✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
针对无人机空中充电场景中互感波动、负载动态变化及载荷受限的技术瓶颈，本文复现了 SCI 一区论文提出的基于一次串联 - 二次串联电感串并联电容（SLSPC）系列的高阶奇偶时间（PT）对称无线电能传输（WPT）系统。通过构建高阶 SLSPC 补偿拓扑，结合 PT 对称理论实现恒功率输出，解决了传统 WPT 系统抗干扰能力弱、稳定传输范围窄的问题。基于 Matlab/Simulink 搭建仿真模型，通过相位控制实现负电阻特性，验证了系统在耦合系数 0.1~0.5、负载 10~50Ω 变化范围内的恒功率传输性能。结果表明，与传统串联 - 串联（S-S）拓扑相比，所复现系统的 PT 对称区域扩展 47.2%，临界耦合系数降低 31.6%，最大传输效率达 92.8%，为无人机动态无线充电提供了可靠技术方案。关键词：无线电能传输；PT 对称；SLSPC 拓扑；高阶补偿；恒功率控制
1 引言
1.1 研究背景与意义
无线电能传输（WPT）技术凭借无物理接触的优势，已成为无人机续航补给的核心解决方案。然而无人机飞行过程中，发射与接收线圈的相对位置动态变化导致互感（M）连续波动，锂电池充电过程中等效负载的非线性变化，以及无人机有效载荷对设备体积重量的严格限制，构成了三大核心技术挑战。传统 WPT 系统采用的低阶补偿拓扑（如 S-S、LCC）难以兼顾宽范围稳定传输与小型化需求，其输出功率易受耦合系数和负载变化的双重影响，无法满足无人机空中充电的可靠性要求。
PT 对称理论源于非厄密量子物理，其核心优势在于系统处于 PT 对称相时，输出功率仅依赖固有参数，与耦合系数和负载无关，为解决恒功率传输问题提供了全新理论框架。高阶补偿拓扑则通过增加谐振阶数，可优化系统阻抗匹配特性，降低临界耦合系数，扩展稳定传输范围。SLSPC（Series-Inductor-Series-Parallel-Capacitor）系列拓扑作为高阶补偿结构的创新形式，通过在原副边串联电感支路增设并联电容，实现了临界耦合系数降低与 PT 对称区域扩展的双重优化，成为解决无人机充电瓶颈的关键技术路径。
⛳️ 运行结果
📣 部分代码
🔗 参考文献
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
