AC/DC开关变换器的神经网络控制

AC/DC开关变换器的神经网络控制

ID:37043393

大小:421.86 KB

页数:4页

时间:2019-05-20

AC/DC开关变换器的神经网络控制_第1页
AC/DC开关变换器的神经网络控制_第2页
AC/DC开关变换器的神经网络控制_第3页
AC/DC开关变换器的神经网络控制_第4页
资源描述:

《AC/DC开关变换器的神经网络控制》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、维普资讯http://www.cqvip.com第34卷第l4期继电器Vo1.34No.14722006年7月16日RELAYJu1.16,2006AC/DC开关变换器的神经网络控制孟昕元,姚永刚,李晓媛(1.河南机电高等专科学校自动控制系,河南新乡453002;2.郑州大学电气工程学院,河南郑州450002)摘要:AC/DC开关变换器非线性程度很高,输入电流为非正弦形式,功率因数极低。为改善功率因数,研究了使用神经网络控制器(NNC)对AC/DC开关变换器进行控制,并与传统的电流模式控制器(CMC)的控制效果进行了仿真比较。结果证实,使用神经网络控制器可以获得很高的功率

2、因数;在参数变化时,神经网络控制器比电流模式控制器的控制性能更佳,且容错能力异常突出。关键词:神经网络控制器;AC/DC开关变换器;功率因数校正;容错能力中图分类号:TPI3文献标识码:A文章编号:1003-4897(2006)14-0072-03由于开关变换器是高度非线性的,线性化的电流模0引言式控制手段不能提供宽广的动态工作范围⋯。不断增长的交流功率电子产品的使用导致了电本文研究应用神经网络控制器控制一个单相网电流的谐波失真,从而使得功率因数降低¨J。谐AC/DC开关变换器,给出了仿真结果,并且与常用波失真会产生很多有害的影响,如:系统部件过渡发的电流模式控制器进行了

3、性能比较。热、发电机或电动机的机械振荡、音频噪声增加、无1神经网络控制器(NNC)线电频率受干扰以及电力线通讯系统性能的削弱』。因此,AC/DC开关变换器设计的一项主要神经网络控制器如图2所示,它取代了图l中任务即是改善电流波形、提高功率因数。的电流控制器。其中,PID控制器将输出电压调节单相有源电流整形电路是常见的交流线路电流在设定值附近,与一个整流信号混合后作为参考电整形电路,如图1所示。它是一个使用电流模式控流的模板。神经网络提供占空比控制信号,以使得制技术的高频补偿变换器。输入电流与输入电压同步变化。.图2神经网络控制器Fig.2Neuralnetworkcont

4、roller图1电流模式控制下的AC/DC开关前置调节器Fig.1AC/DCswitchingpre·regulatorunder神经网络为三层结构J:输入层有两个神经currentmodecontrol元;隐含层有六个神经元;输出层有一个神经元。学习算法为误差反向学习算法(BP算法)。神经网络图l中的开关前置调节器是一个高频补偿变换器。通过开关模式方法,电压回路将输出电压调节的输入为电感电流误差以及电感电流误差的变化在期望值附近,而电流回路将电感电流整形为正弦量。这些误差中包含了参考电压、参考电流和输入曲线,且相角与输入交流电压基本一致。因此,便获电压的所有信息l6]。

5、图3、图4分别为输出层神经得了近似的单位功率因数J,这种方法称为电流模元和隐含层的一个神经元描述。式控制(CMC),也是实践中较为常见的控制方式。输出权系数m棚的更新方程为:基金项目:河南省自然科学基金资助项目(0511011900)维普资讯http://www.cqvip.com孟昕元,等AC/DC开关变换器的神经网络控制731)电流模式控制的仿真结果电流模式控制仿真的输入电流结果如图5所示。图5(a)一5(d)分别为对应的四种条件下响应的图形。前三种情况下,在过零点时输入电流有一个小的死区时间,此时的功率因数大约为0.99。相比前三种情况,最后一种情况的功率因数最低,

6、计算图3输出层神经元结果为0.94。Fig.3Neuronattheoutputlayer5O厂\厂\25《\,、,、壤0、J,f/一25—5OVV1.4671.475l_4831.4921.5oOt/s(a)第一种情况八/^\,、、图4隐含层中的第q个神经元/\/VFig.4ThegthneuronatMehiddenlayert/S(b)第二种情况△m-c耐(1)+1))s()s(5O厂\/,-\25,、、O9//隐含层权系数m的更新方程为:-25-50VVl_471.48l_48l_49l_5O△m幻=c(耐(Ii}+1)一L(Ii}+1))s(yo)ms(^)di

7、et/S(c)第三种情况755O/_’厂\25,●,■其中:s(y。)是神经网络的输出,也就是占空比。utLO■’■一25。dn\_一,\,,-50是对象的雅可比行列式,定义如下:为得到较好的系统响应和稳定性,设定了最大ca流值(c)。学习速率0.000O12仿真结果与讨论动量因数0.5初始权系数[一0.oo5,0.0o5]对ca流模式控制方式与神经网络控制方式的控最大电流值50o神经网络控制器参数见表1。输入电流仿真结果如图6所示。图6(a)一6(d)分别为对应的四种条件下响应的图形。与电流模式控制的结果相近似,前三种情况下

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。