欢迎来到天天文库
浏览记录
ID:34997023
大小:3.88 MB
页数:70页
时间:2019-03-15
《免疫算法在逆变器控制中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中图分类号:TP306.3论文编号:102870315-S145学科分类号:081101硕士学位论文免疫算法在逆变器控制中的应用研究研究生姓名王永兴学科、专业控制理论与控制工程研究方向免疫算法的控制应用指导教师叶永强教授南京航空航天大学研究生院自动化学院二О一五年三月课题资助项目:国家自然科学基金(61473145,61304146)NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResea
2、rchonControlApplicationofImmuneAlgorithmwithInverterAThesisinControlTheoryandControlEngineeringbyWangYongxingAdvisedbyProf.YeYongqiangSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch22,2015承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成
3、果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名:日期:南京航空航天大学硕士学位论文摘要随着人工智能的发展,各种智能优化算法日渐兴起,并取得了一系列理论研究和应用成果,呈现出工程应用的巨大潜力。其中依据生物学的免疫原理提出的免疫算法,弥补了遗
4、传算法一些固有的不足,成为智能优化算法又一研究热点,并处在快速的发展阶段,如何将免疫算法与工程实践相结合成为众多科研工作者思考的重要问题。本文从免疫系统特性和免疫的相关概念出发,回顾了免疫算法的提炼、形成与推导过程,讨论了免疫算法在逆变器控制中的应用。在此基础上,综合遗传与免疫原理,设计了一种改进的免疫优化算法用于逆变器PWM控制序列的优化,并以单相全桥逆变器为研究对象,考虑了静态和动态两种负载环境,验证了所设计算法的有效性,并将其与遗传算法在同等条件下的仿真结果进行了比较和分析,结果表明了该免疫算法的优越性。首先,概述了免
5、疫算法的起源及发展过程;介绍了生物免疫系统与人工免疫系统的相关概念及其工作原理,以及如何从免疫机制中提炼概括与设计免疫算法;简要阐述了免疫算法的相关专业术语、特征及其在工程各领域中的研究和应用情况,同时对现有的逆变器控制策略作了简单归纳和总结。其次,介绍了基于免疫原理的三种主流算法(克隆选择算法、免疫网络算法及负选择算法),并对其基本原理、执行步骤、算子设计和特点进行了详细分析和说明,指出了三种算法的不同以及算子构成的区别。基于此,以单相全桥逆变器为研究对象,从数学角度建立了基于PWM序列优化控制的模型,设计了免疫算法的相关
6、算子,提出了一种改进的免疫优化算法,并将其应用于逆变器PWM控制序列的优化。最后,在MATLAB环境下对所提出的算法进行了编程和代码实现,基于Simulink搭建了仿真实验平台,设计了逆变器负载处于静态和受扰动时动态两种情况下的数值实验,对该免疫算法用于逆变器PWM控制序列优化应用进行了验证,并就仿真结果与遗传算法进行横向对比分析,结果表明在同等条件下,本文所提出改进的免疫优化算法相较传统遗传算法在对逆变器进行PWM控制序列优化时具有一定的优越性。关键词:免疫算法,单相全桥,逆变器,PWM序列优化,遗传算法I南京航空航天大学
7、硕士学位论文ABSTRACTWiththedevelopmentofartificialintelligence,allsortsofsmartoptimizationalgorithmsgraduallyarise.Thesealgorithmshavemadeaseriesofachievementsintheoriesandapplications,andarenowshowingtremendouspotentialofengineeringapplications.Immunealgorithmsareextrac
8、tedfromimmuneprinciplesinbiologyandtheymakeupforsomeinherentdeficienciesofgeneticalgorithms,becomeanotherresearchhotspotofintelligentoptimization
此文档下载收益归作者所有