ups逆变器控制方法比较分析

《ups逆变器控制方法比较分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、UPS逆变器控制方法比较分析

2、第1内容加载中...　　但是，UPS逆变器采用数字PID控制算法也有两方面的局限性。一是系统的采样量化误差降低了算法的控制精度；二是采样和计算延时使得被控系统成为一个具有纯时间滞后的系统，造成了PID控制器稳定域减少，增加了设计难度。　　1.1预测控制　　预测控制可以实现很小的电流畸变，抗噪音能力强，但是，这种算法要求知道精确的负载模型和电路参数，而且有数值计算造成的延时在实际应用中也是一个问题[1]。　　1.2滞环控制　　滞环控制具有快速的响应速度，较高的稳定性，但是，滞环控制的开关频率不固定，使电路工作可靠性下降，输出电压的频谱变差，对系统性能

3、不利。　　1.3无差拍控制　　无差拍控制最先是由卡尔曼提出的，它是一种基于被控制对象精确数学模型的控制方法。无差拍控制的基本思想是根据逆变器的状态方程和输出反馈信号（通常是输出滤波电容的电压和电流）推算出下一个开关周期的P脉冲宽度。P脉冲宽度是根据当前时刻状态向量和下一采样时刻的参考正弦值计算出来的，因此，从理论上可以使输出电压在相位和幅值上都非常接近参考电压，由负载变化或非线性负载引起的输出电压误差可在一个开关周期内得到校正。无差拍控制要求控制脉宽必须当拍计算当拍输出，否则不仅会破坏了控制特性，甚至还会影响系统的稳定性。由于采样和计算延时，要做到当拍计算当拍输出必然使输出脉冲

4、的占空比受到限制，这就降低了输入直流电压的利用率。无差拍控制的控制参数是和输出滤波器参数、直流母线电压以及负载息息相关的，只要它们当中的一个发生变化，控制参数就得作相应的调整，否则就会导致控制失效，所以，无差拍控制系统的鲁棒性很差。500)this.style.ouseg(this)">　　1.4滑模控制　　滑模控制是一种非线性控制，这种控制的特点是控制的非连续性，它使系统在一定条件下沿着规定的轨迹做高频率、小振幅的上下运动[2]。这种控制既可以用于线性系统也可用于非线性系统。对于连续系统，由于控制的不连续使其变为非线性系统，对于非连续系统，不仅有非连续特性还包含有非线性系统的

5、动力学特性。这种控制方法具有很强的鲁棒性。U是切换函数　　式中：s=c1x＋c2x＋...＋x；　　x是系统的状态信息；　　u（x）是所采取的控制策略。　　这种控制的目的是通过求取切换函数中的各常数值，使得所采取的控制策略满足滑模运动所要求的稳定性和动态特性。这种控制的缺点是要得到一个令人满意的滑模面是很困难的。500)this.style.ouseg(this)">　　1.5重复控制　　重复控制是一种基于内模原理的控制方法，内模原理是把作用于系统的外部信号的动力学模型植入控制器以构成高精度反馈控制系统的一种设计原理[3]。逆变器采用重复控制的目的是为了消除因整流桥负载引起的输

6、出电压波形周期性的畸变。其控制思想是假定前一周期出现的输出电压波形畸变将在下一周期的同一时刻再次出现，控制器根据参考信号和输出电压反馈信号的误差来确定所需的校正信号，然后，在下一个基波周期将此校正信号叠加在原控制信号上，这样就可以消除输出电压的周期性畸变。重复控制器可以消除周期性干扰产生的稳态误差，但是，由于重复控制延时一个工频周期的控制特点，使得单独使用重复控制的UPS逆变器动态特性极差，无法满足UPS逆变器的指标要求。　　1.6模糊控制　　模糊控制属于智能控制的范畴。系统的复杂性和模型的精确性总是存在着矛盾，许多控制方法都要求有被控对象的精确模型，而模糊控制器的设计不需要被

7、控对象的精确数学模型，因此，具有很强的鲁棒性和自适应性。模糊控制有3个基本组成部分，即模糊化、模糊决策和精确化计算。其工作过程可简单描述如下：首先将信息模糊化，然后经模糊推理规则得到模糊控制输出，最后将模糊指令进行精确化计算最终输出控制值。模糊控制勿须知道输入输出间的数学依存关系，给定一个输入，便可以根据控制规则表得到一个合适的输出，控制算法简单、计算时间较少。逆变器采用模糊控制有利于提高控制的实时性，改善逆变器输出电压波形质量。模糊控制主要依赖模糊规则和模糊变量的隶属度函数。如果对信息进行简单的模糊化处理会导致被控系统控制精度的降低和动态品质变差，为了提高系统精度必然要增加量

8、化等级，这样就使得规则迅速增多，影响了规则库的最佳生成，而且会增加系统的复杂性和推理时间。模糊控制是主要用于滞后系统、非线性系统、时变系统，这种控制不要求知道系统的精确数学模型，这种控制根据控制量的个数可以分为一维模糊控制器、二维模糊控制器和三维模糊控制器。模糊控制类似于传统的PD控制，因而，这种控制有很快的响应速度，但是，其静态特性不令人满意。模糊控制框图如图1所示。500)this.style.ouseg(this)">　　1.7神经网络控制　　神经网络控制是模拟人脑神经中枢系统智能活动