广义状态空间平均法的前提是:波形x(t)可在区间(t-T,t]上用傅里叶级数以任意精度近似表示:
式中
式(7-1)中,n的值由所需的精度确定。如果n趋近于无穷大,那么近似所产生的误差就接近零。如果我们只考虑k=0的项,那就与状态空间平均法一样[12]。如果一个状态变量没有振荡且几乎不变,我们只用k=0的项。如果一个状态变量只有与正弦波类似的振荡形式,那么我们就使用k=-1,1的项。这种方法叫做一次谐波近似。此外,如果一个状态变量既有直流分量又有振荡形式,我们就使用k=-1,0,1的项。考虑的项越多,精度就越高。
对每个变换器进行建模时,T的选择非常重要,需要仔细考虑。比如,对于DC/DC变换器,T为开关周期;对于DC/AC逆变器,T为输出电压基波周期。〈x〉k(t)为傅里叶系数。因为区间的滑动是时间的函数,所以傅里叶系数也是时间的函数。当长度为T的窗口滑过实际的波形时,会计算出这些傅里叶系数的演化时间。我们的方法是确定一个合适的状态空间模型,其中的系数式(7-2)为状态变量。傅里叶系数式(7-2)的某些属性对于分析非常关键,详列如下:
此方程对于得到含有傅里叶系数的平均模型非常重要。在分析驱动频率变化的系统时,还需要考虑ω随时间变化的情况。这种情况下,式(7-3)只是一个近似式而已。但是对于缓慢变化的ω(t),它就是一个不错的近似[24]。(www.xing528.com)
2)变量函数的变换:
〈f〉k=〈f(x1,x2,…,xn)〉k (7-4)
多数情况下,不可能根据有限个系数〈x〉i得到式(7-4)的显式形式。当f为多项式时,精确计算式(7-4)才可行。这个计算过程基于以下的卷积关系:
其中,求和是对所有整数i进行的。许多情况下,我们需要忽略式(7-5)中许多足够小的项。在f为多项式的情况下,分别考虑齐次项可计算出式(7-4)的结果。常数项和线性项的变换不重要。二次项的变换可由式(7-5)得到。对于更高阶齐次项,通过因式分解将每一项分解为两个低阶项的乘积,然后再对每一个因子进行处理。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。