單神經元電流控制器在整流器中的仿真研究

侯春

摘要：神經網絡不依賴于控制對象的模型，通過學習可逼近未知非線性對象的動態行為，因此可用于三電平整流器的控制，但由于三電平PWM整流器對快速性及實時性的要求，目前的神經網絡在此領域的實際應用仍受到很大限制。本文研究了基于單神經元的電流控制方法，給出了基于單神經元的電流控制結構，設計了單神經元電流控制器，最后進行了仿真實驗。結果表明，采用單神經元電流控制器的三電平整流器，響應速度快，幾乎無超調，并且在負載突變的情況下，可以較快的恢復到穩定狀態。

關鍵詞：單神經元 三電平整流器 電流控制器

中圖分類號：TM461 文獻標識碼：A 文章編號：1007-9416（2016）11-0009-02

1 引言

單神經元是神經網絡的基本結構，具有結構簡單、計算量小等特點，作為控制器時，系統的動態性能只依賴于誤差信號，不受或少受對象模型參數的影響，從而可以提高系統的性能和魯棒性。單神經元控制器結合了PID控制的優點，可以在線調整PID參數，具有自適應、自學習能力，并且能滿足對快速性及實時性的要求，因而在各種控制系統中得到了廣泛的應用。

2 基于單神經元電流控制器的三電平整流器

2.1 基于單神經元的電流控制結構

用單神經元構成的單神經元自適應控制器用于三電平整流器的電流控制，系統的電流控制環節結構圖如圖1所示。

2.2 電流控制器

在三電平整流器控制系統中，電流、的控制采用單神經元電流控制器，其結構如圖2所示。電流控制主要由三部分構成：單神經元控制器、電流檢測、坐標變換。圖2中為軸電流的單神經元電流控制器結構，控制器輸入為軸電流給定值與實際反饋之差，輸出為軸控制電壓分量。

2.3 基于二次型性能指標的學習算法

在最優控制理論中，采用二次型性能指標來計算控制律可以得到所期望的優化效果。在神經元的學習算法中，同樣可借用最優控制中，二次型性能指標的思想，在加權系數的調整中引入二次型性能指標，通過使輸出誤差和控制增量加權平方和為最小來調整加權系數，從而間接實現對輸出誤差和控制增量加權的約束控制。

根據單神經元自適應控制器的狀態變換將系統誤差分解為三個狀態變量，即控制器的三個輸入：

（1）

控制器輸出為：

（2）

其中。是權值向量的歐幾里德范數，除以范數即是在權值向量空間中，將權值向量進行單位化處理，以保證控制策略的收斂性。

定義性能指標為：

（3）

上式中，P、Q分別為輸出誤差和控制增量的加權系數，和為k時刻的參考輸入和輸出。

權系數按下式調整

（4）

上式中，，，，分別為對應權值的學習率，K為總學習率。

2.4 仿真實驗

基于SIMULINK建立的單神經元控制器的仿真模型，結合所建立的PWM仿真模型和整流器仿真模型進行仿真研究，單神經元控制器的仿真模型圖3所示。

電網參數：Em=311V，f=50Hz；交流側參數：Ls=6mH，Rs=0.5Ω；直流側參數：Cd=2200μF，L0=3mH；直流側給定電壓Vdcg=600V；開關頻率fs=2KHz。整流器啟動時為等效負載，輸出功率為18KW，無功電流，整流器工作在單位功率因數情況下。0.3秒系統穩定后，直流側并聯18KW等效負載。直流側電壓及交流側電流、電壓波形圖4所示。

由仿真結果可見，當負載突變時，采用單神經元電流控制器的三電平整流器直流側電壓在0.13秒后恢復到穩態值，電壓值恢復比較迅速。電網電流波形為正弦，并且保持與電源電壓的同相位，整流器依然工作在單位功率因數情況下。

3 結語

本文通過仿真實驗，研究了負載突變情況下整流器的性能。采用單神經元電流控制器的三電平整流器，響應速度快，幾乎無超調，并且在負載突變的情況下，可以較快的恢復到穩定狀態。

參考文獻

[1]李秀娟，劉永亮，劉以建.基于PWM整流器的功率控制器的仿真研究[J].通信電源技術，2010（5）：45-48.

[2]李梅，李嵐.基于單神經元自適應PI的PWM整流器控制[J].電氣技術，2011（6）：4-8.