中文字幕 另类精品,亚洲欧美一区二区蜜桃,日本在线精品视频免费,孩交精品乱子片免费

<sup id="3hn2b"></sup>

    1. <sub id="3hn2b"><ol id="3hn2b"></ol></sub><legend id="3hn2b"></legend>

      1. <xmp id="3hn2b"></xmp>

      2. 關 閉

        新聞中心

        EEPW首頁 > 工控自動化 > 設計應用 > 智能控制在DC/DC變換器中的應用

        智能控制在DC/DC變換器中的應用

        作者: 時間:2011-03-19 來源:網(wǎng)絡 收藏

        本文引用地址:http://www.antipu.com.cn/article/162282.htm

        其中,用神經(jīng)網(wǎng)絡控制器產(chǎn)生的控制信號,進行反饋控制,用神經(jīng)網(wǎng)絡仿真器識別的參數(shù)變化。并且神經(jīng)網(wǎng)絡控制系統(tǒng)自動學習工作時的動態(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。

        計算機仿真結果表明,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)絡控制系統(tǒng)都能提供良好的動態(tài)響應。

        文獻[5]把神經(jīng)網(wǎng)絡控制器于Buck變換器中。首先,把Buck變換器在一個工作點線性化,進行PI控制,由此得到神經(jīng)網(wǎng)絡離線訓練的數(shù)據(jù)集合,這種訓練時間長,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果。而在線訓練的神經(jīng)網(wǎng)絡控制器設計的時間少,在變化的負載條件下能夠提供最精確和統(tǒng)一的結果。

        文獻[6]提出用神經(jīng)網(wǎng)絡辨識和控制一個反激準諧振變換器。神經(jīng)網(wǎng)絡控制器用來調(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)輸出電壓的開關頻率。控制方法采用監(jiān)督學習的神經(jīng)網(wǎng)絡控制,用BP算法,并由Levenberg-Marquedet規(guī)則改進。仿真結果表明系統(tǒng)的精度和魯棒性都得到了改善。這種神經(jīng)網(wǎng)絡控制器的優(yōu)點可總結如下:

        1)降低了輸出電壓的偏差,提高了控制系統(tǒng)的精度;

        2)對于輸入電壓和負載的變化,具有快速的響應;

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

        5 神經(jīng)模糊控制在變換器中的

        神經(jīng)網(wǎng)絡和模糊控制在對信息的加工處理過程中,均表示出很強的容錯能力,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構,當輸入信號進入模糊控制系統(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)絡而言,它本身就是由并行結構的神經(jīng)元構成。

        但是,模糊系統(tǒng)和神經(jīng)網(wǎng)絡有著明顯的不同之處。神經(jīng)網(wǎng)絡雖然對環(huán)境的變化具有較強的自適應學習能力,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習模式。因此,當學習完成之后,神經(jīng)網(wǎng)絡所獲得的輸入和輸出關系,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)的相似點構成了融合的基礎,而它們的不同點又為融合方式研究提供了可能。

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

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

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

        3)模糊-神經(jīng)混合系統(tǒng)把模糊技術和神經(jīng)網(wǎng)絡結合起來形成混合系統(tǒng)。

        文獻[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[7]利用神經(jīng)網(wǎng)絡設計隸屬函數(shù),把神經(jīng)網(wǎng)絡作為隸屬函數(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)絡由BP學習算法調(diào)節(jié),作用函數(shù)為S(x)=。神經(jīng)模糊控制器經(jīng)過離線訓練后,用來調(diào)節(jié)Cuk變換器。通過仿真證明,當負載變化時,神經(jīng)模糊控制器比PI控制器的動態(tài)響應更好。

        圖4 Cuk變換器的神經(jīng)模糊控制系統(tǒng)

        6 結語

        目前,變換器中的非常少,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)濟和體積方面的原因,以及整個理論體系還不成熟,所以,變換器還需要一定的時間才能應用于實際。但是,隨著智能控制應用工程的日益成熟,各種軟硬件技術的開發(fā),尤其是最近高速廉價的數(shù)字信號處理器(DSP)的應用,大大方便了智能控制應用系統(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。


        上一頁 1 2 3 下一頁

        評論


        相關推薦

        技術專區(qū)

        關閉