[发明专利]一种基于BP神经网络PI控制方法的反激式LED驱动电路有效
申请号: | 201610602753.9 | 申请日: | 2016-07-26 |
公开(公告)号: | CN106255259B | 公开(公告)日: | 2018-05-01 |
发明(设计)人: | 周强;陈丹 | 申请(专利权)人: | 浙江大学 |
主分类号: | H05B33/08 | 分类号: | H05B33/08 |
代理公司: | 杭州求是专利事务所有限公司33200 | 代理人: | 傅朝栋,张法高 |
地址: | 310027 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 bp 神经网络 pi 控制 方法 反激式 led 驱动 电路 | ||
技术领域
本发明属于LED驱动电路领域,涉及开关电源领域,尤其设计一种基于BP神经网络PI控制方法的反激式LED驱动电路。
背景技术
目前,传统的LED驱动电路一般有两种实现方式,一种是使用专用芯片实现对电路的闭环控制,一种是使用嵌入式处理器写算法实现对电路的闭环控制。前者电路结构固定不灵活,不利于提高电路的性能。后者电路结构简单灵活,但是现有常用的驱动反激式LED驱动电路的控制算法不能达到到理想的控制效果,在实际电路运行过程中,由于受到参数整定方法繁杂的困扰,常规PID控制器参数往往整定不良,性能欠佳,对运行电路的适应性很差,尤其是在输入或者负载变化大的场合下,存在响应速度不够快,稳定性不够高,自适应性比较低的缺点。
发明内容
为了解决背景技术中存在的问题,本发明的目的在于提供一种基于BP神经网络PI控制方法的反激式LED驱动电路。
基于BP神经网络PI控制方法的反激式LED驱动电路,包括EMI滤波模块、全桥整流模块、开关变换电路模块、采样模块、PWM驱动模块、嵌入式处理器模块和LED负载模块。所述的EMI模块依次与全桥整流模块、开关变换电路模块、LED负载模块、采样模块、嵌入式处理器模块和PWM驱动模块连接,所述的PWM驱动模块又与开关变换电路模块相连接,形成一个闭环系统。
作为优选,所述的PWM驱动模块包括:电阻R1、电阻R2、电阻R3、阻值R4、电容C1、npn型三极管Q1、npn型三极管Q2、pnp型三极管Q3、光耦芯片、直流源V1和直流源V2;PWM输入连接到电阻R1的一端,电阻R1的另一端分别连接到电容C1、电阻R2的一端和npn型三极管Q1的基极,电容C1、电阻R2和npn型三极管Q1的发射极连接到地,npn型三极管Q1的集电极连接到光耦芯片中发光二极管的负极,光耦芯片中发光二极管的正极连接到电阻R3的一端,电阻R3的另一端连接到直流源V2,光耦芯片中三极管的集电极连接到直流源V1,发射极连接到npn型三极管Q2和pnp型三极管Q3的基极,npn型三极管Q2的集电极与直流源V1相连接,发射极与pnp型三极管Q3的发射极相连后与电阻R4的一端相连,pnp型三极管Q3的集电极与地相连,电阻R4的另一端连接到PWM输出端。
进一步的,所述的电阻R1阻值为1k欧姆,电阻R2阻值为10k欧姆,电阻R3,阻值为1k欧姆,阻值R4阻值为33欧姆,电容C1阻值为220pF,直流源V1电压为5V,直流源V2电压为15V。
作为优选,所述的采样模块包括:电阻R5、电阻R6、电阻R7、电阻R8、电阻R9、电容C2、电容C3、运算放大器Q4和直流源V3;采样输出与电容C3和电阻R9的一端相连,电容C3的另一端与地相连,电阻R9的另一端与电阻R8的一端和运算放大器Q4的输出端相连,电阻R8的另一端与电阻R7的一端和运算放大器Q4的负极相连,电阻R7的另一端与运算放大器Q4的接地端与地相连,运算放大器Q4的电源端与直流源V3相连,运算放大器Q4的正极与电阻R6的一端和电容C2的一端相连,电阻R6的另一端与电阻R5的一端相连,并连接到采样输入端,电阻R5的另一端和电容C2的另一端与地相连。
进一步的,所述的电阻R5阻值为1欧姆,电阻R6阻值为2k欧姆,电阻R7阻值为3.3k欧姆,电阻R8阻值为20k欧姆,电阻R9阻值1K欧姆,电容C2容值为100nF,电容C3容值为10nF,直流源V3电压为5V。
进一步的,所述的光耦芯片的型号为HCNW2211。
作为优选,所述的嵌入式处理器模块采用BP神经网络PI控制方法,该方法共含有输入层、隐含层和输出层,其中,输入层节点数i,k时刻的输入层输入为al(k),l=1,2…,i;隐含层节点数p取值为1~10,输入层与隐含层之间连接权值为qln(k),k时刻的隐含层输入为bn(k),n=1,2,…,p,隐含层激活函数为输出层节点数o,隐含层与输出层之间连接权值为qnm(k),k时刻的输出层输出cm(k)作为PI参数,m=1,…,o,激活函数为各项连接权值qln(k)和qnm(k)的初始值均取区间[-1,1]之间的随机数;
BP神经网络PI控制方法的性能函数为其中r(k)为设定电流值,y(k)为输出采样值;
BP神经网络PI控制方法中学习速率为β,惯性系数为α;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610602753.9/2.html,转载请声明来源钻瓜专利网。