发明内容
发明目的:提供一种提高高频加热效率的反馈控制方法,以解决现有技术存在的上述问题。
技术方案:一种提高高频加热效率的反馈控制方法,包括:
开始射频加热;
完成入射功率、反射功率信号检测;
判定反射系数是否超过设定阈值;
是,使用遗传算法调整匹配电路;
否,不进行调整匹配,并完成正常加热工作;
判定反射系数是否超过设定阈值时,通过对入射功率和反射功率的计算,得知当前反射系数;
对当前的反射系数模值进行计算,代入当前的
,/>
,L取值,源阻抗值取为50欧姆,计算出负载阻抗值;
对当前的负载阻抗值进行遗传算法迭代,变量为
,/>
根据阻抗的范围选择合理的可调电容的容值范围。
本发明采用基于遗传算法来实现阻抗匹配,实现阻抗匹配的快速迭代,确保高频加热***的功率传输效率始终为最优状态,进而提高高频解冻***的高频转换效率,进而使得高频解冻***的高频转换效率达到需求;
在解冻工作过程中,由食品为代表的解冻物的温度变化是缓慢的,实际食物的介电常数变化也是缓慢的,对应的负载阻抗的变化也是缓慢的,通过遗传算法,实现阻抗匹配的快速迭代,确保***的功率传输效率始终为最优状态。
在进一步实施例中,射频解冻时,由高频放大器和阻抗匹配网络之间的定向耦合器取得入射功率、反射功率。
在进一步实施例中,所述电容容值调整是固定电容加上调整极板间距和极板的面积。
在进一步实施例中,还包括基于遗传算法实现阻抗匹配的方法,包括:
步骤1、种群初始化,通过随机生成的方式来创造一个种群,该种群的数量为100~500,采用二进制编码规则;
步骤2、适应度计算(种群评估),将目标函数值
,作为个体的适应度,实际变成求适应度函数/>
的最小值;
步骤3、选择(复制)操作,根据种群中个体的适应度大小,通过轮盘赌方式将适应度高的个体从当前种群中选择出来,其中轮盘赌即是与适应度成正比的概率来确定各个个体遗传到下一代群体中的数量;
步骤4、交叉(交配)运算,该步骤是遗传算法中产生新的个体的主要操作过程,采用一定的交配概率阈值(pc,一般是0.4到0.99)来控制是否采取单点交叉,多点交叉等方式生成新的交叉个体;
步骤5、变异运算,该步骤是产生新的个体的另一种操作,一般先随机产生变异点,再根据变异概率阈值(pm,一般是0.0001到0.1)将变异点的原有基因取反;
步骤6、终止判断,计算子代的反射系数模, 若小于设定值(比如0.05),认为得出最优解,否则返回步骤2。
在进一步实施例中,所述步骤3还包括:
步骤31、首先计算出所有个体的适应度总和Σfi;
步骤32、其次计算出每个个体的相对适应度大小fi/Σfi;
步骤33、再产生一个0到1之间的随机数,依据随机数出现在上述哪个概率区域内来确定各个个体被选中的次数。
在进一步实施例中,所述步骤4还包括:
步骤41、先对群体随机配对;
步骤42、再随机设定交叉点的位置;
步骤43、再互换配对染色体间的部分基因。
在进一步实施例中,还包括高频解冻***;
所述高频解冻***包括:
电源端,包括直流电源模块;
加热端,与供给端连接,依次包括高频激励源、高频放大器、阻抗匹配网络、解冻加热腔;
控制端,与电源端及加热端连接,包括操作显示终端,及与操作显示终端连接且用于控制电源端及加热端的控制模块;
高频解冻***要求尽可能高的高频转换效率,以实现对食物的高效解冻。
提高射频解冻效率的方法包括:
步骤1、提高放大器效率,实现高效率直流射频功率转换;
步骤2、优化加热腔体设计,实现更为均匀的加热;
步骤3、采用匹配网络实现射频放大器和加热腔体的匹配,实现高的射频输入效率;
能够向负载提供足够信号功率的放大电路称之为功率放大器,简称功放;
射频阻抗匹配网络(简称匹配网络)就是将功率放大器输出的射频功率最大化的传输到负载阻抗上。
在进一步实施例中,所述阻抗匹配网络用于将高频放大器输出的射频功率传输到负载阻抗上,完成匹配网络实现高频放大器和解冻加热腔的匹配。
在进一步实施例中,高频放大器与阻抗匹配网络之间设有放大器及匹配器电路;
放大器及匹配器电路包括与高频放大器并联的电容
C,调谐于工作频率的串联电感
、电容/>
,谐振网络和阻抗匹配网络以及负载阻抗
R;
并联电容C 由高频放大器内部的输出电容和附加于负载网络的外电路电容一起组成;
高频放大器在驱动信号作用下, 功率放大器处于开关状态, 漏极电压决定于断开时负载网络的瞬态响应;
匹配网络可以使用L型、PI型、T型匹配网络。
有益效果:本发明公开了一种提高高频加热效率的反馈控制方法,本发明采用基于遗传算法来实现阻抗匹配,实现阻抗匹配的快速迭代,确保高频加热***的功率传输效率始终为最优状态,进而提高高频解冻***的高频转换效率,进而使得高频解冻***的高频转换效率达到需求;
在解冻工作过程中,由食品为代表的解冻物的温度变化是缓慢的,实际食物的介电常数变化也是缓慢的,对应的负载阻抗的变化也是缓慢的,通过遗传算法,实现阻抗匹配的快速迭代,确保***的功率传输效率始终为最优状态。
具体实施方式
本申请涉及一种提高高频加热效率的反馈控制方法,下面通过具体实施方式进行详细解释。
遗传算法(GA)是一种方法,基于模仿生物进化的自然选择过程求解无约束和有约束非线性优化问题;
该算法反复修改由个体解构成的群体;
在每个步骤,遗传算法从当前的群体随机选择个体,并将它们用作父级来生成下一代子级;
经过一代又一代后,该群体“演化”为最优解;
基因:用来表示个体的特征,算法中简化为二进制编码(格雷码更优);
适应度:个体对环境的适应程度,程序中会定义适应度函数用以计算;
交叉互换:基因的重组,把父代个体的部分结构加以替代重组,类似于生个小宝宝;
变异:对某些基因做变动,二进制编码就是取反;
自然选择:采用轮盘赌的方法;
简单来说就是:好的个体被保留,坏的逐渐被淘汰,经过不断的迭代逼近最好的结果。
遗传算法流程如下:
步骤1、开始;
步骤2、建立种群;
步骤3、交叉互换产生子代;
步骤4、基因的变异;
步骤5、性状的表达(计算出适应度函数值);
步骤6、自然选择;
步骤7、搜索最优个体(转到第二步,等到进行完迭代次数再退出);
步骤8、结束。
交叉互换和变异主要就是为了增加基因的多样性。
本申请还包括射频解冻的匹配电路;
如图3所示:
反射系数的定义为:反射系数定义为反射波电压与入射波电压之比;
负载反射信号的强度取决于信号源阻抗与负载阻抗的失配程度。
反射系数的表达式为:
式中,
为反射系数、/>
为反射电压、/>
为入射电压、/>
为负载阻抗、/>
、
、/>
为反射系数的虚部、/>
为复数的虚部表示的符号、
如图4所示,由于阻抗是复数,反射系数也是复数;
如图1所示,一种提高高频加热效率的反馈控制方法,包括:
开始射频加热;
完成入射功率、反射功率信号检测;
判定反射系数是否超过设定阈值;
是,使用遗传算法调整匹配电路;
否,不进行调整匹配,并完成正常加热工作;
判定反射系数是否超过设定阈值时,通过对入射功率和反射功率的计算,得知当前反射系数;
对当前的反射系数模值进行计算,代入当前的
,/>
,L取值,源阻抗值取为50欧姆,计算出负载阻抗值;
对当前的负载阻抗值进行遗传算法迭代,变量为
,/>
根据阻抗的范围选择合理的可调电容的容值范围;
射频解冻时,由高频放大器和阻抗匹配网络之间的定向耦合器取得入射功率、反射功率;
所述电容容值调整是固定电容加上调整极板间距和极板的面积。
如图2所示,对当前的负载阻抗值进行遗传算法迭代时,包括:
步骤1、种群初始化,通过随机生成的方式来创造一个种群,该种群的数量为100~500,采用二进制编码规则;
步骤2、适应度计算(种群评估),将目标函数值
,作为个体的适应度,实际变成求适应度函数/>
的最小值;
步骤3、选择(复制)操作,根据种群中个体的适应度大小,通过轮盘赌方式将适应度高的个体从当前种群中选择出来,其中轮盘赌即是与适应度成正比的概率来确定各个个体遗传到下一代群体中的数量;
步骤31、首先计算出所有个体的适应度总和Σfi;
步骤32、其次计算出每个个体的相对适应度大小fi/Σfi;
步骤33、再产生一个0到1之间的随机数,依据随机数出现在上述哪个概率区域内来确定各个个体被选中的次数;
步骤4、交叉(交配)运算,该步骤是遗传算法中产生新的个体的主要操作过程,采用一定的交配概率阈值(pc,一般是0.4到0.99)来控制是否采取单点交叉,多点交叉等方式生成新的交叉个体;
步骤41、先对群体随机配对;
步骤42、再随机设定交叉点的位置;
步骤43、再互换配对染色体间的部分基因;
步骤5、变异运算,该步骤是产生新的个体的另一种操作,一般先随机产生变异点,再根据变异概率阈值(pm,一般是0.0001到0.1)将变异点的原有基因取反;
步骤6、终止判断,计算子代的反射系数模, 若小于设定值(比如0.05),认为得出最优解,否则返回步骤2。
实际解冻工作过程中,因为以食品为代表的解冻物的温度变化是缓慢的,实际食物的介电常数变化也是缓慢的,对应的负载阻抗的变化也是缓慢的。通过遗传算法,可以实现阻抗匹配的快速迭代,确保***的功率传输效率始终为最优状态。
工程实际中可以使用Matlab GA函数,或者遗传算法工具箱来实现遗传算法计算,生产m代码来进行运算执行。也可以使用使用编写matlab代码或者python代码的方式来实现。
由高频解冻***中的控制器来作为中央控制器实现入射功率和反射功率的取样后的采集、计算,遗传算法的实现,电容的调整控制。
如图6所示,所述高频解冻***包括:
电源端,包括直流电源模块;
加热端,与供给端连接,依次包括高频激励源、高频放大器、阻抗匹配网络、解冻加热腔;
控制端,与电源端及加热端连接,包括操作显示终端,及与操作显示终端连接且用于控制电源端及加热端的控制模块;
高频解冻***要求尽可能高的高频转换效率,以实现对食物的高效解冻。
提高射频解冻效率的方法包括:
步骤1、提高放大器效率,实现高效率直流射频功率转换;
步骤2、优化加热腔体设计,实现更为均匀的加热;
步骤3、采用匹配网络实现射频放大器和加热腔体的匹配,实现高的射频输入效率。
能够向负载提供足够信号功率的放大电路称之为功率放大器,简称功放。
如图7所示,射频阻抗匹配网络(简称匹配网络)就是将功率放大器输出的射频功率最大化的传输到负载阻抗上;
所述阻抗匹配网络用于将高频放大器输出的射频功率传输到负载阻抗上,完成匹配网络实现高频放大器和解冻加热腔的匹配;
高频放大器与阻抗匹配网络之间设有放大器及匹配器电路;
放大器及匹配器电路包括与高频放大器并联的电容
C,调谐于工作频率的串联电感
、电容/>
,谐振网络和阻抗匹配网络以及负载阻抗
R;
并联电容C 由高频放大器内部的输出电容和附加于负载网络的外电路电容一起组成;
高频放大器在驱动信号作用下, 功率放大器处于开关状态, 漏极电压决定于断开时负载网络的瞬态响应;
匹配网络可以使用L型、PI型、T型匹配网络。
工作原理说明:
开始射频加热;
完成入射功率、反射功率信号检测;
判定反射系数是否超过设定阈值;
是,使用遗传算法调整匹配电路;
否,不进行调整匹配,并完成正常加热工作;
判定反射系数是否超过设定阈值时,通过对入射功率和反射功率的计算,得知当前反射系数;
对当前的反射系数模值进行计算,代入当前的
,/>
,L取值,源阻抗值取为50欧姆,计算出负载阻抗值;
对当前的负载阻抗值进行遗传算法迭代,变量为
,/>
根据阻抗的范围选择合理的可调电容的容值范围;
射频解冻时,由高频放大器和阻抗匹配网络之间的定向耦合器取得入射功率、反射功率;
所述电容容值调整是固定电容加上调整极板间距和极板的面积。
基于遗传算法实现阻抗匹配的步骤如下:
步骤1、种群初始化,通过随机生成的方式来创造一个种群,该种群的数量为100~500,采用二进制编码规则;
步骤2、适应度计算(种群评估),将目标函数值
,作为个体的适应度,实际变成求适应度函数/>
的最小值;
步骤3、选择(复制)操作,根据种群中个体的适应度大小,通过轮盘赌方式将适应度高的个体从当前种群中选择出来,其中轮盘赌即是与适应度成正比的概率来确定各个个体遗传到下一代群体中的数量;
步骤31、首先计算出所有个体的适应度总和Σfi;
步骤32、其次计算出每个个体的相对适应度大小fi/Σfi;
步骤33、再产生一个0到1之间的随机数,依据随机数出现在上述哪个概率区域内来确定各个个体被选中的次数;
步骤4、交叉(交配)运算,该步骤是遗传算法中产生新的个体的主要操作过程,采用一定的交配概率阈值(pc,一般是0.4到0.99)来控制是否采取单点交叉,多点交叉等方式生成新的交叉个体;
步骤41、先对群体随机配对;
步骤42、再随机设定交叉点的位置;
步骤43、再互换配对染色体间的部分基因;
步骤5、变异运算,该步骤是产生新的个体的另一种操作,一般先随机产生变异点,再根据变异概率阈值(pm,一般是0.0001到0.1)将变异点的原有基因取反;
步骤6、终止判断,计算子代的反射系数模, 若小于设定值(比如0.05),认为得出最优解,否则返回步骤2。
以上结合附图详细描述了本发明的优选具体实施方式,但是,本发明并不限于上述具体实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。