逆变器的CMAC网络逆模型控制

琚玥　张连杰　潘玉民

摘要：针对三相逆变器控制系统的非线性特性，提出了一种基于CMAC神经网络的逆模型控制方案。该方案在闭环PID控制基础上，将逆变器系统的逆模型特性映射到CMAC网络空间，与原系统构成伪线性系统。其中CMAC借助PD控制学习逆模型，构成PI+CMAC复合控制器。仿真实验表明该方法优于传统的PID控制，有效降低逆变器输出的谐波成分。

关键词：逆变器；CMAC；PID；谐波分析

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2015）14-0220-03

Abstract： In view of the nonlinear characteristics of the three-phase inverter control system， this paper proposes a control scheme based on CMAC neural network inverse model. On the basis closed loop PID control，The program will map the inverse model characteristics of the inverter system to CMAC cyberspace， and form pseudo-linear system with the original system.With the PD control，CMAC learning inverse model and constituting PD+CMAC complex controller.The CMAC learning with the help of PD control inverse model， a PD + the CMAC compound controller.Simulation experiments show that this method is superior to the traditional PID control. It reduces the inverter output harmonic component effectively.

Key words： inverter； CMAC；PID； harmonic analysis

目前，由于IGBT、MOSFET、GTR等功率开关管的性能不断提高，逆变器技术正向高频化、智能化、高性能化、高可靠性等方向发展。但是功率开关管高频工作状态使逆变器的非线性程度显著，从而制约其性能的进一步提高。本文提出了一种逆变器的神经网络逆模型控制方法，通过线性化控制方法，部分抵消逆变器的非线性，改善逆变器的动静态性能及稳压调节功能。

1 三相逆变器的PID闭环稳压系统

基于IGBT的三相逆变器电路如图1所示。

三相逆变器中有3个桥臂，每个桥半桥的上下两个桥臂轮流导通[180°]，流经每相负载的电流都是连续的。如果对3个桥臂按从左至右、从上到下的顺序进行编号，依次为V1、V3、V5、V4、V6、V2，则六个IGBT的导通顺序为V1-V2-V3-V4-V5-V6。

将逆变电路通过PID控制构成单闭环或双闭环系统，使逆变器的输出电压与电流对逆变器内部的工作状态实现反馈控制，调节PID参数可对逆变电路实现闭环稳压控制，改善逆变电路的稳定性和鲁棒性。PID控制逆变系统如图2所示，PID控制器如图3所示。

从波形分析结果来看，PID控制系统的输出电压波形总谐波失真THD=2.66%。

2 CMAC神经网络

1975年，J.S.Albus提出了小脑模型神经网络（Cerebellar Model ArticulationController，CMAC）。

CMAC是一种可以对复杂的非线性函数自适应的神经网络，也是一种查表网络，最初用于求解机械手的关节运动，后来用于模式识别以及自适应控制等领域。CMAC网络转载学习过程中，依据学习算法对表格内容进行调整、修改，并能够将得到的信息、数据等进行分类储存。CMAC网络已被公认为是一类联想记忆网络的重要组成部分，能够学习任意多维非线性映射，CMAC算法被证明可有效地用于非线性函数逼近、动态建模、控制系统设计等。

CMAC网络结构原理如图6所示。[X]为输入信号，网络分为输入量化、映射和输出几部分，c为泛化参数。[A]是网络的虚拟概念存储器，[A′]是网络的实际物理存储器。输入信号经过量化以后，会被映射到[A]中。在[A]中有c个非零单元与输入信号对应，这c个单元经散列编码后映射到[A′]中的c个单元，在其中存储相应的权值，则输出为c个单元权值之和。

从逆模型控制系统输出电压波形的傅里叶分析结果来看，单一PID控制系统的THD=2.66%，而PD+CMAC逆模型控制系统总谐波失真THD=2.59%。实验结果表明CMAC控制的逆变系统的输出电压波形谐波含量比PID控制的逆变系统输出电压的谐波含量少，这说明CMAC网络对逆变系统的控制效果比PID控制器的效果要好。

5 结论

CMAC网络逆模型控制利用CMAC网络的学习速度快、自适应能力强的特性，可以对系统的输出信号实现快速跟踪与反馈，从根本上消除非线性等干扰因素，提高系统的性能，实现了对系统的实时控制。仿真实验结果表明，CMAC网络逆模型控制有效地抑制了系统的非线性，改善了逆变系统的动静态性能和稳压效果，减少了系统输出的谐波成分，控制效果优于PID控制。

参考文献：

[1] 代冀阳， 朱丽芳， 易宏. 基于BP神经网络的SPWM逆变器控制仿真研究[J]. 计算机仿真， 2010， 27（3）：161-165

[2] 林志玲， 朱立忠， 张大鹏， 等. PWM逆变器的一种神经网络控制方法[J]. 电力电子技术， 1998（4）：82-85

[3] 曲学基， 曲敬恺， 于明扬， 等. 逆变技术基础与应用[M]. 电子工业出版社， 2007.1

[4] 张德丰. MATLAB神经网络应用设计[M]. 机械工业出版社， 2009.1