、功率调节步长和增益上下界确定。文献[1]证明了其算法的收敛性。由于考虑了链路增益的时变性质,文献[1]中算法更接近实际。然而由于采用的是单步长,若假设信干比目标值和增益上下界确定,则当选用小步长时,可以获得比较小的目标域,但需要更多的收敛时间;若选用大步长,则收敛时间减少,但收敛域较大,收敛精度不佳。在以上两种情况下CDMA系统都将处于较高的干扰水平,其系统性能会受到影响。在本文提出的改进型算法中,采用了四个功率控制步长,对应四层信干比目标域,最大步长对应最外层,最小步长对应最里层。中间两层主要起过渡作用,防止最大步长太大导致信干比直接跳过收敛域。
本算法的功率控制过程是首先以大步长对移动台发射功率进行大幅度调整,使基站处的接收信干比收敛于最外层信干比目标域,然后选用合适步长调整移动台发射功率,最后使用最小的步长精确调整,使得信干比精确收敛于最内层目标域。最小的步长的取值可以很小,从而其对应的信干比目标域很小,于是可以获得很好的收敛精度。
文献[1]中,对其算法收敛性进行了证明。文献[1]表明,采用定步长时,在满足一定假设的条件下,其算法收敛。对于本文中的多步长分散算法,根据文献[1]中的结论,对应每个步长,在满足一定假设的条件下,算法都收敛于该步长对应的信干比目标域。由于步长在收敛过程中逐渐减小,最终收敛于最小步长对应的最里层收敛域。因此本文提出的算法是收敛的。由于证明比较类似,本文不再赘述。需要注意的是,信干比目标域由信干比目标值、功率调节步长和增益上下界确定,可能会出现这样一种情况:信干比目标域的区间太小,功率调整时直接跳过目标域,然后在在目标域外来回空跳。对于文献[1]中的算法,在这种情况下可以认为算法已经实现了有效的功率控制;而对于本文中的算法,由于外围采用大步长,对应较大的目标域,发生空跳时,用户信干比可能与目标信干比差距还比较大,因此对本文算法作一点增加:当空跳连续发生两次时,使用较小一级步长。
3 仿真
在本文的仿真中考虑八个移动台共用一个信道的情况。用gij=sijdundefined表示平均链路增益,其中sij为阴影衰落因子,dundefined表示自由空间衰落,dij为基站i和移动台j之间的距离。仿真中小区半径设为1000m,每个移动台与基站的距离在0到1000之中随机产生,每个移动台初始发射功率在0到1之间随机产生,最大发射功率p-max=1.9953W。
阴影衰落服从对数正态分布,即sij=10ζ/10,其中ζ是均值为0标准方差为8db的高斯随机变量。目标信干比采用γundefined=6db,背景噪声v=1.3×10-20。未扩频信号速率R=8Kbps,扩频码片速率w=1.28Mcps。在本仿真中分别考虑无多径衰落和有多径衰落两种情况。无多径衰落时,链路增益Gij=gij,有多径衰落时Gij=gij+Δhij(k),Δhij(k)在[-Δk,+Δk]范围内按照均匀分布随机取值。
文献[1]算法称为算法1,本文算法为算法2。算法1中采用1db的定步长,算法2功率控制步长采用4db,2db,1db和0.5db。
图1和图2分别表示无快衰落和有快衰落情况下算法1和算法2的收敛情况。在有快衰落情况下,Δk取0.1。可以看出,算法2比算法1具有更快的收敛速度。因此可以认为,算法2在保留了算法1优点的前提下,提高了算法1的性能。
4 结束语
本文在文献[1]基础上提出了一种多步长的分散功率控制算法。多步长的引入并未改变算法的收敛性,同时大大提高了算法的收敛速度。仿真结果表明新算法是有效的。
摘要：在现有的分散定步长功率控制算法基础上,通过引入多个功率控制步长,得到一种改进的分散功率控制算法。通过分析可知,新算法具有更好的收敛精度,仿真结果表明与原有算法相比,本算法收敛速度获得了提高。
关键词：功率控制,多步长,信干比
参考文献
[1]蔡敏,王伟.一种新的分散定步长功率控制算法[J].电子与信息学报,2006,28(8).
[2]Aein J M.Power Balancing in Systems Employing Fre-quency Reuse[J].COMSAT Tech Rev,1973,2.
[3]Meyerhoff H J.Method for Computing the OptimumPower Balance in Multibeam Satellite[J].COMSAT TechRev,1996,4(7):772-775.
[4]Zander J.Performance of Optimum Transmitter PowerControl in Cellular Radio Systems[J].IEEE Trans VehTechnol,1992,41(1):57-62.
[5]Zander J.Distributed Cochannel Interference Control inCellular Radio Systems[J].IEEE Trans Veh Technol,1992,41(3):305-311.
[6]Foschini G J,Miljanic Z.A simple Distributed Au-tonomous Power Control Algorithm and its Convergence[J].IEEE Trans Veh Technol,1993,42(4):466-468.
[7]Grandhi S A,Zander J,Yates R D.Constrained powercontrol[J].Wireless Personal Commun,1995,4:257-270.
[8]Kim D.On the Convergence of the Fixed-Step PowerControl Algorithms with Binarv Feedback for MobileCommunication Systems[J].IEEE Trans Commun,2001,49(2):249-252.
动态功率控制算法 篇3
在WLAN场景下,进行节点的功率控制是其基本研究任务。多数情况下,是通过控制各个通讯节点的发射功率,使系统的吞吐量最大化[1 -2]。
在给定用户需要传输的数据量后,进行功率控制的目的就变为最小化各个通讯节点的总能量消耗[3]。但是各个节点对于传输数据的时间有一定的约束,不允许为了减小能量的消耗而降低发射功率并且拖延传输时间[4]。因此,需要对各个通讯节点的发射功率进行控制,并在满足一定的传输延迟的条件下,实现最小化网络总能量消耗。
在WLAN场景中,经常存在多对节点同时通讯的情况。 多对无线通讯节点会互相干扰,使得互相的传输速率下降。 如图1所示,节点1、2的通讯即受到了节点3、4及节点5、6通讯的干扰。为了保证通讯的实时性,节点间通讯必须在一定时间内至少传输一定的数据量,同时,无线节点的能量也是有限的,因而应当尽量减少无线节点的能量消耗。本课题在图1的场景下,通过控制各个通讯节点的发射功率,使得各个无线节点在有限通讯时间的约束下,达到了最小化总能量消耗。
1 WLAN合作式通讯系统模型及问题形式化
在动态网络中,当全部通讯结束时,一共存在N对无线通讯节点,其中第i对通讯过程在Ti时刻前完成。在第一对通讯开始后,会不断有新的通讯节点加入进来,令Tis表示第i对通讯节点开始传输的时刻,Tie表示第i对通讯节点开始结束的时刻,Ti= Tie- Tis。表示第i对通讯节点在t时刻的发射功率,gij( t) 表示第i对通讯相应于第j对通讯在t时刻产生的干扰的增益,gii( t) 表示第i对通讯在t时刻,发射功率在接收节点处的增益,σ2表示系统的背景噪声。I( i) 表示受到第i对通讯节点干扰的节点集合。
在t时刻,第i对通讯接收节点处的信号干扰噪声比为:
由于本文要求第i对通讯在Ti时刻前,完成其传输数据量Bi的任务,即接收的总数据量至少为Bi,则有:
由于本文通过控制N对无线通讯节点的发射功率,使得在最后一对通讯结束后最小化各个节点的总能量消耗,因此,得到以下优化问题:
2延迟有限能量最小化功率控制算法
2. 1将问题形式化转化为广义几何规划标准形式
问题(3)中,第i个约束为
从而得到:
令 ,则问题( 3) 中一共有m个自变量。构置向量,且令P = ( P1,P2…Pm) 为该m个自变量。该不等式左边展开后,肯定有一项是( 2Bi/ B- 1) σ2Ti,将该不等式左边的( 2Bi/ B- 1) σ2Ti挪到不等式右边后,不等式左边记为Ui( P) 。 将Ui( P) 中的连乘进行展开后,每一项都可写成单项式,因此Uj( P) 可以表示为:
其中,nj为Uj( P) 中单项式的总个数。rik为{ 0,1} ,表示在第j个约束中,第k个单项式中是否有第i个变量Pi,Cjk为Uj( P) 中第k个单项式的系数。因此( 4) 可以写成:
问题( 5) 的形式满足广义几何规划的标准形式,因此可以应用广义几何规划的求解算法进行求解[5]。
2. 2信道预测模型
本文假设,在t时刻,各个节点探测到了当前时刻下其他节点对于本体节点的干扰增益,以及发射信号衰减到接受节点的增益。对于未来信道,将当前已知的所有历史信息做一个平均,且将此均值作为对于未来新到的预测,具体公式为:
这种预测使得未来信道各个时刻的增益值不变。因此, 利用这种方式计算得到的一对通讯节点在未来时刻的分配功率都是相同的。
2. 3延迟有限能量最小化在线功率控制算法
求解最优分配方案的算法,每时刻都会运行一次,计算结果中只需要求出当前时刻的功率控制方案,对于未来时刻的功率则不需要记录下来,因为即使记录了未来的功率分配方案,在未来时刻也需要重新计算。也就是说,在当前时刻对于未来时刻分配空滤的预测并无用处,只有当前时刻的最优分配方案才具有实用价值。在每个时刻开始前,运行功率控制算法,由此得到优化的功率控制方案,这样就得到了通讯时间有限能量最小化的集中式在线算法如下:
Algorithm通讯时间有限能量最小化的集中式在线算法
输入:P0={0≤Pi≤Pimax,i=1…T*N},t=0
输出: 最优解P*
步骤1在t时刻收集各个节点的干扰信息,得到各个节点互相干扰的增益以及各个节点的发射功率后,开始计算对于未来信道的预测。
步骤2在P0上求解问题(5),得到P*0,如果P*0是问题(5)的可行解,则更新UB,LB。令LB0=f0(P*0),UB0=F0(P*0),令N0为初始化的候选节点集合,N0={P0},选择一个很小的常数ε>0,如果UB0-LB0≤ε则算法终止;
步骤3将Pk按照分枝原则进行分枝得到Pk1Pk2,利用剪枝原则进行剪枝。
步骤4从Nk - 1中选择一个节点将在当前解空间下计算( 5) 中的所有系数,进行求解(11),得到新的优化解P*kt,如果P*kt是(8)的可行解更新
步骤5 Nk=Nk∪{Pk1,Pk2}如果UBk≤LB(Pj), ,则将Pj从Nk中删除。
步骤6如果UBk-LBk≤ε则算法终止,输出Pkt*,否则k=k+1,goto步骤2;
步骤7得到Pkt*后就知道了在t时刻的最优功率分配方案然后选取Pkt*中Pi*(t),i∈N,由该向量形成在t时刻的最优功率分配方案。并根据该方案调整该时刻各个节点的发射功率数值,在该时间片完成传输任务后,将各个节点传输完的数据量从原先是数据量中减去,得到当前剩余需要传输的数据量,将该数据量代入到(14)中,t=t+1,goto步骤1。
3实验分析
3. 1实验环境
实验设置五对通讯节点n1~ n5,首先每一对通讯的传输时间都设为相同,且设置为5。这五对通讯节点的开始通讯时间Tis与停止通讯时间Tie,设置如表1所示。
3. 2实验结果
从图2中可以看出,在动态变化的网络中,随着传输数据量增大,消耗总能量也是增大的,而且在线算法肯定是比离线算法的消耗要多。因为在线算法是每当一个新的节点到来,都会在当前情况下计算新的结果,但是在线算法只能看到当前的几个节点,而无法知道后续节点将何时加入系统当中,因此在线算法与离线算法仍然存在一定的差距。
本文选取了当B =6时在线算法的实验结果,得到了每一个时间片内,每一对通讯节点被分配的能量,结果如图3所示。
在t =1时刻,只有n1和n2,此时由于只有两个通讯节点,并不知道后面还有其他节点加入,所以开始时,消耗能量较大,这样可以较快传输文件。当t = 4和5时,系统内同时存在5对节点,此时互相之间干扰很大,每个节点分配的功率都较小,因而消耗的能量都很小。
4结束语
本文通过对于延迟有限系统能量最小化功率控制进行分析建模,经过数学推导,得到了通讯时间有限总体消耗能量最小化的功率控制问题模型,对于该问题进行了分析,并提出了分支限界法解决该问题。在该问题进行形式化后,即将原问题转化为一个广义几何规划问题。根据分析,应用分支限界的思想,得到了该问题的全局最优解。利用求解广义几何规划的算法,得到了一个延迟有限总体能量消耗最小化的集中式功率控制的在线算法,并对未来时刻的信道进行了预测。
摘要：在WLAN中,延迟有限,网络整体消耗能量最小化的功率控制算法研究较少。对于该问题进行建模分析,通过理论推导,将该非凸优化问题转化成广义几何规划问题。经过分析,将问题近似为线性规划,并给出全局优化算法。对于WLAN中,多个无线接入设备在一定传输时间内的信道情况进行预测,给出延迟有限能量最小化的集中式在线算法。实验结果显示,采用提出的信道预测方法,在线算法的计算结果与集中式算法结果较为接近。
动态功率控制算法 篇4
PWM整流器因其交流侧功率因数高、输入电流谐波小、挂网为无污染绿色负载,是谐波抑制与无功补偿方向的一个研究热点[1]。针对PWM整流器的控制策略,分析的比较多的是按照电源电压矢量定向(VOC)的双闭环解耦手段,该方法通过坐标变换将输入三相电流转化为d轴电流有功分量和q轴无功分量,有功电流控制功率传输,无功电流调节功率因数,同时确保直流输出侧电压稳定[2]。该控制过程要获取电源电压矢量的实时位置,而后在旋转坐标变换中正确计算各电流分量,且功率器件的通断信号要用正弦脉宽调制(SPWM)或者空间矢量调制(SVPWM)生成,因此运算量大、实时性要求高,且控制系统参数整定困难。文献[3]提出了直接功率控制(DPC)策略,该技术思路新颖、结构简单、动态响应快,是一种效果较好的控制方法。本文详细阐述了DPC系统的结构,并利用计算机仿真,给出了其各个重要物理量的动态响应曲线,展示出了其控制效果,最后对DPC给予了简单的评价。
2 控制结构
DPC控制结构如图1所示,整个的控制系统有两个特点,一是利用两个滞环比较器直接控制整流器的实时有功、无功功率,将其限制在一定容差范围之内。另一个特点是功率器件的导通关断信号是利用滞环比较器输出的功率增减信号和电源电压矢量所在的位置作为输入参数查表得到,不使用变流设备中常用的各种复杂调制方法。以下对DPC系统的各个部分进行详细的说明。
2.1 有功无功计算模块
功率计算式(1)是基于瞬时无功功率理论的,在计算实时功率时,要求有交流侧电流i、电源电压e两类信号。
2.2 abc到变换和扇区计算
将三相对称电源相电压实时值ea、eb、ec利用abc到αβ的变换矩阵式(2),确定出其在α轴上的分量eα和β轴上的分量eβ,这样根据如图2所示的划分得出电压矢量所在的扇区号N。
2.3 滞环比较器
功率的实时控制是通过滞环比较器来实现的,其设定为:
其中H_p为有功控制环宽,H_q为无功控制环宽。环宽越小,对有功和无功的控制精度越高、响应快,但过小的环宽会使得开关频率增大,开关损耗增加,影响VSC的电能转换效率。因此,环宽根据所采用的功率器件特性、功率环运算速度来折中选择。
2.4 实时开关表
开关表设计如表1所示有3个输入信号:有功增减信号sp、无功增减信号sq、电源电压矢量所在扇区号N,输出信号为控制系统当前所需要的开关矢量。
2.5 功率给定与直流电压控制
电压外环节控制采用PI调节器,电压偏差进入PI调节器计算后,输出直流侧负载电流给定信号Iload,该信号与电压给定相乘,得到有功功率的给定值P*。有功功率给定设为Q*=0,以确保系统工作于单位功率因数模式。
3 仿真分析
依据以上的分析,利用Matlab/Simulink工具箱[4],建立PWM整流器直接功率控制的仿真模型,主电路结构如图3所示,由三相对称电压源、进线电感、整流桥、输出稳压电容、负载等组成。
控制部分如图4所示,按照图1的控制框图,利用Simulink中的一些基本模块按照各部分的功能搭建,最后输出主电路所需的驱动信号。在仿真过程中,电压外环PI控制环参数的设定参考文献[5]的整定方法,调试时候再根据实际的效果进行优化,最终得出一组控制性能较好的PI参数,仿真所采用的参数见表2。
仿真所得曲线如图5-图8所示,在0.1s时刻系统负载增大到额定值的1.5倍,此时直流电压有一个很小的降落,但仍然能很迅速的跟随定值,说明系统抗负载扰动能力较强。0.2s时刻直流电压给定功、无功响应曲线也很良好,P随负载的变化而变化,Q始终趋向零。在整个过程中,交流输入侧电压和电流始终保持同相位,但直流电压的波动较大,启动时刻有一个很大的冲击。
4 结论
从以上的分析中可以看出:(1)由于使用滞环控制器,系统的开关频率是变化的,这给功率器件的选择造成一定困难。(2)交流输入侧需检测电压、电流信号,直流侧输出电压信号也必须监测,且各个物理量要足够高采样频率以保证交流输入侧的电流波形质量。
DPC控制与电压定向控制VOC两者的思路截然不同,该方案直接对有功和无功功率进行滞环比较控制,无需旋转坐标变换,开关量的选择是依据其对有功和无功的增减作用确定的。
VOC可以与感应电机驱动中的矢量控制相比拟,而DPC对应于直接转矩控制,理论上,PWM整流器与感应电机驱动两者中,某些物理量应该存在某种对偶性。
参考文献
[1]张崇巍,张兴.PWM整流器及其控制[M].北京:机械工业出版社,2003.
[2]陈睿.高性能PWM整流器研究(硕士学位论文).北京:中国科学院电工研究所,2006.
[3]Toshihiko Noguchi,Hiroaki Tomiki,Seiji Kondo,et al.Direct power control of PWM converter with power-source voltage sensors[J].IEEE Trans on Industry Applications,1998,34(3):473-479.
[4]洪乃刚.电力电子和电力拖动控制系统的MATLAB仿真[M].北京:机械工业出版社,2006.
动态功率控制算法 篇5
1 数字PID控制原理
1.1 PID控制的基本原理
图1为PID控制系统的方框图。当控制量的目标值与检测值之间存在误差(或称为控制偏差)时,误差小,操作量就小,误差越大,操作量就越大,故控制算法中含有偏差比例项,简称P动作。对具有自平衡性的控制对象施行比例控制,最后其步阶变化会留下一定的误差,称为稳态误差或偏移。使控制算法中含有误差积分比例项,可消除稳态误差,简称I动作。偏差的增减反映在操作量上,为了改善控制特性,所以使控制算法中含有偏差微分比例项,简称D动作,为一种预先动作。包含以上三种动作的控制算法即为PID控制。
PID控制算法的操作量表示式如式(1)所示:
undefined
其中u(t)为操作量; e(t)为误差,e(t)=rin(k)-yout(k),rin(k)为目标量,yout(k)为检测量; KP是比例系数(P动作);KI是比例系数(I动作);KD是比例系数(D动作)。
1.2 数字PID控制
为便于计算机通过软件实现PID控制算法,在实际应用中多采用数字PID控制方式。对模拟PID控制算法,以一系列的采样时刻Kt代表连续时间t,以矩形法数值积分近似代替积分,以一阶后项差分近似代替微分,由此可得离散位置式PID表达式如式(2)所示:
undefined
位置式PID控制算法使用全量输出,所以每次的输出均与过去的状态有关。计算时要对e(k)量进行累加,计算机输出控制量u(k)对应的执行机构的实际位置偏差;因为e(k)量进行累加,u(k)可能出现大幅度变化,进而会引起执行机构位置的大幅度变化,这种情况在实际生产中是不允许的,在一些重要场合可能还会造成重大事故。为避免这种情况的发生,可采用增量式PID控制算法。
当执行机构需要的是控制量的增量时(如功率稳定控制),应采用增量式PID控制算法。根据递推原理可得增量表达式如式(3)所示:
undefined
增量式PID控制算法如式(4)所示:
undefined
其中u(k-1)为控制开始前的控制初值,Δu(k)为控制增量,u(k)为实际的控制值,e(k)为实际的误差值,e(k-1),e(k-2)为控制开始前的误差初值(一般为零)。
2 信号发生器原理框图及功率控制框图
信号发生器原理框图及功率控制框图如图2所示。系统中功率为被控对象,信号传输通路为两级放大A1,A2和一级VGA增益控制电路。为使电路稳定工作,VGA的增益不大于-3 dB,增益控制范围20 dB,本文中VGA电路采用ADI公司的ADL5330。控制器采用Philips公司的内含10位A/D和10位D/A转换器的LPC2132,这样可以简化硬件电路设计。功率耦合取样,取样功率为总功率的1/1 000,即yout(k)=Pout/1 000。检测器采用ADI公司的AD8362,用于将采样的功率值转化成对应的电压值(Vrms)。将采样得到的信号功率经LPC2132中的A/D转换器转化成数字信号,再经PID运算,得到控制VGA对应的电压值,由内部的D/A转换输出,通过控制VGA电路以控制、稳定输出功率Pout(rin(k))。
3 软件设计
3.1 增量式PID控制算法流程图
根据增量式PID控制算法,设计了算法流程,如图3所示。
3.2 实际的控制算法程序
根据图2控制系统硬件原理连线图,设工作频率为2.2 GHz,设两级放大器A1,A2的总增益为28 dB,期望输出功率值稳定在-10 dBm,即rin(k)=-10 dBm。假定VGA初始增益为-10 dB(cz)。而实际的输出功率值的表达式如式(5)所示:
undefined
根据A/D转换得到的数字电压值转换成采样前的实际输出功率值的表达式,如式(6)所示:
yout(k)= ((ADC_data*1 500)/1 024)/
50.5-61+30 (dBm) (6)
其中ADC_data为A/D转换得到的数字电压值,1 500 mV为A/D参考电压值,1 024为10 b A/D满量输入值,50.5 mV/dB和-61 dB分别为AD8362检测器的输入信号功率值和输出电压线性关系的斜率和截距,30 dB为取样衰减量。
由此,实际的控制算法程序如下:
4 实时控制结果
根据器件特性,ADL5330的斜率为17 mV/dB,即每0.5 dB功率变化时,控制电压的变化为8.5 mV,而ADL5330的控制范围为20 dB,也即控制电压变化范围为340 mV。根据所选D/A器件为10 b,满量程输出为1.5 V,则每比特变化为1.47 mV,由此可知每变化1比特,VGA的增益变化微乎其微,即输出功率可以稳定在±0.5 dB以内。
设期望输出功率值稳定在-10 dBm,而VGA的控制范围为-3～-20 dB,则由式(6)可知,输入信号功率Pin可在-35～-8 dBm内波动时,均能使输出功率稳定在-10 dBm。Pin为-35 dBm时,VGA增益处于最大值-3 dB;Pin为-8 dBm时,VGA增益处于最小值-20 dB。图4为用Matlab仿真的实际输出功率跟踪期望值的控制过程曲线。
5 结 语
本文研究了增量式PID控制算法新的应用领域——信号发生器功率控制,并从实际中验证了他的可行性。增量式PID控制算法跟踪和稳定输出功率的过程是一种闭环式控制过程,实现简单、控制效果良好而且不易振荡。
参考文献
[1]刘金琨.先进PID控制及其Matlab仿真[M].北京:电子工业出版社,2003.
[2]Zhuang M,Atherton D P.Automatic Tuning of OptimumPID Controllers[J].Proc IEE,Part D,1993,140:216-244.
[3]张敏.基于Matlab的PID参数模糊自整定控制器设计及仿真[J].自动化技术与应用,2005,24(7):22-24.
[4]肖迎春,裴?.三种无线通信系统中的功率控制方案[J].现代电子技术,2004,27(21):42-44.
动态功率控制算法 篇6
在眼镜架的制造过程中,利用典型的电感线圈和电容的谐振原理,采用高频感应加热的方法对钛合金进行焊接,要求加热速度快,焊接效率高。但高频焊接过程中,由于高频线圈的高度非线性、多变量耦合作用,焊接工件的工艺参数与焊接质量之间的数学关系复杂,依靠传统的数学建模和分析方法无法达到预期的控制效果,所以需要在线快速自动寻找最佳的感应加热的频率,使感应加热的功率达到最大,效率最高。
模拟退火遗传算法遵循自然界优胜劣汰的原则,由于其直接对结构对象进行操作,不存在求导和函数连续性的限定,又具有鲁棒性强、随机性、全局性及适于并行处理的特点。因此利用模拟退火遗传算法进行高频焊接过程控制的优化设计,可以得到高频焊接过程中振荡工作频率的选择,并向感应线圈输出[1]。
本研究主要探讨基于模拟退火遗传算法的高频焊接输出功率优化控制技术。
1模拟退火遗传算法
1.1遗传算法原理
遗传算法以编码空间代替问题的参数空间,以适应度函数为评价依据,以编码群体为进化基础,以对群体中个体位串的遗传操作实现选择和遗传机制,建立起一个迭代过程。在这一过程中,通过随机重组编码位串中的重要基因,使新一代的群体优于老一代的群体,群体个体不断进化,逐渐接近最优解,最终实现求解问题的目的。
1.2模拟退火算法原理
基于粒子在自由状态下有向能量较低状态转移的趋势,而热运动又妨碍它准确落入最低能量状态这一物理现象,Metropolis采用下述方法产生固体的状态序列[2]:先给定以粒子相对位置表征的初始状态i作为固体的当前位置,该状态的能量是Ei;然后用摄动装置使随机选取的某个粒子的位移随机地产生一个微小变化,得到一个新状态j,新状态的能量是Ej。如果Ei<Ej,则该新状态作为“重要”状态;如果Ei>Ej,则考虑到热运动的影响,该状态是否可作为“重要”状态,要依据固体处于该状态的几率来判断。而固体处于状态i和j的几率的比值等于相应的Boltzmann因子的比值P,即:
其中,P是一个小于1的数。
将能量E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解,这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。
1.3模拟退火遗传算法
在遗传算法的起始,一个包含许多染色体的初始群体随机形成。接着遗传算法使用3个基本操作,即:选择、交叉、变异,自适应地生成一代新的群体。然而,在经遗传算法搜索形成的新一代群体中,新染色体的邻域中都有大量的适应度或高或低的染色体。如果在下一代产生之前,所有新染色体由其邻近染色体取代,则可以实现快速收敛的精细调整。因此,可以对每个新的染色体使用模拟退火来搜索更高适应度的邻近染色体。例如,当模拟退火发现稍微随机改变现存染色体的值而形成一个新的有更高适应度的染色体时,就用新的染色体来取代现有的染色体。当然,邻域中适应度稍差的新染色体仍然保持等待退火。
1.4模拟退火遗传算法实现
模拟退火遗传算法与控制参数初始值无关,算法求得的解与初始解状态(算法迭代的起点)无关;模拟退火遗传算法具有渐近收敛性,已在理论上被证明是一种以概率l收敛于全局最优解的全局优化算法;模拟退火遗传算法具有并行性,其新解的产生和实现可分为以下几个步骤[3,4]:
(1) 给定群体规模M,k=0;控制参数初始值tk=t0,群体pop(k);
(2) 若满足停止规则(利用率为95%以上),停止计算;否则,在群体pop(k)中每一个染色体i∈pop(k)的领域中随机选一状态i∈N(t),按模拟退火中的接受概率:
决定接受或拒绝j,其中f(i)为状态i的目标值;这一阶段共需M次迭代选出新群体newpop1(k+1);
(3) 在newpop(k+1)中计算适应度函数:
其中,fmin是newpop1(k+1)中的最小值;由适应度函数决定的概率分布从newpop1(k+1)中随机选M个染色体形成种群newpop2(k+1);
(4) 按遗传算法的常规方法进行交配得到crosspop(k+1);再变异得到mutpop(k+1);
(5) tk+1=d(tk),k=k+1,pop(k)=mutpop(k),返回到(2)。
基于模拟退火遗传算法的程序流程图,如图1所示。
从程序流程图中不难看出,第1步主要是设置控制参数初始值,生成初始群体,确定群体规模等初始化操作;第2步则在遗传算法中加入模拟退火的随机接受邻域解的接受转移概率;第3步更是以遗传算法的指数接受概率来求解优劣的不同得到不同的生存概率,从而缩小群体规模,最终实现优胜劣汰;第4步采用通常的遗传变异方法得到下一代种群。用
2高频焊接原理及工艺介绍
高频焊接所需功率取决于感应线圈的材质、磁化强度、LC振荡器的传递能量方式。在实际生产中用振荡器输入功率来度量输出加热功率[5,6]。当输出的功率较小时,就不足以达到焊接温度而产生未焊透。因此应选择适当的高频振荡频率来产生最大的输出功率。国内眼镜架的钛合金焊接采用高频加热设备,其主要功率一般为1 kW～15 kW。
输出功率决定设备焊接的能力,而输出频率则决定集肤深度的大小。研究表明,电流频率越高,集肤效应和邻近效应就越显著,焊接所需的功率就越小。但频率过高,会使焊接装置电源的指标不合理,高频感应线圈制作时漏感增加,同时会使高频输出的大功率管过热或击穿,而且焊接时会有不稳定现象。其主要振荡频率为500 kHz～1.2 MHz。
高频感应线圈是焊接设备中的主要部件,由外部振荡器提供给线圈一个振荡频率,使高频线圈工作在LC谐振点上。
由于并联电感调谐匹配,其阻抗变换作用没有变化,同时缺乏滤波作用,而采用串联电感匹配可以使有功电阻降低,并且兼有调谐和滤波作用。串联匹配电感等效电路,如图2所示,其中,C0为静态电容,Rm、Lm、Cm为等效动态电阻、动态电感和动态电容。
负载的等效输入阻抗为:
其中,串联调谐角频率为
由此可得所需串联匹配的电感大小为:
因此,其负载等效输入阻抗为:
从理论上说,当f0在LC谐振点上时,电感两端会产生无穷大的电压,但电路中有损耗及漏感等,输出电压与电流就有一个最大值,此时输出功率将达到最大值即期望值。
3实验方法与数据
由于随着工件规格的不同,感应线圈形状人为的改变,都会引起电感量L的变化,谐振频率f也会产生变化,如果此时振荡频率不在谐振点上,输出功率就会急剧下降。
假设正常工作时谐振频率为f0(如图3所示),输出功率将达到最大值P0。当工作状态发生变化时,高频感应线圈的谐振点也随之变化到f1点,而振荡频率不变,其输出功率就下降到P1点,振荡频率调整到f1后,输出就能继续保持最大值P0。
根据以上的分析,采用单片机C2051和DAC0832电压输出转换模块及锁相环CD4046调整振荡频率f0,就可以实现频率跟踪。高频焊接机的电路原理,如图4所示。
由于感应线圈的输出是高频低压电流,无法直接测试输出功率。笔者采用了测量输入交流总功率的方法,因为输入总功率中除了内部电子振荡电路和单片机的供电外(消耗很小能量),大部分输入功率都转换成输出,所以能间接地测量出输出功率的大小。在实际工作中,焊接的工件不同,会影响到高频感应线圈的电感量L值产生变化,LC谐振点就会变化。因此研究的目的就是要求当负载的等效输入阻抗Z发生变化时,单片机通过功率输出取样,快速调整锁相环CD4046的振荡频率,使输出功率P达到最大,即P=F(f0)。
本研究对某高频焊接电源进行了有模拟退火遗传算法和无模拟退火遗传算法的测试,其输出的功率,如表1所示。
由表1可知,当工件改变时,如果频率不变化(始终为f0),则输出功率将大幅度下降,必须由单片机按照模拟退火遗传算法自动快速调整到新的f值,才能保持输出的最大化。
4结束语
高频焊接过程中输出功率的控制优化问题是一个多参数的非线性优化问题,本研究采用基于模拟退火法则的遗传优化方法对该问题进行了优化计算,克服了简单遗传算法可能引起的局域解及早熟收敛的缺点,是一种自稳定性较强的全局稳定收敛算法。
参考文献
[1]周双娥,雷辉.基于改进的遗传-模拟退火的有序任务调度算法[J].微电子学与计算机,2006(10):62-64.
[2]田东平,迟洪钦.混合遗传算法与模拟退火法[J].计算机工程与应用,2006,42(22):63-65.
[3]赵艳敏,霍达,腾敏.基于改进的遗传模拟退火算法的钢框架优化设计[J].工业建筑,2006(z1):462-465.
[4]马坤,于海平,彭启山.改进的遗传模拟退火算法在TSP中的应用[J].武汉科技大学学报:自然科学版,2006,29(3):266-269.
[5]夏小荣,陈辉明,蒋大鹏.一种新型高频感应加热用驱动电路[J].电子器件,2006,29(1):142-144.
动态功率控制算法 篇7
生物材料疲劳系统用于测量金属和非金属生物材料的疲劳极限,绘制S-N曲线和疲劳图,从而分析材料的疲劳寿命[1]。近年来其发展趋势具有小型化、高频化、低功耗等特点。开关型功率放大器作为电磁谐振式生物材料疲劳系统的核心部件,其作用是驱动电磁激励器,产生一个幅度可调、与测试样本固有频率一致、同所受阻尼力相位相反的激振力,维持测试样本以固有频率进行振动。其性能决定系统的功耗,动态响应和稳定性等指标,直接影响测量周期和数据精度。与传统的线性功率放大器相比,开关型功率放大器具有高效率,良好的动态响应和稳定的控制精度等优点。随着电力电子技术的发展,开关型功率放大器已非常成熟可靠,受到广泛的应用。
由于激振力是由通过负载线圈上的电流产生,因此为达到对线圈电流的高性能跟踪控制,本文功率放大器采用移相ZVZCS全桥拓扑结构,基于状态空间平均法,建立负载的线性开关模型,提出一种针对伺服系统的二次型最优算法。通过计算优化状态反馈增益矩阵,为系统配置最优闭环特征值,达到提高系统动态响应的目的。同时引入比例积分控制,进一步减小由于模型误差引起的非零稳态误差,改善稳态控制精度。最后分别进行辅助仿真和实验,对控制算法设计的有效性进行评估和讨论。
2 功率放大器控制结构及其主电路
针对功率放大器控制结构,建立一个1型伺服系统[2,3,4],如图1(a)所示,主要由移相ZVZCS全桥变换器、PWM信号控制器、二阶LC低通滤波器、励磁线圈、状态空间反馈闭环控制回路以及积分器构成,其中数字控制部分将选用TI公司高性能DSP芯片TMS320F28335进行处理。系统通过DSP片上ADC分别采集输出滤波电感Lf上的电流值il,输出滤波电容器Cf上的电压值uc以及负载线圈电流值icoil作为状态变量,其中负载线圈电流值icoil同时作为前馈控制变量,代入控制算法,达到对负载线圈电流精确跟踪控制的目的,使电磁激励器具有良好的动态特性和稳定性,从而满足生物材料的疲劳测试振动需求,其理想映射关系如图1(b)所示。负载线圈电流icoil跟踪参考信号r,其周期T和相位θ分别由外环传感器采集测试样本的固有频率和振动位移所决定,幅度由负载线圈的电感量lcoil,振动装置的配重以及振动弹簧特性等因素决定。
功率放大器选用移相ZVZCS全桥拓扑作为其主电路[5,6,7,8],如图2所示。开关管S1和S2构成超前臂,S3和S4构成滞后臂,运用移相控制技术使变换器中每个桥臂的两个开关管180°互补导通,两个桥臂的导通相差一个移相角,调节移相角大小控制能量的输出,在此控制模式下,高频变压器的初级绕组分别与阻断电容Cb和饱和电感Llk串联,初级电流会在一个开关周期内进行谐振,分别实现超前臂的零电压开关和滞后臂的零电流开关,从而可以大大减小开关损耗,提高变换传输效率,达到更好的动态和稳态控制效果。
3 控制算法设计
开关变换器的工作原理决定了其瞬态特性有:1.强非线性;2.离散性;3.病态控制性。于是它的控制分析变得十分复杂。而本文提出的算法重点在于求取图1中状态空间反馈控制回路中反馈增益矩阵K和积分增益系数Ki的期望值,因此需要采用状态空间平均分析法对开关变换器进行数学建模,将控制系统进行线性化,简化系统的复杂性。
3.1 建立线性状态反馈控制系统模型[9]
在开关变换器的一个工作周期中分别处于开通和关断两个状态,其第k个开关周期如图3(a)所示。
其通过高频变压器次级连接的负载电路结构包括一个LC二阶低通滤波器和励磁线圈,其等效电路如图3(b)所示。
为了建立跟踪负载电流icoil的线性状态反馈控制模型,首先我们设定状态变量x=[il,uc,icoil]T,控制变量u=Urect,然后分别就变换器开通和关断状态列出分段状态线性方程:
1.开通状态:
2.关断状态:
式中A1,A2,B1,B2分别为与电路结构相关的系数矩阵。
根据状态空间平均分析法,式(1)(2)可以被线性化成式(3)形式:
式中D为开关的开通占空比,D’为开关的关断占空比。
针对图3(b)中的电路结构,由于整个开关周期中,负载电路结构参数没发生变化,式(3)可以被进一步写成式(4)的一般形式:
式中E为作用于变换器桥路的直流电压,K为变压比,通过与开通占空比乘积的形式替换Urect。式(4)即为本文开关变换器的线性控制系统模型。
3.2 二次型最优控制算法[10,11,12]
为了提高系统的动态特性,采用基于上文建立的线性状态空间反馈控制模型,代入负载电路结构参数,通过二次型最优算法求取系统的反馈增益矩阵期望值,并在控制回路中引入积分控制,用于补偿非零稳态误差,从而进一步改善系统的稳态特性,其设计步骤如下:
(a)根据负载电路结构参数建立连续系统模型方程:
式中:,u=DE/K,
根据状态微分方程求得一般非零初始状态表达式:
(b)求连续系统模型方程对应的离散模型方程:
假设控制器的采样周期为Ts,将式(6)离散化
(c)引入积分控制环节:
跟踪负载电流信号为r(k),根据伺服系统二次型最优控制方法,其控制变量由式(8)给出:
式中K为反馈增益矩阵,Ki为积分增益系数。
(d)构造误差方程定义离散二次型性能指标:
由于控制过程中,k趋近于正无穷,即稳态输出,所以通过构造误差方程
进一步推导出:
于是问题变成确定使如下离散二次型性能指标最小的矩阵:
(e)迭代计算稳态Riccati方程解,求取最优系数矩阵:
通过选取适合的加权矩阵Q和R,可求取:
式中P为稳态Riccati方程的解:
4 仿真分析
通过借助计算机仿真,从理论上对控制算法设计的有效性进行验证,分别考察系统的动态控制特性和稳态特性。
4.1 仿真参数设置
根据图1(a)建立系统仿真模型,其仿真电路参数和控制参数如下表所示。
除此之外,在选取用于求稳态Riccati方程的解P所用到加权矩阵Q和R时,由于它们影响着控制系统的动态响应和稳态误差等特性,本文选取合适的、R=1,从而求得最优反馈增益矩阵K和积分增益系数Ki。
4.2 动态控制特性
首先我们通过单位阶跃响应来反映其动态响应性能,如图4(a)所示,由于采样周期为5μs,可计算出控制系统的上升时间约为50μs,超调百分比约为3.5%,稳态调节时间约为250μs,从而可以看出,本文提出的控制算法具有良好的动态特性。当系统正常工作时,为了跟踪不同测试样本的振动情况,其输入参考信号为一个频率范围为100~500Hz,幅度范围为0~37A,具有直流偏置的正弦电流信号,这里以中心稳态工作频率300Hz,幅度37A对其进行正弦激励仿真,结果如图4(b)所示,从图中可以看出负载电流波形在初始阶段有微弱的震荡,这与其单位阶跃响应结果相吻合,随后便快速进入跟踪状态,呈现出良好的正弦动态波形。需要指出的是负载跟踪波形与输入参考波形相比有微弱的相移,这是由离散控制系统的延时和半导体器件特性所造成的。
4.3 稳态控制特性
由于系统针对不同测试样本,需要跟踪的负载线圈电流的频率和幅度各有不同,因此有必要对负载电流的频率和幅度分别进行扫描仿真,考察其对不同负载的稳态输出特性,首先固定幅度为37A,扫描频率点依次为100Hz、300Hz、500Hz,其仿真结果如图5,随着频率的提高,在500Hz时波形在峰值处出现较小的失真,这是由感性负载效应所导致,在系统允许接受范围内;其次固定频率为300Hz,扫描幅度值依次为15A、25A、37A。其仿真结果如图6所示,随着输出电流的增大,波形没有出现失真和相移,保持着良好的稳态输出特性。
5 实验结果
根据系统主电路结构搭建硬件测试平台,其开关频率100k Hz,变换器直流输入电压24V,感性负载20μH,控制输出300Hz,20A幅度的电流信号,波形如图7所示,与图4(b)仿真结果波形相对比,实验结果与仿真结果保持高度的重复性,具有优越的动态响应和稳定性。虽然波形在峰值处出现也微弱的失真同时叠加有5m A的电流噪声波动,这分别是由于高频感性负载效应和DSP片上ADC转位精度不足以及采样白噪声的存在等硬件缺陷而非算法本身所造成的,并且这些误差对于实际工程而言,属于完全可接受范畴之内。需要特别指出的是,由于应用领域不同,本文生物材料疲劳系统中功率放大器是以正弦交流形式输出,而非稳态直流,其初始电流上升阶段,对外部器件施加的应力不大,对系统动态响应指标要求也不高,虽然输出电流起初波形存在超调震荡现象,不过其震荡时间远小于波形上升的时间,同时加上控制算法在实时跟踪,电流波形会迅速与预期波形同步,因此初期的超调震荡过程不会对功率放大器的实际输出电流激励造成任何影响。从以上实验结果分析可以看出,本文提出的二次型优化控制算法应用于生物材料疲劳系统中功率放大器具有良好的可行性。
6 结束语
本文设计用于生物材料疲劳测试系统中功率放大器的控制算法,依据系统实际应用性能指标,搭建了移相ZVZCS全桥变换器主电路,达到提高变换传输效率的目的;从负载结构出发,建立了线性状态反馈控制系统模型,根据电路参数计算优化状态空间反馈控制回路中反馈增益矩阵K和积分增益系数Ki,提高系统的动态响应和稳态特性。并通过对比仿真和实验结果对其有效性进行评估,特别在仿真时,对其频率和幅度进行扫描,验证系统的输出针对不同负载都具有良好的可靠性。其中发现的一些误差可以通过进一步优化匹配加权矩阵和提高硬件性能达到改善,这将在今后的研究工作完成中。从仿真和实验结果可以看出本文设计的优化控制算法达到了预期的目的,功率放大器具有良好的动态和稳态特性。
摘要：为了满足生物材料疲劳系统对开关型功率放大器的性能需求,提出一种基于状态空间反馈的优化控制算法。功率放大器的主回路由移相ZVZCS全桥拓扑构成以实现软开关,减小高频开关损耗和电压应力。采用状态空间平均法,建立动态线性开关模型,以感性负载电流为跟踪目标,逐步优化,设计出一种二次型最优伺服控制器。通过辅助仿真和实验数据分析,证明系统具有良好的动态响应和稳态特性。
关键词：生物材料疲劳,状态空间反馈,ZVZCS,二次型最优控制
参考文献
[1][荷兰]Jaap Schijve.Fatigue of Structures and Materials(Second Edition)[M].吴学仁译.北京:航空工业出版社,2014,1.
[2]李思奇,蒋晓华.磁共振成像系统中梯度放大器的控制算法[J].清华大学学报(自然科学版),2011,51(4):571-576.
[3]H FUKUDA,M NAKAOKA.High-frequency ZVS PWM power amplifier for magnetic-field current tracking control scheme and its design considerations[C].International Conference on Power Electronics&Drive Systems,1995,(1):238-245.
[4]S WATANABE,P BOYAGODA,M NAKAOKA.Analysis on a PWM Power Conversion Amplifier with IGBT Macro Model to Generate Gradient Magnetic Fields in MRI Systems[C].IEEE International Conference on Power Electronics&Drive Systems,1999,(1):127-132.
[5]刘凤君.开关电源设计与应用[M].北京:电子工业出版社,2014:244-260.
[6]阮新波.脉宽调制DC/DC全桥变换器的软开关技术(第二版)[M].北京:科学出版社,2013:85-100.
[7]沙占友,王彦朋.开关电源优化设计[M].北京:中国电力出版社,2013:133-173.
[8]ERICKSON,ROBERT W.Fundamentals of Power Electronics(Second Edition)[M].Secaucus,NJ,USA:Kluwer Academic Publishers,2000.pl.
[9]陈亚爱.开关变换器的实用仿真与测试技术[M].北京:机械工业出版社,2010:41-47.
[10]KATSUHIKO OGATA.Discrete-Time Control Systems(Second Edition)[M].陈杰,蔡涛译.北京:机械工业出版社,2006.
[11]ROBERT L.WILLIAMSⅡ,Douglas A.Lawrence.Linear State-Space Control Systems[M].贾要勤译.西安:西安交通大学出版社,2014.