CN103546054A - 基于免疫算法的三相逆变器无死区最优空间矢量控制方法 - Google Patents

Abstract

本发明提出一种基于免疫算法的三相逆变器无死区最优空间矢量控制方法。本发明在分析各种减少或消除死区影响方法的基础上，针对三相全桥逆变器提出一种新的SVPWM死区消除方法。在不需要精确的电流极性检测条件下，通过划分扇区确定开关序列，该发明可以实现在常规扇区、过渡扇区、电流过零点扇区无缝过渡。并借助于免疫算法对满足死区消除方法的矢量控制序列进行优化，包括同时优化SVPWM矢量顺序和矢量作用时间，提高三相逆变器输出波形质量。本发明所产生的无死区SVPWM控制序列与常规控制策略相比不仅能有效地消除死区影响，还能明显减小三相逆变器输出波形的加权总谐波畸变率(WTHD)。

Description

基于免疫算法的三相逆变器无死区最优空间矢量控制方法

技术领域

本发明涉及三相逆变器数字化控制技术领域，尤其是涉及基于免疫算法的三相逆变器无死区控制优化方法。

背景技术

三相电压型逆变器在电力电子中已得到广泛应用，其中开关器件的关断时间要长于它的开通时间，若上桥臂没有完全关断的情况下桥臂已经导通，就会存在直通，产生过电压，因此，必须引入死区时间防止直通，即这段时间内上下桥臂都关断。但死区的存在将使得输出电压和电流发生非线性畸变[1]，且低次谐波增加，电机转矩产生脉动，增加谐波损耗等，尤其是在电压低，开关频率高时影响更为严重。

胡庆波和孙向东等对如何补偿逆变器的死区效应进行了研究，然而补偿并不能从根本上解决问题。Peng和Yang提出禁止给不必要的开关门极驱动信号的一种的死区时间最小化的算法。Peng通过附加硬件检测电路判断功率管并联二极管是否导通来检测电流方向，然而，硬件检测电路带来了不可靠性、复杂性。更重要的问题是，由于开关造成的高频纹波电流成分的存在，使得逆变器输出电流在过零点附近反复穿越过零点，检测输出电路将出现高频振荡。同时，由于数字控制本身存在至少一个控制周期的延时，则在过零点附近，当控制器输出功率管导通信号时，负载电流可能已经改变方向，导致检测失败。所以对三相逆变器采取补偿和死区时间最小化并不能达到目的。

Y.Wang采用混合式PWM调制方法，提出常规区域不设置死区的控制策略，其原理对于常规区域：电流在正负半周内，实际上同一桥臂只有一个功率器件与并联二极管导通电流，所以可以禁止实际不导通电流的功率器件驱动信号，让其一直处于关断状态，则上下开关之间不用再设置死区，实现无死区控制，但该方法需要准确获取每个开关的状态检测情况以及电流极性。且在过零区域仍然要插入一段死区时间，并不能实现整个过程中的无死区，波形仍然可能产生畸变。Y.Wang和Ramachandran B通过判断功率管并联二极管是否导通来检测电流方向而引入了电流检测硬件电路，其中Ramachandran B提出了不需要为检测电路提供单独的独立电路电源，但是引入检测回路，同时也将会产生经济型和可靠性等方面的缺点。此外，Y.Wang和Ramachandran B所提出的死区消除方法并不适应与有多个电流过零点的情况。但以上的无死区方法和补偿死区时间、死区时间最小化大多只考虑了单相的情况，对于三相逆变器无死区并没有深入研究，考虑了X.Cai三相逆变器的死区问题，但不能在整个周期内实现无死区，所以，以上方法都不能实现三相逆变器的无死区。

发明内容

本发明目的是针对现有技术所存在的技术问题，提供了一种有效的解决了消除逆变器死区影响的过零点的问题，且不需要非常精确的电流极性检测装置的基于免疫算法的三相逆变器无死区控制优化方法。

本发明还有一目的是解决现有技术所存在的技术问题；提供了一种能够使逆变器开关器件开关状态的过渡更加平滑，实现了各之间扇区无缝过渡的无死区控制的基于免疫算法的三相逆变器无死区控制优化方法。

本发明再有一目的是解决现有技术所存在的技术问题；提供了一种明显减少三相逆变器输出波形总谐波畸变率，提高了输出波形质量的基于免疫算法的三相逆变器无死区控制优化方法。

本发明最后有一目的是解决现有技术所存在的技术问题；提供了一种能够最大限度地减少开关损耗，且由于开关动作次数平均分配则可以提高器件的利用率和延长使用周期的基于免疫算法的逆变器无死区控制优化方法。

本发明的技术方案如下：

一种基于免疫算法的三相逆变器无死区最优空间矢量控制方法，基于定义：三相逆变器的上桥臂开关为Sa、Sb和Sc，相应的下桥臂开关为Sa′、Sb′和Sc′，三相逆变器中桥臂开关的单极性二值逻辑开关函数S_m按以下公式取值

三相逆变器的工作状态采用三相电压空间矢量<S_aS_bS_c>表示，包括矢量V₀<000>、V₁<001>、V₂<010>、V₃<011>、V₄<100>、V₅<101>、V₆<110>、V₇<111>；其特征在于：具体方法是通过控制脉冲序列，当流过逆变器一个桥臂的电流方向一定时，只需要控制该桥臂中一个IGBT的开关状态就能够控制整个桥臂的输出电压，从而避免上下桥臂发生直通，实现无死区控制。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，所述无死区的控制是对脉冲序列的控制，具体操作时：首先根据三相电流在各个扇区的极性得出无死区控制时的三相逆变器正常工作时的各个扇区的矢量序列以及对应的开关及二极管状态；然后根据开关状态和二极管状态得出各扇区序列，包括电流过零扇区序列、常规扇区序列、过渡扇区序列，通过对这些序列的控制实现三相逆变器的无死区控制；针对所述三种扇区序列进行下述操作：

操作一：电流过零扇区序列中，该区域的某相控制序列恒为0或1，恒为0时，只给下桥臂的开关管发脉冲，没有发生直通条件；恒为1时，只给上桥臂发脉冲，没有发生直通条件；

操作二：常规扇区序列中，扇区电流大于零，上桥臂开关管导通或者下桥臂二极管导通，整个过程下桥臂开关管没有导通脉冲，从而不能发生直通；扇区电流小于零，下桥臂开关管导通或者上桥臂二极管导通，整个过程上桥臂开关管没有导通脉冲，从而不能发生直通；

操作三：过渡扇区序列中，包括两种情况，一是过渡时，该相脉冲序列恒为0或1，从而没有直通条件，无死区；二是在过渡时，限制上一个扇区的矢量已经将进入下一扇区的桥臂提前关闭了，从而为上一个扇区过渡到下一扇区准备了时间；

最后，采用免疫算法求取对三相逆变器的整个周期中0～2π/3部分的开关状态控制序列，然后经过对称变换得到整个周期中的开关状态控制序列。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，所述求取0～2π/3部分的开关状态控制序列包括以下步骤：

步骤1，编码操作，包括设置每一条抗体含有两条子抗体x和y，一条子抗体x包括0～2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括3个不同矢量V_m，子抗体x的每个基因位用矢量V_m的相应数值表示，矢量V_m的相应数值为m，m的取值范围为0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量V_m分别对应的作用时间T_m；

步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群；

步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度；

步骤4，计算染色体浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度，

步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体随机从当前的抗体种群中去除；

步骤6，基于当前的抗体种群分别进行交叉操作、变异操作以及倒位操作；

步骤7，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤8，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代；

步骤8，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤9，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成初始抗体种群进行迭代；

步骤9，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0～2π/3部分的开关状态控制序列。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，步骤1中，初始种群是在满足编码操作及无死区时间的约束条件情况下随机产生的，约束条件为，每一扇区只选择一个零矢量T₀或T₇。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，所述步骤3中，亲和度的获取是基于总的谐波畸变率与开关损耗的约束，亲和度的获取基于公式：

$\mathrm{Fitness}\left(x_i\right)=\frac{1}{\underset{m=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{\&Integral;}_{\mathrm{m\&Delta;t}}^{(m+1)\mathrm{\&Delta;t}}|I_m\left(t\right)-I_f\left(t\right)|\mathrm{dt}}$

式中，x_i表示第i条抗体，I_m(t)表示实际电流值，用I_m(t)等效mΔt到(m+1)Δt这段时间的实际电流平均值，I_f(t)表示理想电流值。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，所述步骤4中，染色体的浓度的获取方法是：定义第i条抗体x_i和第j条抗体x_j为在空间X中的两个矢量，它们通过函数f映射到空间Y中称为矢量f(x_i)、f(x_j)，因此矢量f(x_i)、f(x_j)在Y空间中的距离为：

$E(x_i,x_j)=\underset{0}{\overset{\&infin;}{\&Integral;}}|f\left(x_i\right)-f\left(x_j\right)|\mathrm{dt}$

则抗体x_i与其它抗体、以及抗体x_i与该抗体x_i本身的空间距离总和，即与当前的抗体种群所有抗体的空间距离总和为：

$E\left(x_i\right)=\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}E(x_i,x_j)$

式中H为当前的抗体种群中抗体总数；因此将抗体浓度定义为：

$\mathrm{Density}\left(x_i\right)=\frac{1}{E\left(x_i\right)}.$

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，步骤5中免疫选择函数：

$P\left(x_i\right)=a*\frac{\mathrm{Fitness}\left(x_i\right)}{\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}\mathrm{Fitness}\left(x_j\right)}+\frac{b}{\mathrm{Density}\left(x_i\right)};$

式中a、b为权重系数，且a+b＝1，得到所有抗体的选择函数值，定义阈值将免疫选择函数值低的抗体按概率从当前的抗体种群中去除，即：对于第i个抗体，随机产生一个取值范围在[0,1]之间的随机数α_i，如果

则第i个抗体将遗传到下一代，如果

则第i个抗体将被遗弃，不遗传到下一代。

在上述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，所述步骤6中，

所述交叉操作的具体操作是：若判定两条染色体任意一个基因位基因位随机产生的概率大于交叉率，则从该基因位开始；

所述变异操作的具体操作是：若判定染色体中任意一个基因位随机产生的概率大于变异率，染色体零矢量的作用时间T₀发生突变，记为T₀′满足T₀′＜T_S,然后T₄突变为T₄′,满足T₀′+T₄′＜T_S,最后T₆突变为T₆′，满足T₀′+T₄′+T₆′＝T_S；

所述倒位操作的具体操作为：若判定染色体中任意一个基因位随机产生的概率大于倒位率，则将这一周期与下一周期的基因全部互换或者将这一周期的中任意一个基因与下一周期的任意一个基因互换。

本发明采用加权谐波总畸变率（WTHD）作为逆变器输出电压波形质量优劣的评价标准，更加符合实际电力系统中低次谐波影响大、高次谐波影响小的实际情况。

因此，本发明具有如下优点：1.本发明采用通过划分扇区来确定开关序列的方法，有效的解决了消除逆变器死区影响的过零点的问题，且不需要非常精确的电流极性检测装置；2.本发明采用三电平控制策略，使逆变器开关器件开关状态的过渡更加平滑，实现了各扇区之间无缝过渡的无死区控制；3.本发明所提出的三相逆变器无死区控制方法通过免疫算法优化开关波形，明显减少逆变器输出波形总谐波畸变率，提高了输出波形质量；4.由于本发明所提出的逆变器无死区控制优化方法在一个周期内每个开关都只工作一段时间，其他时间不动作，最大限度地减少开关损耗，且由于开关动作次数平均分配则可以提高器件的利用率和延长使用周期。

附图说明

附图1是现有技术中的三相逆变器主电路示意图。

附图2是传统SVPWM技术的三相空间矢量分布示意图。

附图3是本发明等效的桥臂单元分解结构

附图4是本发明实施例的最优SVPWM磁链轨迹示意图

附图5是现有技术中的免疫算法流程图。

附图6是本发明实施例抗体编码示意图。

附图7是本发明实施例的交叉操作示意图。

附图8是本发明实施例的变异操作示意图。

附图9是本发明实施例的倒位操作示意图。

附图10是本发明实施例的微倒位操作示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

本发明技术方案可采用计算机软件技术实现自动运行流程，以下结合附图和实施例详细说明本发明技术方案。

附图1为电压型三相相逆变器具体结构，图中V _dc是直流侧电压，并联两个电容,L是纯电感，R是电阻，当R≠0时表示逆变器输出端接阻感负载，当R=0时，表示逆变器输出端接纯电感负载。S₁、S₃、S₅为上桥臂的开关器件，S₄、S₆、S₂为下桥臂的开关器件，每个开关器件V₁、V₂、V₃、V₄、V₅、V₆和反并联二极管D₁、D₂、D₃、D₄、D₅、D₆。i表示逆变器输出电流，其箭头所指方向为参考电流正方向。

根据三相桥臂的开关状态（S_AS_BS_C）来体现逆变器的工作状态，共有八种组合。即0（0 0 0），1（0 0 1），2（0 1 0），3（0 1 1），4（1 0 0），5（1 0 1），6（1 1 0），7（1 1 1）8种开关状态，如图2所示，其中矢量U₀、U₇为零矢量。

如附图2所示，若目标电压矢量V_ref在第I扇区时，则V_ref可以由U₄、U₆、U₀和U₇合成，根据平行四边形法则，有以下关系：

$\frac{T_4}{T_S}{U}_4+\frac{T_6}{T_S}{U}_6=V_{\mathrm{ref}}---\left(1\right)$

式中：T₄、T₆——矢量于一个开关周期内的状态作用时间；

T_S为PWM的一个开关周期

把零矢量U₄、U₇简记为U_0、7，定义零矢量U_0、7的总作用时间为T_0、7，则T₄、T₆、T_0、7、T_s满足以下关系：

T₄+T₆+T_0、7＝T_s

假设V_ref与U₄间的夹角为θ，图中三角形由正弦定律可以得到以下结果：

$\frac{\left|V_{\mathrm{ref}}\right|}{\sin \frac{2\mathrm{\&pi;}}{3}}=\frac{\left|\frac{T_4}{T_S}{U}_6\right|}{\sin \mathrm{\&theta;}}=\frac{\left|\frac{T_4}{T_S}{U}_4\right|}{\sin (\frac{\mathrm{\&pi;}}{3}-\mathrm{\&theta;})}---\left(2\right)$

而U₄、U₆满足|U₄|＝|U₆|＝2V_dc/3，由以上两式联立可得：

$\left.\begin{array}{c}{T}_4={\mathrm{mT}}_s\sin (\frac{\mathrm{\&pi;}}{3}-\mathrm{\&theta;})\\ T_6=m{T}_s\sin \mathrm{\&theta;}\\ T_{\mathrm{0,7}}=T_s-T_4-T_6\end{array}\right\}---\left(3\right)$

式中：m——SVPWM调制系数，且

$m=\frac{\sqrt{3}}{V_{\mathrm{dc}}}\left|V_{\mathrm{ref}}\right|---\left(4\right)$

对于零矢量的选择，传统SVPWM选择U₀或U₇的一般原则是使开关状态在一个开关周期内的变化次数尽可能少，以使开关损耗降低。在一个开关周期中，只选择一个零矢量U₀或U₇。

若V_ref在第Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ扇区时计算过程类似，如在第Ⅱ扇区分解在矢量V₂、V₆上，第Ⅲ扇区分解在矢量V₂、V₃上…依次类推。

无死区控制原理：一个桥臂可以分成两个桥臂的理论，图3所示为将A相桥臂分解为两个相互关联的单元。当i_A＞0且S_A＝1时，此时V1导通，电流i经V1流过；当i_A＞0且S_A＝0时，此时V1关断，电流i经续流二极管D4续流；这两种情况下V4都无需导通。同理，当i_A＜0且S_A＝0时，此时V4导通，电流i经V4流过；当i_A＜0且S_A＝1时，此时V4关断，i经续流二极管D1续流；这两种情况下V1都无需导通。B相、C相电流流过相应桥臂开关器件的情况与A相类似，此处不再赘述。

当流过逆变器一个桥臂的电流方向一定时，只需要控制该桥臂中一个IGBT的开关状态就可以控制整个桥臂的输出电压，这为无死区提供依据。这是解决无死区的基本思路。

无死区控制研究主要解决的问题：准确的检测电流极性；有效处理电流过零点；由于负载电流相对于标准正弦电流有可能出现多个过零点，所以解决过零点问题也是需要解决的重点问题。本文所提出的三相逆变器无死区控制方法，包括两个方面1.无死区序列区的提出；2.零点附近区域的处理方法。

为便于实施参考起见，本实施例的具体流程说明如下：

实施例中将三相交流系统的相电压设为：

$\left.\begin{array}{c}{u}_{\mathrm{AN}}\left(\mathrm{\&omega;t}\right)=U_m\cos \left(\mathrm{\&omega;t}\right)\\ u_{\mathrm{BN}}\left(\mathrm{\&omega;t}\right)=U_m\cos (\mathrm{\&omega;t}-2\mathrm{\&pi;}/3)\\ u_{\mathrm{CN}}\left(\mathrm{\&omega;t}\right)=U_m\cos (\mathrm{\&omega;t}+2\mathrm{\&pi;}/3)\end{array}\right\}$

(5)

式（5）中，U_m为三相交流系统相电压的基波幅值，ω为基波角频率，且ω＝2πf，f为基波频率，50Hz。从图2中参考矢量V_ref的合成可知，当V_ref旋转到U4矢量处，对应的时刻是ωt＝2πk,k＝0,1,2,3…。

实际系统中的负载多为阻感性负载，本文考虑负载阻抗角为π/6～π/2的情况。A相电压可表示为如式（6）所示，负载Z＝R+jωL=|Z|∠αΩ,(π/6≤α≤π/2)，以图1中电流方向为参考电流正方向，则A相电流可用式（7）表示。

U_AN＝U_mcos(ωt)＝U_msin(ωt+π/2)＝U_m∠π/2  （6）

$i_A=\frac{U_m}{\left|Z\right|}\&angle;(\mathrm{\&pi;}/2-\mathrm{\&alpha;})=\frac{U_m}{\left|Z\right|}\sin (\mathrm{\&omega;t}+\mathrm{\&pi;}/2-\mathrm{\&alpha;})---\left(7\right)$

从式（7）可以看出，ωt＝α-π/2为A相电流从负到正的过零点，此时-π/3≤ωt≤0，即i_A从负到正的过零点落在第Ⅵ扇区；相应的，ωt＝α+π/2为A相电流从正到负的过零点，此时2π/3≤ωt≤π，即i_A从正到负的过零点落在第Ⅲ扇区；在Ⅰ、Ⅱ扇区，i_A＞0；在Ⅳ、Ⅴ扇区，i_A＜0。同理，也可以分析出B、C相电流在各个扇区的流向情况，表1所示为负载阻抗角π/6≤α≤π/2时，三相输出电流在六个扇区的电流极性。

表1为三相电流极性

实施例的流程如下：

表2为开关序列表

依据三相电流在各个扇区的极性状态，表2所示为无死区控制时的三相逆变器正常工作时的各个扇区的矢量序列以及对应的开关及二极管状态。以A相为例，在Ⅰ、Ⅱ扇区，i_A＞0（以如图1为正方向），则应控制V₁导通，或者D₄导通，在Ⅲ扇区，电流由正变成负，应控制V₄导通，D₄导通，在Ⅳ、Ⅴ扇区，i_A＜0，应控制V₄导通，D₁导通，在Ⅵ扇区，电流由负变成正，应控制V₁导通，D₁导通。同理，对于B相，在Ⅲ、Ⅳ扇区，i_B>0(以如图1为正方向），则应控制V₃导通，或者D₆导通，在Ⅴ扇区，电流由正变成负，应控制V₆或者D₆导通，在Ⅰ、Ⅵ扇区，i_B<0,应控制V₆导通或者D₃导通，在Ⅱ扇区，电流由负变成正，应控制V₃导通或者D₃导通。同理，对于C相，在Ⅴ、Ⅵ扇区，i_C>0(以如图1为正方向），则应控制V₅导通，或者D₂导通，在Ⅰ扇区，电流由正变成负，应控制V₂或者D₂导通，在Ⅱ、Ⅲ扇区，i_C<0,应控制V₂导通或者D₅导通，在Ⅳ扇区，电流由负变成正，应控制V₅导通或者D₅导通。

表3.A相脉冲序列

对于控制开关管的各脉冲序列，以A相为例，首先对于过零扇区序列，Ⅲ扇区，A相电流从正到负过渡，Ⅲ扇区的非零矢量为U₂（010）及U₃（011）,限制该扇区零矢量为U₀（000），故该区域A相的控制序列恒为0，当i_A＜0时，电流经V₄导通；当i_A＞0时，电流经续流二极管D₄导通。因而在该扇区，对A相桥臂来说，可以根据序列仅给A相下桥臂V₄发脉冲，此时，V₁没有导通条件，A相桥臂不会发生直通。

Ⅵ扇区，A相电流从负到正过渡，Ⅵ扇区的非零矢量为U₄（100）及U₅（101）,限制该扇区零矢量为U₇（111），故该区域A相的控制序列恒为1，当i_A＞0时，电流经V₁导通；当i_A＜0时，电流经续流二极管D₁导通。因而在该扇区，对A相桥臂来说，可以根据序列仅给A相上桥臂V₁发脉冲，此时，V₄没有导通条件，A相桥臂不会发生直通。

同理，可以分析B、C相电流在各个过零扇区的零矢量及开关序列的限定情况，如表2所示。对B相，在第Ⅱ扇区，限制该扇区零矢量为U₇（111），根据序列仅给V₃发脉冲；在第Ⅴ扇区，限制该扇区零矢量为U₀（000），根据序列仅给V₆发脉冲。对C相，在第Ⅰ扇区，限制该扇区零矢量为U₀（000），根据序列仅给V₂发脉冲；在第Ⅳ扇区，限制该扇区零矢量为U₇（111），根据序列仅给V₅发脉冲。通过以上序列控制，对于各相在其相应的过零扇区没有发生直通的条件，实现对过零扇区无死区控制。

其次，对于常规扇区序列，Ⅰ、Ⅱ扇区，A相电流i_A＞0，在A相控制序列为1时，V₁导通电流；在A相控制序列为0时，续流二极管D₄导通电流。故在该区域内，对A相桥臂来说，可以根据序列仅给A相上桥臂V₁发脉冲，此时，V₄没有导通条件，A相桥臂不会发生直通。

Ⅳ、Ⅴ扇区，A相电流i_A＜0，在A相控制序列为1时，续流二极管D₁导通电流；在A相控制序列为0时，V₄导通电流。故在该区域内，对A相桥臂来说，可以根据序列仅给A相下桥臂V₄发脉冲，此时，V₁没有导通条件，A相桥臂不会发生直通。

同理，可以分析B、C相电流在常规扇区时各个开关器件的导通情况，如表2所示。对B相，在Ⅲ、Ⅳ扇区，根据序列仅给V₃发脉冲；在Ⅵ、Ⅰ扇区，根据序列仅给V₆发脉冲。对C相，在Ⅰ、Ⅱ扇区，根据序列仅给V₂发脉冲；在Ⅳ、Ⅴ扇区，根据序列仅给V₅发脉冲。

通过以上序列控制，对于各相在其相应的常规扇区没有发生直通的条件，实现对常规扇区无死区控制。

再次，对于扇区过渡点序列，表3所示，为A相上下桥臂在上述无死区控制策略下，各个开关序列所对应的脉冲序列。从表3可知，Ⅵ、Ⅰ、Ⅱ扇区，A相下桥臂功率器件V4的脉冲序列恒为0，即从Ⅰ扇区过渡到Ⅱ扇区时，V₄没有脉冲，不会导通，上下桥臂不能发生直通；Ⅲ、Ⅳ、Ⅴ扇区，A相上桥臂功率器件V₁的脉冲序列恒为0，即从Ⅲ过渡到Ⅳ，从Ⅳ过渡到Ⅴ时，V₁没有脉冲，不会导通，上下桥臂不能发生直通；而电流i_A从Ⅱ扇区过渡到Ⅲ扇区时，限制Ⅱ扇区最后一个矢量序列必须是U₂（010），这样就保证了A相上桥臂在进入第Ⅲ扇区前已经关断了，为第Ⅲ扇区中A相下桥臂的导通准备了时间，补偿了开关器件关断时间大于开通时间的延长差，避免了上下桥臂发生直通；电流i_A从Ⅴ扇区过渡到Ⅵ扇区时，限制Ⅴ扇区最后一个矢量序列必须是U₅（101），这样就保证了A相下桥臂在进入第Ⅵ扇区前已经关断了，为第Ⅵ扇区中A相上桥臂的导通准备了时间，避免了上下桥臂发生直通。

同理，可以分析B、C相在各个扇区间过渡时的矢量序列限制，综合三相对各个扇区提出的限制条件为，Ⅰ扇区最后一个矢量状态必须是U₆，Ⅱ扇区最后一个矢量状态必须是U₂，Ⅲ扇区最后一个矢量状态必须是U₃，Ⅳ扇区最后一个矢量状态必须是U₁，Ⅴ扇区最后一个矢量状态必须是U₅，Ⅵ扇区最后一个矢量状态必须是U₄。

本发明通过采用上述的脉冲序列，可以保证在过零扇区、常规扇区、各扇区过渡的时间过程上下桥臂不发生直通，避免了因为死区效应对波形的畸变，从而无死区控制。有效的消除死区影响、降低输出波形WTHD。

本发明是基于免疫算法的三相逆变器无死区控制，通过同时优化SVPWM矢量顺序和矢量作用时间，该策略能取得较好的效果和较高的效率。

在该优化策略中，通过抗体倒位操作、抗体微倒位操作、抗体变异操作等方法，实现控制矢量顺序的改变，从而使矢量的作用顺序不再唯一，而是通过免疫算法来自动寻优确定，同时在该策略中，辅以优化矢量作用时间的分配原则，以WTHD最小化为优化目标。通过该方法得到的磁链轨迹如附图4所示。从图可以看出，磁链轨迹很接近标准圆形，效果较好，输出波形质量较好。

免疫算法（Immune Algorithm,IA）是模拟生物界自然选择和遗传机理而开发出的一种自适应全局寻优算法。它是由状态空间中的状态矢量经过一定的编码映射到遗传空间，构成基因型数据序列，若干数据序列组成群体，同时将目标函数值转换为适应度函数，用来评价数据串的优劣。通过对当前群体施加选择、交叉变异等操作，产生新一代群体。经过多代进化，在理论上它能以概率1达到局部最优解。其中IA有一个重要特征是它能够处理线性与非线性问题，这也是它能够对电压源逆变器进行优化的依据。如前所述，消除死区时间的方法在于与传统的门极驱动控制信号有所不同。在本发明中，免疫算法（IA）被用来优化消除开关死区时间的PWM控制序列。附图5即为免疫算法的流程图，包括根据编码操作产生初始群体、注射疫苗，然后迭代执行计算亲和度、计算浓度、免疫选择、交叉操作、变异操作、倒位操作、添加操作、判断新一代个体是否满足要求，直到满足要求后结束迭代。

为便于实施参考起见，本实施例的具体流程说明如下：

实施例中，免疫算法的参数设置为：假设将

分成N等份，每小份的平均时间为

三相控制是三分之一周期对称，计算出的序列是三分之一周期的控制序列。每个扇区(每60°为一个扇区)设置12个开关状态（例如046为一个开关状态），每个扇区有12个开关周期T_S，每个开关状态的作用时间，即PWM开关周期为

其中，0.02s代表一个周期的时间，6表示把360°分为六个扇区，12代表每个扇区设置12个开关状态。每个扇区设置的开关状态个数可以根据需求改变其值，具体实施时可以由本领域技术人员根据情况从可以被60整除的倍数中取值，考虑波形质量问题，一般通常取的是1～12范围内。电压调制比设置为k＝0.8，逆变器直流侧电压Vdc=E＝50V，纯负载电感L＝0.025H。IA参数设置：在三分之一个周期内，每个抗体所含基因数N=72。交叉率P_C＝0.5；变异率P_m＝0.002；倒位率P_con＝0.05，微倒位率P_con1＝0.02；选择函数中a、b为权重因子，实施例取a＝b＝0.5。具体实施时本领域技术人员可以自行设定各参数。

步骤1，编码操作，包括设置每一条抗体含有两条子抗体，一条子抗体x包括0～2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括3个不同矢量V_m，子抗体x的每个基因位用矢量V_m的相应数值表示，矢量V_m的相应数值为m，m的取值范围为0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量V_m分别对应的作用时间T_m。

需要注意的是，每个开关周期内子抗体x的3个矢量取值根据目标电压所在扇区而定，顺序随机，例如目标电压在第一扇区，则每个开关周期内（每3个基因）的矢量只能在0，4，6中取值，随机的是它们的作用顺序。子抗体y的随机取值也要保证3个作用时间T_m的和为一个开关周期，即278us，且每个作用时间T_m的取值范围0～278us。

为便于实施起见参考起见，以矢量顺序V₀V₄V₆举例如对图2的分析举例所示，如图附图6所示，T_S是T₀和T₄、T₆之和此处不再赘述。

步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群。

常规PWM控制或者定时比较控制和滞环比较控制等策略得到的开关序列都是广泛使用的较优的逆变器控制序列，首次执行步骤2时把这些常规的控制序列作为治疗性疫苗注入到初始抗体种群中，作为初始抗体种群的一部分，其余抗体都是随机产生的。随机产生的一条抗体含有两条子抗体，一条子抗体A包括N个矢量V_m，即对每个矢量V_m在取值范围内随机生成，具体取值范围根据目标电压所在扇区而定；另一条子抗体B与子抗体A各基因位的矢量V_m分别对应，包括N个作用时间V_m，因为每个合成矢量包括3个不同矢量V_m，一个合成矢量的3个矢量V_m的对应作用时间T_m随机生成，约束条件为3个作用时间T_m的和为278us，且每个作用时间T_m的取值范围0～278us。

本发明实施例的初始抗体种群中共有100个抗体，具体实施时本领域技术人员可以自行设定初始抗体种群规模。通过注射疫苗，可以减少免疫算法的收敛时间和并提高免疫算法的效率。

此时设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群。

步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度。

每个抗体对应为逆变器的一个开关控制序列组合，当抗体上某位基因是1时，则经过Δt时间后，实际电流波形上的下一个电流值会在上一个电流值上增加当抗体上某位基因是0时，则经过Δt时间后，实际电流波形上的下一个电流值会在上一个电流值上减小

因此，每个抗体上的基因也与该时刻的电流值一一对应，即在1/4周期内，可以计算得到每过Δt时间后的离散电流值，再由计算亲和度的公式可以计算得到所有抗体所对应的亲和度值。抗体的亲和度值越大，说明该抗体越好，抗体的亲和度值越小，说明该抗体越差。实施例计算亲和度的公式为：

$\mathrm{Fitness}\left(x_i\right)=\frac{1}{\underset{n=\mathrm{0,1,2}...}{\overset{N}{\mathrm{\&Sigma;}}}{\&Integral;}_{\mathrm{n\&Delta;t}}^{(n+1)\mathrm{\&Delta;t}}|I_n\left(t\right)-I_f\left(t\right)|\mathrm{dt}}$

式中，xi表示第i条抗体，N表示每个抗体上的基因数(N=72)，n表示抗体上的基因编号（n=0,1,2…N-1），I_n(t)表示实际电流值，用I_n(t)等效nΔt到(n+1)Δt这段时间的实际电流平均值，I_f(t)表示理想电流值。

步骤4，计算浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度：

令空间X是当前的抗体种群所有抗体的集合，空间Y是当前的抗体种群中每个抗体作用后对应的结果的集合，在本实施例中，即代表流过电感的实际电流值，设第i条抗体x_i和第j条抗体x_j为在空间X中的两个矢量，它们通过函数f映射到空间Y中称为矢量f(x_i)、f(x_j)，因此矢量f(x_i)、f(x_j)在Y空间中的距离为

$E(x_i,x_j)=\underset{0}{\overset{\&infin;}{\&Integral;}}|f\left(x_i\right)-f\left(x_j\right)|\mathrm{dt}$

则抗体x_i与其它抗体（包括本身）的空间距离总和，即与当前的抗体种群所有抗体的空间距离总和为：

$E\left(x_i\right)=\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}E(x_i,x_j)$

式中H为当前的抗体种群中抗体总数。

因此实施例将抗体浓度定义为：

$\mathrm{Density}\left(x_i\right)=\frac{1}{E\left(x_i\right)}$

步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体按概率从当前的抗体种群中去除。

实施例将免疫选择函数设为：

$P\left(x_i\right)=a*\frac{\mathrm{Fitness}\left(x_i\right)}{\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}\mathrm{Fitness}\left(x_j\right)}+\frac{b}{\mathrm{Density}\left(x_i\right)}$

式中a、b为权重系数，且a+b＝1，具体实施时，本领域技术人员可根据对亲和度和浓度影响的具体考虑设定取值。该实施例中，a=b=0.5。

由上式可以计算所有抗体的选择函数值，本领域技术人员可根据具体情况设计阈值将将免疫选择函数值低的抗体按概率从当前的抗体种群中去除。实施例采用的方式为：对于第i个抗体，随机产生一个取值范围在[0,1]之间的随机数α_i，如果

则第i个抗体将遗传到下一代，如果

则第i个抗体将被遗弃，不遗传到下一代。需要注意的是，被遗弃的抗体也将不会再进行交叉、变异、倒位等操作，直接被淘汰。

步骤6，基于当前的抗体种群进行交叉操作：

交叉操作为免疫算法的现有技术，实施例在步骤5免疫选择所得种群中，按照事先设定的交叉率P_C随机选择Round(H×P_C)对抗体进行交叉，得到交叉后的抗体种群，其中Round为取整数操作。对选出的一对抗体执行交叉时，在抗体上随机确定一个开关周期Ts为交叉点，这对抗体在交叉点开始互相交换编码。交叉率的P_C取值为0-100%之间的百分数。

如附图7所示，从某个作为交叉点的开关周期Ts开始，抗体A和抗体B以后的部分相互交换，包括交换V1V2V3及之后的矢量和V1′V2′V3′及之后的矢量、交换相对应的t1t2t3及之后的作用时间和相对应的t1′t2′t3′及之后的作用时间。交换之后抗体A进化成了抗体A′，抗体B进化成了抗体B′。此处1、2、3、用于标识开关周期Ts中第1、2、3、位矢量，而不是矢量的数值为1、2、3。

在交叉操作的过程中，每条抗体上的子抗体都随之交叉，即每个矢量对应的作用时间不变，仍然是一一对应的。

步骤7，基于当前的抗体种群进行变异操作：

变异操作为免疫算法的现有技术，在本实施例中，具体实施如下：

附图8为优化矢量顺序和零矢量的时间分配的抗体变异操作，由于要优化的时间变量只是零矢量的分配时间，故在对当前的抗体种群中任一抗体的变异操作中，如果对于每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于变异率P_m（实施例中P_m＝0.002），是则矢量的作用时间的值变化。如图8所示基因V₀V₄V₆和T₀T₄T₆中，零矢量的作用时间T₀发生突变，记为T₀′满足T₀′＜T_S,T₄突变为T₄′,满足T₀′+T₄′＜T_S,T₆突变为T₆′。因此抗体A进化成了新的抗体A′。

步骤8，基于当前的抗体种群进行倒位操作：

倒位操作为免疫算法的现有技术，实施例在对步骤7变异操作所得种群的倒位操作中，执行包括一般倒位操作和微倒位操作。

一般倒位操作实现方式为，对当前的抗体种群中任一抗体的操作中，在每一个开关周期Ts，随机产生一个1-1000的数，除以1000后判断该数是否小于倒位率P_con（实施例中P_con＝0.05），是把该开关周期Ts内的基因与下一个开关周期Ts内的基因互换。否则不互换。由于本发明相比传统方法不同的是，要优化的变量是矢量的作用顺序和矢量时间的分配。故在一般倒位操作中，该开关周期Ts中的基因与后一个开关周期Ts中的基因互换，该开关周期Ts中任一个矢量的作用时间与后一个开关周期Ts中的一个矢量的作用时间互换，另一个零矢量的作用时间相应改变。如附图9所示，基因V₀V₄V₆和V₄V₆V₀互换，基因T₀T₄T₆和T₄T₆T₀互换；在一般倒位过程中有效矢量的作用时间不变。因此抗体A进化成了新的抗体A′。

附图10为优化矢量顺序和零矢量的时间分配的抗体微倒位操作。主要改变的自由度是矢量的作用顺序，常规的倒位操作难以寻找到一个开关周期下的最优矢量作用顺序，为提高免疫算法的收敛性，实施例进一步在免疫算法的编程中增加了抗体微倒位的操作，微倒位率与倒位率大小相似。在每一个开关周期Ts内，随机产生一个1-1000的数，除以1000后判断该数是否小于微倒位率P_con1（实施例中P_con1＝0.02），是则该开关周期Ts中的矢量的作用顺序重新随机安排，在微倒位操作中，矢量作用的时间与矢量同时微倒位，即各矢量相应的作用时间按矢量的新作用顺序相应安排。如图10中，矢量的作用顺序由V1V2V3变为V2V3V1，相应的作用时间t1t2t3变为t2t3t1，由此抗体A进化成了新的抗体A′。否则不改变。

具体实施时，可以先基于当前的抗体种群进行一般倒位操作，在一般倒位操作结果的基础上再执行微倒位操作。

步骤9，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤10，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代。

从免疫算法的流程图可知，对于一个种群要先进行免疫选择，通过免疫选择后遗留下来的抗体再逐次进行交叉操作、变异操作、倒位操作（包含一般倒位操作和微倒位操作），是否发生交叉、变异或倒位依赖于产生的随机数是否小于交叉率、变异率、倒位率。如果以上操作步骤完成，表明IA完成了一次迭代运算，如图1，每一次迭代完成，返回到步骤3进行下一次迭代，当迭代次数达到设定的最大迭代次数时，免疫算法终止。本实施例中最大迭代次数可设为2000次，具体实施时本领域技术人员可自行根据情况设定。

步骤10，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤11，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成加入初始抗体种群进行迭代。

本步骤亲和度计算方式与步骤3。若经过2000次迭代后，每次执行步骤10所得亲和度稳定地趋近一个值，即当前所得结果收敛。如果结果已经收敛，表明IA求解逆变器最优开关控制序列问题的算法已经完成，如果结果不收敛，则需要把本次结果作为新的疫苗，返回步骤2重复免疫计算的过程，直到结果收敛为止。一般，首次执行免疫算法后如果结果不收敛，再通过一次免疫计算，结果即可收敛。

步骤11，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0～2π/3部分的开关状态控制序列。

免疫算法完成后，得到最终的抗体种群，通过对各个抗体的免疫选择函数的计算，可以选择出该种群中最优的抗体，该抗体就是解决实际问题的最优解。此时免疫选择函数的计算与步骤5一致，计算中涉及的亲和度和浓度计算也和步骤3、步骤4一致，因为步骤10已经计算亲和度，本步骤计算免疫选择函数时可以直接利用步骤10的计算结果。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种基于免疫算法的三相逆变器无死区最优空间矢量控制方法，基于定义：三相逆变器的上桥臂开关为Sa、Sb和Sc，相应的下桥臂开关为Sa′、Sb′和Sc′，三相逆变器中桥臂开关的单极性二值逻辑开关函数S_m按以下公式取值

三相逆变器的工作状态采用三相电压空间矢量<S_aS_bS_c>表示，包括矢量V₀<000>、V₁<001>、V₂<010>、V₃<011>、V₄<100>、V₅<101>、V₆<110>、V₇<111>；其特征在于：具体方法是通过控制脉冲序列，当流过逆变器一个桥臂的电流方向一定时，只需要控制该桥臂中一个IGBT的开关状态就能够控制整个桥臂的输出电压，从而避免上下桥臂发生直通，实现无死区控制。

2.根据权利要求1所述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，其特征在于，所述无死区的控制是对脉冲序列的控制，具体操作时：首先根据三相电流在各个扇区的极性得出无死区控制时的三相逆变器正常工作时的各个扇区的矢量序列以及对应的开关及二极管状态；然后根据开关状态和二极管状态得出各扇区序列，包括电流过零扇区序列、常规扇区序列、过渡扇区序列，通过对这些序列的控制实现三相逆变器的无死区控制；针对所述三种扇区序列进行下述操作：

操作一：电流过零扇区序列中，该区域的某相控制序列恒为0或1，恒为0时，只给下桥臂的开关管发脉冲，没有发生直通条件；恒为1时，只给上桥臂发脉冲，没有发生直通条件；

操作二：常规扇区序列中，扇区电流大于零，上桥臂开关管导通或者下桥臂二极管导通，整个过程下桥臂开关管没有导通脉冲，从而不能发生直通；扇区电流小于零，下桥臂开关管导通或者上桥臂二极管导通，整个过程上桥臂开关管没有导通脉冲，从而不能发生直通；

操作三：过渡扇区序列中，包括两种情况，一是过渡时，该相脉冲序列恒为0或1，从而没有直通条件，无死区；二是在过渡时，限制上一个扇区的矢量已经将进入下一扇区的桥臂提前关闭了，从而为上一个扇区过渡到下一扇区准备了时间；

最后，采用免疫算法求取对三相逆变器的整个周期中0～2π/3部分的开关状态控制序列，然后经过对称变换得到整个周期中的开关状态控制序列。

3.根据权利要求2所述的基于免疫算法的三相逆变器无死区最优空间矢量控制方法，其特征在于，所述求取0～2π/3部分的开关状态控制序列包括以下步骤：

步骤1，编码操作，包括设置每一条抗体含有两条子抗体x和y，一条子抗体x包括0～2π/3部分的开关状态控制序列的所有合成矢量，每个合成矢量包括3个不同矢量V_m，子抗体x的每个基因位用矢量V_m的相应数值表示，矢量V_m的相应数值为m，m的取值范围为0、1、2、3、4、5、6、7；另一条子抗体y的基因位是与子抗体x各基因位的矢量V_m分别对应的作用时间T_m；

步骤2，注射疫苗，包括将作为治疗性疫苗的抗体加入初始抗体种群，并随机生成其他抗体，得到初始的抗体种群；设当前的迭代次数k=1，将初始的抗体种群作为当前的抗体种群；

步骤3，计算亲和度，包括对当前的抗体种群中每一条抗体计算亲和度；

步骤4，计算染色体浓度，包括对当前的抗体种群中每一条抗体按以下方式计算浓度，

步骤5，免疫选择，包括根据步骤3所得亲和度和步骤4所得浓度对当前的抗体种群中每一条抗体计算免疫选择函数值，将免疫选择函数值低的抗体随机从当前的抗体种群中去除；

步骤6，基于当前的抗体种群分别进行交叉操作、变异操作以及倒位操作；

步骤7，判断当前迭代次数k是否达到设定的最大迭代次数，是则进入步骤8，否则设当前迭代次数k=k+1，返回到步骤3进行下一次迭代；

步骤8，对当前的抗体种群中每一条抗体计算亲和度，判断当前所得结果是否收敛，是则进入步骤9，否则以当前的抗体种群作为治疗性疫苗的抗体，返回到步骤2重新生成初始抗体种群进行迭代；

步骤9，对当前的抗体种群中每一条抗体计算免疫选择函数值，根据免疫选择函数值最大的抗体得到三相逆变器的整个周期中0～2π/3部分的开关状态控制序列。

4.根据权利要求1所述的基于免疫算法的三相逆变器无死区最优空间矢量方法，其特征在于，步骤1中，初始种群是在满足编码操作及无死区时间的约束条件情况下随机产生的，约束条件为，每一扇区只选择一个零矢量T₀或T₇。

5.根据权利要求3所述的基于免疫算法的三相逆变器无死区最优空间矢量方法，其特征在于，所述步骤3中，亲和度的获取是基于总的谐波畸变率与开关损耗的约束，亲和度的获取基于公式：

$\mathrm{Fitness}\left(x_i\right)=\frac{1}{\underset{m=0}{\overset{N-1}{\mathrm{\&Sigma;}}}{\&Integral;}_{\mathrm{m\&Delta;t}}^{(m+1)\mathrm{\&Delta;t}}|I_m\left(t\right)-I_f\left(t\right)|\mathrm{dt}}$

式中，x_i表示第i条抗体，I_m(t)表示实际电流值，用I_m(t)等效mΔt到(m+1)Δt这段时间的实际电流平均值，I_f(t)表示理想电流值。

6.根据权利要求3所述的基于免疫算法的三相逆变器无死区最优空间矢量方法，其特征在于，所述步骤4中，染色体的浓度的获取方法是：定义第i条抗体x_i和第j条抗体x_j为在空间X中的两个矢量，它们通过函数f映射到空间Y中称为矢量f(x_i)、f(x_j)，因此矢量f(x_i)、f(x_j)在Y空间中的距离为：

$E(x_i,x_j)=\underset{0}{\overset{\&infin;}{\&Integral;}}|f\left(x_i\right)-f\left(x_j\right)|\mathrm{dt}$

则抗体x_i与其它抗体、以及抗体x_i与该抗体x_i本身的空间距离总和，即与当前的抗体种群所有抗体的空间距离总和为：

$E\left(x_i\right)=\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}E(x_i,x_j)$

式中H为当前的抗体种群中抗体总数；因此将抗体浓度定义为：

$\mathrm{Density}\left(x_i\right)=\frac{1}{E\left(x_i\right)}.$

7.根据权利要求3所述的基于免疫算法的三相逆变器无死区最优空间矢量方法，其特征在于，步骤5中免疫选择函数：

$P\left(x_i\right)=a*\frac{\mathrm{Fitness}\left(x_i\right)}{\underset{j=1}{\overset{H}{\mathrm{\&Sigma;}}}\mathrm{Fitness}\left(x_j\right)}+\frac{b}{\mathrm{Density}\left(x_i\right)};$

式中a、b为权重系数，且a+b=1，得到所有抗体的选择函数值，定义阈值将免疫选择函数值低的抗体按概率从当前的抗体种群中去除，即：对于第i个抗体，随机产生一个取值范围在[0,1]之间的随机数α_i，如果

则第i个抗体将遗传到下一代，如果

则第i个抗体将被遗弃，不遗传到下一代。

8.根据权利要求3所述的基于免疫算法的三相逆变器无死区最优空间矢量方法，其特征在于，所述步骤6中，

所述交叉操作的具体操作是：若判定两条染色体任意一个基因位基因位随机产生的概率大于交叉率，则从该基因位开始；

所述变异操作的具体操作是：若判定染色体中任意一个基因位随机产生的概率大于变异率，染色体零矢量的作用时间T₀发生突变，记为T₀′满足T₀′<T_S,然后T₄突变为T₄′,满足T₀′+T₄′<T_S,最后T₆突变为T₆′，满足T₀′+T₄′+T₆′=T_S；

所述倒位操作的具体操作为：若判定染色体中任意一个基因位随机产生的概率大于倒位率，则将这一周期与下一周期的基因全部互换或者将这一周期的中任意一个基因与下一周期的任意一个基因互换。

Images