buck電路輸出電流的神經(jīng)網(wǎng)絡(luò)辨識(shí)單神經(jīng)元pid控制

PAGEPAGE10Buck電路輸出電流的神經(jīng)網(wǎng)絡(luò)辨識(shí)單神經(jīng)元PID控制摘要:降壓斬波電路(Buck)存在的非線性以及在特定環(huán)境下運(yùn)行的干擾使其應(yīng)用傳統(tǒng)的PID控制難以在控制參數(shù)整定上達(dá)到最優(yōu)。本文提出了基于徑向基函數(shù)(RadialBasisFunction)神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的Buck電路輸出電流的單神經(jīng)元自適應(yīng)PID控制方法，利用具有自學(xué)習(xí)和自適應(yīng)能力的單神經(jīng)元來(lái)構(gòu)成Buck電路的自適應(yīng)控制器，同時(shí)通過(guò)RBF神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)進(jìn)行在線辨識(shí)，從而實(shí)現(xiàn)控制器參數(shù)的在線調(diào)整。仿真結(jié)果證明，基于該方法的Buck電路控制動(dòng)態(tài)效果較好，系統(tǒng)具有較好的自適應(yīng)性。關(guān)鍵詞:降壓斬波電路；神經(jīng)網(wǎng)絡(luò)；辨識(shí)；單神經(jīng)元TheSingleNeuronPIDControllerforOutputCurrentofBuckBasedonNNRecognitionAbstract:TheBuckchoppercircuithassomenonlinearity,andthereisinterferencearoundit,sothetraditionalPIDcontrolstrategycouldn’tworkatitsbest.Thesingleneuronself-adaptivePIDcontrollerusingon-lineidentificationofradialbasisfunctionNeuralNetworksisproposedinthispaper,whichisusedtocontrolthecurrentoftheBuckchopper.Thesingleneuronisappliedtotheself-adaptivecontrollerforBuckchopper,forithassuchabilitiesasself-studyandself-adaptive.Meanwhilethroughon-linerecognitionofthesystembyRBFNN,theparametersofthecontrollerareseton-line.ThesimulationresultprovesthatthedynamicperformanceofBuckchopperisbetter,andthesystemhasniceadaptability.Keywords:Buck;NN;Recognition;singleneuron

1引言近年來(lái)，降壓斬波電路在醫(yī)療器械、汽車電子及其他機(jī)電一體化設(shè)備中的應(yīng)用越來(lái)越廣泛。在某些應(yīng)用場(chǎng)合，動(dòng)態(tài)時(shí)要求在保證供電電壓的同時(shí)，需要輸出電流波動(dòng)在一個(gè)很小的范圍內(nèi)，因此對(duì)Buck電路動(dòng)態(tài)性能提出了更高的要求。但是Buck電路自身的非線性以及在復(fù)雜環(huán)境運(yùn)行時(shí)對(duì)其產(chǎn)生的干擾，使采用傳統(tǒng)的PID控制方式在參數(shù)整定上難以達(dá)到最優(yōu)狀態(tài)[1]。徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)具有收斂速度快，全局逼近能力強(qiáng)的優(yōu)點(diǎn)，在解決非線性和不確定系統(tǒng)的控制方面應(yīng)用廣泛[2]。單神經(jīng)元自適應(yīng)控制器是傳統(tǒng)PID控制器的改進(jìn)形式，具有自學(xué)習(xí)、自適應(yīng)的能力，結(jié)構(gòu)簡(jiǎn)單并且能適應(yīng)環(huán)境變化[3]。因此本文提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的單神經(jīng)元自適應(yīng)

PID的控制方法，對(duì)Buck電路的電流進(jìn)行閉環(huán)調(diào)節(jié)。仿真結(jié)果證明，該方法具有較好的動(dòng)態(tài)效果，并在一定程度上抑制了負(fù)載變化以及外界干擾對(duì)系統(tǒng)響應(yīng)的影響，具有較好的自適應(yīng)性。2Buck電路模型本文采用Buck降壓變換器原理結(jié)構(gòu)圖如圖1所示。為了便于分析，先假設(shè)：(1)功率開(kāi)關(guān)器件MOSFET為理想器件，具有理想的開(kāi)關(guān)特性，感抗和容抗上的損耗可忽略；(2)直流環(huán)節(jié)電壓Uin是理想電壓源，內(nèi)阻為0。圖1Buck電路結(jié)構(gòu)圖圖1所示的電路的狀態(tài)方程為：()(1)式中：；；；；；；x——狀態(tài)矢量；iL，uC——狀態(tài)變量；u——輸入矢量；ui——輸入電壓；D——占空比；理想開(kāi)關(guān)模型具有時(shí)變性，但在開(kāi)關(guān)處于通態(tài)和斷態(tài)時(shí)，其電路結(jié)構(gòu)和狀態(tài)方程是定常的。因此，根據(jù)開(kāi)關(guān)處于通態(tài)和斷態(tài)時(shí)各自的狀態(tài)方程及所占時(shí)間的比例，將式(1)中兩個(gè)不同時(shí)間段的方程按各自的加權(quán)平均，即可得到在一個(gè)開(kāi)關(guān)周期內(nèi)，系統(tǒng)近似的平均狀態(tài)方程[4]為：(2)(3)(4)即(5)3基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的Buck電路單神經(jīng)元自適應(yīng)PID控制3.1RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)于一個(gè)給定的非線性函數(shù)，RBF網(wǎng)絡(luò)可以以任意精度逼近它，具有全局最優(yōu)和最佳逼近性能。RBF神經(jīng)網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，其輸入層和輸出層由線性神經(jīng)元組成，隱層結(jié)點(diǎn)取高斯基函數(shù)[5]。設(shè)為網(wǎng)絡(luò)的輸入向量，RBF網(wǎng)絡(luò)的徑向基向量，其中hj為高斯基函數(shù)：(6)式中，Cj為網(wǎng)絡(luò)的第j個(gè)結(jié)點(diǎn)的中心矢量，bj為節(jié)點(diǎn)j的基寬度參數(shù)。整個(gè)網(wǎng)絡(luò)的輸出方程為：(7)式中wj(j=1,2,3,…m)為網(wǎng)絡(luò)的權(quán)向量。用RBF網(wǎng)絡(luò)進(jìn)行系統(tǒng)辨識(shí)的關(guān)鍵是確定未知參數(shù)，定義RBF網(wǎng)絡(luò)辨識(shí)器的性能指標(biāo)函數(shù)為：(8)根據(jù)梯度下降法，可以求出輸出權(quán)、結(jié)點(diǎn)中心及節(jié)點(diǎn)基寬等參數(shù)的迭代算法如下[6]：(9)(10)(11)(12)(13)式中：η為學(xué)習(xí)速率，α為動(dòng)量因子。最終得出對(duì)象的輸出對(duì)控制輸入變化的靈敏度信息，即Jacobian算法為：(14)Buck電路電流的單神經(jīng)元自適應(yīng)PID控制常規(guī)PID控制以其結(jié)構(gòu)簡(jiǎn)單、可靠性高、易于工程實(shí)現(xiàn)等優(yōu)點(diǎn)在工業(yè)控制中被廣泛采用。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制效果良好。但當(dāng)實(shí)際被控對(duì)象存在強(qiáng)干擾，具有高度非線性和不確定性時(shí)，僅靠PID調(diào)節(jié)效果不理想。單神經(jīng)元PID調(diào)節(jié)器本身具有適應(yīng)、自學(xué)習(xí)能力，因此本文采用該種控制方法，對(duì)Buck電路輸出電流進(jìn)行閉環(huán)控制。單神經(jīng)元自適應(yīng)PID控制結(jié)構(gòu)如圖2所示，其中是輸入量，為比例系數(shù)。圖2單神經(jīng)元自適應(yīng)PID控制結(jié)構(gòu)圖取單神經(jīng)元的輸入為：(15)其中為誤差，為輸入，為反饋。單神經(jīng)元的輸出量為：(16)為保證控制策略的收斂性，對(duì)權(quán)值進(jìn)行了歸一化處理，即，與傳統(tǒng)PID調(diào)節(jié)器比較可知，權(quán)值w1(k)，w2(k)，w3(k)分別相當(dāng)于PID調(diào)節(jié)器的比例項(xiàng)、積分項(xiàng)、微分項(xiàng)。單神經(jīng)元自適應(yīng)控制器通過(guò)加權(quán)系數(shù)的調(diào)整來(lái)實(shí)現(xiàn)自適應(yīng)功能，學(xué)習(xí)規(guī)則就是調(diào)整權(quán)重的算法[7]。本文借助最優(yōu)控制中的二次型性能指標(biāo)的思想，在加權(quán)系數(shù)的調(diào)整中引入二次型性能指標(biāo)，使輸出誤差和控制增量加權(quán)平方和為最小來(lái)調(diào)整加權(quán)系數(shù)。設(shè)性能指標(biāo)為：(17)為實(shí)現(xiàn)自適應(yīng)PID的最優(yōu)控制，權(quán)值的修正應(yīng)該沿對(duì)wi(k)的負(fù)梯度方向搜索，以使性能指標(biāo)最小，故有：(18)式中ηi為學(xué)習(xí)速率。(19)當(dāng)辨識(shí)網(wǎng)絡(luò)經(jīng)過(guò)有限次學(xué)習(xí)后，其輸出逐漸逼近對(duì)象輸出，即可取，其中，為辨識(shí)網(wǎng)絡(luò)的輸出，則最終單神經(jīng)元的權(quán)值調(diào)整公式為[8]：(20)綜上所述，基于RBF神經(jīng)網(wǎng)絡(luò)辨識(shí)的單神經(jīng)元自適應(yīng)PID控制系統(tǒng)的結(jié)構(gòu)如圖3所示，圖中，控制網(wǎng)絡(luò)NNC為單神經(jīng)元PID控制，辨識(shí)網(wǎng)絡(luò)NNI為RBF神經(jīng)網(wǎng)絡(luò)。圖3RBF網(wǎng)絡(luò)在線辨識(shí)的單神經(jīng)元自適應(yīng)PID控制系統(tǒng)結(jié)構(gòu)圖仿真結(jié)果分析為了驗(yàn)證上述方法的有效性，本文利用Matlab對(duì)Buck電路輸出電流控制進(jìn)行了仿真研究，比較了該系統(tǒng)分別在數(shù)字PID控制和基于本文所論述方法下的系統(tǒng)階躍響應(yīng)以及對(duì)該系統(tǒng)施加相同大小擾動(dòng)時(shí)的響應(yīng)。控制器參數(shù)設(shè)計(jì)為：采樣周期為1ms，學(xué)習(xí)速率，動(dòng)量因子α=0.05，一般辨識(shí)權(quán)值wj，基函數(shù)中心向量Cj，基寬度參數(shù)bj均取[-1，1]之間的隨機(jī)數(shù)。圖4、圖5分別為數(shù)字PID控制以及本文所論述方法的階躍響應(yīng)仿真結(jié)果，由圖4、圖5比較可以看出，輸入為階躍信號(hào)時(shí)，基于RBF網(wǎng)絡(luò)辨識(shí)的單神經(jīng)元自適應(yīng)PID控制啟動(dòng)時(shí)Buck電路的電流響應(yīng)快而且超調(diào)量小。圖4數(shù)字PID控制下的階躍響應(yīng)仿真曲線圖5本文論述方法的階躍響應(yīng)仿真曲線圖6、圖7分別為數(shù)字PID控制和本文論述方法下外部突然施加0.1A擾動(dòng)時(shí)系統(tǒng)的響應(yīng)仿真結(jié)果。由圖6、圖7比較可以看出，基于RBF網(wǎng)絡(luò)辨識(shí)的單神經(jīng)元自適應(yīng)PID控制下外部施加擾動(dòng)時(shí)系統(tǒng)響應(yīng)調(diào)整時(shí)間短，具有較好的自適應(yīng)性。圖6數(shù)字PID控制下輸出施加擾動(dòng)響應(yīng)仿真曲線圖7本文論述方法下輸出施加擾動(dòng)響應(yīng)仿真曲線

結(jié)論基于單神經(jīng)元PID自適應(yīng)調(diào)節(jié)器特別適合于非線性對(duì)象的自適應(yīng)控制，無(wú)論對(duì)象參數(shù)如何變化，神經(jīng)網(wǎng)絡(luò)都能通過(guò)學(xué)習(xí)來(lái)調(diào)整自身權(quán)系數(shù)，以構(gòu)成與對(duì)象參數(shù)相適應(yīng)的控制器。本文提出的基于RBF網(wǎng)絡(luò)在線辨識(shí)的Buck電路單神經(jīng)元自適應(yīng)PID控制，通過(guò)在線辨識(shí)建立了過(guò)程模型并為單神經(jīng)元控制器提供了梯度信息，達(dá)到在線辨識(shí)的控制目的，通過(guò)仿真結(jié)果證實(shí)了該控制方法動(dòng)態(tài)特性較好，并具有較好的自適應(yīng)性。

參考文獻(xiàn):劉曉東，蔣昌虎，邱亞杰，等.Buck變換器動(dòng)態(tài)過(guò)程電容充放電平衡控制策略[J].電機(jī)與控制學(xué)報(bào)，2010，14（6）：77-82夏長(zhǎng)亮,修杰.基于RBF神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)模型的開(kāi)關(guān)磁阻電機(jī)自適應(yīng)PID控制[J].中國(guó)電機(jī)工程學(xué)報(bào),2007,27(3):57-62RehmanKM,SureshG,FahimiB,etal.Optimizedtorquecontrolofswitchedreluctancemotoratalloperationalregimesusingneuralnetwork[J].IEEETransactionsonIndustryApplications,2001,37(3):904-913.楊旭,裴云慶,王兆安.開(kāi)關(guān)電源技術(shù).北京:機(jī)械工業(yè)出版社,2004ReayDS.GreenTC,WilliamsBW.“Neuralnetworksusedfortorquerippleminimizationofswitchedreluctancemotor,”Brightom,Engl:5thEuropeanConferenceonPowerElectronicsandApplication,1993.夏長(zhǎng)亮,李志強(qiáng),王明超,等.基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的永磁無(wú)刷直流電機(jī)單神經(jīng)元PID模型參考自適應(yīng)控制[J].電工技術(shù)學(xué)報(bào),2005,20(11):65-69RajarathnamAV,FahimiB,Ehs