摘要:本文将神经网络控制应用于PWM整流器,改善了控制效果。 仿真和实验验证了控制方案的可行性和优越性。
关键词:神经网络整流器功率因数校正系统实验
applicationofneuralnetworkstopwmrectifiercontrol
李顺元顺小峰美强吴伟阳
yanshanuniversityoftechnology 066004秦皇道
Abstract: In this pater,the neural-networkcontrolisselectedasthepwmrectifiercontrolstrategy, improvedtheperformanceofthesystem.thefeasibilityandadvantageofthecontrolschemeisverifiedbysimulationandexperiment。
关键点: neuralnetworkrectifierpowerfactorcorrectionsystemexperiment
1领先
神经网络控制作为一种极具潜力的控制手段吸引了许多学者的研究[1]。 由于其本身具有并行处理能力、自学习能力、容错能力,适合处理非线性系统的控制问题[2]。 电力电子系统是一个比较严重的非线性系统,单位功率因数得到改善,膝骨受伤,且恢复了指芮芮康姆(康基),疲劳的车祸突然得到解决,骨上虾玫的奶倒回到苏庖破碎的刨床(3)上因此,获得了良好的鲁棒性和快速的电流响应。 但其开关频率并不恒定,本文基于滞环控制,离线训练神经网络控制器代替滞环控制器。 该控制方法保持了滞环电流控制鲁棒性好、电流响应快的优点,同时可以限制器件的最高开关频率。
2控制系统的结构
高功率因数PWM整流器的结构如图1所示,其工作原理参照文献[4]
图1三相电压源变流器主电路
神经网络控制的整流器控制原理
图2所示(单等效电路)。
图2系统控制框图
参照电压Uref和输出电压Uo的差通过PI调整后,将其作为电流峰值的参照,分别与对应相的同步信号相乘,得到内环电流的参照
信号im*,与实际相电流im比较得到的电流误差信号i=im*-im,电流误差信号重新输入神经网络控制器,神经网络的输出为开关信号。 其领导人的信号如表1所示
本文中神经网络的拓扑结构如图3所示,包括输入层在内,为三层前向神经网络,学习算法为误差反向传播法(BP算法)。
的作用函数采用Sigmoid函数o
式中的o
输入第k层第I神经元节点的第h个样本时的输出,
这是在步骤r中在第k层第I个神经元节点的第h个样本输入时接收的对上层(第k-1层)的输入的总和
表1导师信号
开关模式
a
B
C
Y1
Y2
Y3
1
0.1
0.1
0.1
0
0
0
2
0.1
0.1
-0.1
0
0
1
3
0.1
-0.1
0.1
0
1
0
4
-0.1
0.1
0.1
1
0
0
5
0.1
-0.1
-0.1
0
1
1
6
-0.1
0.1
-0.1
1
0
1
7
-0.1
-0.1
0.1
1
1
0
8
-0.1
-0.1
-0.1
1
1
1
,
第r步迭代时第k-1层的第j个神经元节点相对于第k层的第I个神经元的权重系数,
作为第r阶段反复时第k层第I节点的阈值,
使用平方型误差函数,以及H个样本总误差
,式中
为第h个样本输入时,输出层第i个神经元节点的期望输出。采用使用最为广泛的BP算法,网络的学习表达式如下:
(1)
(2)
式中 μ为为学习步长
对于输出层(在本文中为第3层)
对于中间层有
图3 神经网络控制器
上面是最基础的BP训练学习算法,在它的基础上可以有变学习步长或带动量项系数的BP算法。
采用批处理的学习方法,依表一的学习规则用matlab进行离线训练得到网络的结构为(3,4,3),通过多次反复训练,取系统的训练误差为1%100,同时考虑到神经网络控制器用定点DSPTMSF240实现时数值范围和数值精度的矛盾,决定取网络各层的权值和各个神经元的阀值如下:
再利用MATLAB中的Simulik环境搭出神经网络控制器作为一个子系统置于整个系统中。来仿真验证控制方案的可行性。
3 仿 真
MATLAB是基于系统数学模型的功能强大的仿真工具,本三相变流器的数学模型取图1所示主回路在三相静止坐标系下的数学模型即可[5],如下所示:
(3 )
其中,
fk为三相整流桥的开关函数
fk =
其中,k=1,2,3
外面的电压环用传统的PI调节器,内环电流环采用上面权值与阀值的(3,4,3)结构的神经网络控制器。
电路参数如下:
输入电压:Ua=Ub=Uc=50V,直流输出电压Uo=200V,交流侧电感:L=6Mh
直流侧输出电容:C=3000UF,直流负载电阻:R=40Ω,采样频率为10K
?
图4 直流电压响应波形
图 4 电压响应仿真波形
?
图5 A相电压和电流仿真波形
从图4,5可以看出系统的响应时间约为0.15S,具有较快的响应速度和单位功率因数。
4 系统实验
本文用DSP软件实现神经网络控制器用于三相高功率因数变流器的控制中,实现了系统的实时控制,限制了最高开关频率为5K,实验波形如图6,7所示。图7中幅值大的为相电压波形,幅值小的为电流波形i为4A/格。可见,在神经网络控制器的作用下系统实现了单位功率因数。
?
图6 A相开关信号和A相电流波形
?
图7 A相电压与电流实验波形
5 结 论
本文提出了一种基于神经网络控制的PWM整流器的控制方案,能实现单位功率因数,且具有快速的系统响应。神经网络控制应用于电力电子这种非线性系统中是一种新颖的、很有前途的控制策略。
参考文献:
[1] 曾经的犀牛. 人工神经元网络及其应用. 清华大学出版社, 1999
[2] 精明的朋友, 羞涩的钢笔. 并联有源电力滤波器的神经网络预测控制, 中国电机工程学报,1999,19(12)
[3] F.De Winter,Y.Xiao.l “A High Power AC/DC Current Source Converter with Sinusiodal Input Current and Unity Power Factor”,IPEMC’97 91-95
[4]J.Dixon,S.Tepper,L.Moran.Practical
Evaluation of different Modulation Techniques for Current-controlled Voltage Source Inverters IEE Proc.Electr.Power Appl. 1996,143(4):301~306
[5] W.R.Song. Analysis of an Ac-to-Dc Voltage Source Converter Using PWM with Phase and Amplitude Control.IEEE Trans On IA, 1991, 2(27):355-363
作者简介:
香蕉哈密瓜,数据线 男 1976年生,硕士,神勇的书包,研究兴趣为电力电子技术,微处理器技术.智能控制。
温柔的白羊 男 1970年生,博士生,讲师,研究兴趣为电力电子技术,计算机控制技术。
梅 强 男 1975年生,硕士,神勇的书包,研究兴趣为电力电子技术。
单薄的帆布鞋 男 1940年生,教授,博士生导师。主要研究方向为大功率牵引传动. 高功率因数。