CN105353226A - 基于散射参数和智能算法的emi噪声源阻抗等效参数提取方法 - Google Patents

Abstract

本发明公开了一种基于散射参数和智能算法的EMI噪声源阻抗等效参数提取方法。本方法基于散射参数原理，使用矢量网络分析仪和两个电流探头，分别测量短路、加载标准电阻、加载噪声源阻抗时的传输参数和反射参数，从而计算得到被测噪声源的阻抗。然后利用智能算法中的GA算法对被测阻抗的幅频和相频特性进行寻优处理，最终得到阻抗的等效RLC参数，并给出阻抗的幅值和相位的一般表达式。本发明仪器精简，无需使用辅助模块，降低了由信号源和频谱仪等辅助模块引起的硬件误差；并且用GA算法估计参数，避免了牛顿-高斯、麦夸特法等方法需要给定参数初始值的问题，测量的精度提高，为EMI滤波器的设计提供了准确的参考依据。

Description

基于散射参数和智能算法的EMI噪声源阻抗等效参数提取方法

技术领域

本发明属于电磁兼容技术领域，具体是指使用散射参数(S参数)法和智能算法中的遗传算法(GeneticAlgorithm，GA)对传导电磁干扰(ElectromagneticInterference，EMI)噪声源阻抗等效参数进行提取的方法。

背景技术

近年来，随着电子设备中高频电力电子器件和大规模集成电路芯片的广泛采用，其产生高频噪声通过电源端口传输至电网，使得电力线上产生的EMI问题日趋严重，影响电网的稳定及其他电子设备的正常运行；同时，该高频噪声还会以电磁场的形式向空间传播，对周围其他电子设备产生电磁冲击。传导电磁干扰EMI噪声为系统内部各种电子线路、开关电源、电动机、机械开关和保护器件等的动作所形成的经由电力线传播的电磁干扰噪声；依据GB9254，传导EMI噪声的测试频段为0.15MHz至30MHz。

传导EMI问题的研究通常包括噪声模态分离、阻抗提取和抑制三个步骤。模态分离是指依据噪声的特性、产生机理和位置的不同，将测量得到的总传导EMI噪声分离为共模和差模两种分量。阻抗提取是指对噪声源进行分析建模，通过一定的计算方法，得到噪声源阻抗等效参数的幅值和相位信息，为下一步抑制噪声提供理论支撑；噪声抑制是指用于降低传导EMI噪声的措施，常用的方法就是设计EMI滤波器。为了较好的抑制EMI噪声，需要考虑噪声源阻抗与负载阻抗的匹配情况，使设计的滤波器满足最大阻抗失配原则，从而达到理想的滤波效果。因此，在设计EMI滤波器之前，有必要对噪声源阻抗进行分析和提取。

现有的传导EMI噪声源阻抗提取方法都存在一些不足：例如谐振法适用频段低、不具有广泛性；插入损耗法采用近似处理精度低、无法获取阻抗的相位；电流探头法只能获取某些特定频点的阻抗信息；在处理阻抗幅频和相频特性的非线性数学模型时，通用的是最小二乘迭代法，如牛顿-高斯、麦夸特法(Levenberg-Marquardt)或简面体爬山法(SimplexMethod)等，它们均可归属于局部最优法，如何有效地确定参数初始值始终是难以克服的瓶颈，所以一些实际问题可能永远无法获得正解处理。

发明内容

本发明所要解决的技术问题，在于克服现有测量方法存在的缺陷，提出了一种较为完善的传导EMI噪声源阻抗提取方法。通过使用S参数法对噪声源建模并获取阻抗，然后建立阻抗的等效参数函数对其幅频特性进行处理，最后利用GA全局寻优的特点在传导发射全频段搜索得到参数最优解，从而得到噪声源的阻抗信息，包括幅值和相位以及等效LCR参数。

S参数是一种射频矢量参数，用于评估反射信号和传送信号的性能。S参数由两个复数之比定义，它同时包含有关信号的幅度和相位的信息，能够更加全面的描述网络端口特性和信号传递过程。单纯的电流探头法需要同时使用信号源和频谱仪，由于信号源输出是特定频率的信号并通常只考虑幅度；相比之下，S参数法仅使用矢量网络分析仪(VectorNetworkAnalyzer,VNA)，无需使用辅助模块，降低了由辅助模块引起的硬件误差并且考虑了幅度和相位，测量的精度提高。

GA是借鉴生物界自然选择和群体进化机制形成的一种全局寻优算法。与传统的优化算法相比有如下优点：1)不是从单个点，而是从多个点构成的群体开始搜索；2)在搜索最优解过程中，只需要由目标函数值转换得来的适应值信息，而不需要导数等其它辅助信息；3)搜索过程不易陷入局部最优。GA在处理非线性数学模型时，对模型是否线性、连续、可微等没有限制，也不受优化变量数目、约束条件的束缚，直接在优化准则函数的引导下进行全局自适应寻优，该方法直观、简便、通用、适应性强，至今仍是国内外常用的实施方案。

本发明提出的基于散射参数和智能算法的EMI噪声源阻抗等效参数提取方法，采用矢量网络分析仪和两个电流探头，其步骤是：

第一步：校准矢量网络分析仪后，将一个电流探头作为注入探头接至矢量网络分析仪的输出端，另一个电流探头作为接收探头接至矢量网络分析仪的输入端，两个电流探头经线路耦合阻抗与被测噪声源未知阻抗Z_X组成闭合回路；

第二步：移去第一步中的被测噪声源未知阻抗Z_X，使用短路导线代替阻抗Z_X，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置一系列的频点，得到对应频点的幅值和相位，并记为

第三步：移去第二步中的短路导线，使用标准电阻R_STD代替阻抗Z_X，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置与第二步中相同的频点，得到对应频点的幅值和相位，并记为

第四步：移去第三步中的标准电阻R_STD，使用被测噪声源未知阻抗Z_X代替，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置与第二步中相同的频点，得到对应频点的幅值和相位，并记为S₁₁、S₂₁；

第五步：通过第二步、第三步和第四步得到的散射参数，计算出被测噪声源未知阻抗Z_X的唯一解：

第六步：建立阻抗模型函数，推算被测噪声源未知阻抗Z_X在全频段的参数表达式；

第七步：利用GA智能算法，提取被测噪声源未知阻抗Z_X的电阻R、电感L和电容C具体参数，从而确定第六步的阻抗参数表达式，完成得到全频段任一频率的阻抗值及其电阻R、电感L和电容C参数。

本发明将S参数和GA智能算法相结合，提出了一套系统、全面的传导EMI阻抗测量及等效参数提取方法。首先基于双电流探头和VNA的测试平台，利用S参数法原理，推导出了EMI阻抗的通用表达式；然后基于GA算法对阻抗的幅值和相位进行数据处理，避免了牛顿-高斯、麦夸特法等方法需要收敛性好的迭代公式和给定参数初始值的问题，直接在优化准则函数的引导下进行全局自适应寻优，从而搜索得到全局最优的RLC等效参数，其软件程序通用性强，自动化程度高，测量的精度提高，且算法的控制参数设置简便，为EMI滤波器的设计提供了准确的参考依据。综上，本发明的方法能够解决噪声源阻抗的非线性问题，得到传导发射全频段传输阻抗及其具体参数，从而设计出滤波性能良好的EMI滤波器，达到较好的噪声抑制效果。同时，本发明所用仪器精简，无需使用辅助模块，降低了由信号源和频谱仪等辅助模块引起的硬件误差。

附图说明

图1为本发明EMI噪声源阻抗提取实验布置图；

图2为本发明EMI噪声源阻抗提取等效电路；

图3为本发明EMI噪声源阻抗提取简化电路图；

图4为Boost电路阻抗等效结构图；

图5为短路导线代替被测阻抗时，反射系数的值，包括幅值和相位；

图6为短路导线代替被测阻抗时，传输系数的值，包括幅值和相位；

图7为精密型LCR仪标定后的20Ω标准电阻的幅频特性曲线；

图8为精密型LCR仪标定后的20Ω标准电阻的相频特性曲线；

图9为人工电源网络阻抗幅值的实测标准值与本发明的3次计算值对比图；

图10为人工电源网络阻抗相位的实测标准值与本发明的3次计算值对比图。

具体实施方式

本发明以上步骤的具体推算过程为：

1、基于S参数的噪声源阻抗建模：

运用两个电流探头，一个作为注入探头接至VNA的输出端，另一个作为接收探头接至VNA的输入端，两个探头经线路耦合阻抗与被测噪声源阻抗组成闭合回路。电流探头相当于电流互感器，因此可将图1电路等效为图2。根据基尔霍夫电压定律，图2中的3个回路可以描述为：

其中，注入电压为V₁，注入电流为I；VNA的输出和输入端口匹配电阻均为50Ω，注入和接收探头端的等效阻抗分别为Z₁、Z₂；两个电流探头的自感分别为L₁、L₂，与回路之间的互感分别为M₁、M₂。

消去I₁和I₂，可得

令Z_ω1＝Z_ω+jωL_ω，图2可简化为图3。根据图3，可得

V_M1＝V₂+(Z_M1+Z_M2+Z_ω1)·I(3)

令Z_setup＝Z_M1+Z_M2+Z_ω1，从b-b’端来看等效电路，未知阻抗Z_X、测试电路阻抗Z_setup和电压源V_M1串联构成回路，即

V_M1＝(Z_setup+Z_X)·I(4)

因此

回路中电流I可以由接收探头测得

式中，V_p2为VNA输入端测得的电压信号，Z_T2为接收探头的传输特性阻抗。

将式(6)中带入式(5)中，又由于所以

在VNA的输出端，从图2可知，根据串联分压关系，有

将式(8)带入式(7)中，被测阻抗可以表达为

式中，K为测量回路随频率而变的系数。

2、基于S参数的噪声源阻抗计算公式：

VNA有输出输入两个端口，根据二端口网络的S参数矩阵与端口的入射、反射波之间的关系

式中，a₁、b₁分别为第1个端口的入射波和反射波，a₂、b₂分别为第2个端口的入射波和反射波，S₁₁为输入反射系数，S₁₂为反向传输系数，S₂₁为正向传输系数，S₂₂为输出反射系数，对于无源网络而言，S₁₂和S₂₁相同。

由S参数法可知V_P1＝(1+S₁₁)·V₁，V_P2＝S₂₁·V₁，两个探头的电压比值可以描述为

把式(11)带入式(9)中，则

为了得到Z_X的值，需要计算出K和Z_stetup。综合获得的则式(12)可表达为

联立式(13)即可得到K和Z_stetup。

根据式(12)、(14)，在特定频率f时直接测量Z_X，可计算出噪声源阻抗有唯一解。

利用VNA能够分别得到每个测试状态下的信号注入、信号检测端口的传输参数和反射参数。通过计算能够得到不同频率被测设备的噪声源阻抗，包括幅值和相位，即

3、噪声源阻抗(幅值和相位)表达式：

实际中，任一噪声源阻抗多为纯电阻、电容、电感中的两者或三者串并联构成，如Boost电路中Z可简化为如图4所示的等效寄生电阻R、等效寄生电感L和等效寄生电容C构成。

因为ω＝2πf，所以将Z表达为幅值和相位的形式为

前面通过S参数法得到的阻抗信息，由式(17)可以知道，阻抗的幅值和相位都是频率的非线性函数。

为了从式(18)中确定阻抗的R、L、C参数，需要综合考虑阻抗的幅值和相位。不妨以幅值Z_X为例，建立函数

其中，f是自变量，Z_X是因变量，R、L、C是待定参数，中是待定参数的非线性函数。该方程的参数估计，即为由实测数据序列{(f，Z_X)}确定R、L、C这三个参数的值。

4、基于GA算法估计阻抗RLC参数：

4.1、GA算法的优化准则：

不失一般性，设F(C,X_i)为一般非线性系统模型，其中，C＝{c_j|j＝1～p}，模型p个待优化参数(优化变量)，X为模型N维输入向量，F为模型M维输出向量，也即F:R_N→R_M。根据m对模型输入、输出数据{(X_i,Y_i)|i＝1,2…m}求优化问题：

s.t.a_j≤c_j≤b_j

式中：y为优化准则函数；[a_j，b_j]为c_j的变化区间；||||为取范数，q为实常数，当q＝1时为最小一乘准则，当q＝2时为最小二乘准则，可视实际建模要求而定。考虑到实测数据序列{(f,Z_X)}样本容量较小，故采用稳健性好的误差绝对值之和最小准则构造优化准则函数：

式中，为实测阻抗幅值，为式(18)的计算值；当式(21)取得最小值时对应的一组R、L、C即为所求最优参数估计值。

4.2、GA算法的步骤如下：

1)编码。实数编码克服了二进制编码解码的换算占用计算机时间的问题以及表达精度的要求与计算量之间的矛盾。基于此，采用实数编码，利用线性变换：

x_j＝a_j+y_j(b_j-a_j)(22)

把初始区间为[a_j，b_j]的第j(j＝1,2···p)个优化变量x_j对应到[0,1]区间上的实数y_j。

2)初始化种群。生成w(子种群数)个、z(每个子种群数包含的个体数)组、[0,1]区间上的均匀随机数，每组p(优化参数个数)个，即{u_j}，把各u_j作为初始群体父代个体值y_j。经(22)式得到优化变量值，再经(21)式得到相应的目标函数值

3)算出各个体的适应度值，并按线性排序进行评价。显然目标函数值越小，该个体适应能力越强，反之亦然。定义适应度函数为：

式中的0.001是经验设置，为避免分母出现奇异的情况。

4)对每个子种群进行选择操作。从父代个体中以概率p_i按照比例选择方式选择第i个个体，共选择n组个体，按照轮盘赌选择：

5)对每个子种群进行交叉操作。按下式进行随机线性重组产生：

式中，u₁、u₂、u₃都为[0，1]之间均匀分布随机数。

6)对每个子种群进行变异操作。变异操作决定了遗传算法的局部搜索能力。通过对每个父代个体的染色体上的基因以小概率p_m＝1-p_i(变异概率)进行扰动，可以维持群体的多样性，防止早熟。

式中，u(j)和u_m均为随机数。

7)根迁移进化。当迭代次数达到迁移世代后，把父代个体按目标函数值从小到大排序。对排序后最前面s个个体(优秀个体)进行迁移操作，迁移方式为子种群之间任意的、无限制的迁移；否则，算法转入下一步。

8)收敛判别。算法运行达到预定进化次数或优个体的目标函数值小于某一设定值，也即达到设定的精度时，结束整个算法的运行，并把当前群体中最优个体作为GA求解方程参数最优估计值的结果，否则，转入第3)步，重新进行评价、选择、交叉、变异和迁移操作。

9)基于1stopt环境编写模型的计算程序，针对不同组实测数据序列{(f，Z_X)}可得到最优的阻抗等效参数，记为R_best、L_best、C_best。

实施例

下面结合具体实施例，以某款人工电源网络作为噪声源，对本发明作进一步详细说明。

第一步：如附图1所示，将该人工电源网络噪声源、注入探头和检测探头(北京大泽科技有限公司的ZN23101电流探头)、矢量网络分析仪(9kHz-3GHz，德国罗德施瓦茨R&S公司的ZNC3型)，连接成闭合线路。

第二步：在图1的闭合线路中，移去被测电源网络，并用短路导线代替，打开VNA测量S参数中的反射系数和传输系数，使用标记功能设置一系列的频点(0.15MHz、0.30MHz···30.00MHz)得到对应频点的幅值和相位，如图5、图6所示，并记为

第三步：采用中国电子科技集团公司第四十一研究所的AV2782精密LCR测试仪标定阻抗为20Ω的标准电阻，其幅频和相频特性曲线如图7、图8所示。移去第二步中的短路导线，用20Ω标准电阻代替被测电源网络，打开VNA测量S参数中的反射系数和传输系数，使用标记功能设置第二步中相同的频点，得到对应频点的幅值和相位，并记为

第四步：这里移去第三步中的标准电阻，使用电源网络代替，打开VNA测量S参数中的反射系数和传输系数，使用标记功能设置第二步中相同的频点，得到对应频点的幅值和相位，并记为S₁₁、S₂₁。

根据VNA测得的S参数S₁₁、S₂₁和式(15)，在150KHz-30MHz频段上设置25个不同频率f，可以计算得到25组Z_X值和ψ值。

第五步：根据式(18)的阻抗模型函数，在1stopt环境中利用GA算法编写程序估算最优的R_best、L_best、C_best参数，然后代入式(27)，从而推算出该人工电源网络在全频段的阻抗表达式。

利用本发明的方法，设置优化参数3个、子种群数8个、每个子种群数的个体数50、每20代迁移个体、迁移率0.2、进化代数150代、搜索范围[0,1.0E+10]，经过3次实验搜索，计算结果与实测标准结果见图9、图10以及表1。

表1为实测标准值与本发明的3次计算值以及估算的最优等效参数

Claims (1)

1.基于散射参数和智能算法的EMI噪声源阻抗等效参数提取方法，采用矢量网络分析仪和两个电流探头，其步骤是：

第一步：校准矢量网络分析仪后，将一个电流探头作为注入探头接至矢量网络分析仪的输出端，另一个电流探头作为接收探头接至矢量网络分析仪的输入端，两个电流探头经线路耦合阻抗与被测噪声源未知阻抗Z_X组成闭合回路；

第二步：移去第一步中的被测噪声源未知阻抗Z_X，使用短路导线代替阻抗Z_X，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置一系列的频点，得到对应频点的幅值和相位，并记为

第三步：移去第二步中的短路导线，使用标准电阻R_STD代替阻抗Z_X，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置与第二步中相同的频点，得到对应频点的幅值和相位，并记为

第四步：移去第三步中的标准电阻R_STD，使用被测噪声源未知阻抗Z_X代替，打开矢量网络分析仪测量散射参数中的反射系数和传输系数，使用矢量网络分析仪的标记功能设置与第二步中相同的频点，得到对应频点的幅值和相位，并记为S₁₁、S₂₁；

第五步：通过第二步、第三步和第四步得到的散射参数，计算出被测噪声源未知阻抗Z_X的唯一解：

$Z_X=R_{STD}\·\frac{\frac{1+S_{11}}{S_{21}}-\frac{1+S_{11}^{\left(0\right)}}{S_{21}^{\left(0\right)}}}{\frac{1+S_{11}^{\left(1\right)}}{S_{21}^{\left(1\right)}}-\frac{1+S_{11}^{\left(0\right)}}{S_{21}^{\left(0\right)}}}$

第六步：建立阻抗模型函数，推算被测噪声源未知阻抗Z_X在全频段的参数表达式；

第七步：利用GA智能算法，提取被测噪声源未知阻抗Z_X的电阻R、电感L和电容C具体参数，从而确定第六步的阻抗参数表达式，完成得到全频段任一频率的阻抗值及其电阻R、电感L和电容C参数。