智能控制在DC/DC變換器中的應(yīng)用

其中，用神經(jīng)網(wǎng)絡(luò)控制器產(chǎn)生變換器的控制信號，進(jìn)行反饋控制，用神經(jīng)網(wǎng)絡(luò)仿真器識別變換器的參數(shù)變化。并且神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)自動學(xué)習(xí)變換器工作時的動態(tài)特性。由于PWM變換器通常是二階系統(tǒng)，所以，對于變換器的輸入和輸出，兩個延遲單元是足夠的。

由神經(jīng)網(wǎng)絡(luò)間接控制的Boost變換器不需要知道雅可比行列式，也不用考慮參數(shù)變化，在遇到大信號擾動時，也不需要利用傳遞函數(shù)方法來處理。

計算機(jī)仿真結(jié)果表明，即使在高頻脈沖電源電壓和高頻脈沖參考信號的條件下，神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)都能提供良好的動態(tài)響應(yīng)。

文獻(xiàn)[5]把神經(jīng)網(wǎng)絡(luò)控制器應(yīng)用于Buck變換器中。首先，把Buck變換器在一個工作點(diǎn)線性化，進(jìn)行PI控制，由此得到神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練的數(shù)據(jù)集合，這種訓(xùn)練時間長，并且依賴于數(shù)據(jù)集合的大小和特性，但是，依然能得到良好的控制結(jié)果。而在線訓(xùn)練的神經(jīng)網(wǎng)絡(luò)控制器設(shè)計的時間少，在變化的負(fù)載條件下能夠提供最精確和統(tǒng)一的結(jié)果。

文獻(xiàn)[6]提出用神經(jīng)網(wǎng)絡(luò)辨識和控制一個反激準(zhǔn)諧振變換器。神經(jīng)網(wǎng)絡(luò)控制器用來調(diào)節(jié)輸出電壓，它由3層組成，輸入層有8個神經(jīng)元，隱層有24個神經(jīng)元，輸出層有一個神經(jīng)元。4個輸入分別為輸入電壓變化量，電感電流變化量，負(fù)載電流變化量，輸出電壓相對于參考值的變化量?？刂破鞯妮敵瞿軌蛘{(diào)節(jié)輸出電壓的開關(guān)頻率?？刂品椒ú捎帽O(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)控制，用BP算法，并由Levenberg-Marquedet規(guī)則改進(jìn)。仿真結(jié)果表明系統(tǒng)的精度和魯棒性都得到了改善。這種神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)點(diǎn)可總結(jié)如下：

1）降低了輸出電壓的偏差，提高了控制系統(tǒng)的精度；

2）對于輸入電壓和負(fù)載的變化，具有快速的響應(yīng)；

3）由于神經(jīng)網(wǎng)絡(luò)控制器的輸出是開關(guān)頻率，這可以直接而且很容易完成文中的控制算法。

5 神經(jīng)模糊控制在DC/DC變換器中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)和模糊控制在對信息的加工處理過程中，均表示出很強(qiáng)的容錯能力，它們在處理和解決問題時，不需要對象的精確的數(shù)學(xué)模型；從數(shù)據(jù)處理的形式上看，它們均采用并行處理的結(jié)構(gòu)，當(dāng)輸入信號進(jìn)入模糊控制系統(tǒng)時，所有的模糊規(guī)則將依據(jù)條件的適用度決定是否被激發(fā)，并且由被激發(fā)的規(guī)則決定系統(tǒng)的輸出。對神經(jīng)網(wǎng)絡(luò)而言，它本身就是由并行結(jié)構(gòu)的神經(jīng)元構(gòu)成。

但是，模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)有著明顯的不同之處。神經(jīng)網(wǎng)絡(luò)雖然對環(huán)境的變化具有較強(qiáng)的自適應(yīng)學(xué)習(xí)能力，但從系統(tǒng)建模的角度而言，它采用的是典型的黑箱型的學(xué)習(xí)模式。因此，當(dāng)學(xué)習(xí)完成之后，神經(jīng)網(wǎng)絡(luò)所獲得的輸入和輸出關(guān)系，無法用容易被人接受的方式表示出來。相反，模糊系統(tǒng)是建立在被人容易接受的“IFTHEN”表示方法之上。但如何自動生成和調(diào)整隸屬函數(shù)的模糊規(guī)則，則是一個很棘手的問題。

基于以上分析可知，上述兩類系統(tǒng)的相似點(diǎn)構(gòu)成了融合的基礎(chǔ)，而它們的不同點(diǎn)又為融合方式研究提供了可能。

神經(jīng)網(wǎng)絡(luò)和模糊邏輯有以下幾種的相結(jié)合方式：

1）神經(jīng)模糊系統(tǒng)在模糊模型中用神經(jīng)網(wǎng)絡(luò)作為工具；

2）模糊神經(jīng)網(wǎng)絡(luò)把常規(guī)的神經(jīng)網(wǎng)絡(luò)模型模糊化；

3）模糊－神經(jīng)混合系統(tǒng)把模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)結(jié)合起來形成混合系統(tǒng)。

文獻(xiàn)[7]提出用神經(jīng)模糊控制器控制Cuk變換器，如圖4所示。由于模糊變量的隸屬函數(shù)通常是基于專家知識得到的，這要依賴于過去的經(jīng)驗，并不能給出優(yōu)化的性能。文獻(xiàn)[7]利用神經(jīng)網(wǎng)絡(luò)設(shè)計隸屬函數(shù)，把神經(jīng)網(wǎng)絡(luò)作為隸屬函數(shù)生成器組合在模糊控制系統(tǒng)中?？刂破鞯妮斎霝殡妷赫`差和電壓誤差變化率，輸出為變換器PWM的占空比。神經(jīng)網(wǎng)絡(luò)由BP學(xué)習(xí)算法調(diào)節(jié)，作用函數(shù)為S(x)=。神經(jīng)模糊控制器經(jīng)過離線訓(xùn)練后，用來調(diào)節(jié)Cuk變換器。通過仿真證明，當(dāng)負(fù)載變化時，神經(jīng)模糊控制器比PI控制器的動態(tài)響應(yīng)更好。

圖4 Cuk變換器的神經(jīng)模糊控制系統(tǒng)

6 結(jié)語

目前，智能控制在DC/DC變換器中的應(yīng)用非常少，還只是停留在仿真階段，尤其是國內(nèi)鮮有文章報道?？紤]到經(jīng)濟(jì)和體積方面的原因，以及智能控制整個理論體系還不成熟，所以，智能控制的DC/DC變換器還需要一定的時間才能應(yīng)用于實際。但是，隨著智能控制應(yīng)用工程的日益成熟，各種軟硬件技術(shù)的開發(fā)，尤其是最近高速廉價的數(shù)字信號處理器（DSP）的應(yīng)用，大大方便了智能控制應(yīng)用系統(tǒng)的實現(xiàn)，這使得具有優(yōu)良性能的智能控制的DC/DC變換器更加受到人們的重視，從而可得到長足的發(fā)展。