基于改进粒子群算法的超声雾化电源频率跟踪.pdf

第 43 卷 第 1 期Vol.43,No.12024 年 1 月Journal of Applied AcousticsJanuary,2024 研究报告 基于改进粒子群算法的超声雾化电源频率跟踪胡航溢1许 龙1郑伟成2罗 凯2(1 中国计量大学理学院杭州310018)(2 宁波清大超声科技有限公司宁波315300)摘要：超声波雾化技术由于其良好的雾化效果获得了广泛关注，具有极大的研究价值和应用前景。但是在超声雾化的过程中，由于换能器的温度变化、刚度变化以及在水中的负载变化等因素，会产生谐振频率漂移的现象。当工作频率偏移谐振频率时，将造成换能器的工作效率降低和元器件损坏等问题。针对此问题，设计了基于改进粒子群算法优化PID参数的超声雾化电源频率跟踪算法，并对该算法进行频率跟踪的仿真验证和实验对比，在频率跟踪上实现了更好的效果，使换能器能够稳定工作在谐振状态，提高了电源的利用率。关键词：超声电源；超声波雾化；频率跟踪；粒子群算法；PID中图法分类号:TN86文献标识码:A文章编号:1000-310X(2024)01-0198-06DOI:10.11684/j.issn.1000-310X.2024.01.023The frequency tracking of the ultrasonic atomization power supply based onimproved particle swarm optimizationHU Hangyi1XU Long1ZHENG Weicheng2LUO Kai2(1 College of Science,China Jiliang University,Hangzhou 310018,China)(2 Ningbo QDsonic Technology Co.,Ltd.,Ningbo 315300,China)Abstract:At present,ultrasonic atomization technology has received extensive attention because of its goodatomization effect,which has great research value and application prospects.However,in the process ofultrasonic atomization,due to the temperature change,stiffness change of the transducer,load change in waterand other factors,the phenomenon of resonant frequency drift will occur.Once the working frequency is not atthe resonant frequency point,it will reduce the working efficiency of the transducer and damage the electroniccomponents.To solve this problem,a frequency tracking algorithm of ultrasonic atomization power supplybased on improved particle swarm optimization algorithm to optimize PID parameters is designed.Simulationand experimental comparison of the algorithm for frequency tracking have been conducted,achieving betterresults in frequency tracking,enabling the transducer to work stably in resonant state,and improving theutilization rate of power supply.Keywords:Ultrasonic power;Ultrasonic atomization;Frequency tracking;Particle swarm optimization;PID2022-09-02收稿;2022-12-08定稿国家自然科学基金项目(12074354)作者简介:胡航溢(1998),男,浙江宁波人,硕士研究生,研究方向:超声电源。通信作者 E-mail:第43卷 第1期胡航溢等：基于改进粒子群算法的超声雾化电源频率跟踪1990 引言超声波雾化因其效果好、效率高、成本低等优点拥有很好的应用前景。在超声雾化系统中，超声电源是其重要的组成部分。为了使换能器的工作效率达到最佳，超声电源的输出频率需要与换能器的谐振频率保持一致1。但是由于换能器负载的变化和换能器发热等原因，换能器的谐振频率点会发生漂移。如果不及时改变超声电源的驱动频率，则会使换能器失谐，导致效率降低、发热更严重，甚至损坏换能器2。因此，在实际应用中要求超声电源具有自动频率跟踪功能，实时跟踪换能器的谐振频率点，保证换能器在谐振状态下稳定工作。目前，超声波电源多数采用数字控制3电路。数字控制就是用数字信号处理采集到的数字量控制超声电源的输出状态。采用数字控制的超声波电源能够较好地跟踪换能器的频率变化，也能够应对一些负载突变的复杂情况，保护换能器和整个系统。超声电源中数字控制采用的普通PID 算法由于参数固定，在负载变化时缺乏稳定性和鲁棒性，难以满足快速频率跟踪的要求4。为了优化超声电源的数字控制，采用模糊PID和粒子群算法比较适合5，而粒子群算法由于具有动态适应性强、改进方法多等优点更为推荐。因此，本文在对超声雾化系统整体特性研究的基础上，对传统的超声电源进行设计改进，以提高超声雾化电源的负载适应性，满足不同雾化的需求。硬件电路部分采用基于双路电流反馈与二分法扫频设计的频率跟踪电路，结合半桥逆变电路输出；软件部分设计基于改进粒子群算法(Particleswarm optimization,PSO)优化PID参数的频率跟踪算法。1电源总体设计电源系统主要包括整流电路、高频逆变器、高频变压器、匹配电路、主控系统以及检测电路。电源采用STM32F1单片机作为主控芯片6，设计半桥逆变模块，经过高频变压器升压后驱动换能器工作。根据外界负载和温度的变化，采集谐振端的电压、电流信号，经过相位差检测电路和电流有效值检测电路来判断当前输出频率与实际谐振频率之间的偏差，再通过改变脉冲宽度调制波(Pulse widthmodulation wave,PWM)的输出频率来实现高效、快速的超声电源频率自动跟踪。图1是主电路的逆变模块，将单片机输出的PWM波信号输入至IR2103半桥控制芯片，通过时序逻辑的改变来控制MOS管的开关，半桥驱动电路将输入的24 V直流电压转变成交流电压，该交流电压经变压器放大后再通过串联一个电感进行阻抗匹配。匹配后换能器的等效负载接近纯阻性时，其有效输出功率达到最大。GDSQ1IRFP15024 VINGDSQ2IRFP150C2 4.7 mF/100 V C3 4.7 mF/100 V C4 2.2 nF /400 V GND67VCC1HIN2LIN3COM4LO5VS6HO7VB8IC1IR2103SR4 20 WR5 20 WR3 10 kWR2 10 kWR6 10 WC5 10 mF12 V+C6 100 nF PWMD5SS54D2B5819D3B5819图1主电路:逆变电路Fig.1 Main circuit:inverter circuit2002024 年 1 月2 频率跟踪设计目前常用的频率跟踪方法有差动变量器电桥法、电流反馈法、电压反馈法和锁相法等78。锁相法在频率快速跟踪上具有一定的优势，对于电流、电压相位的信号处理反馈比较精确稳定。因此，本文根据锁相法设计了一种相位检测电路，并将其与电流反馈法相结合，通过扫频办法来更快地确定初始谐振频率，实现更高精度与更快响应的频率跟踪。由压电换能器的特性可知9，在串联谐振下，其阻抗最小，相应的电流反馈值最大。因此，通过电流反馈就可以确定换能器的谐振频率。另外，通过观察电压、电流的相位差来判断换能器是否工作在谐振频率上。通过扫描频率来确定电流最大时的频率点，从而确定起始谐振点。传统的扫频方法是步进法，为了防止步进过程中错过谐振点，一般会将步进频率设置得较小，因此这种方法需要的时间较长。为了获得更快的响应速度，采用二分法扫频方法，其原理是通过检测电压、电流相位的关系来判断当前超声电源输出频率与换能器谐振频率的关系，然后将扫频区域减半，最终在一定范围内确定谐振频率，该方法可以大大降低频率的扫描时间。2.1相位检测电路相位检测是决定频率跟踪系统性能好坏的重要参数之一。相位检测所需要采集的电压信号采用分阻电压的方式获得，电流采样采用电流传感器来完成。将采集到的电压、电流信号接入SGM8294运算放大器电路，调制后再接到单片机的AD采样端。取样波形如图2所示，采样电流近似表现为线性，上下振荡差值不超过0.2 A。将采样电流放大之后可以看到其相位信息，采样电压表现为振荡波形，分压之后的采样数据在20 20 V之间振荡。2.852.902.953.003.053.103.153.203.25?t/(10-3 s)?图2采样数据Fig.2 Sample data图2中的相位差信息在单片机中接收处理，将两个输出波形分别输入到单片机两个外部中断口，将外部中断模式设置为下降沿中断。当检测到两个外部中断的输入波形都为高电平时，同时打开两个定时器，分别对两个输入进行计时。任意一个输入到下降沿时，其对应计时器关闭并且记录相应数值，比较两个定时器数值大小可得出超前滞后问题，两计数差和周期相比较则为相位差。2.2粒子群算法优化PID参数改进算法PID算法是闭环控制的经典算法，在控制领域普遍使用。但是传统的PID算法的参数是确定的，而超声电源则由于换能器负载的变化、换能器温度变化等需要更快速精准的控制。相较于传统的调参法得到的固定参数，动态的PID参数更有利于适应超声电源中不断变化的系统状况。因此，为了提高系统的响应速度和精度，需要对PID的参数进行优化，让这3个参数能够根据系统的实时状态反馈进行自动取值调整。为此，本文采用基于相等随机学习因子的改进PSO来对PID的参数进行优化，其具有迭代过程简单、快速收敛和收敛准确等优点。2.2.1标准粒子群算法粒子群算法是源于对鸟类捕食的行为研究而提出的一种基于群体协作的随机搜索算法10，其迭代关系公式如下：vk+1i=vki+c1r1(pBestki pki)+c2r2(gBest pki),(1)pk+1i=pki+vk+1i,(2)其中，vk+1i为当前粒子速度，vki为上一代粒子速度，pBestki是上一代粒子位置最优值，gBest是上一代群体位置最优值，pk+1i是当代个体位置，pki是上一代个体位置，为惯性权重，c1、c2为学习因子，r1、r2为随机变量，分布在0,1范围内。2.2.2改进PSO基于学习因子的研究11以及多个函数的测试结果，对粒子群算法中的学习因子进行改进，提出一种相等随机学习因子策略1213，即c1=c2。本文对其进行仿真测试后发现1.5,2.0区间是随机的相对较佳的区间，于是将c1c2随机均匀分布在1.5,2.0区间，从而保证粒子群的初始普遍性。表达式如下：第43卷 第1期胡航溢等：基于改进粒子群算法的超声雾化电源频率跟踪201c1=c2=1.5+(2.0 1.5)rand().(3)将式(3)代入式(1)，c1c2分别代入c1、c2两个参数，为改进后的学习因子，得到改进的PSO速度位置更新公式：vk+1i=vki+c1r1(pBestki pki)+c2r2(gBest pki).(4)2.2.3改进PSO与PID结合使用改进PSO的目的就是对PID的参数进行优化，通过改变比例Kp、积分Ki和微分Kd三个参数来使整个频率跟踪函数达到较好的跟踪状态，提高系统的鲁棒性。本文选取时间乘绝对偏差积分准则(Integral of time multiplied by the absolutevalue of error criterion,ITAE)作为改进算法的适应度函数14：ITAE=0t|e(t)|dt,(5)式(5)中，t 为时间，|e(t)|为信号的绝对偏差，即误差。2.2.4采用改进PSO的算法步骤采用改进PSO算法的步骤图如图3所示。首先设置粒子群和PID的初始化参数，给定学习因子变化范围，并确定粒子速度位置；然后评价粒子的适应值并优化学子因子参数，将粒子对比更新后得到新的粒子群参数；再对粒子群进行速度和位置更新，判断新的粒子群是否为最优解，满足则输出最优解，不满足则继续进行更新。该算法主要是对PID的参数进行优化。?PID?(3)?(5)?(2)?(4)?图3改进PSO算法步骤图Fig.3 Step diagram of improved PSO algorithm3仿真和实验3.1换能器匹配图4为超声雾化换能器的实验样品，通过阻抗分析仪测得其谐振频率为35.25 kHz，谐振阻抗为207，电容为1.7 nF。根据实验测得换能器的等效电路参数可知，换能器是容性负载，需要对换能器进行电感匹配，提高其在谐振状态下的机电转换效率。根据实验测试的换能器等效电路参数，理论计算的换能器的匹配电感大小为1.84 mH，然后考虑系统变化和变压器输出等因素的影响，实验中通过观察输出波形发现匹配电感在3 4 mH之间时系统稳定工作，换能器输出雾化效果最好。图4换能器实物图Fig.4 Physical diagram of transducer3.2仿真曲线图5是改进PID和标准PID在确定谐振频率为35.5 kHz下的频率跟踪效果仿真对比图。可以看到改进PID响应速度更快，可以实现更精准的跟踪效果；而标准PID曲线的响应速度较慢，到达需要输出频率的时间长。由此表明，当输出频率发生变化时，改进PID会比标准PID更快地跟踪到频率点上并进行输出。0246810123.253.303.353.403.453.503.553.603.653.70?t/(10-4 s)?f/(104 Hz)?PID?PID?图5PID响应曲线对比图Fig.5 Comparison diagram of PID response curves2022024 年 1 月3.3调试结果根据以上硬件设计制作了如图6所示的超声雾化电源主体样机。超声电源功率为600 W，初始PWM波输出频率为35.25 kHz，降压稳压模块采用LM2596芯片和LM1117芯片，驱动电路采用IR2103作为MOS 驱动，逆变器开关管选择型号为N沟道MOS管IRFP150。将其与图4所示的换能器进行连接进行实验测试。图6超声电源样机Fig.6 Ultrasonic power supply prototype对图6所示样机的逆变输出波形、变压器次级放大波形以及电流电压进行测试，采用标准PID的输出波形如图7所示，采用改进PSO优化PID的波形如图8所示。通过对比两种输出波形发现，采用改进PSO的波形更接近正弦波，且输出振幅保持在一个较大的值，能够有效提高系统的工作效率。图8中的频率更接近换能器的谐振频率，说明改进PSO在频率跟踪方面更具优势。图7标准PID输出波形Fig.7 Standard PID output waveform图9为采用优化算法采样处理后得到的变压器次级支路上换能器两端电压和电流的波形。由图9可知，在频率跟踪后换能器的输入电流、电压相位保持一致，表明换能器在谐振频率上工作，且其输出振幅稳定在一个较大值，证明了频率跟踪的稳定性。图10是超声波雾化的实验测试效果图，从图中可以看出换能器雾化效果明显，经长时间实验测试换能器的雾化效果依然稳定。图8优化PID输出波形Fig.8 Optimize PID output waveform0.20.40.60.81.01.21.41.61.8-1000-800-600-400-200020040060080010001200?t/(10-4 s)?/A,?/V?图9频率跟踪波形Fig.9 Frequency tracking waveform 图10超声波雾化效果图Fig.10 Ultrasonic atomization effect diagram第43卷 第1期胡航溢等：基于改进粒子群算法的超声雾化电源频率跟踪203由以上实验测试结果可知，本文采用的改进PSO优化PID参数作为频率跟踪的优化算法，可实现对超声雾化换能器系统进行快速、持续稳定的频率跟踪。4 结论本文采用改进PSO优化PID参数作为频率跟踪的优化算法，设计了一种频率自动跟踪超声波雾化电源。利用该电源驱动一款超声雾化换能器进行超声雾化测试，结果表明采用该优化算法设计的超声电源其输出波形和频率跟踪均得到了良好的改善，实现了对超声雾化换能器系统进行快速、稳定的频率跟踪，保证超声雾化系统持续稳定高效地工作。参考文献1 李小雪,汪东,李平,等.基于 DDS 的超声换能器频率跟踪系统J.压电与声光,2009,31(5):692694,698.Li Xiaoxue,Wang Dong,Li Ping,et al.Frequency trac-ing system for piezoelectric transducer based on DDSJ.Piezoelectric and Acoustooptic,2009,31(5):692694,698.2 彭呈祥,段发阶,蒋佳佳,等.基于频率跟踪的超声驱动电源研制J.电力电子技术,2019,53(5):15.Peng Chengxiang,Duan Fajie,Jiang Jiajia,et al.Devel-opment of ultrasonic driving power based on frequencytrackingJ.Power Electronics Technology,2019,53(5):15.3 滕旭东,傅友登,王弘辉.基于数字 PWM 的新型超声波清洗电源的研制J.电子技术应用,2007,33(9):154157.Teng Xudong,Fu Youdeng,Wang Honghui.A novel ul-trasonic cleaning power supply based on digital PWMJ.Electronic Technology Application,2007,33(9):154157.4 Jimenez T.An auto-tuning PID control system based ongenetic algorithms to provide delay guarantees in passiveoptical networksJ.Expert Systems with Applications anInternational Journal,2015,42(23):92119220.5 刘宁庄,张远宝,许龙,等.基于模糊 PID 控制的超声电源频率跟踪设计J.电力电子技术,2021,55(10):8082,86.Liu Ningzhuang,Zhang Yuanbao,Xu Long,et al.Designof ultrasonic power frequency tracking based on fuzzy PIDcontrolJ.Power Electronics Technology,2021,55(10):8082,86.6 齐晓旭,陈奇栓.单片机在超声电源频率跟踪电路中的应用研究J.时代农机,2016,43(4):3637.Qi Xiaoxu,Chen Qishuan.Research on application of sin-gle chip microcomputer in frequency tracking circuit of ul-trasonic power supplyJ.Times Agricultural Machinery,2016,43(4):3637.7 曾东红,李正中,周光平,等.一种超声清洗电源频率跟踪技术J.齐齐哈尔大学学报(自然科学版),2010,26(1):14.Zeng Donghong,Li Zhengzhong,Zhou Guangping,et al.A frequency tracking technology for ultrasonic cleaningpower supplyJ.Journal of Qiqihar University(NaturalScience Edition),2010,26(1):14.8 孔亚广,陈洪欢,郑松.电流反馈式超声波发生器的频率搜索和跟踪 C/2013 年全国功率超声学术会议论文集,2013:5759.9 刘宁庄,文迪雅,段富才,等.压电换能器等效参数测量方法对比研究及验证J.压电与声光,2021,43(5):710714.Liu Ningzhuang,Wen Diya,Duan Fucai,et al.Compara-tive study and verification of measuring methods of equiv-alent parameters of piezoelectric transducersJ.Piezoelec-tric and Acoustooptic,2021,43(5):710714.10 杨晓,王国柱.基于 PID 控制理论的改进粒子群优化算法 J.控制工程,2019,26(8):14971502.Yang Xiao,Wang Guozhu.The improved particle swarmoptimization algorithm based on PID control theoryJ.Control Engineering,2019,26(8):14971502.11 陈水利,蔡国榕,郭文忠,等.PSO 算法加速因子的非线性策略研究 J.长江大学学报(自科版)理工卷,2007,4(4):14,16,172.Chen Shuili,Cai Guorong,Guo Wenzhong,et al.Re-search on nonlinear strategy of acceleration factor of PSOalgorithmJ.Journal of Changjiang University(self Sci-ence Edition)Science and Engineering Volume,2007,4(4):14,16,172.12 苏攀,张伟,李强,等.基于改进粒子群算法的 PID 参数优化研究J.软件导刊,2020,19(10):9497.Su Pan,Zhang Wei,Li Qiang,et al.PID parameter opti-mization based on improved particle swarm optimizationalgorithmJ.Software Guide,2020,19(10):9497.13 Kennedy J,Eberhart R C.Particle swarm optimiza-tionC.IEEE International Conference on Neural Net-works,Piscataway,1995(2):19421948.14 赵志刚,林玉娇,尹兆远.基于自适应惯性权重的均值粒子群优化算法J.计算机工程与科学,2016,38(3):501506.Zhao Zhigang,Lin Yujiao,Yin Zhaoyuan.A mean par-ticle swarm optimization algorithm based on adaptive in-ertia weightJ.Computer Engineering and Science,2016,38(3):501506.