共查询到20条相似文献,搜索用时 875 毫秒
1.
2.
研究转换器的效率优化问题,基频分量法已广泛应用于高功率LLC谐振变换器设计中.传统方法用正弦波代替谐振电流,忽略了高次谐波的影响.为更有效的改善转换器效率,提出基于时域的LLC谐振转换器的参数设计法.采用时域分析法对谐振变换器的工作过程和状态方程进行分析,绘制直流增益特性和开关损耗优化曲线,对LLC谐振网络进行设计和参数优化.时域分析法不但保证了转换过程中的有用信息不丢失,而且在同一直流增益值下的多组参数组合更利于损耗曲线的绘制,提高转换效率.对1000W LLC谐振转换器仿真结果表明:与基波分量法相比,时域分析法设计的网络参数能更好的满足转换器的工作要求,同时具有更高的转换效率. 相似文献
3.
4.
关于在光伏系统中SEPIC变换器效率优化问题,由于光伏系统承担并网发电和输出电压,要完成大功率点的跟踪,但是转换效率往往不高,尤其是在工作频率很高时,转换效率会明显下降。为解决上述问题,提出将软开关技术应用到SEPIC变换器中,并对零电压、零电流准谐振SEPIC变换器的工作原理进行了分析,采用谐振参数的选取,应用软开关技术减小开关损耗,可以提高SEPIC变换器的效率。在MATLAB平台上对有、无软开关的SEPIC变换器进行仿真,通过改变工作频率,对两种变换器效率进行比较。仿真结果证明软开关技术能够提高SEPIC变换器的效率,为变换器设计提供了依据。 相似文献
5.
6.
LLC谐振变换器因为工作效率高,且适合工作在高频条件,成为最受关注的直流/直流变换器拓扑之一。然而只有正确合理的设计方法才能得到更高效可靠的产品,分析了LLC各谐振参数对LLC工作状态的影响,表明了各参数之间的相互制约关系,进而提出了LLC设计的一种新思路,最后研制了一台 LLC谐振变换器样机,其较高的变换效率证明了该设计方法的正确性和有效性。 相似文献
7.
8.
9.
LCC谐振变换器是电除尘高频高压电源的核心器件,十分适用于高压大功率场合,针对连续模式应用于电除尘高频高压电源的不足,采用LCC谐振变换器断续模式进行优化设计。分析了带RC负载的LCC谐振变换器断续模式(简称DCM)的工作原理及拓扑结构,采用状态空间法推导了其数学模型,研究并建立了新颖的LCC谐振变换器断续模式下的损耗模型。在此基础上提出了一种基于遗传粒子群算法的LCC谐振变换器优化设计方法,该方法直观并且准确,实现了软开关技术,提高了电源的工作效率。并在现场通过一台72KV/85KW的电除尘高频高压电源样机验证了本文的正确性。 相似文献
10.
针对ZVZCS全桥PWMDC-DC变换器的软开关工作,分析了变压器漏感和辅助谐振电路对变换器动态特性的影响。在PWM开关等效模型的基础上,结合变换器谐振电路的工作特点,提出了一种ZVZCS全桥PWMDC-DC变换器小信号分析方法,这种建模方法适用于不同类型的ZVZCS全桥变换器。通过对小信号传函幅频及相频特性的分析,证明了这种小信号分析方法具有物理意义清晰、计算简单等优点。应用这种小信号模型,依据变换器的动态性能指标对ZVZCS全桥PWM变换器中谐振元件的参数进行设计,可以使这种软开关变换器的性能得到进一步的提高。 相似文献
11.
12.
13.
针对ZVZCS全桥PWM DCDC变换器的软开关工作,分析了变压器漏感和辅助谐振电路对变换器动态特性的影响.在PWM开关等效模型的基础上,结合变换器谐振电路的工作特点,提出了一种ZVZCS全桥PWM DC-DC变换器小信号分析方法,这种建模方法适用于不同类型的ZVZCS全桥变换器.通过对小信号传函幅频及相频特性的分析,证明了这种小信号分析方法具有物理意义清晰、计算简单等优点.应用这种小信号模型,依据变换器的动态性能指标对ZVZCS全桥PWM变换器中谐振元件的参数进行设计,可以使这种软开关变换器的性能得到进一步的提高. 相似文献
14.
针对基本粒子群算法的原理,阐述了一种改进算法(带压缩因子的粒子群算法),简述了PID控制器的工作原理、粒子群参数优化方法的实现,并举例说明此改进算法在某汽包压力控制系统中的应用,利用matlab进行仿真优化,证明此改进算法优化的性能优于基本的粒子群优化算法,有很好的工程应用前景。 相似文献
15.
准谐振变换器可以实现功率器件的零电压或零电流开关,但要得到稳定输出电压需采用脉冲频率调制(PFM),这给功率电路参数设计和系统稳定性带来困难,本文研究一种PFM结合PWM的控制模式来调节准谐振变换器输出电压,并实现其开关管的软开关,该控制方案与电压调节器协调工作,调节功率管驱动信号的脉宽和频率,保证了软开关条件和降低导通损耗,实现高频高效的功率变换。建立了100W升压准谐振变换器样机,实验结果验证了该控制方案的可行性。 相似文献
16.
17.
18.
19.
20.
分析了量子行为粒子群优化算法,着重研究了算法中的收缩扩张参数及其控制方法,针对不同的参数控制策略对算法性能的影响特点,提出将Q学习方法用于算法的参数控制策略,在算法搜索过程中能够自适应调整选择参数,提高算法的整体优化性能;并将改进后的Q学习量子粒子群算法与固定参数选择策略,线性下降参数控制策略和非线性下降参数控制策略方法通过CEC2005 benchmark测试函数进行了比较,对结果进行了分析。 相似文献