基于改进型神经网络的船舶APF谐波检测

黄巧亮

(江苏科技大学电子信息学院，江苏镇江 212003)

基于改进型神经网络的船舶APF谐波检测

黄巧亮

(江苏科技大学电子信息学院，江苏镇江 212003)

针对船舶有源电力滤波器谐波检测实时精度高的要求，在传统自适应检测方法的基础上，提出了基于自适应Hopfield神经网络的船舶有源电力滤波器谐波检测方法。根据自适应噪声对消技术的基本原理，为了有效的进行噪声抵消，采用了基于Hopfield神经网络的自适应非线性滤波器，将基波有功电流从负载电流中滤除从而得到基波无功电流和谐波电流。实验仿真结果表明，改进型自适应谐波检测方法能实时准确地检测出谐波电流，可用于船舶有源电力滤波器的谐波电流检测。

有源电力滤波器;自适应;谐波检测;船舶电力系统;Hopfield神经网络

0 引言

近年来，随着电力电子装置，尤其是非线性电力装置在船舶上日益广泛的应用，使船舶电力系统的谐波污染变得越来越严重。谐波会给船舶的发电机、输电线路、用电设备、导航通讯设备等造成巨大的危害，直接影响到船舶运行的经济性、安全性和可靠性。因此，正确分析船舶电力系统谐波产生的根源和机理进行实时监测，进而采取有效措施最大限度地抑制其影响，保障船舶电网的安全运行是非常重要和必要的［1，2］。有源电力滤波器作为一种抑制谐波、补偿无功损耗的有效手段，有着传统无源滤波器无法比拟的优点，近年来已成为学者们研究的热点［3］。如何将这一方法成功运用于船舶电力谐波抑制，关键技术之一就在于如何快速、准确地检测出负载谐波电流。本文提出了一种新的基于自适应滤波器的谐波检测方法，将Hopfield神经网络用于自适应滤波，从而克服传统方法中因运算量过大导致运算时间太长的问题，使系统实现了实时处理，实验仿真结果验证了该方法的可行性。

1 基于连续时间Hopfield神经网络的自适应滤波

1.1 连续时间Hopfield神经网络

Hopfield神经网络一般分为离散型(DHNN)和连续型(CHNN)。本文主要采用连续型模型，连续的Hopfield网络实际上是一个连续的非线性动力学系统，它可以用一组非线性方程来描述［4］，如式(1)所示。当给定初始状态，通过求解非线性微分方程即可求出网络状态的运动轨迹。如果系统是稳定的，它将最终收敛到一个稳定状态。

定义系统的能量函数为:

式中:ui、vi分别为神经元i的输入和输出;vj为神经元j的输出;Tij为神经元i和j的连接权值;Ii为神经元i的网络外输入;gi(ui)为第i个神经元的传递函数，一般为S型函数，g-1(v)是vi=g(ui)的逆函数，Ri为传递电阻。可以证明，能量函数E是有界的，有≤0，因而说明系统是稳定的。随着时间的演变，网络的状态朝E减小的方向运动，一直到E取得极小值，这些能量的局部极点就是网络的稳定点或者称为吸引子。所以，这种神经网络具有自动求极小值的计算功能。

1.2 CHNN应用于自适应噪声对消

噪声对消可以看作是一种从有噪声信号空间到无噪信号空间的映射［5］，噪声对消是使用1个或多个传感器，将其安置在信号很弱或信号不可检测的噪声场合中，得到参考输入或辅助输入，将此输入加以过滤，并从信号加噪声的原始输入中减去，从而使噪声衰减或消除。

噪声对消器结构见图1，其中有用信号s(t)被噪声d(t)污染，d(t)是由某个噪声源x(t)经过一个噪声滤波器产生的，x(t)直接输入到自适应滤波器，自适应滤波器的输出为y，2路输入噪声必须统计相关。可以假定其为零均值的平稳随机过程，用输出误差e=s+d-y训练该滤波器，使得(d-y)2的数学期望值最小。

选择性能函数

对上式两边取数学期望，而且由于s(t)及d(t)和x(t)不相关，s(t)和y(t)也不相关，所以

信号功率E(s2)与自适应滤波器的调节无关。自适应滤波器调节使E最小，即使E((d-y)2)最小，即自适应噪声抵消器的输出信号e(t)和有用信号s(t)的均方误差最小。在理想情况下，d=y，则e=s。此时自适应滤波器自动调节其脉冲响应，将x加工成d，与原始信号的d相减，输出信号e中的噪声可完全被抵消，而等于有用信号s，达到消除噪声的目的。

图1 自适应噪声对消器结构原理图

本文采用最陡下降法［6］，使误差函数最小化来修正权值。为了使系统的权值修正是在系统运行中进行(权值的计算是实时的)，滤波器的在线训练算法依赖于误差的定义。在线训练算法是指在当前迭代时，权值修正仅取决于在迭代(i=1，…，N-1，N)时的系统状态，即系统的当前值和过去值，与系统的未来值无关。将式(5)变为

随着二孩政策的放开，越来越多的女性选择生育二孩，其中有很多孕妇属于高龄孕妇。和年轻孕妇相比，二胎高龄孕妇的身体机能如应激能力、代偿能力等均处于下滑趋势，不仅导致妊娠合并症发生概率升高，也会引发孕妇产生焦虑抑郁等心理问题，给孕妇和胎儿均造成不良影响[12-13]。研究表明，孕妇发生焦虑抑郁等不良心理问题的可能性达到12%～54%，且二胎高龄产妇的出现焦虑抑郁的可能性更大，而焦虑抑郁的产生又可能导致孕妇分娩出现风险[14-15]。因此对二胎高龄孕妇焦虑抑郁产生因素进行分析并采取相应措施对孕妇及胎儿的健康有重要意义。

滤波器权值更新算法如下:

(1)设定初值，包括两路噪声输入x和d以及所有神经元的初始状态。

(2)根据权值迭代公式进行迭代，随机和异步的更新神经元的状态。

(3)检查能量函数是否达到最小值和是否趋于渐近稳定，是就结束迭代，转到(4)，反之转到(2)。

(4)得到输出结果，结束更新。

2 有源电力滤波器的工作原理

有源电力滤波器主要由信号检测电路、控制电路、驱动电路和主电路四大部分组成，其总体构成如图2所示。图中，ic为控制电流，is为电源处流过的电流，il为电力线中流过的电流

图2 有源电力滤波器的总体构成

负载从电网获取的电流il按傅里叶级数展开为:

图中检测及控制电路部分对负载电流进行检测，分离出谐波及基波无功电流部分，将二者之和作为控制指令，通过控制电路产生控制信号，控制信号经过驱动电路控制主电路电子开关的通断，从而由主电路输出相应的补偿电流，补偿电流与负载电流中的谐波及无功电流抵消。这时，经过补偿后的电网电流只含基波有功电流，不含谐波和无功电流，是和电网电压同频、同相的正弦波。

3 基于CHNN自适应滤波的谐波检测方法

有源滤波器谐波电流检测电路通常不需要单独检测出各次谐波，只需检测出除基波有功电流之外的总的谐波电流，对检测速度和实时性要求较高。有源滤波器谐波电流检测采用上述的CHNN自适应滤波电路，CHNN自适应滤波技术的单相电路电流检测系统如图3所示，其中自适应滤波器采用连续型Hopfield神经网络(CHNN)实现。系统的输出作为有源电力滤波器控制电路的指令电流信号，也是调节CHNN滤波器权值向量的误差信号。图中，电网电压为参考输入，负载从电网获取的电流il为原始输入，设电网电压us=Ussinωt，il按傅里叶级数展开，如式(9)所示。由三角函数特性可知，谐波和基波无功电流与基波有功电流是线性无关的，其中的谐波和基波无功电流作为需要检测出来的信号，基波有功电流ilp看作噪声，通过调整权值w可以使y(t)逐步逼近基波有功电流ilp，然后和il相减，将基波有功电流ilp滤除，所得即为谐波和无功电流，实现了谐波检测的目标，同时id作为误差信号e对权值w进行调节。

图3 基于CHNN自适应滤波的谐波检测原理方框图

4 仿真结果与分析

为了验证本文所提出的CHNN自适应谐波电流检测方法的船舶有源电力滤波器谐波补偿特性，在Matlab-simulink软件环境下搭建了APF仿真电路图，其中，选用三相可编程电源模块作为该系统的电源，选用三相桥和三相电阻作为主要的负载。电压、电流的检测和控制指令的生成都是用Matlab的M文件编写程序，然后在Simulink里利用S-Function模块进行调用来实现的，主功率电路采用Simulink提供的三相桥模块，以A相电流为例。

仿真实验结果如图4和图5所示。图4是负载电流补偿前后波形对比图。从图中可以看出，由于存在谐波电流，导致负载电流发生畸变，经过APF补偿后，A相电流明显得到改善，系统大概需要半个周期就可以输出稳定已经非常接近完美的正弦波。图5为检测出的谐波电流波形，可以看出只需要约半个周期就能得到稳定的谐波输出波形。

5 结论

本文将Hopfield神经网络用于自适应滤波，研究了基于Hopfield神经网络自适应滤波的舰船有源电力滤波器谐波检测方法，从而克服传统方法中因运算量过大导致运算时间太长的问题，使系统实现了实时处理。从仿真结果可以看出该方法有很好的实时性和准确性，并具有良好的参数自适应能力，可用于APF的谐波电流检测。

图4 A相负载电流补偿前后波形对比

图5 A相谐波电流波形

［1］ 赵怀军，宋倩楠，邱宗明，陈明.舰船电力系统单位功率因数谐波电流检测方法的研究［J］，兵工学报，2007，28(11):1 388-1 392.

［2］ 李玉梅.全电力船用电力系统谐波计算方法［J］.武汉理工大学学报(交通科学与工程版)，2009，33(3):549-552.

［3］ 赵小英，王平.基于MATLAB的并联有源电力滤波系统的仿真研究［J］.自动化技术与应用，2005，24(3):28-31.

［4］ Hopfield J J.Neurons with graded response have collective computational properties like those of two state neurons.Proc.Natl.Acad.Sci.，USA，1984，81:3 088-3 092.

［5］ 罗发龙，李衍达.神经网络信号处理［M］.北京:电子工业出版社，1993.

［6］ 姚天任，孙洪.现代数字信号处理［M］.武汉:华中科技大学出版社，2002.

TM712

A

2011-09-27

黄巧亮(1970-)，男，博士研究生，副教授，研究方向为船舶电力系统、电力传动控制。