旋转超声加工无线能量传输补偿优化与控制系统【附程序】

✨ 长期致力于动态阻抗建模、无线能量传输、多目标遗传优化、自抗扰控制器、旋转超声加工研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。
✅ 专业定制毕设、代码
✅如需沟通交流，点击《获取方式》

（1）多目标帕累托补偿电容优化与自抗扰振幅恒控制：

针对旋转超声加工中松耦合变压器漏感随间隙变化导致功率传输波动问题，建立T型等效电路漏感模型，以电压增益和传输效率为双目标，采用带精英策略的非支配排序遗传算法优化原副边补偿电容。优化后得到一组帕累托前沿解，其中串联-串联补偿结构在间隙2mm时电压增益从0.33提升至0.92。进一步设计三阶自抗扰控制器，通过扩张状态观测器估计切削负载变化并实时调整逆变器频率，使超声振幅波动从±18%抑制到±3.2%。

import numpy as np from deap import base, creator, tools, algorithms creator.create('FitnessMulti', base.Fitness, weights=(1.0, 1.0)) # 最大化增益和效率 creator.create('Individual', list, fitness=creator.FitnessMulti) def evaluate_compensation(cap_c1, cap_c2): # 简化模型：计算电压增益G和效率eta L1, L2, M = 12e-6, 12e-6, 6e-6 R_load = 50 w = 2*np.pi*25000 Z1 = 1j*w*L1 + 1/(1j*w*cap_c1) + 0.2 Z2 = 1j*w*L2 + 1/(1j*w*cap_c2) + R_load Z_ref = (w*M)**2 / Z2 G = np.abs(Z_ref / (Z1 + Z_ref)) * R_load / (np.abs(Z_ref)+1e-6) eta = np.abs(Z_ref) / (np.abs(Z1+Z_ref)) * 0.95 return (G, eta) toolbox = base.Toolbox() toolbox.register('attr_c', lambda: np.random.uniform(5e-9, 50e-9)) toolbox.register('individual', tools.initCycle, creator.Individual, (toolbox.attr_c, toolbox.attr_c), n=1) toolbox.register('evaluate', evaluate_compensation) pop = toolbox.population(n=100) algorithms.eaMuPlusLambda(pop, toolbox, mu=100, lambda_=100, cxpb=0.7, mutpb=0.2, ngen=80)