[发明专利]一种基于模糊神经网络的智能防腐电源装置及其控制方法

权利要求书

1.一种基于模糊神经网络的智能防腐电源装置，其特征在于，包括：电源主电路和控制电路；

所述电源主电路，用于对防腐电源进行功率转换；

所述控制电路，用于采用模糊神经网络和PID控制结合的智能控制算法，为所述电源主电路的功率转换提供所需的控制脉冲。

2.如权利要求1所述的基于模糊神经网络的智能防腐电源装置，其特征在于，还包括：电磁隔离机箱；所述电源主电路和所述控制电路均位于所述电磁隔离机箱内部。

3.如权利要求1所述的基于模糊神经网络的智能防腐电源装置，其特征在于，所述电源主电路包括：输入整流滤波电路的输出端与逆变器的第一输入端电连接，所述逆变器的输出端与输出整流滤波电路的输入端电连接，所述输出整流滤波电路的输出端包括第一引线和第二引线。

4.如权利要求3所述的基于模糊神经网络的智能防腐电源装置，其特征在于，所述控制电路包括：电压A/D模块和电流A/D模块，所述电压A/D模块的输入端和所述电流A/D模块的输入端均与所述输出整流滤波电路的第二引线电连接，所述电压A/D模块的输出端和所述电流A/D模块的输出端均依次通过单片机、D/A模块、脉冲调制模块、驱动模块与所述逆变器的第二输入端电连接；其中，所述单片机，用于运行模糊神经网络和PID控制结合的智能控制算法。

5.如权利要求1或4所述的基于模糊神经网络的智能防腐电源装置，其特征在于，所述模糊神经网络和PID控制结合的智能控制算法，包括：

通过五层模糊神经网络自适应调整PID的三个参数KP、KI、KD；其中，所述五层模糊神经网络，具体包括：

第一层为输入层，确定输入变量的个数和数值；模糊控制输入量为电压给定值与电压实测值的误差和偏差变化率，设定偏差的语言变量为E，论域为[-6,6]，偏差变化率的语言变量为EC，基本论域设为[-6,6]；

第二层为输入变量的隶属度层，实现输入变量的模糊化，利用三角形函数对上述语言变量进行模糊化，得到E，EC,U的模糊子集分别为P＝{Pi|i＝1，2，3，4},PC＝{PC i|i＝1，2，3，4},UC＝{UC k|k＝1，2，3，4}；对应的模糊语言子集均为：{ZO(0)，PS(正小)，PM(正中)，PB(正大)}；

第三层为“与”层，节点个数为模糊规则数，根据电压偏差，电压偏差率，电流偏差，电流偏差率与KP、KI、KD的关系，建立模糊推理规则；

第四层为“或”层，节点个数为输出变量模糊度划分个数；

第五层为输出层，节点数为三个，经加权平均法去模糊化后的输出值为KP、KI、KD的值。

6.一种基于模糊神经网络的智能防腐电源装置的控制方法，其特征在于，包括：

对防腐电源进行功率转换；

采用模糊神经网络和PID控制结合的智能控制算法，为所述电源主电路的功率转换提供所需的控制脉冲。

7.如权利要求6所述的基于模糊神经网络的智能防腐电源装置的控制方法，其特征在于，所述模糊神经网络和PID控制结合的智能控制算法，包括：

通过五层模糊神经网络自适应调整PID的三个参数KP、KI、KD；其中，所述五层模糊神经网络，具体包括：

第一层为输入层，确定输入变量的个数和数值；模糊控制输入量为电压给定值与电压实测值的误差和偏差变化率，设定偏差的语言变量为E，论域为[-6,6]，偏差变化率的语言变量为EC，基本论域设为[-6,6]；

第二层为输入变量的隶属度层，实现输入变量的模糊化，利用三角形函数对上述语言变量进行模糊化，得到E，EC,U的模糊子集分别为P＝{Pi|i＝1，2，3，4},PC＝{PC i|i＝1，2，3，4},UC＝{UC k|k＝1，2，3，4}；对应的模糊语言子集均为：{ZO(0)，PS(正小)，PM(正中)，PB(正大)}；

第三层为“与”层，节点个数为模糊规则数，根据电压偏差，电压偏差率，电流偏差，电流偏差率与KP、KI、KD的关系，建立模糊推理规则；

第四层为“或”层，节点个数为输出变量模糊度划分个数；

第五层为输出层，节点数为三个，经加权平均法去模糊化后的输出值为KP、KI、KD的值。