神經(jīng)網(wǎng)絡(luò)控制器在軟開關(guān)中的應(yīng)用

1引言
近年來，電力電子技術(shù)發(fā)展迅速，直流開關(guān)電源廣泛應(yīng)用于各個領(lǐng)域[1]。軟開關(guān)技術(shù)尤其是軟開關(guān)諧振變換器以其優(yōu)越的性能已經(jīng)成為直流開關(guān)電源研究中極其熱門的研究方向并且得到了廣泛的應(yīng)用。由于在許多場合中，對于輸出電壓的動態(tài)響應(yīng)性能要求很高，這就要求軟開關(guān)功率變換器系統(tǒng)具有較好的動態(tài)響應(yīng)能力而且能夠?qū)崟r地適應(yīng)系統(tǒng)的變化。
PID控制器以其簡單的結(jié)構(gòu)、明確的物理參數(shù)和易于實現(xiàn)等優(yōu)點，在新的控制理論不斷涌現(xiàn)的今天仍然是反饋控制中最常用的方法。但是PID控制器主要的缺點就是它對被控對象的依賴性[2]。由于在系統(tǒng)中諧振元件的引入以及這些系統(tǒng)本身存在嚴(yán)重的非線性和時變不確定性等特點，使得傳統(tǒng)的PID控制很難達(dá)到系統(tǒng)輸出的要求。而神經(jīng)網(wǎng)絡(luò)源于對腦神經(jīng)的模擬，具有很強(qiáng)的適應(yīng)復(fù)雜環(huán)境變化和多目標(biāo)控制要求的自學(xué)習(xí)能力，并有以任意精度逼近任意非線性連續(xù)函數(shù)的特征[3]。
據(jù)此，本文將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的PID相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和任意函數(shù)的逼近能力以及PID控制思想，構(gòu)造一個基于PID的神經(jīng)網(wǎng)絡(luò)控制器，以提高系統(tǒng)的輸出精度和動態(tài)響應(yīng)能力。

2軟開關(guān)準(zhǔn)諧振功率變換器
本文以SEPIC零電流諧振功率變換器為控制對象，在控制回路中加入PID神經(jīng)網(wǎng)絡(luò)控制器，所設(shè)計的系統(tǒng)結(jié)構(gòu)如圖1所示。圖1中Lf、Cf分別為諧振電感和諧振電容，二者可發(fā)生并聯(lián)諧振。諧振電感與開關(guān)管串聯(lián)，即在開關(guān)管與諧振電感中流過同一電流，若諧振電感中的電流為零時導(dǎo)通開關(guān)管就實現(xiàn)了開關(guān)管的零電流導(dǎo)通，即在零電流條件下實現(xiàn)軟開關(guān)工作狀態(tài)。

(1)
其中kp、ki、kd分別為比例、積分、微分系數(shù)。這些參數(shù)確定之后，不能主動適應(yīng)系統(tǒng)的變化，若系統(tǒng)的條件參數(shù)一旦發(fā)生變化就不能在較佳的狀態(tài)下運行。因而若將PID的控制規(guī)律與神經(jīng)網(wǎng)絡(luò)相結(jié)合，讓神經(jīng)網(wǎng)絡(luò)來完成自動調(diào)整kp、ki、kd，通過網(wǎng)絡(luò)的自身學(xué)習(xí)找到最優(yōu)的控制參數(shù)。圖1中所示的PID神經(jīng)網(wǎng)絡(luò)控制器的具體結(jié)構(gòu)如圖2所示。該控制器采用了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以誤差信號e(k)、e(k-1)、e(k-2)作為輸入信號，而把kp、ki、kd作為隱含層的3個單元，來輸出一個控制信號。這是一個3輸入、單輸出、一個隱含層(包含3個單元)的網(wǎng)絡(luò)，從而實現(xiàn)了神經(jīng)網(wǎng)絡(luò)與PID控制規(guī)律的結(jié)合。

(2)
網(wǎng)絡(luò)的學(xué)習(xí)目的是使目標(biāo)函數(shù)J為最小，為系統(tǒng)給定參考值，un(k)為系統(tǒng)輸出值，n為每批采樣點數(shù)。沿負(fù)梯度方向調(diào)整連接權(quán)Wij、Wj1的修正量為

（3）
設(shè)K為迭代次數(shù)，應(yīng)用梯度法可得網(wǎng)絡(luò)各層連接權(quán)的迭代關(guān)系式為:

（4）

（5）
式(4)和(5)中等號右邊的第二項為各層連接權(quán)的修正量。權(quán)值的修改過程也即是kp、ki、kd三個參數(shù)的調(diào)整過程，當(dāng)輸出誤差滿足輸出精度要求時也就是獲得了最優(yōu)的kp、ki、kd參數(shù)設(shè)置，這樣就使這三個參數(shù)實現(xiàn)了自適應(yīng)調(diào)整，不斷的改善系統(tǒng)的動態(tài)響應(yīng)性能。為提高網(wǎng)絡(luò)的學(xué)習(xí)效果加快收斂，在權(quán)值調(diào)整過程中引入了動量項因子，因而網(wǎng)絡(luò)連接權(quán)的迭代關(guān)系變?yōu)槿缦率?br style="margin-top: 0px; margin-right: 0px; margin-bottom: 0px; margin-left: 0px; padding-top: 0px; padding-right: 0px; padding-bottom: 0px; padding-left: 0px; ">

(6)
其中動量項

(7)
mc為動量因子，這里將其取值為1。
圖1中的PID神經(jīng)網(wǎng)絡(luò)控制器的作用就是將給定信號與反饋信號之間的誤差信號e變換為控制PWM信號的電壓u，進(jìn)而控制功率變換器工作，并且通過不斷地學(xué)習(xí)來改善控制性能。
4仿真計算與結(jié)果分析
仿真步驟如圖3所示。

根據(jù)前兩節(jié)所述的軟開關(guān)準(zhǔn)諧振功率變換器、以及其與PID神經(jīng)網(wǎng)絡(luò)控制器相結(jié)合所建立的系統(tǒng)結(jié)構(gòu)進(jìn)行仿真，仿真在數(shù)學(xué)仿真軟件MATLAB提供的Simulink軟件包中進(jìn)行。主電路仿真參數(shù)如下：
輸入電壓Uin=50V，L1=1.6mH，L2=40μH，Lf=20ΜH，Cf=300nF，C1=3.9μH，Cr=47μH，R=100Ω。
(1)主開關(guān)管流過的電流

從圖4可以看出，在主開關(guān)管脈沖到來之前，開關(guān)管上流過的電流已經(jīng)到零，保證了功率開關(guān)管的零電流關(guān)斷，這表明加入PID神經(jīng)網(wǎng)絡(luò)控制器后仍能保證主電路工作在零電流開關(guān)的工作狀態(tài)。
（2)輸出響應(yīng)
加入PID神經(jīng)網(wǎng)絡(luò)控制器前的零電流SEPIC諧振功率變換器的輸出電壓響應(yīng)如圖5所示，縱坐標(biāo)表示電壓，單位為V，橫坐標(biāo)表示時間，單位為s。

從圖5中可以看出，該變換器的輸出電壓在0.02s后才趨于穩(wěn)定。將本文所設(shè)計的PID神經(jīng)網(wǎng)絡(luò)控制器加入到主電路之后的系統(tǒng)響應(yīng)如圖6所示。由圖6可以看出輸出電壓在0.02s前已基本趨于穩(wěn)定，系統(tǒng)有更快的響應(yīng)性能。
（3)瞬間響應(yīng)
當(dāng)負(fù)載電阻從100Ω下降到80Ω時的瞬間響應(yīng)如圖7所示。
從圖7的仿真結(jié)果可以看出加入了PID神經(jīng)網(wǎng)絡(luò)控制器后，不僅可以使功率變換器的輸出獲得相當(dāng)高的響應(yīng)精度，而且在負(fù)載發(fā)生變化的情況下，跟隨精度仍然很好，特別是在負(fù)載發(fā)生突變的情況下，系統(tǒng)能夠迅速恢復(fù)穩(wěn)定輸出，這說明所設(shè)計的控制器具有較好的控制效果。

5　結(jié)論
本文提出了一種新的控制方案，將PID控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)造出了一種新的神經(jīng)網(wǎng)絡(luò)控制器，并且應(yīng)用到了軟開關(guān)諧振功率變換器中。仿真結(jié)果表明，該功率變換器在PID神經(jīng)網(wǎng)絡(luò)控制器的作用下不僅能夠保證主電路在軟開關(guān)狀態(tài)下穩(wěn)定運行，并且還能提高系統(tǒng)的輸出精度、動態(tài)響應(yīng)能力和適應(yīng)環(huán)境變化的能力。該控制器對系統(tǒng)結(jié)構(gòu)發(fā)生變化時的適應(yīng)能力強(qiáng)，克服了常規(guī)PID控制器的缺點，在軟開關(guān)應(yīng)用中具有更好的控制效果。

參考文獻(xiàn)
[1] Xiao Sun, Martin H L Chow. Analogue Imp lementation of a Neural Network Controller for UPS Inverter App lications [J]. IEEE TRANSACTIONS ON POWER ELECTRON ICS VOL, 17, NO.3, MAY 2002. 305-313.
[2] Wang, Beilei Zhao, L in Tan, Zhenfan. Neural Network Based Online Self - learning Adap tive PID Control [ C ]. Proceeding of the 3rd World Congress on Intelligent Control and Automation, June 28-July2, 2000.
[3] 沈亭,嚴(yán)仰光.基于DSP的逆變器神經(jīng)網(wǎng)絡(luò)控制[J].電力電子技術(shù),2002-10,36(5):50-52.■