[发明专利]基于神经网络对Buck变换器中PID控制器参数的优化方法和装置

权利要求书

1.一种基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，包括：

(1)通过Buck变换器的输入电压、输出电压和开关管占空比得到小信号模型，通过小信号模型计算得到PID参数的稳定域，从PID参数稳定域中筛选多组PID参数值，将多组PID参数值输入至PID控制器，运行Buck变换器得到每组PID参数值对应的输出电压，采用时间乘绝对误差积分对每组输出电压进行误差评估得到每组输出电压对应的真实ITAE值，将多组PID参数值作为训练样本集；

(2)基于神经网络模型输出的预测ITAE值与真实ITAE值构建损失函数，基于训练样本集，通过损失函数采用贝叶斯正则化算法训练神经网络模型得到最终神经网络模型；

(3)通过遗传算法筛选最终神经网络模型输出的最小预测ITAE值，并将最小预测ITAE值对应PID参数作为最终PID参数，以完成PID控制器参数的优化。

2.根据权利要求1所述的基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，通过Buck变换器的输入电压、输出电压和开关管占空比得到小信号模型，包括：

在Buck变换器中确定多个直流工作点，通过输入电压、输出电压和开关管占空比的小信号扰动，线性拟合各个直流工作点的电压和开关管占空比的变化得到Buck变换器的小信号模型。

3.根据权利要求1所述的基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，通过小信号模型计算得到PID参数的稳定域，包括：

通过小信号模型得到Buck变换器的传递函数，基于传递函数求解零极点分布，并绘制零极点分布图，基于零极点分布图得到PID参数的稳定域。

4.根据权利要求1所述的基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，采用时间乘绝对误差积分对每组输出电压进行误差评估得到每组输出电压对应的真实ITAE值为：

其中，t为时间变量，e(t)为输出电压的误差值。

5.根据权利要求1所述的基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，通过损失函数采用贝叶斯正则化算法训练神经网络模型得到最终神经网络模型，包括：

(1)基于神经网络模型输出的预测ITAE值与真实ITAE值构建损失函数F为：

其中，E_D为预测结果损失函数，E_W为网络结构损失函数，α与β分别为E_D与E_W的权重，W为神经网络的权值矩阵，H为神经网络的结构，x_i为第i组PID参数值，y_i为第i组PID参数值对应的真实ITAE值，j为权重的检索，n为从PID参数稳定域中筛选的PID组数，m为神经网络模型中权重的总数，w_j为第j个权重，f(﹒)为神经网络模型，训练过程中得到的权值矩阵为W_MP；

(2)根据最大似然原理得到最大的α与β，即得到预测结果损失函数的最优权重α_MP和网络结构损失函数的最优权重β_MP，并将最优权值矩阵α_MP和β_MP代入损失函数F；

(3)迭代步骤(1)，(2)使得损失函数F输出值满足损失函数阈值，同时得到神经网络的最终权值矩阵，基于最终权值矩阵得到最终神经网络模型。

6.根据权利要求5所述的基于神经网络对Buck变换器中PID控制器参数的优化方法，其特征在于，预测结果损失函数的最优权重α_MP和网络结构损失函数的最优权重β_MP分别为：

其中，tr(﹒)为矩阵对角线之和，γ为有效参数个数。