基于单神经元自适应的PWM整流器控制方法研究

胡春龙

(陕西国防工业职业技术学院，陕西 西安 710300)

0 引言

当前，电力电子功率器件层出不穷，尤其在电网电能变换领域应用极为广泛，但由于负载的多样性和控制的单一性，导致网侧电流中产生了大量的谐波污染，电网利用率变低，因此绿色电源、电能质量成为了电网行业新的关注点。普通二极管或晶闸管搭建的整流桥，存在功率器件的开通和关断过程并不是完全可控的，导致网侧电流功率因数下降严重且无法实现电源能流的双向转换。三相脉宽调制(pulse width modulation，PWM)整流器由于在谐波抑制、功率因数改善和能流的双向性方面具有众多优势，因此成为电能变换领域研究的热点[1]。

PWM整流器运行的可靠性和稳定性主要取决于控制方法的先进性，目前应用最广泛的控制方式为PI调节下的电压、电流双闭环控制，控制简单但双PI势必会降低系统的响应速度，且直流侧稳定性受负载影响较大，电能转换的可靠性不高[2]。本文提出了一种单神经元自适应PID与传统PI复合调节的新型控制策略，通过电压外环的误差值来对调节器进行动态选择，利用神经元的自学习、自适应能力和PI对参数的快速整定特点，简化了系统模型，降低了PWM整流器运行过程的尖峰电压和电流，减少了网侧电流谐波污染，提高了电流功率因数及系统运行的稳定性和可靠性。

1 电压型全控PWM整流器数学模型

三相全控电压型PWM整流器的拓扑结构如图1所示。其中，左半部分为交流电网侧，ua、ub、uc为三相对称交流电源，ia、ib、ic为三相对称电流，O为电源中性点，L为网侧交流电感，R为线路等效电阻；右半部分为整流器直流输出端，其中S1～S6为由功率开关管IGBT组成的整流桥6个桥臂，C为直流侧滤波电容，Udc为整流直流电压，RL为输出负载，iL为负载电流[3]。

图1 三相PWM整流桥主电路结构

整流桥臂功率开关管的每一种开关状态分别对应一种输出状态，因此可通过对功率器件S1～S6的控制来实现对直流侧电压的控制。对于上下对称的1组桥臂，规定状态“1”为上桥臂导通，下桥臂断开，可用Sk(k=1,2,3)=1分别表示三相桥臂的“1”状态；规定状态“0”为上桥臂断开，下桥臂导通，可用Sk(k=1,2,3)=0分别表示三相桥臂的“0”状态[4]。这样，对于图1中的电路结构，由基尔霍夫电压定律可知，三相PWM整流器在a、b、c三相对称静止坐标系下的数学模型为

(1)

由基尔霍夫电流定律可知，直流侧电流回路可以表示为

(2)

由式(1)和式(2)可知，静止坐标系下的数学模型中包含微分方程，具有较大的非线性，为此根据等功率的原则，将静止坐标系abc下的数学模型进行Park同步变换到dq坐标系下的数学模型为

(3)

id、ud、ed为无功分量；iq、uq、eq为有功分量；Sd、Sq分别为dq轴上的开关函数。

2 单神经元自适应PID调节系统

2.1 调节系统结构

三相PWM整流器运行的稳定性和可靠性很大程度上是由调节器设计的合理性决定的。本文在电压外环控制中引入了一种单神经元自适应PID与普通PI相结合的新型调节器，其中，用于单神经元自适应PID调节过程的控制结构如图2所示。

图2 单神经元自适应PID调节系统

从图2中可知，被控对象输出y(k)与系统给定值r(k)进行作差比较，输出误差信号e(k)进入单神经元PID调节器中的状态观测器，实现微分运算[5]。在学习算法的干预下，由观测器输出3个状态变量，为单神经元自学习、自整定提供控制参数，状态变量x1(k)、x2(k)、x3(k)分别表示为

(4)

神经元在进行算法学习后，通过不断搜索、调整对外部加权信号进行函数处理，最终输出相应的控制信号为

(5)

K为神经元传递系数；ωi(k)为信号xi(k)对应的加权系数。

2.2 学习算法

给定信号与输出信号之间误差值的二次方是衡量神经元性能指标的一个重要依据，在加权系数ωi(k)的不断调整下，性能指标函数自我修正并达到最小化，实现了PID自适应参数的优化控制[6]。单神经元性能指标函数一般选取为

(6)

要实现性能指标函数的最小化控制，在对加权系数ωi(k)进行调整、修正和搜索时，需沿着梯度减小的方向进行。调整过程中的加权误差量一般为

(7)

ηi(i=1，2，3，4)为神经元在线学习速率。

在Hebb学习算法、规则的调整改进下，不断地在线更新权值系数ωi(k)，经过优化后的新的学习算法为

(8)

ηP、ηI、ηD为学习速率，与PID的变化速率一一对应；ωi为归一化权值。

3 电压外环复合调节器设计

由前文可知，神经元通过不断的加权、求和和映射来适应外界干扰信号，简化了系统模型的同时有效抑制了外环出现的较大电压误差，解决了系统非线性、强耦合等问题。但神经元的多输入单输出特点，使得运算与处理过程较为复杂，具有一定的滞后性，无法满足PWM整流器对快速性和电压电流跟随性的需求[7]。为此，设计了一种单神经元自适应PID与普通PI复合的控制器，如图3所示。

图3 单神经元与PI复合调节器

通过开关表对电压误差进行判断并输出开关信号，实现单神经元自适应PID调节与传统PI调节的快速切换。利用神经元的自我修正能力快速消除较大电压误差，利用传统PI算法简单、速率较快等特点对系统进行细调，综合二者优点提高了控制的可靠性和稳定性。

4 电流内环前馈解耦调节器设计

为优化电流波形，减小谐波分量，提高电压电流跟随性，实现满功率因数运行，需要对式(3)中的模型进行前馈解耦处理并经PI调节后得

(9)

前馈解耦后的控制结构如图4所示。

图4 电流前馈解耦结构

将式(9)代入式(3)中可以得到电流完全解耦后的线性模型为

(10)

在电流无功分量为0的情况下，电流内环只需对解耦后的有功分量进行控制[8]。

下面对电流内环PI调节器进行设计，因电流内环在解耦后满足对称性，故以iq为例按照典型I型系统设计电流调节器，在忽略ed干扰的情况下，电流内环可以设计成如图5所示结构。

图5 电流内环系统结构

由图5可以看出，在电流内环调节过程中，需要将内环结构传递函数的极点抵消PI调节器中的零点即可，即τi=L/R，这样通过优化后的电流内环传递函数可以表示为

(11)

KiP为比例参数；KPWM为PWM整流器等效增益；Ts为采样周期。

5 三相PWM整流器仿真模型

在MATLAB/Simulink仿真环境下，对三相电压型PWM整流器建立了仿真模型，实现了单神经元自适应PID与普通PI复合调节下的双闭环控制。仿真模型如图6所示。

图6 双闭环控制系统

系统模型搭建完成后，设定相应仿真条件，PWM整流器的仿真参数设置如表1所示。

表1 仿真参数

6 仿真结果与分析

图7为A相输出电流和电源A相电压对比曲线，从图7中可以看出输出电流能够很好的跟踪电源电压，在0.01 s时与电源电压保持同频率同相位，具有较好的跟随性和快速性。

图7 相电流与交流相电压曲线对比

为了体现电压外环中采用单神经元自适应PID与传统PI复合调节器的优越性，仿真中将其与外环仅采用传统PI调节器下的输出电压进行了对比，起动阶段给定电压为650 V，系统输出如图8所示。

图8 单神经元复合调节与传统PI调节下的电压曲线

从图8中可以看出，采用单神经元复合控制调节时间约为0.012 5 s，输出在0.015 s时达到给定值;采用传统PI控制调节时间约为0.018 s，输出在0.023 s时达到给定值，系统响应低于复合调节器且具有较大的电压超调量，约为44.6%。

为了对比2种调节器下系统输出的可靠性和动态响应，将输入给定进行突变，在0.036 s时,将给定直流电压跳变到750 V，0.09 s时给定电压又恢复到650 V,如图9和图10所示为2种调节器输出曲线对比。

图9 给定突变到750 V时的输出

从图9和图10可以看出，无论是在起动阶段还是给定发生突变阶段， 单神经元复合调节器下的电压超调和调节时间都明显优于传统PI单独作用时，系统在单神经元复合调节器的作用下具有良好的可靠性和动、静态性能。

图10 给定恢复到650 V时的输出

7 结束语

本文以三相电压型PWM整流器为研究对象，在分析了整流器数学模型及电压电流双闭环控制的基础上，设计了一种单神经元自适应PID与传统PI复合调节器代替电压外环PI控制，结合了神经元和PI的优点，有效解决了双PI控制的滞后性和稳定性问题，同时在电流内环引入前馈解耦，实现了对有功电流和无功电流的独立控制。最后通过仿真实验对双闭环PI调节和单神经元自适应PID复合调节进行了仿真分析，通过对仿真结果的比较，发现单神经元自适应PID复合调节器要比双PI调节器更高的鲁棒性，在给定发生突变时，动态响应更迅速，可靠性更高。