基于径向基神经网络的SVPWM三相逆变器控制方法技术

本发明专利技术提出了基于径向基神经网络的SVPWM控制三相逆变器的方法，对三相逆变器的数字化控制进行分析研究，优化目标为减少三相电压逆变器输出信号的谐波成分。由于常用的反向传播神经网络存在局部最优化问题和较低的训练率，所以提出了基于径向基神经网络来生成SVPWM控制信号。径向基神经网络具有的固定的三层前馈结构，可以不需要考虑网络层的数量和网络的结构，节约了大量的训练与计算时间。同时，神经网络本身具有的自学习能力，可以提高系统的鲁棒性。

【技术实现步骤摘要】
基于径向基神经网络的SVPWM三相逆变器控制方法
本专利技术涉及三相逆变器的数字化控制领域，尤其是涉及一种基于神经网络SVPWM(Space Vector Pulse Width Modulation)的逆变器控制方法。
技术介绍
传统上，在三相逆变器中正弦脉冲宽度调制SPWM(Sinusoidal Pulse WidthModulation)发挥着重要作用，因为它提高了基波频率并将谐波移动到高频，但SPWM有直流电压利用率低的问题。空间矢量脉冲宽度调制SVPWM是优化的SPWM技术，它可以显著提高直流电压的利用率(与传统的SPWM相比，提高15.47%),并能够显著减少逆变器输出电流的高次谐波成分。在过去的几十年，SVPWM在不间断电源，电机驱动器和有源滤波器中具有广泛的应用。然而，SVPWM要求复杂的在线计算，限制了逆变器的开关频率。随着现代超快绝缘栅双极晶体管IGBT (Insulated Gate Bipolar Transistor)应用，要求开关频率高达50kHz,传统的基于数字信号处理器DSP (Digital Signal Processor)并利用查找表的SVPWM方法在这个频域是失效的，基于人工神经网络ANN(Artificial Neural Network)的SVPWM正好可以接管这一频域。基于径向基神经网络的SVPWM控制三相逆变器，具有固定的三层前馈结构，可以克服一般神经网络局部优化和训练率较低的问题。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题；提供了一种空间矢量脉冲宽度调制方法，从而优化了正弦脉冲宽度调制直流电压利用率低的问题，同时显著减少逆变器输出电流的高次谐波成分。本专利技术再有一目的是解决现有技术所存在的技术问题；提供了一种基于径向基神经网络的SVP丽控制逆变器的方法，解决了逆变器开关频率受限的问题，且克服了一般神经网络局部优化和训练率较低的问题。基于径向基神经网络的SVPWM控制三相逆变器的方法，控制所述逆变器输出电压的八个开关的状态为本文档来自技高网...

【技术保护点】
基于径向基神经网络的SVPWM控制三相逆变器的方法，其特征在于：控制所述逆变器输出电压的八个开关的状态为S→i=(SWa,SWb,SWc),i=0~7,]]>i为整数；八个开关状态分别对应逆变器八个电压向量U→0=[000],U→1=[001],U→2=[010],U→3=[011],U→4=[100],U→5=[101],U→6=[110],U→7=[111]]]>其中和的向量长度为零，该向量将空间分割成六个扇区，具体控制步骤如下：步骤1，一个表示三相参考电压的空间矢量电压由振幅U和相位角组成，在一个采样周期Ts内，输出电压矢量表示为:U→(t)=t0TsU→0+t1TsU→1+...+t7TsU→7,]]>其中t0～t7分别是向量的导通时间，矢量被分解成步骤2，通过计算输出的三相电压A、B、C的有效导通时间，得到所述六个扇区中各个扇区的SVPWM波形，在一个采样周期，使平均输出电压与参考电压相一致，SVPWM波形生成连续的开关电压矢量，计算出逆变器的有效占空比，得到训练RBF(Radial Basis Function)神经网络所需的数据，从而实现基于RBF神经网络的SVPWM开关矢量信号，用于控制三相逆变器。...

【技术特征摘要】
1.基于径向基神经网络的SVPWM控制三相逆变器的方法，其特征在于:控制所述逆变器输出电压的八个开关的状态为S1 = (SWa ,SWb, SWc),i = O~7 ，i为整数?’八个开关状态Stl，S1分别对应逆变器八个电压向量 2.根据权利要求1所述的基于径向基神经网络的SVPWM控制三相逆变器的方法，其特征在于:步骤2运用生成SVPWM波的开关矢量信号训练RBF神经网络。3.根据权利要求1所述的基于径向基神经网络的SVPWM控制三相逆变器的方法，其特征在于矢量￡7被分解成为滞后...

【专利技术属性】
技术研发人员：詹玉香，陈艳峰，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44