[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

摘要

本发明公开了一种基于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、处理器模块和LED负载模块，其中，开关变换电路模块采用反激式拓扑结构。本发明利用嵌入式处理器实现BP神经网络PI控制方法，并以此方法作为反激式LED驱动电路闭环的控制方法，来实现补偿网络的功能，该方法使电路具有响应速度快、自适应性高、闭环系统稳定、控制效果好、开发成本低的优点。

主权项

一种基于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；其特征在于：将EMI模块全桥整流模块、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驱动模块依次连接，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；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；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；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；BP神经网络PI控制方法中k时刻的PI控制方法为u(k)＝u(k‑1)+kp[e(k)‑e(k‑1)]+kie(k)，其中：u(k)为k时刻PI控制方法的输出值，kp和ki为PI参数；BP神经网络PI控制方法输出层隐含权值学习方法为：Δqnm(k)＝βδnbn(k)+αqnm(k‑1)式中，Δqnm(k)为qnm在k时刻相对于k‑1时刻的变化量；δn=e(k)*sgn(∂y(k)∂u(k))*∂u(k)∂cm(k)*g′(bn(k))]]>其中，g'(x)＝g(x)(1‑g(x))；隐含层权值学习方法为Δqln(k)＝βδlal(k)+αqln(k‑1)，其中，Δqln(k)为qln(k)在k时刻相对于k‑1时刻的变化量；f'(x)＝(1‑f(x))/2；通过此BP神经网络PI控制方法，可得输出即为所需PI参数，所得的PI参数用于调整PWM占空比，以此调节输出电流至指定电流值r(k)。