[发明专利]Vienna整流器RBF神经网络外环电压滑模控制方法

说明书

本发明涉及一种Vienna整流器RBF神经网络外环电压滑模控制方法，电流内环电压外环对Vienna整流器进行控制，采用RBF神经网络逼近的滑模控制器实现对外电压环的控制，将RBF神经网络和滑模控制结合起来，利用RBF神经网络近距离电压外环滑模的非线性函数，有效减小启动器增益和抖动。同时，将中点电位平衡控制与RBF神经网络滑模控制器一起加入，形成了新的电压外环控制算法，不仅节省了资源，而且提升了控制系统的动静态性能。在保证系统强鲁棒性的同时提升了控制系统的动静态性能。

技术领域

本发明涉及一种控制技术，特别涉及一种Vienna整流器RBF神经网络外环电压滑模控制方法。

背景技术

Vienna整流器具有功率开关器件少、无桥臂死区问题且每个开关管承受的电压应力只有直流输出电压的一半等特点，因其独特的优势受到越来越多的关注和应用。根据Vienna整流器的单向功率流特性，其主要应用在需要单向整流或两级变流中的前级升压整流部分，以中大功率应用场合为主。目前常见的应用场合包括有源滤波器、功率因数校正、航空电源、直流不间断电源(UPS)、通信电源、新能源发电及电动汽车直流充电桩等。尤其在互联网数据中心用的通信电源及电动汽车直流充电等场合，Vienna整流器具有较大优势，表现出很大的应用潜力。

对于Vienna整流器的外环电压多采用PI控制算法，但存在对误差进行线性求和以及积分环节的饱和造成的电压超调以及动态响应慢等缺点，因此有必要从电压环着手进行控制系统的优化设计。

发明内容

针对现在Vienna整流器外环PI控制电压超调以及动态响应慢的问题，提出了一种Vienna整流器RBF神经网络外环电压滑模控制方法，将RBF神经网络和滑模控制结合起来，利用RBF神经网络近距离电压外环滑模的非线性函数，有效减小启动器增益和抖动。同时，将中点电位平衡控制与RBF神经网络滑模控制器一起加入，形成了新的电压外环控制算法，不仅节省了资源，而且提升了控制系统的动静态性能。

本发明的技术方案为：一种Vienna整流器RBF神经网络外环电压滑模控制方法，电流、电压传感器实时检测到的交流侧三相电源的电压和电流，通过转换公式转换到dq坐标系下电压e_dq和电流i_dq，再加上交流侧dq坐标系下参考量电流送入PI电流内环控制得到输出控制电压u_d、u_q，利用锁相环PLL检测到的实时相位角θ将u_d、u_q转换到静止坐标系下电压送入SVPWM调制，输出信号对三对由MOSFET组成的双向开关进行控制；其中交流侧dq坐标系下参考量电流由外环电压控制获得，所述外环电压控制：直流输出端通过传感器检测输出上下两端的电容电压与电容电压期望值以及直流输出端电压参考值V_oref、dq坐标系下电压e_d送入采用RBF神经网络逼近的滑模控制器实现对外电压环的控制，输出dq轴的电流参考值另

优选的，所述滑模控制器的滑模面的设计如下：

其中：V_oref为直流输出端电压参考值；k_p、k_i为滑模面上的误差值和误差积分值的两个系数，取值都要大于0，选择较大的k_p使系统的快速性得到保证，同时选择较小的k_i能够降低系统的抖动；所述滑模控制器为：

其中sgn为饱和函数，控制参数都取正数，C为输出端上下端电容值；ε为趋近率系数；R_l为负载电阻。

优选的，所述RBF神经网络分为三层结构，分别为作为系统输入的输入层、中间信息处理的隐含层和作为系统输出的输出层，每个隐含层节点有一个中心向量c，c和输入参数向量x具有相同的维数，它们之间的欧式距离定义为||x(t)-c_j(t)||；

网络输入为：