单神经元电流控制器在整流器中的仿真研究

侯春

摘要：神经网络不依赖于控制对象的模型，通过学习可逼近未知非线性对象的动态行为，因此可用于三电平整流器的控制，但由于三电平PWM整流器对快速性及实时性的要求，目前的神经网络在此领域的实际应用仍受到很大限制。本文研究了基于单神经元的电流控制方法，给出了基于单神经元的电流控制结构，设计了单神经元电流控制器，最后进行了仿真实验。结果表明，采用单神经元电流控制器的三电平整流器，响应速度快，几乎无超调，并且在负载突变的情况下，可以较快的恢复到稳定状态。

关键词：单神经元 三电平整流器 电流控制器

中图分类号：TM461 文献标识码：A 文章编号：1007-9416（2016）11-0009-02

1 引言

单神经元是神经网络的基本结构，具有结构简单、计算量小等特点，作为控制器时，系统的动态性能只依赖于误差信号，不受或少受对象模型参数的影响，从而可以提高系统的性能和鲁棒性。单神经元控制器结合了PID控制的优点，可以在线调整PID参数，具有自适应、自学习能力，并且能满足对快速性及实时性的要求，因而在各种控制系统中得到了广泛的应用。

2 基于单神经元电流控制器的三电平整流器

2.1 基于单神经元的电流控制结构

用单神经元构成的单神经元自适应控制器用于三电平整流器的电流控制，系统的电流控制环节结构图如图1所示。

2.2 电流控制器

在三电平整流器控制系统中，电流、的控制采用单神经元电流控制器，其结构如图2所示。电流控制主要由三部分构成：单神经元控制器、电流检测、坐标变换。图2中为轴电流的单神经元电流控制器结构，控制器输入为轴电流给定值与实际反馈之差，输出为轴控制电压分量。

2.3 基于二次型性能指标的学习算法

在最优控制理论中，采用二次型性能指标来计算控制律可以得到所期望的优化效果。在神经元的学习算法中，同样可借用最优控制中，二次型性能指标的思想，在加权系数的调整中引入二次型性能指标，通过使输出误差和控制增量加权平方和为最小来调整加权系数，从而间接实现对输出误差和控制增量加权的约束控制。

根据单神经元自适应控制器的状态变换将系统误差分解为三个状态变量，即控制器的三个输入：

（1）

控制器输出为：

（2）

其中。是权值向量的欧几里德范数，除以范数即是在权值向量空间中，将权值向量进行单位化处理，以保证控制策略的收敛性。

定义性能指标为：

（3）

上式中，P、Q分别为输出误差和控制增量的加权系数，和为k时刻的参考输入和输出。

权系数按下式调整

（4）

上式中，，，，分别为对应权值的学习率，K为总学习率。

2.4 仿真实验

基于SIMULINK建立的单神经元控制器的仿真模型，结合所建立的PWM仿真模型和整流器仿真模型进行仿真研究，单神经元控制器的仿真模型图3所示。

电网参数：Em=311V，f=50Hz；交流侧参数：Ls=6mH，Rs=0.5Ω；直流侧参数：Cd=2200μF，L0=3mH；直流侧给定电压Vdcg=600V；开关频率fs=2KHz。整流器启动时为等效负载，输出功率为18KW，无功电流，整流器工作在单位功率因数情况下。0.3秒系统稳定后，直流侧并联18KW等效负载。直流侧电压及交流侧电流、电压波形图4所示。

由仿真结果可见，当负载突变时，采用单神经元电流控制器的三电平整流器直流侧电压在0.13秒后恢复到稳态值，电压值恢复比较迅速。电网电流波形为正弦，并且保持与电源电压的同相位，整流器依然工作在单位功率因数情况下。

3 结语

本文通过仿真实验，研究了负载突变情况下整流器的性能。采用单神经元电流控制器的三电平整流器，响应速度快，几乎无超调，并且在负载突变的情况下，可以较快的恢复到稳定状态。

参考文献

[1]李秀娟，刘永亮，刘以建.基于PWM整流器的功率控制器的仿真研究[J].通信电源技术，2010（5）：45-48.

[2]李梅，李岚.基于单神经元自适应PI的PWM整流器控制[J].电气技术，2011（6）：4-8.