全橋直流變換器的RBF神經網絡控制技術研究

龍 松，沈小芳

全橋直流變換器的RBF神經網絡控制技術研究

龍 松，沈小芳

(武昌首義學院，武漢 430064)

針對船舶直流區域配電系統中全橋直流變換器精確數學模型難以建立、經典控制系統設計困難的問題，提出了全橋直流變換器的RBF神經網絡控制的方法和步驟，并建立了仿真模型。仿真結果表明，在全橋直流變換器輸出電壓的控制方面，RBF神經網絡控制與經典PID控制相比優勢明顯。最后，提出了進一步的研究方向。

直流區域配電 直流變換器 RBF神經網絡控制 控制系統設計

0 引言

目前，以輻射式配電系統和交流電機組成的交流電力系統是艦船綜合電力系統的主流[1～2]。區域配電系統與當前采用的輻射式供電有很大不同。組成區域供電的基本器件是電力傳輸母線和區域配電中心。區域配電系統通過貫穿全船的舷側電力傳輸干線將電能分配至各供電區域的負載中心，這些區域負載中心從電力傳輸干線獲得電能，通過區域內電力變換設備和配電電纜，向區域內負載供電，大大減少了穿透隔壁的電纜數量。通過減少電力電纜、配電設備的數量，區域供電系統可以簡化電纜敷設工作，降低艦船的建造難度和工作量，有利于模塊化建造，減少全壽期費用。此外，區域配電系統便于模塊式建造，可以使區域內的所有用電設備在建造時，無需與艦船上其他區域相連即可獲得電能，使得設備的安裝、調試和試驗變得方便[3～4]。

直流變換器是直流區域配電系統的核心設備，其將直流母線電壓轉換為另一種直流電壓（通常是降壓），給直流配電區域提供電能。在直流配電區域內，通過電力電子變換器，直流變換器輸出的直流電可以變換為合適電壓等級的交流電或直流電，以供各個設備使用。作為直流配電區域的主電源，直流變換器輸出電壓的穩定性是其重要的技術指標[5～6]，本文主要研究全橋直流變換器輸出電壓控制系統的設計。

1 全橋直流變換器的控制模型

目前，應用較廣泛的是全橋直流變換器，其屬于間接直流變換器，基本結構如圖1所示。逆變電路由4個開關組成，將直流電壓逆變成交流電壓，加在變壓器的一次側。改變開關的占空比，就可以改變整流電壓的平均值，也就改變了輸出電壓；改變開關的頻率，就改變了變壓器一次側交流電的頻率。

圖1 全橋直流變換器結構圖

當濾波電感較大時，濾波電感電流連續，電路穩定后輸出電壓為：

全橋直流變換器控制系統結構如圖2所示。

圖2 全橋直流變換器控制系統基本結構

式（1）為電路穩定時的直流電壓輸出，而電路的暫態過程與全橋變換器的參數和負載的參數均相關。因為直流配電區域內負載的形式多樣，有感性負載、容性負載和純電阻負載，且各設備的參數相差很大，同時也由于全橋直流變換器各組成器件如開關器件、隔離變壓器等運行特性的復雜性，所以從全橋直流變換器控制系統設計的角度考慮，無法建立精確的全橋直流變換器的數學模型。

因此，采用以精確的數學模型為基礎的傳統控制系統設計方法進行全橋直流變換器控制系統設計時，只能應用簡化的全橋直流變換器數學模型，并對負載進行估計，應用試湊法對控制器進行設計。顯然，這種控制系統的控制效果并不理想。

2 全橋直流變換器的RBF神經網絡控制

RBF神經網絡是一種隱層節點由徑向基函數所構成的三層前向神經網絡，與BP神經網絡相比，其收斂速度快、泛化能力強。

基于RBF神經網絡的全橋直流變換器的控制器結構如圖3所示。

圖3 RBF神經網絡控制器結構

圖3中，輸入層節點數根據影響全橋直流變換器輸出電壓準確性的因素確定，本文取輸出電壓誤差和誤差變化率；輸出層節點數顯然只有一個，即逆變器開關的占空比；隱層節點的數目沒有固定的計算公式,但其數目的多少對網絡的性能都會產生不同影響，根據經驗有如下公式[7]：

根據式（2）及經驗，本文中隱層選取5個節點，因此建立的RBF神經網絡控制器為2個輸入節點、5個隱含節點、1個輸出節點的2-5-1型 RBF神經網絡。RBF神經網絡控制器的結構確定后，即可通過訓練樣本對神經網絡進行訓練，直至神經網絡收斂。

3 仿真驗證

圖4 全橋直流變換器仿真模型

建立仿真模型，對全橋直流變換器及其控制系統進行仿真驗證。

首先，建立全橋直流變換器仿真模型，如圖4所示，模型主要參數見表1。

表1 全橋直流變換器仿真模型參數

全橋直流變換器開環控制，逆變開關占空比取40%，輸出電壓曲線如圖5所示（先加載R1，0.01 s穩定后再加載R2）。

圖5 全橋直流變換器輸出電壓曲線（開環控制）

4 結語

RBF神經網絡控制器的準確性與訓練樣本有較大關系，若訓練樣本較全面、合理，則訓練出的RBF神經網絡控制器具有較高準確性；若訓練樣本片面或不合理，則訓練出的RBF神經網絡控制器的準確性不高。即RBF神經網絡控制器的準確性依賴于訓練樣本，這是神經網絡控制器的主要缺點，與其他人工智能技術結合可克服該缺點，如模糊神經網絡控制器等，這是需要進一步研究的內容。

圖6 帶有RBF神經網絡控制器的全橋直流變換器仿真模型

圖7 全橋直流變換器輸出電壓曲線（神經網絡與PID控制）

[1] 付立軍, 劉魯鋒, 王剛, 馬凡, 葉志浩, 紀鋒, 劉路輝. 我國艦船中壓直流綜合電力系統研究進展[J]. 中國艦船研究, 2016, 11(1): 72-79.

[2] 陳虹. 基于直流配電系統的船舶綜合電力系統[J]. 艦船科學技術, 2005, 27: 31-37.

[3] 陳波, 付立軍, 葉志浩, 王琦. 基于直流區域配電系統的網狀網絡[J]. 船電技術, 2004, 4: 193-196.

[4] 吳雙, 夏立, 張超, 王新枝. 電力推進對船舶直流區域配電穩定性影響[J]. 中國航海, 2012, 35(4): 45-49.

[5] 趙宇, 柴建云. 升壓斬波控制開關磁阻風力發電機系統[J]. 清華大學學報（自然科學版）, 2007, 47(7): 1118-1121.

[6] 蘇曉東, 梁暉. 風力發電變流系統多重化升壓斬波器控制方法研究[J]. 電氣傳動, 2008, 38(8): 36-39.

[7] 江維, 吳功平, 曹琪, 楊松. 輸電線路帶電作業機器人機械手RBF神經網絡控制[J]. 東北大學學報（自然科學版）, 2017, 10: 1388-1393.

Research on the RBF Neural Network Control of a Full Bridge DC Converter

Long Song, Shen Xiaofang

（Wuchang Shouyi University, Wuhan 430064, China）

TM46

A

1003-4862（2021）08-0001-03

2021-01-25

龍松(1978-)，男，副教授。研究方向：數學與應用數學、控制論。E-mail: 278131722@qq.com