CN103064031A - 一种电池化成检测***及其吸收保护电路参数选择方法 - Google Patents

Abstract

本发明提供一种电池化成检测***，包括比较电路、采样装置、IGBT模块和脉宽调制数字处理器，所述IGBT模块包括位于上桥臂的IGBT、位于下桥臂的IGBT和两个吸收保护电路，位于上桥臂的所述IGBT的源极与位于下桥臂的所述IGBT的漏极相连，两个所述IGBT的栅极均与所述脉宽调制数字处理器连接；所述吸收保护电路包括缓冲电容、快速恢复二极管和吸收电阻。本发明还提供一种通过并行自校正多目标遗传算法对电池化成检测***中吸收保护电路的参数进行优化选择的方法。本发明主回路电感更小，能更好地控制瞬态电压。

Description

一种电池化成检测***及其吸收保护电路参数选择方法

技术领域

本发明涉及对电池进行化成检测的***，尤其是对大容量电池（包括电池组）进行化成检测的***，以及该***中的吸收保护电路的参数进行优化选择的方法。

背景技术

随着人们对周围环境保护意识的不断提高，而世界上石油和煤气资源的日益枯竭，电动汽车作为一种新能源汽车，是近年来世界各国竞相研究开发的热点。目前超级大容量的锂离子汽车动力电池的研制还处在实验室研究阶段，作为电动汽车动力源的电池大多串并联成组使用，因此对动力电池的生产而言，要求电池在特性上有较好的一致性，这也使得在生产过程中，动力电池性能的检测也就变得非常重要。

化成检测是电动汽车动力电池生产的关键工艺。目前国内比较稳定成熟的化成检测***特别是大容量电池组的检测***还比较少，已有***（小型功率）的应用存在着以下几点问题：

（1）设备检测精度不高；

（2）设备能耗较高，主要由电阻耗能来完成电池放电过程；

（3）***可靠性、安全性较差；

（4）整个***自动化程度不高，难以满足大规模生产应用的需要；

据此，设计一种自动化程度高，能适应电动汽车大功率电池生产的锂离子动力电池组检测设备具有非常重要的意义。

电池化成检测***中需使用到变流器，目前电池化成检测***中用到的变流器大都是采用基于GTO的功率器件，虽然GTO具有耐压高，容量大的优点，但需要专门的缓冲电路，而且由于其是基于电流控制的器件，通态损耗大。随着电力电子技术的发展及对供电质量要求的提高，GTO的开关频率已经不能满足控制要求，为减少对电网的谐波输入和提高装置的容量，采用GTO的装置主电路必须采用变压器曲折连接方式，这样的设计使得电路复杂化，且保护电路难以有效的工作。

与变流器普遍使用的GTO相比，新型功率器件IGBT具有很多的优点：饱和压降低、安全工作区宽、驱动功率低和工作频率高等。

使用IGBT器件研究电池化成检测***，可以大大简化装置的主回路，提高***的可靠性，但在用IGBT模块设计主回路时，存在着回路上杂散电感太大造成模块关断时直流侧过电压击穿IGBT的难题，如何设计主回路结构、主回路过电压吸收保护电路以及如何选择吸收保护电路的RCD参数亟待解决。

目前对于上述问题的研究，主要是采用优化设计吸收保护电路的方式来解决主回路杂散电感大引起过电压问题，但从提出的优化方案来看，普遍存在着对负载依赖性强、工作频率范围有限，电路网络较复杂等问题，难以在工程实际中应用。

发明内容

为解决现有电池化成检测***检测精度低、***可靠性差的技术问题，本发明提供一种电池化成检测***，包括比较电路和采样装置，所述电池经所述采样装置与所述比较电路的输入端连接；还包括IGBT模块和脉宽调制数字处理器，所述脉宽调制数字处理器的输入端与所述比较电路的输出端连接；所述IGBT模块的输入端接开关电源，其输出端接所述电池，其控制端接所述脉宽调制数字处理器；

所述IGBT模块包括位于上桥臂的IGBT、位于下桥臂的IGBT和两个吸收保护电路，位于上桥臂的所述IGBT的源极与位于下桥臂的所述IGBT的漏极相连，两个所述IGBT的栅极均与所述脉宽调制数字处理器连接；

所述吸收保护电路包括缓冲电容、快速恢复二极管和吸收电阻；位于上桥臂的所述缓冲电容的一端与位于上桥臂的所述快速恢复二极管的正极相接，另一端与位于上桥臂的所述IGBT的漏极相接，位于上桥臂的所述快速恢复二极管的负极与位于上桥臂的所述IGBT的源极相接；位于下桥臂的所述缓冲电容的一端与位于下桥臂的所述快速恢复二极管的负极相接，另一端与位于下桥臂的所述IGBT的源极相接，位于下桥臂的所述快速恢复二极管的正极与位于下桥臂的所述IGBT的漏极相接；位于上桥臂的所述吸收电阻接于位于上桥臂的所述IGBT的漏极与位于下桥臂的所述快速恢复二极管的负极之间，位于下桥臂的所述吸收电阻接于位于下桥臂的所述IGBT的源极与位于上桥臂的所述快速恢复二极管的正极之间。

进一步的，所述电池化成检测***包括叠层母线，所述叠层母线包括至少三层相互绝缘的铜板层；所述开关电源的正极通过一层所述铜板层与位于上桥臂的所述IGBT的漏极相连，其负极通过另一层所述铜板层与位于下桥臂的所述IGBT的源极相连，位于上桥臂的所述IGBT的源极通过第三层所述铜板层与位于下桥臂的所述IGBT的漏极相连。

进一步的，所述缓冲电容的电容值为

其中，Lm为电路杂散寄生电感，I_L为感性负载电流，ΔU%为过电压保护程度，U_d为母线电压；所述吸收电阻的阻值为 $\mathrm{Rs}=\frac{-\mathrm{Ts}/n}{\mathrm{Cs}*\ln \left(\frac{1-1.01}{1-1.15}\right)}=\frac{1}{2.708*n*\mathrm{fs}*\mathrm{Cs}},$ 其中，Ts为一个PWM的控制周期，Ts/n为放电时间，fs为PWM调整频率；流过所述快速恢复二极管的电流为

其中，t_f为流过所述快速恢复二极管的电流从零上升到I_L所需的时间，ω₀为杂散寄生电感和缓冲电容的谐振频率。

进一步的，所述脉宽调制数字处理器的输出端与所述IGBT模块的控制端之间接有高速光电耦合输入输出电路。

进一步的，所述IGBT的源极与漏极之间接有续流二极管。

进一步的，所述脉宽调制数字处理器进行脉宽调制的载波为三角波。

本发明还提供一种通过并行自校正多目标遗传算法对电池化成检测***中吸收保护电路的参数进行优化选择的方法，所述电池化成检测***，包括比较电路和采样装置，所述电池经所述采样装置与所述比较电路的输入端连接；还包括IGBT模块和脉宽调制数字处理器，所述脉宽调制数字处理器的输入端与所述比较电路的输出端连接；所述IGBT模块的输入端接开关电源，其输出端接所述电池，其控制端接所述脉宽调制数字处理器；所述IGBT模块包括位于上桥臂的IGBT、位于下桥臂的IGBT和两个吸收保护电路，位于上桥臂的所述IGBT的源极与位于下桥臂的所述IGBT的漏极相连，两个所述IGBT的栅极均与所述脉宽调制数字处理器连接；

所述吸收保护电路包括缓冲电容、快速恢复二极管和吸收电阻；位于上桥臂的所述缓冲电容的一端与位于上桥臂的所述快速恢复二极管的正极相接，另一端与位于上桥臂的所述IGBT的漏极相接，位于上桥臂的所述快速恢复二极管的负极与位于上桥臂的所述IGBT的源极相接；位于下桥臂的所述缓冲电容的一端与位于下桥臂的所述快速恢复二极管的负极相接，另一端与位于下桥臂的所述IGBT的源极相接，位于下桥臂的所述快速恢复二极管的正极与位于下桥臂的所述IGBT的漏极相接；位于上桥臂的所述吸收电阻接于位于上桥臂的所述IGBT的漏极与位于下桥臂的所述快速恢复二极管的负极之间，位于下桥臂的所述吸收电阻接于位于下桥臂的所述IGBT的源极与位于上桥臂的所述快速恢复二极管的正极之间；

所述进行优化选择的方法的特征在于包括以下步骤：

步骤s1：初始化基因链X=[Rs，Ds，Cs]，对染色体进行实数编码；

步骤s2：随机产生规模为N的初始种群P0，并将初始种群且随机分成三组，即优类子种群P_I、劣类子种群P_II和中间子种群P_III，其为第一代子种群，记其种群代数t=0；子种群P_I、P_II和P_III的种群规模分别为N1、N2和N3；

步骤s3：以交叉概率P_C对每个子种群中的染色体进行等位基因交叉：优类子种群P_I具有较小的交叉概率P_C，劣类子种群P_II具有较大的交叉概率P_C，中间子种群P_III的交叉概率P_C处于优类子种群P_I和劣类子种群P_II的交叉概率之间；

步骤s4：以变异概率P_M对每个子种群中的染色体进行变异：优类子种群P_I具有较小的变异概率P_M，劣类子种群P_II具有较大的变异概率P_M，中间子种群P_III的变异概率P_M处于优类子种群P_I和劣类子种群P_II的变异概率之间；

步骤s5：根据适应度函数 $\left\{\begin{array}{c}{F}_1\left(x\right)=15\%-\mathrm{\ΔU}\%\\ F_2\left(X\right)=\mathrm{Ts}-\mathrm{\τ}\\ F_3\left(X\right)=C3-F\end{array}\right.,$ 对优类子种群P_I中的染色体适应度进行评估；其中：

I_L为感性负载电流，U_d为母线电压，Lm为电路杂散寄生电感；

Ts为一个PWM的控制周期，时间常数τ=Rs*Cs；

C3是一个正数，

v表示第v个功率管上对应的吸收保护电路，k₁、k₂和k₃分别为吸收保护电路中的无感电阻Rs_v、快速恢复二极管Ds_v、无感电容Cs_v所对应的单位价格因子，m为主回路中功率管IGBT的个数；

步骤s6：若优类子种群P1内所有染色体均满足两个适应度值阈值条件，即满足：

$\left\{\begin{array}{c}2*\mathrm{Ts}/3\≤f_2\≤5*\mathrm{Ts}/6\\ C3-F\≤f_3\≤C3\end{array}\right.,$ 且连续三代种群的最大f₁的变化量均小于一个很小的正数，则算法已收敛，选择子种群内概率P_best最大的染色体作为最优解输出，

$P_{\mathrm{best}}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{1j}}*(1-\frac{|f_{2i}-{\mathrm{\ϵ}}_{2\max }|}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|f_{2j}-{\mathrm{\ϵ}}_{23\max }|})*(1-\frac{|f_{3i}-{\mathrm{\ϵ}}_{3\max }|}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|f_{3i}-{\mathrm{\ϵ}}_{3\max }|});$

其中，f₁、f₂和f₃分别为F₁(X)、F₂(X)和F₃(X)的适应度值，i为第i个染色体；

步骤s7：如果算法尚未收敛，则使种群代数t增加1，按照多目标协调和染色体选择机制对染色体进行优劣选择，不同优劣程度的染色体通过共享存储器M_IV被重新分配到优类子种群P_I、劣类子种群P_II和中间子种群P_III中，再执行步骤s3。

进一步的，步骤s7进一步包括以下子步骤：

子步骤s71：对ε_2min≤f_2i≤ε_2max且ε_3min≤f_3i≤ε_3max的染色体i作为f₁最佳染色体进行非重复选择，在下一代的遗传操作中，以上两类的染色体被放入优类子种群P_I；

子步骤s72：对ε_2min≤f_2i≤ε_2max但不满足ε_3min≤f_3i≤ε_3max的染色体i以概率P_S2进行选择，

$P_{S2}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{3i}|,|f_{3i}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{3j}|,|f_{3j}-{\mathrm{\ϵ}}_{3\max }\left|\right\}});$

对ε_3min≤f_3i≤ε_3max但不满足ε_2min≤f_2i≤ε_2max的染色体i以概率P_S3进行选择，

$P_{S3}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{2i}|,|f_{2i}-{\mathrm{\ϵ}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{2j}|,|f_{2j}-{\mathrm{\ϵ}}_{2\max }\left|\right\}});$

在下一代的遗传操作中，将这两类的染色体放入中间子种群P_III；

子步骤s73：对既不满足ε_2min≤f_2i≤ε_2max，又不满足ε_3min≤f_3i≤ε_3max的染色体i以概率P_S进行选择，

$P_S=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{2i}|,|f_{2i}-{\mathrm{\ϵ}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{2j}|,|f_{2j}-{\mathrm{\ϵ}}_{2\max }\left|\right\}})*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{3i}|,|f_{3i}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{3j}|,|f_{3j}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}),$

在下一代的遗传操作中，这类的染色体被放入劣类子种群P_II。

进一步的，0.44≤P_C≤0.99，0.0001≤P_M≤0.1，C3=20000。

本发明带来的有益效果是：本发明电池化成检测***基于新型电力电子器件IGBT的大功率主回路设计、基于DSP控制的高速高精度微机控制器以及基于CAN总线的新型通信功能模块设计的新型大功率电池化成检测***，对采样电流或电压与基准电流或电压进行比较，生成PWM控制脉冲，控制新型电力电子器件IGBT模块的导通，转变成恒流源或恒压源加载到电池上，根据工艺要求，完成对电池的充放电控制和管理。

本发明电池化成检测***检测精度、***可靠性、安全性和自动化程度高，设备能耗低，能满足大规模生产应用的需要。

本发明通过分析IGBT模块过电压产生机理以及过电压保护吸收保护电路工作原理之后，设计了一种新的主回路结构及其保护吸收保护电路结构，使主回路电感更小，从而能更好地控制瞬态电压。

在对保护吸收保护电路参数进行选择时，提出了一种并行自校正多目标遗传算法优化技术对吸收保护电路的参数进行优化，这种算法通过多种群的并行进化来保证种群的优良性能和进化的收敛速度，自适应的调整遗传交叉概率和变异概率来避免种群的早熟现象，适应度函数的阈值制约和以不同概率进行染色体选择操作，使得种群朝多个目标最佳协调点的方向进化而得到多目标最优解。

本发明电池化成检测***中的主电路结构及其保护吸收保护电路结构和所提出的并行自校正多目标遗传算法优化技术已应用于大功率电池化成检测***的工程研制中。通过实例证明，该优化设计的方法有效，可操作性强，设计的电路综合性能好，与传统的设计方法相比，优化后的吸收保护电路可靠性更高，而成本更低，因而工程应用价值较高。

附图说明

图1为本发明电池化成检测***的基本原理电路图；

图2为本发明电池化成检测***的u/r、i/r曲线图；

图3为本发明电池化成检测***实施例的结构示意框图；

图4为本发明电池化成检测***实施例中脉宽调制控制原理图；

图5为本发明电池化成检测***实施例中的光电耦合电路的电路结构图；

图6为电池化成检测***中无吸收保护电路的IGBT模块的电路示意图；

图7为本发明电池化成检测***实施例的具有吸收保护电路的IGBT模块的电路示意图；

图8为本发明电池化成检测***实施例中IGBT模块处于换流过程的等效电路示意图；

图9为本发明电池化成检测***实施例中IGBT模块处于换流过程的电流波形示意图；

图10为本发明电池化成检测***实施例中回路上过电压产生等效电路示意图；

图11为本发明电池化成检测***实施例中电容放电过程的等效电路示意图；

图12为本发明电池化成检测***实施例中吸收保护电路一个工作周期电压、电流波形示意图；

图13为本发明电池化成检测***的主回路叠层母线断面示意图；

图14为本发明通过并行自校正多目标遗传算法对电池化成检测***中吸收保护电路的参数进行优化选择的方法的流程示意图。

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。

本发明的大功率汽车动力电池化成检测***的基本原理如图1所示。***类似一个恒压源或恒流源对动力电池进行充放电，在充放电过程，按照如图2的工艺要求进行控制，并且在控制过程中，采集电流、电压和温度等电气参数，测算电池的内阻和容量。

本发明实施例的电池化成检测***采用PWM（脉宽调制）的控制方法，构成恒压源或恒流源对电动汽车的动力电池进行充放电，如图3所示，***包括比较电路1、采样装置6、IGBT模块4和脉宽调制数字处理器3，电池5经采样装置6与比较电路1的输入端连接，脉宽调制数字处理器2的输入端与比较电路1的输出端连接；IGBT模块4的输入端接开关电源7，其输出端接电池5，其控制端接脉宽调制数字处理器2。

比较电路1中预设有电压或电流参考值，采样装置6为对电池5进行电压采样的电压或电流采样器。

在控制过程中，采样装置对电池电压或电流进行取样送入比较电路中，比较电路比较采样电压或电流与设定的电压或电流，形成脉宽调制波的控制脉冲，控制IGBT模块的导通，形成恒压源或恒流源加载到电池上。

控制机是电池化成检测***的重要组成部分，它直接控制着功率器件IGBT模块的导通和关断，由于控制环节计算量大，流程复杂，精度要求高，所以控制机的性能及所采用的控制方案是大功率汽车动力电池化成检测***运行效果的决定性因素，它的性能将直接影响整个***的稳定性、可靠性以及安全性。并且，控制机需要处理智能控制算法处理和执行通信程序，对其微处理器的运算速度和通信速度有很高的要求，因此需要选择高性能的微处理器。

与单片机相比，DSP（数字处理器）具有较高的集成度，具有更快的CPU，更大容量的存储器，内置有波特率发生器和FIFO（先入先出队列）缓冲器，提供高速、同步串口和标准异步串口，片内集成了A/D和保持电路，可提供PWM输出。本发明基于DSP微处理器的控制机具有快速的运算能力（指令执行时间为纳秒级），强大的片内外设功能（3个通用定时器和3个全比较单元可产生6路带死区的PWM波，3个单比较单元可产生3路PWM波)，使得高精度的脉冲发生和控制功能可以实现。

控制机主要完成以下功能：

（1）产生控制触发脉冲

根据优化控制算法，产生一定规律的触发脉冲，经门极驱动电路放大后去控制功率器件的导通和关断，使控制机能产生正确的控制波形；

（2）自我保护功能

控制机的保护功能是一种高层次的保护，当控制机短时间运行在过载或其他不正常状态后，控制机通过保护功能使其回到正常工作状态，从而能保证连续地正常工作；

（3）控制机自我容错功能

一旦控制机自身某些元件出现错误，控制机能立即发现并报警，同时不使控制机完全退出运行，故障修复后，就可很容易地恢复运行。

因此，在本发明的硬件结构设计中，控制机中采用数字处理器作为微处理器，并在控制算法中采用PWM脉宽调制控制方法，即控制机中具有脉宽调制数字处理器。

***采用PWM的控制方法，形成脉宽调制波的控制脉冲，控制新型电力电子器件IGBT模块的导通，形成恒压源或恒流源加载到电池上。脉宽调制波的控制脉冲宽度的生成算法有许多种，最常用的是自然采样法，但由于自然采样法这种算法计算量较大，在实时计算要求较高的场合难以应用，因此在设计时，***采用三角波作载波，利用改进的规则采样算法来计算调制脉冲的宽度。

图4是改进的规则采样算法的原理示意图，在三角载波的负脉冲尖峰时刻t_D对设定的电流或电压控制波形采样而得到D点，通过D点作水平直线与三角载波分别相交于A点和B点，得到这两点之后，就可以在A点对应的时刻t_A和B点对应的时刻t_B控制功率器件的开关和通断。图中，u_C为三角载波；T_C为三角载波周期；u_r为设定的电流或电压控制波形。

假设要调制成正弦信号，则由图4可得：

式中:δ为算法中要计算的控制信号调制脉冲宽度；m为PWM调制波的调制度；sinω_rt_D为正弦调制波在t_D时刻的值。

由上式可得：δ＝T_c(1+msinω_rt_D)/2。

在本发明电池化成检测***的硬件结构设计中，如图3所示，在脉宽调制数字处理器2的调制脉宽控制信号PWM波输出端和执行机构新型电子功率器件IGBT模块4的控制信号输入端之间，连接有高速光电耦合输入输出电路3，如图5所示，IGBT模块4选用IPM模块（Intelligent Power Module，智能功率模块）。该电路起隔离干扰的作用，使得整个***运行时，其主电路和控制电路之间能分离开来。

本发明实施例采用的高速光电耦合隔离输入输出电路的具体电路如图5所示。该电路有如下优点：

（1）增强输出信号的驱动能力，使之能充分驱动功率器件的通断；

（2）由于信号之间是通过光电二极管来传递信息，输入端与输出端之间的绝缘性能得到加强，而且相互间没有电磁感应现象，所以输入端的噪声不致传递到输出端，而输出端的噪声也不会反馈到输入信号源，因此达到有效抑制噪声的目的；

（3）信号之间的传递仅仅为单方向，只有从输入到输出，而无输出至输入的影响。

在逆变电路PWM调制控制中，IGBT模块由于开关速度快，开关频率高，动态损耗较大，关断过程中功率管上有时会出现危险的过电压，造成功率管的损坏。产生过电压主要有两个原因：关断浪涌电压和续流二极管恢复浪涌电压。关断浪涌电压是在关断瞬间流过IGBT的电流被切断时产生的瞬态高压；而当续流二极管恢复时会产生与关断浪涌电压相似的浪涌电压。

如图6所示电路中，当上桥臂的IGBT G开通时，通过感性负载的电流i_L将增加。当这只IGBT G被关断时，感性负载中的电流不可能立刻发生变化。它必须通过下桥臂的IGBTG的续流二极管D0流通。当上桥臂的IGBT G再一次导通时，负载电流又变换到上桥臂的IGBT G上，并且再次开始增加。如果电路是理想的，并且不存在寄生的杂散电感，上桥臂的IGBT G关断时其上的电压u_CE1将上升，直到它的值达到比母线电压U_d高出一个二极管的压降值。下桥臂的IGBT G的续流二极管D0随后导通以防止电压进一步增加。

但在实际的功率电路线路中存在有寄生的杂散电感。在图6所示电路中增加一个总值为Ls的漏电感以模拟线路杂散电感的影响。当上桥臂的IGBT G关断时，电感Ls阻止负载电流向下桥臂的IGBT G的续流二极管D0切换，在该电感两端产生阻止母线电流减少的电压

电压的极性如图6所示，它与直流电源母线电压相叠加并以浪涌电压的形式加在上桥臂的IGBT G的两端。在极端情况下，该浪涌电压会超过IGBT G的额定值U_CE1而导致它的损坏。

当续流二极管D0恢复时会产生与关断浪涌电压相似的浪涌电压。如图6所示中，上桥臂的IGBT G处于关断状态，并且负载电流i_L通过下桥臂的IGBT G的续流二极管D0而流通，当上桥臂IGBT G开通时，在下桥臂IGBT G的续流二极管D0的电流将随着负载电流i_L开始转换到上桥臂而下降，并且当续流二极管D0恢复之时，母线电流会迅速下降为零。此时，线路中的杂散寄生电感Ls产生了一个浪涌电压，它将阻止电流的下降。这种情况下，

与续流二极管D0的恢复特性有关。如果快恢复二极管D0在上桥臂IGBT G快速开通时被“硬恢复”，将产生特别高的反向恢复

从而导致很高的瞬态电压。

为了消除这种因回路结构引线而产生的瞬态浪涌高压，在使用IGBT构成主回路电路时，必须设计好主回路的吸收保护电路。IGBT吸收保护电路和传统的双极晶体管吸收保护电路在两个方面有区别。第一，IGBT具有强大的开关安全工作区，吸收保护电路不需要抑制那种达林顿复合晶体管的二次击穿超限，它只需控制瞬态电压；第二，IGBT工作于比达林顿管高得多的频率范围，在每次开关循环中吸收保护电路都要通过IGBT器件放电，这样对瞬态电压控制的要求较高。

从整个功率电路布局的角度出发，结合参考成本和工作频率，本发明人设计了如图7所示的吸收保护电路。

如图7所示，IGBT模块4包括位于上桥臂的IGBT G、位于下桥臂的IGBT G和两个吸收保护电路，位于上桥臂的IGBT G的源极与位于下桥臂的IGBT G的漏极相连，两个IGBT G的栅极均与所述脉宽调制数字处理器连接2。

如图7所示，吸收保护电路包括缓冲电容Cs、快速恢复二极管DS和吸收电阻Rs；位于上桥臂的缓冲电容Cs的一端与位于上桥臂的快速恢复二极管Ds的正极相接，另一端与位于上桥臂的IGBT G的漏极相接，位于上桥臂的快速恢复二极管Ds的负极与位于上桥臂的IGBT G的源极相接；位于下桥臂的缓冲电容Cs的一端与位于下桥臂的快速恢复二极管Ds的负极相接，另一端与位于下桥臂的IGBT G的源极相接，位于下桥臂的快速恢复二极管Ds的正极与位于下桥臂的IGBT G的漏极相接；位于上桥臂的吸收电阻Rs接于位于上桥臂的IGBT G的漏极与位于下桥臂的快速恢复二极管Ds的负极之间，位于下桥臂的吸收电阻Rs接于位于下桥臂的IGBT G的源极与位于上桥臂的快速恢复二极管Ds的正极之间。

这种吸收保护电路具有较小的回路电感，因为它直接连接到每个IGBT G的集电极和发射极，从缓冲回路中除去了每个桥臂中另外一个IGBT封装块的电感和E1与C2端子间的联线电感，因此能更好地控制瞬态电压。

在PWM控制的高频工作中，吸收保护电路每个周期的工作原理如下。

第一阶段：关断瞬间IGBT G与缓冲电容Cs换流过程：

这一阶段实际上就是负载电流转换过程。当上桥臂的IGBT G被关断的瞬间，其流过的电流i_T迅速减少，但由于感性负载的电流I_L不可能立刻变化，因此，负载电流通过缓冲电容Cs和快速恢复二极管Ds组成的电路流通。如图8给出了一个线性化换流过程中的等效电路图，图9给出了换流过程中的电流波形图。其中，

i_T=I_L*(1-tt_f)  （4.1）

i_Ds=t*I_L/t_f   （4.2）

i_T+i_Ds=I_L   （4.3）

$u_{\mathrm{Cs}1}=U_d+\frac{1}{\mathrm{Cs}}*{\∫}_0^t{i}_{\mathrm{Ds}}\mathrm{dt}---\left(4.4\right)$

当t=t_f时，位于上桥臂的IGBT G被完全关断，表示这一过程结束，此时缓冲电容Cs上的

电压和通过的电流为：

$U_{\mathrm{Cs}1}\left(t_f\right)=U_d+\frac{I_L*t_f}{2*\mathrm{Cs}}---\left(4.5\right)$

I_Ds＝I_L   （4.6）。

第二阶段：回路上过电压产生过程：

当PWM控制的逆变器是“零矢量”开关模式时（即上下两个IGBT均处于关断状态），过电压最严重。以这种模式为例，讨论第二阶段的工作过程。此时，通过缓冲电容Cs和快速恢复二极管Ds的负载电流I_L将要减小，而由于线路上杂散寄生电感Ls和Ls′的存在，将产生一个浪涌反电动势u_s阻止电流的减小，由此得到的等效电路图如图10所示。由电路方程可得：

$u_{\mathrm{Cs}2}=U_{\mathrm{Cs}1}\left(t_f\right)+\mathrm{\ΔU}$

$=U_{\mathrm{Cs}1}\left(t_f\right)+\frac{1}{C_s}*{\∫}_{t_f}^{t_s}{i}_L\mathrm{dt}=U_{\mathrm{Cs}1}\left(t_f\right)+(\mathrm{Ls}+{\mathrm{Ls}}^{\′})*\frac{{\mathrm{di}}_L}{\mathrm{dt}}---\left(4.7\right)$

i_L＝I_L*cosωt   （4.8）

Lm＝Ls+Ls′    （4.9）当

电路发生杂散寄生电感Lm与缓冲电容Cs的谐振振荡，并且在此谐振过程进行到

时，缓冲电容Cs电压达到最大，谐振电流i_L＝0。（因为开关元件速度很快时，t_f是纳秒级，当电容取值足够大时，在此阶段的计算可以忽略电流转换阶段电容电压的升高，即认为U_Cs1(t_f)＝U_d）。此时有：

$\mathrm{\ΔU}\%=\frac{\mathrm{\ΔU}}{U_d}=\frac{I_L}{U_d}*\sqrt{{\left(\frac{t_f}{\mathrm{Cs}}\right)}^2+\frac{\mathrm{Lm}}{\mathrm{Cs}}}\≈\frac{I_L}{U_d}*\sqrt{\frac{\mathrm{Lm}}{\mathrm{Cs}}}---\left(4.10\right)$

$U_{\mathrm{Cs}2}\left(t_s\right)=U_d+I_L*\sqrt{\frac{\mathrm{Lm}}{\mathrm{Cs}}}=U_d*(1+\mathrm{\ΔU}\%)---\left(4.11\right)$

$\mathrm{Cs}=\frac{\mathrm{Lm}*I_L^2}{{(U_{\mathrm{Cs}2}\left(t_s\right)-U_d)}^2}=\frac{\mathrm{Lm}*I_L^2}{{(\mathrm{\ΔU}\%*U_d)}^2}---\left(4.12\right)$

式中，ΔU%为过电压保护程度，当选定Cs容量之后，实际的保护程度ΔU%是根据式（4.10）计算的数值。

第三阶段：缓冲电容Cs的放电过程：

当缓冲电容电压达到最大值之后，电容Cs开始通过电阻Rs、直流电源和负载放电。在放电期间，认为负载是恒流源。由于储能电容C₀远远大于Cs，把C₀看成是恒压源。有了负载之后，可以不计Lm对放电的影响，这样就得到放电时的等效电路如图11所示。据此电路有：

$u_{\mathrm{Cs}3}=U_d*(1+\mathrm{\ΔU}\%*e^{-\frac{t}{\mathrm{Rs}*\mathrm{Cs}}})---\left(4.13\right)$

$\ln \left(\frac{U_d-u_{\mathrm{Cs}3}}{U_d-U_{\mathrm{Cs}2}\left(t_s\right)}\right)=\ln \left(\frac{U_d-u_{\mathrm{Cs}3}}{-\mathrm{\ΔU}\%*U_d}\right)=\frac{t}{\mathrm{Rs}*\mathrm{Cs}}---\left(4.14\right)$

$i_{\mathrm{Rs}}=-\mathrm{Cs}*\frac{{\mathrm{du}}_{\mathrm{Cs}3}}{\mathrm{dt}}---\left(4.15\right)$

上式中，缓冲电容的过电压从U_Cs2(t_s)下降到U_d的时间与吸收保护电路结构参数选择有关。以放电时间为一个PWM周期Ts的六分之一考虑，即在

时间内，U_Cs2(t_s)降低到1.01U_d，这样有：

$\mathrm{Rs}=\frac{-\mathrm{Ts}/6}{\mathrm{Cs}*\ln \left(\frac{U_d-u_{\mathrm{Cs}3}}{U_d-U_{\mathrm{CS}2}\left(t_s\right)}\right)}=\frac{-\mathrm{Ts}/6}{\mathrm{Cs}*\ln \left(\frac{1-1.01}{1-1.15}\right)}=\frac{1}{16.248*\mathrm{fs}*\mathrm{Cs}}---\left(4.16\right)$

式中，ΔU%为设定的过电压保护程度，当选定Cs容量之后，按实际的保护程度ΔU%代入计算，fs为PWM调整频率；

缓冲电容Cs的放电电流为

$i_{\mathrm{Cs}}=i_{\mathrm{Rs}}=-\mathrm{Cs}*\frac{{\mathrm{du}}_{\mathrm{Cs}3}}{\mathrm{dt}}=\frac{\mathrm{\ΔU}\%*U_d}{\mathrm{Rs}}*e^{-\frac{t}{\mathrm{Rs}*\mathrm{Cs}}}---\left(4.17\right)$

在电阻Rs所损耗的能量为

$W_{\mathrm{Rs}}=\frac{3}{\mathrm{Ts}}*{\∫}_0^{\frac{\mathrm{Ts}}{6}}{i}_{\mathrm{Rs}}^2*\mathrm{Rsdt}=\frac{3}{2}*\mathrm{Cs}*\mathrm{fs}*{(\mathrm{\ΔU}\%*U_d)}^2(1-e^{\frac{\mathrm{Ts}}{3*\mathrm{Rs}*\mathrm{Cs}}})$

$\≈\frac{3}{2}*\mathrm{Cs}*\mathrm{fs}*{(\mathrm{\ΔU}\%*U_d)}^2=\frac{3}{2}*\mathrm{fs}*\mathrm{Lm}*I_L^2$

从式（4.18）可看出，吸收保护电路的能量损耗与电阻Rs的阻值和缓冲电容Cs的容量没有关系，而与杂散电感Lm和PWM调制频率fs的乘积成正比，与负载电流的平方成正比。从放电回路的放电时间常数τ＝Rs*Cs可知，选择较小的Rs可以使放电时间更短，能量损耗更快，此时要求的缓冲电容Cs更大，对限制过电压ΔU%更有利，但对电阻的功率要求更高，电阻本身也要求是无感电阻。

在吸收保护电路的工作周期中，流过快速恢复二极管Ds的电流由两部分组成：

（1）在换流过程中：

$i_{\mathrm{Ds}}=\frac{I_L*t}{t_f}---\left(4.19\right)$

（2）在杂散寄生电感与缓冲电容的谐振过程中：

$i_{\mathrm{Ds}}=\mathrm{Cs}*\frac{{\mathrm{du}}_{\mathrm{Cs}2}}{\mathrm{dt}}=\mathrm{Cs}*\frac{d}{\mathrm{dt}}(U_d+\sqrt{\frac{\mathrm{Lm}}{\mathrm{Cs}}}*I_L*\sin {\mathrm{\ω}}_{0}t)=I_L*\cos {\mathrm{\ω}}_{0}t---\left(4.20\right)$

由此可求得流过Ds电流的有效值为：

$I_D=\sqrt{\frac{3}{\mathrm{Ts}}*[{\∫}_0^{t_f}{\left(\frac{I_L*t}{t_f}\right)}^2\mathrm{dt}+{\∫}_0^{\frac{\mathrm{\π}}{2*{\mathrm{\ω}}_0}}{(I_L*\cos {\mathrm{\ω}}_{0}t)}^2\mathrm{dt}]}=I_L*{}_{}\sqrt{\frac{1}{\mathrm{Ts}}*(t_f+\frac{3*\mathrm{\π}}{4*{\mathrm{\ω}}_0})}---\left(4.21\right)$

在工程应用中，可根据上式对快速恢复二极管进行选型。

以上我们分析了所设计的吸收保护电路的工作原理，整个吸收保护电路一个工作周期缓冲电容Cs上的电压电流波形图如图12所示。

由能量守恒定律知道，在主回路中引起浪涌电压的能量等于电阻Rs上消耗的能量。由式（4.18）知：

可见，在主回路中引起浪涌电压的能量与

成比例,这里Lm是母线的寄生电感,I_L是工作负载电流。我们可以看到一个非常重要的事实是:这一能量与工作电流的平方成正比，所以在使用大电流的器件时更加需要降低功率回路的电感。

但是功率器件本身的外形尺寸及热设计要求较长的功率回路接线,如果采用传统的母线电路，这些较长的线路中将会有更多的寄生电感，使缓冲吸收保护电路设计变得很困难。

为了得到一种适合大电流工作的低电感电路，我们设计了一种特殊的母线结构：由交错镀铜层和绝缘层构成的迭层母线设计，这样可以使母线电感量降低很多。叠层母线8包括至少三层相互绝缘的铜板层80；开关电源7的正极通过一层铜板层80与位于上桥臂的IGBT G的漏极相连，其负极通过另一层铜板层80与位于下桥臂的IGBT G的源极相连，位于上桥臂的IGBT G的源极通过第三层铜板层80与位于下桥臂的IGBT G的漏极相连。迭层母线中被绝缘层隔离的铜板用于正极和负极母线的联接，这种宽而平的铜板起到了防止功率回路中寄生电感的作用。迭层母线设计的断面图如图13所示。在这一构造中E1与C2之间通过用迭层母线中的另一层宽平极板相连接而使其电感量减小。

在主回路电路已经设计好，线路杂散寄生电感已经确定的情况下，一个结构参数性能良好的吸收保护电路是功率模块正常工作的保证。本实施例中给出了上述低电感的新型吸收保护电路，并且对电路中各种元器件的选择有了计算公式。但是，实际应用中，吸收保护电路各种元器件的选型并没有这么简单。这是因为在控制过程中，我们希望IGBT器件工作的开关频率相对较高比较好，然而，提高器件开关频率的同时，也带来因开关损耗的增加使***效率下降和器件工作可靠性降低的问题，如何选择好吸收保护电路元器件的参数，提高电路的可靠性，是吸收保护电路参数优化选择的目标之一。吸收保护电路参数优化选择的目标之二是投资成本问题，在保证电路工作可靠性的同时，要求电路设计的成本最低。此外，由于吸收保护电路采用的电阻和电容都要求其电感值很低（降低整个回路的电感，最好是无感电阻和无感电容），而市场提供的电感、电容以及快速恢复二极管的型号选择有限，这就构成了吸收保护电路参数优化选择的约束。因此，主回路吸收保护电路参数的选择是一个有约束条件的多种目标综合优化考虑的问题。

主回路吸收保护电路的常规设计方法一般都是根据工程经验或简单的技术经济指标来选择参数，没有进行优化设计。已有的优化设计方法中，假设条件较多，寻优空间较小，寻优能力不强，且对一些问题（如工程应用中的成本、市场型号等）未加考虑。论文本节采用一种并行自校正多目标遗传算法来进行吸收保护电路参数的优化选型，这种算法通过多种群的并行进化来保证种群的优良性能和进化的收敛速度，自适应的调整遗传交叉概率和变异概率来避免种群的早熟现象，适应度函数的阈值制约和以不同概率进行染色体选择操作，使得种群朝多个目标最佳协调点的方向进化而得到多目标最优解。

由上述式（4.12）、式（4.16）和式（4.21）知Cs、Rs和Ds选型必须满足的要求如下***方程、优化目标和约束条件，我们把它看成是参数选优问题。

（1）***方程：

$\left\{\begin{array}{c}\mathrm{Cs}=\frac{\mathrm{LM}*I_L^2}{{(U_{\mathrm{Cs}2}\left(t_s\right)-U_d)}^2}=\frac{\mathrm{Lm}*I_L^2}{{(\mathrm{\ΔU}\%{*U}_d)}^2}\\ \mathrm{Rs}=\frac{-\mathrm{sT}/n}{\mathrm{Cs}*\ln \left(\frac{U_d-u_{\mathrm{Cs}3}}{U_d-U_{\mathrm{Cs}2}\left(t_f\right)}\right)}=\frac{-\mathrm{Ts}/n}{\mathrm{Cs}*\ln \left(\frac{1-1.01}{1-1.15}\right)}=\frac{1}{2.708*n*\mathrm{fs}*\mathrm{Cs}}\\ I_D=\sqrt{\frac{3}{\mathrm{Ts}}*[{\∫}_0^{t_f}{\left(\frac{I_L*t}{t_f}\right)}^2\mathrm{dt}+{\∫}_0^{\frac{\mathrm{\π}}{2{\mathrm{\ω}}_0}}{(I_L*\cos {\mathrm{\ω}}_{0}t)}^2\mathrm{dt}]}=I_L*\sqrt{\frac{1}{\mathrm{Ts}}*(t_f+\frac{3*\mathrm{\π}}{4*{\mathrm{\ω}}_0})}\end{array}\right.---\left(4.23\right)$

式中，n的含义见下述约束条件a。

（2）优化目标：

a.可靠性目标之一：主回路功率器件CE两极之间承受的浪涌电压最小，即minΔU%，

$\mathrm{\ΔU}\%=\frac{I_L}{U_d}8\sqrt{{\left(\frac{t_f}{\mathrm{Cs}}\right)}^2+\frac{\mathrm{Lm}}{\mathrm{Cs}}}\≈\frac{I_L}{U_d}*\sqrt{\frac{\mathrm{Lm}}{\mathrm{Cs}}}---\left(4.24\right)$ 其中，I_L是负载工作电流，Lm是主回路线路杂散寄生电感，U_d是直流工作电源，以上在主回路设计时已经确定；

b.可靠性目标之二：放电回路时间最短，时间常数τ最小，即

minτ，τ＝Rs*Cs  （4.25）

c.投资成本目标：整个吸收保护电路元器件成本最小，即minF， $F=\underset{v=1}{\overset{m}{\mathrm{\Σ}}}(k_1*{\mathrm{Rs}}_v+k_2*{\mathrm{Ds}}_v+k_3*{\mathrm{Cs}}_v)---\left(4.26\right)$ 其中，k₁、k₂、k₃分别为吸收保护电路中的无感电阻Rs_v、快速恢复二极管Ds_v、无感电容Cs_v（i表示第i个功率管上对应的吸收保护电路）所对应的单位价格因子（根据各个元器件的耐压值、允许流过的最大电流以及元器件容量确定），m为主回路中功率管IGBT的个数。

（3）约束条件：

a.功率约束条件：当负载工作电流确定（即I_L已定），主回路已经设计好（即Lm已定），控制方案已经确定（即fs已定）时，吸收保护电路缓冲吸收的功率必须满足如下条件：

$W_{\mathrm{Rs}}=\frac{3}{\mathrm{Ts}}*{\∫}_0^{\frac{\mathrm{Ts}}{n}}{i}_{\mathrm{Rs}}^2*\mathrm{Rsdt}=\frac{9}{n}*\mathrm{Cs}*\mathrm{fs}*{(\mathrm{\ΔU}\%*U_d)}^2*(1-e^{\frac{\mathrm{Ts}}{3*\mathrm{Rs}*\mathrm{Cs}}})=\frac{9}{n}*\mathrm{fs}*\mathrm{Lm}*I_L^2---\left(4.27\right)$

其中

即吸收保护电路必须在的时间内释放全部的能量；

b.浪涌电压约束条件：当主回路设计好，其功率器件IGBT已经选型，则其CE两极间的额定值U_CE已定，吸收保护电路的浪涌电压必须满足如下：

ΔU%≤15%   （4.28）

c.市场选型约束条件：由于选择的无感电阻Rs_v、快速恢复二极管Ds_v、无感电容Cs_v要求较高，供应的选择型号有限。假设供应为集合{Q}，则吸收保护电路中Rs_v、Ds_v和Cs_v选型约束条件为：

Rs_vDs_vCs_v∈{Q}＝{Q_Rs,Q_Ds,Q_Cs}   （4.29）其中，Q_Rs为Rs_v的供应品种集，Q_Ds为Ds_v的供应品种集，Q_Cs为Cs_v的供应品种集。

从上可看出，主回路吸收保护电路参数的优化设计问题，也就是在满足一定约束条件的情况下，使得各个目标值达到协调的最优解的搜索问题，本发明实施例采用遗传算法来实现这个多目标优化问题的寻优。

遗传算法中，染色体代表解的形式，包含所有的遗传信息，论文根据主回路吸收保护电路参数优化设计问题的思想来构造染色体的基因链，采用实数编码。对主回路的每单个功率管IGBT而言，它们的吸收保护电路参数和结构具有相同的形式，所以每个单管的吸收保护电路参数均可用无感的吸收电阻Rs、快速恢复二极管Ds、无感的缓冲电容Cs来表示，因此，染色体可表示为一个三维向量的基因链：

X＝[Rs,Ds,Cs]^T   （4.30）

其取值的论域为X≥0。

根据优化目标，构造算法适应度函数如下：

$\left\{\begin{array}{c}{F}_1\left(x\right)=15\%-\mathrm{\ΔU}\%\\ F_2\left(X\right)=\mathrm{Ts}-\mathrm{\τ}\\ F_3\left(X\right)=C3-F\end{array}\right.---\left(4.31\right)$

其中，C₁、C₂均为正数，根据优化问题的约束条件，C₁可以定为15％，C₂可以定为一个PWM的控制周期Ts，C₃是一个比较大的正数，其值可以根据经验确定，我们在研制过程中，C₃定为20000。

在遗传进化过程中，为了尽可能保持一些关键的信息不被丢失，从而保持种群的优良性，加快遗传进化的收敛，我们把种群划分为几个各具特色的子种群，其划分的依据是交叉概率P_C和变异概率P_M的变化情况。

交叉操作是遗传算法产生新染色体的主要方法，交叉概率P_C一般可取较大值。但若取值过大，易于破坏种群中的优良模式；若取值过小，产生新染色体的速度又太慢，其范围为0.40～0.99。变异操作是产生新染色体必不可少的辅助方法，若变异概率P_M取值较大，有可能破坏掉很多较好的模式，使得算法的性能近似于随机搜索的性能，若P_M取值太小，则变异操作产生新染色体的能力和抑制早熟现象的能力较差，一般P_M范围为0.0001～0.1。

基于上述思想，我们在用遗传算法进行吸收保护电路多目标优化选择的过程中，把随机产生的初始种群P(0)分成3组：P_I、P_II和P_III，种群规模分别为N₁、N₂和M₃，分组的方法是随机的。对于种群P_I，让其具有较小的交叉概率P_C和变异概率P_M，称之为优类子种群。较小的P_C和P_M易于保持染色体的稳定性，将优良的染色体尽量保存下来，其作用在于尽可能保护优秀染色体，使适应度函数趋于收敛。对于种群P_II，让其具有较大的交叉概率P_C和变异概率P_M，称之为劣类子种群。较高的P_C和P_M易于产生新的超平面，增大探测到最优个体的可能性，其作用在于不断提供新的超平面，克服过早收敛。对于种群P_III，让其交叉概率P_C和变异概率P_M介于P_I和P_II之间，它兼具P_I和P_II的特点，而作用又没有前两种的作用明显，其目的在于尽可能地记录种群的各种有用信息，以免丢失关键信息，称其为中间子种群。

种群划分后，对每个子种群单独进行遗传进化。在遗传进化进行中，通过下面的染色体多目标协调和选择机制对每代染色体进行优化选择。保存的优良模式继续放入优类子种群P_I进行下一代的遗传操作，同时对较好的模式放入种群P_III，期待通过它尽可能地保持其优良本性，但稍大的交叉概率P_C和变异概率P_M又使其向更优的目标进化。对于较差的染色体，放入劣类子种群P_II，其较大的交叉概率P_C和变异概率P_M增大其向最优个体进化的可能。

在遗传进化开始的时候，P_I、P_II和P_III分别储存在存储器M_I、M_II和M_III上，共享存储器M_IV开始时并不存储数据。在运行过程中，由于我们采用异步式并行进化方案，子种群之间的信息交换通过共享存储器进行，共享存储器对整个进化过程进行统一调配。

这种并行进化种群的划分方法，既可在进化时记录每个子种群的最佳个体，同时在进化的过程中，通过共享存储器M_IV对各个子种群内的染色体进行重新分配，达到了子种群之间相互交换信息的目的，有利于保持群体的多样性。

一般来说，在吸收保护电路参数优化选择的过程中，要使得三个目标同时达到，即三个适应度函数同时最大的解是不可能存在的，搜索最优解的核心是协调各适应度函数之间的关系，尽量使它们同时达到比较大。为此，本论文引入ε制约法，给两个适应度函数F₂(X)、F₃(X)设定阈值常数进行制约，将另一个适应度函数F₁(X)的寻优问题假定在一个约束空间内，即

$\left\{\begin{array}{c}\max F_1\left(X\right)\\ X\⋐\left\{X\right|{\mathrm{\ϵ}}_{z\min }\≤f_z\≤{\mathrm{\ϵ}}_{z\max },z=\mathrm{2,3}\}\end{array}\right.---\left(4.32\right)$

f_z为F_z(X)的适应度值，z＝1,2,3。

这样，就可以使种群向f₁较大的方向进化时，兼顾使f₂和f₃较好的基因，避免算法陷入F₁(X)的局部最优解。同时，通过染色体的选择机制，让f₂和f₃较好的染色体有更大机会进入下一代种群，从而使种群内染色体对F₂(X)、F₃(X)的进化沿着满足阈值条件且靠近上界的方向。因此，通过上述寻优策略，可以为出现使三个适应度值协调得更好的染色体创造条件，从而实现多目标优化。

可根据约束条件设定F₂(X)和F₃(X)的适应度阈值，即

$\left\{\begin{array}{c}\frac{2*\mathrm{Ts}}{3}{\≤f}_2\≤\frac{5*\mathrm{Ts}}{6}\\ C_3-F\≤f_3\≤C\end{array}\right.---\left(4.33\right)$

据此，对第t代染色体做如下选择操作：

步骤s1：保留良种，对f_i1或f_i2或f_i3最大的染色体i以100%的概率选择；

步骤s2：对ε_2min≤f_i2≤ε_2max且ε_3min≤f_i3≤ε_3max的染色体i作为f₁最佳染色体进行非重复选择，也就是保留使f₂和f₃较好的基因，期待经过遗传操作出现f₁更大的染色体，使得在该条件下f₁较大的染色体随着进化过程而不断优化；

在下一代的遗传操作中，以上两类的染色体被放入优类种群P_I；

步骤s3：对ε_2min≤f_i2≤ε_2max但不满足ε_3min≤f_i3≤ε_3max的染色体i以概率P_S2进行选择，使得满足f₂阈值条件的染色体朝着f₁、f₃更好的方向进化；

对ε_3min≤f_i3≤ε_3max但不满足ε_2min≤f_i2≤ε_2max的染色体i以概率P_S3进行选择，使得满足f₃阈值条件的染色体朝着f₁、f₂更好的方向进化；

在下一代的遗传操作中，这两类的染色体被放入种群P_III；

步骤s4：对既不满足ε_2min≤f_i2≤ε_2max，又不满足ε_3min≤f_i3≤ε_3max的染色体i以概率P_S进行选择，为产生满足阈值条件或良种条件的染色体创造条件；

在下一代的遗传操作中，这类的染色体被放入劣类种群P_II。

其中：

$P_{S2}=\frac{f_{i1}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{j1}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{i3}|,|f_{i3}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{j3}|,|f_{j3}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}),$

$P_{S3}=\frac{f_{i1}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{j1}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{i2}|,|f_{i2}-{\mathrm{\ϵ}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{j2}|,|f_{j2}-{\mathrm{\ϵ}}_{2\max }\left|\right\}}),$

$P_S=\frac{f_{i1}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{f}_{j1}}*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{i2}|,|\mathrm{fi}2-{\mathrm{\ϵ}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{2\min }-f_{j2}|,|f_{j2}-{\mathrm{\ϵ}}_{2\max }\left|\right\}})*(1-\frac{\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{i3}|,|f_{i3}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\min \left\{\right|{\mathrm{\ϵ}}_{3\min }-f_{j3}|,|f_{j3}-{\mathrm{\ϵ}}_{3\max }\left|\right\}}),$

N为种群规模（种群内染色体数目），N＝N₁或N₂或N₃。

在遗传操作进行中，算法的早熟收敛意味着种群多样性变差，各染色体之间的差异很小，即种群内所有染色体对三个适应度函数的适应度值都很集中，从而导致遗传操作失去效果，种群中最优个体序列停滞，寻优过程陷入局部极值的陷阱中。

为了避免算法陷入局部解，必须采取措施克服算法的早熟收敛，为此本发明采用一种自校正参数调整的方法来达到维持群体多样性，克服早熟收敛的目的。

随着遗传算法在线性能的提高，相应增大交叉概率P_C的取值；随着遗传算法在线性能的下降，可以减小变异概率P_M的取值，从而有效地维持种群的多样性。这是因为交叉概率P_C和变异概率P_M的取值越大，染色体之间的适应度波动比较大，算法产生新染色体的能力就越强；反之，P_C和P_M越小，算法使染色体趋于收敛的能力越强，染色体的平均适应度比较平稳，就有可能产生早熟现象。

根据自校正的思想，在使用遗传算法对吸收保护电路参数优化过程中，我们对P_C和P_M进行自调整，让它们随着染色体适应度值增加而变小，随着染色体适应度值减小而变M

大。其计算公式为：

交叉概率：

$P_C=\left\{\begin{array}{c}{y}_1*\frac{f_{\max }-f^{\&prime;}}{f_{\max }-f_{\mathrm{avg}}}{,f}^{\&prime;}\&GreaterEqual;f_{\mathrm{avg}}\\ y_2,f^{\&prime;}<f_{\mathrm{avg}}\end{array}\right.---\left(4.34\right)$

变异概率：

$P_M=\left\{\begin{array}{c}{y}_3*\frac{f_{\max }-f}{f_{\max }-f_{\mathrm{avt}}},f\&GreaterEqual;f_{\mathrm{avg}}\\ y_4,f<f_{\mathrm{avt}}\end{array}\right.---\left(4.35\right)$

式中，f_max为当前种群中染色体适应度的最大值，f_avg为当前种群中染色体的平均适应度值，f′为参与交叉操作的两个染色体的适应度值较大的一个，f为参与变异的染色体适应度值；y₁、y₂、y₃、y₄是不大于1的正常数，并且一般来说，y₂和y₄的值相对较大些，以使较差的染色体被破坏的可能性增大些，y₁和y₃的值相对较小些，它们可由具体的问题而进行相应调整。

自调整的工作机理是：

（1）当Δ＝f_max-f_avg越小，种群达到局部最优的可能性越大，早熟的可能性越大，就相应的让P_C和P_M变大，以增加种群产生新染色体的能力；相反，当Δ＝f_max-f_avg越大，种群发散，则降低P_C和P_M，以提高染色体趋于收敛的能力，保持其收敛方向。因此，让P_C与P_M和Δ＝f_max-f_avg成反比；

（2）为了保护优良模式，对于同一代中不同的染色体，让其P_C和P_M分别与f_max-f′及f_max-f成正比。

从上可知，并行自校正多目标遗传算法的步骤如下（并行自校正多目标遗传算法的流程示意图如图14所示）：

步骤sa1：初始化常量，对染色体进行实数编码；

步骤sa2：随机产生规模为N的初始种群P(0)，并且分成三组：P_I、p_II和P_III，子种群规模分别为N₁、N₂和N₃，代表优劣不同的种族；t=0（第一代）；

步骤sa3：以概率P_C对每个子种群中的染色体进行等位基因交叉，即将两个染色体上相同位置的基因互换；

步骤sa4：以概率P_M对每个子种群中的染色体进行变异，即让染色体上某个基因由一个随机数代替；

步骤sa5：根据适应度函数对优类子种群中的染色体适应度进行评估；

步骤sa6：若优类子种群内所有染色体均满足两个适应度值阈值条件，且连续三代种群的最大f₁的变化量均小于一个很小的正数，则算法已收敛，选择子种群内概率P_best最大的染色体作为最优解输出，

$P_{\mathrm{best}}=\frac{f_{i1}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{j1}}*(1-\frac{|f_{i2}-{\mathrm{\&epsiv;}}_{2\max }|}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}|f_{j2}-{\mathrm{\&epsiv;}}_{2\max }|})*(1-\frac{|f_{i3}-{\mathrm{\&epsiv;}}_{3\max }|}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}|f_{j3}-{\mathrm{\&epsiv;}}_{3\max }|});$

步骤sa7：如果算法尚未收敛，令t＝t+1，按照多目标协调和染色体选择机制对染色体进行优劣选择，不同优劣程度的染色体通过共享存储器M_IV被重新分配到P_I、P_II和P_III中，再执行步骤sa3。

我们在使用基于IGBT模块研制大功率电池化成检测***的过程中，采用上述提出的设计思想和设计方法，对主回路结构、主回路吸收保护电路结构和参数进行了优化设计。研制过程中，采用的功率模块是日本三菱基于IGBT的PM800HSA120，逆变器直流工作电源600V，负载工作电流是514A，PWM控制的载波频率6G0Hz。

由于采用了主回路迭层母线结构和低电感保护吸收保护电路，我们对整个回路上杂散寄生电感的值进行了测量，主回路寄生电感Ls≤0.05mH，吸收保护电路电感Ls′≤0.008mH，整个回路的电感值Lm≤0.06mH。据此，对吸收保护电路的参数进行优化选择。

在并行自校正多目标遗传算法寻优过程中，算法最终找到的最优解的三个适应度值并不是寻优过程中最好的，但是都比较好。这就说明，算法不是朝着单个目标进行的，而是沿着三个目标协调的方向进行。采用这种方法设计的主回路吸收保护电路成本比传统经验方法设计的低18.5%，且其可靠性更高。其参数及性能比较如表4.1所示。

表4.1传统经验方法与多目标优化方法设计结果比较

如上所云是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思和内涵的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种电池化成检测***，包括比较电路（1）和采样装置（6），所述电池（5）经所述采样装置（6）与所述比较电路（1）的输入端连接；其特征在于：

还包括IGBT模块（4）和脉宽调制数字处理器（2），所述脉宽调制数字处理器（2）的输入端与所述比较电路（1）的输出端连接；

所述IGBT模块（4）的输入端接开关电源（7），其输出端接所述电池（5），其控制端接所述脉宽调制数字处理器（2）；

所述IGBT模块（4）包括位于上桥臂的IGBT（G）、位于下桥臂的IGBT（G）和两个吸收保护电路，位于上桥臂的所述IGBT（G）的源极与位于下桥臂的所述IGBT（G）的漏极相连，两个所述IGBT（G）的栅极均与所述脉宽调制数字处理器连接（2）；

所述吸收保护电路包括缓冲电容（Cs）、快速恢复二极管（DS）和吸收电阻（Rs）；位于上桥臂的所述缓冲电容（Cs）的一端与位于上桥臂的所述快速恢复二极管（Ds）的正极相接，另一端与位于上桥臂的所述IGBT（G）的漏极相接，位于上桥臂的所述快速恢复二极管（Ds）的负极与位于上桥臂的所述IGBT（G）的源极相接；位于下桥臂的所述缓冲电容（Cs）的一端与位于下桥臂的所述快速恢复二极管（Ds）的负极相接，另一端与位于下桥臂的所述IGBT（G）的源极相接，位于下桥臂的所述快速恢复二极管（Ds）的正极与位于下桥臂的所述IGBT（G）的漏极相接；位于上桥臂的所述吸收电阻（Rs）接于位于上桥臂的所述IGBT（G）的漏极与位于下桥臂的所述快速恢复二极管（Ds）的负极之间，位于下桥臂的所述吸收电阻（Rs）接于位于下桥臂的所述IGBT（G）的源极与位于上桥臂的所述快速恢复二极管（Ds）的正极之间。

2.根据权利要求1所述的电池化成检测***，其特征在于：包括叠层母线（8），所述叠层母线（8）包括至少三层相互绝缘的铜板层（80）；所述开关电源（7）的正极通过一层所述铜板层（80）与位于上桥臂的所述IGBT（G）的漏极相连，其负极通过另一层所述铜板层（80）与位于下桥臂的所述IGBT（G）的源极相连，位于上桥臂的所述IGBT（G）的源极通过第三层所述铜板层（80）与位于下桥臂的所述IGBT（G）的漏极相连。

3.根据权利要求1所述的电池化成检测***，其特征在于：所述缓冲电容的电容值为

其中，Lm为电路杂散寄生电感，I_L为感性负载电流，ΔU%为过电压保护程度，U_d为母线电压；

所述吸收电阻的阻值为 $\mathrm{Rs}=\frac{-\mathrm{Ts}/n}{\mathrm{Cs}*\ln \left(\frac{1-1.01}{1-1.15}\right)}=\frac{1}{2.708*n*\mathrm{fs}*\mathrm{Cs}},$ 其中，Ts为一个PWM的控制周期，Ts/n为放电时间，fs为PWM调整频率；

流过所述快速恢复二极管的电流为其中，t_f为流过所述快速恢复二极管的电流从零上升到I_L所需的时间，ω₀为杂散寄生电感和缓冲电容的谐振频率。

4.根据权利要求1所述的电池化成检测***，其特征在于：所述脉宽调制数字处理器（2）的输出端与所述IGBT模块（4）的控制端之间接有高速光电耦合输入输出电路（3）。

5.根据权利要求1所述的电池化成检测***，其特征在于：所述IGBT的源极与漏极之间接有续流二极管（D0）。

6.根据权利要求1所述的电池化成检测***，其特征在于：所述脉宽调制数字处理器（2）进行脉宽调制的载波为三角波。

7.一种通过并行自校正多目标遗传算法对电池化成检测***中吸收保护电路的参数进行优化选择的方法，所述电池化成检测***，包括比较电路（1）和采样装置（6），所述电池（5）经所述采样装置（6）与所述比较电路（1）的输入端连接；还包括IGBT模块（4）和脉宽调制数字处理器（2），所述脉宽调制数字处理器（2）的输入端与所述比较电路（1）的输出端连接；所述IGBT模块（4）的输入端接开关电源（7），其输出端接所述电池（5），其控制端接所述脉宽调制数字处理器（2）；所述IGBT模块（4）包括位于上桥臂的IGBT（G）、位于下桥臂的IGBT（G）和两个吸收保护电路，位于上桥臂的所述IGBT（G）的源极与位于下桥臂的所述IGBT（G）的漏极相连，两个所述IGBT（G）的栅极均与所述脉宽调制数字处理器连接（2）；

所述吸收保护电路包括缓冲电容（Cs）、快速恢复二极管（DS）和吸收电阻（Rs）；位于上桥臂的所述缓冲电容（Cs）的一端与位于上桥臂的所述快速恢复二极管（Ds）的正极相接，另一端与位于上桥臂的所述IGBT（G）的漏极相接，位于上桥臂的所述快速恢复二极管（Ds）的负极与位于上桥臂的所述IGBT（G）的源极相接；位于下桥臂的所述缓冲电容（Cs）的一端与位于下桥臂的所述快速恢复二极管（Ds）的负极相接，另一端与位于下桥臂的所述IGBT（G）的源极相接，位于下桥臂的所述快速恢复二极管（Ds）的正极与位于下桥臂的所述IGBT（G）的漏极相接；位于上桥臂的所述吸收电阻（Rs）接于位于上桥臂的所述IGBT（G）的漏极与位于下桥臂的所述快速恢复二极管（Ds）的负极之间，位于下桥臂的所述吸收电阻（Rs）接于位于下桥臂的所述IGBT（G）的源极与位于上桥臂的所述快速恢复二极管（Ds）的正极之间；

所述进行优化选择的方法的特征在于包括以下步骤：

步骤s1：初始化基因链X=[Rs，Ds，Cs]，对染色体进行实数编码；

步骤s2：随机产生规模为N的初始种群P0，并将初始种群且随机分成三组，即优类子种群P_I、劣类子种群P_II和中间子种群P_III，其为第一代子种群，记其种群代数t=0；子种群P_I、P_II和P_III的种群规模分别为N1、N2和N3；

步骤s3：以交叉概率P_C对每个子种群中的染色体进行等位基因交叉：优类子种群P_I具有较小的交叉概率P_C，劣类子种群P_II具有较大的交叉概率P_C，中间子种群P_III的交叉概率P_C处于优类子种群P_I和劣类子种群P_II的交叉概率之间；

步骤s4：以变异概率P_M对每个子种群中的染色体进行变异：优类子种群P_I具有较小的变异概率P_M，劣类子种群P_II具有较大的变异概率P_M，中间子种群P_III的变异概率P_M处于优类子种群P_I和劣类子种群P_II的变异概率之间；

步骤s5：根据适应度函数 $\left\{\begin{array}{c}{F}_1\left(x\right)=15\%-\mathrm{\&Delta;U}\%\\ F_2\left(X\right)=\mathrm{Ts}-\mathrm{\&tau;}\\ F_3\left(X\right)=C3-F\end{array}\right.,$ 对优类子种群P_I中的染色体适应度进行评估；其中：

I_L为感性负载电流，U_d为母线电压，Lm为电路杂散寄生电感；

Ts为一个PWM的控制周期，时间常数τ=Rs*Cs；

C3是一个正数，

v表示第v个功率管上对应的吸收保护电路，k₁、k₂和k₃分别为吸收保护电路中的无感电阻Rs_v、快速恢复二极管Ds_v、无感电容Cs_v所对应的单位价格因子，m为主回路中功率管IGBT的个数；

步骤s6：若优类子种群P1内所有染色体均满足两个适应度值阈值条件，即满足： $\left\{\begin{array}{c}2*\mathrm{Ts}/3\&le;f_2\&le;5*\mathrm{Ts}/6\\ C3-F\&le;f_3\&le;C3\end{array}\right.,$ 且连续三代种群的最大f₁的变化量均小于一个很小的正数，则算法已收敛，选择子种群内概率P_best最大的染色体作为最优解输出，

$P_{\mathrm{best}}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{1j}}*(1-\frac{|f_{2i}-{\mathrm{\&epsiv;}}_{2\max }|}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}|f_{2j}-{\mathrm{\&epsiv;}}_{23\max }|})*(1-\frac{|f_{3i}-{\mathrm{\&epsiv;}}_{3\max }|}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}|f_{3i}-{\mathrm{\&epsiv;}}_{3\max }|});$

其中，f₁、f₂和f₃分别为F₁(X)、F₂(X)和F₃(X)的适应度值，i为第i个染色体；

步骤s7：如果算法尚未收敛，则使种群代数t增加1，按照多目标协调和染色体选择机制对染色体进行优劣选择，不同优劣程度的染色体通过共享存储器M_IV被重新分配到优类子种群P_I、劣类子种群P_II和中间子种群P_III中，再执行步骤s3。

8.根据权利要求7所述的方法，其特征在于：

步骤s7中，进一步包括以下子步骤：

子步骤s71：对ε_2min≤f_2i≤ε_2max且ε_3min≤f_3i≤ε_3max的染色体i作为f₁最佳染色体进行非重复选择，在下一代的遗传操作中，以上两类的染色体被放入优类子种群P_I；

子步骤s72：对ε_2min≤f_2i≤ε_2max但不满足ε_3min≤f_3i≤ε_3max的染色体i以概率P_S2进行选择，

$P_{S2}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\&epsiv;}}_{3\min }-f_{3i}|,|f_{3i}-{\mathrm{\&epsiv;}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\min \left\{\right|{\mathrm{\&epsiv;}}_{3\min }-f_{3j}|,|f_{3j}-{\mathrm{\&epsiv;}}_{3\max }\left|\right\}});$

对ε_3min≤f_3i≤ε_3max但不满足ε_2min≤f_2i≤ε_2max的染色体i以概率P_S3进行选择，

$P_{S3}=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\&epsiv;}}_{2\min }-f_{2i}|,|f_{2i}-{\mathrm{\&epsiv;}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\min \left\{\right|{\mathrm{\&epsiv;}}_{2\min }-f_{2j}|,|f_{2j}-{\mathrm{\&epsiv;}}_{2\max }\left|\right\}});$

在下一代的遗传操作中，将这两类的染色体放入中间子种群P_III；

子步骤s73：对既不满足ε_2min≤f_2i≤ε_2max，又不满足ε_3min≤f_3i≤ε_3max的染色体i以概率P_S进行选择，

$P_S=\frac{f_{1i}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{f}_{1j}}*(1-\frac{\min \left\{\right|{\mathrm{\&epsiv;}}_{2\min }-f_{2i}|,|f_{2i}-{\mathrm{\&epsiv;}}_{2\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\min \left\{\right|{\mathrm{\&epsiv;}}_{2\min }-f_{2j}|,|f_{2j}-{\mathrm{\&epsiv;}}_{2\max }\left|\right\}})*(1-\frac{\min \left\{\right|{\mathrm{\&epsiv;}}_{3\min }-f_{3i}|,|f_{3i}-{\mathrm{\&epsiv;}}_{3\max }\left|\right\}}{\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\min \left\{\right|{\mathrm{\&epsiv;}}_{3\min }-f_{3j}|,|f_{3j}-{\mathrm{\&epsiv;}}_{3\max }\left|\right\}}),$ 在下一代的遗传操作中，这类的染色体被放入劣类子种群P_II。

9.根据权利要求7所述的方法，其特征在于：0.44≤P_C≤0.99，0.0001≤P_M≤0.1，C3=20000。

Images