一种三相PWM整流器BP神经网络PI参数自整定方法技术

本发明专利技术涉及一种三相Pulse Width Modulation(PWM)整流器Back Propagation(BP)神经网络PI参数自整定方法，属于电力电子领域。现有技术中，存在未考虑整流器非最小相位性质的影响、需注入扰动、原理复杂、实用性差等问题。本发明专利技术所述的方法包括针对整流器右半平面零点的影响，使用串联补偿法将非最小相位系统补偿为最小相位系统。在此基础上，使用BP神经网络进行PI参数自动整定。构造以穿越频率和相角裕度为性能指标的稳定性约束条件，使得BP神经网络在稳定性能指标的约束下根据整流器运行状态实时调整PI参数，保证系统稳定的前提下提高整流器运行性能。采用本发明专利技术所述的方法，可以实现PI参数的自动整定，有效降低阶跃响应与负载突变时的电压超调与跌落，缩短调节时间，提高动态响应速度与运行稳定性。提高动态响应速度与运行稳定性。提高动态响应速度与运行稳定性。

【技术实现步骤摘要】
一种三相PWM整流器BP神经网络PI参数自整定方法


[0001]本专利技术涉及电力电子
，尤其涉及一种三相PWM整流器BP神经网络PI参数自整定方法。

技术介绍

[0002]电动汽车符合当今社会“环保”、“节能”的主题，受到了广泛关注。AC
‑
DC变换器是车载充电系统的重要组成部分，其中，PWM整流器以其能量可双向流动、高功率因数运行、谐波含量少等性能得到广泛应用。PI控制器因其结构简单、实用性强被广泛应用于工业生产过程中。对于PI参数的整定，一般使用试凑法完成，但试凑过程既耗时又耗力，并且当系统的运行状态发生变化时，依靠试凑出的PI参数并不能保证系统的稳定性和暂态性能。三相PWM整流器为典型的非最小相位系统，当整定电压外环PI参数时，由于其控制对象具有右半平面零点，所以为PI参数的整定以及稳定性的判断带来困难，导致无法直接基于传统频域法通过稳定裕度进行整定与判稳。因此，以致稳为目标的PI参数自动整定逐渐成为研究热点。
[0003]对于非最小相位系统右半平面零点的问题，现有解决方法主要包括参数优化设计、补偿控制等。B.Yin等通过忽略某些动态因素，并应用前馈去耦控制器，将多输入多输出的三相PWM整流器非线性非最小相位模型转化为单输入单输出的线性最小相位模型，并设计相应控制器进行控制[B.Yin,R.Oruganti,and S.K.Panda.A simple single
‑
input
–
single
‑
output(SISO)model for a three
‑
phase PWM rectifier.IEEE Trans.Power Electron.,Mar.2009,24(3):620
‑
631,]。但该方法仅适用于系统传递函数的穿越频率远小于右半平面零点转折频率的情况，具有一定的局限性。F.A.Villarroel等考虑了短视距时，整流器非最小相位零点可能导致的稳定性问题，提出了一种面向非最小相位三相PWM整流器的预测性最短视距电压控制方法[F.A.Villarroel et al.Apredictive shortest
‑
horizon voltage control algorithm for non
‑
minimum phase three
‑
phase rectifiers.IEEE Access.,2022,10:107598
‑
107615]。但此方法由于增加了三个方程的评估，运算量大。
[0004]关于控制器PI参数的自整定方法主要有继电反馈技术、模糊控制理论、智能算法等。W.Stefanutti等将继电反馈技术运用于DC
‑
DC变换器中，在变换器软启动期间引入输出电压扰动，通过迭代方法整定PI参数[W.Stefanutti,P.Mattavelli,and S.Saggini.Autotuning of digitally controlled DC
–
DC converters based on relay feedback.IEEE Trans.Power Electron.,Jan.2007,22(1):199
‑
207]。但继电反馈法在进行自整定时需要向系统注入扰动，会降低系统的运行性能，且难以实现在线整定。H.Lin等针对三相三电平中性点钳位有源前端整流器，提出了一种由3个控制环组成的模糊滑模控制策略，复杂度低，且可以抑制抖振现象[H.Lin et al.Fuzzy sliding
‑
mode control for three
‑
level NPC AFE rectifiers:a chattering alleviation approach.IEEE Trans.Power Electron.,Oct.2022,37(10):11704
‑
11715]。但信息简单的模糊处理将导致
系统的控制精度降低和动态品质变差；若要提高精度就必然增加量化级数，导致搜索范围扩大，降低决策速度。
[0005]人工神经网络由于其较强的非线性拟合能力和相对简单的学习算法，在工业中有着越来越多的应用。W.Dong提出一种基于人工神经网络(ANN)的DC/DC降压变换器控制方法。ANN经过训练，可以基于近似动态规划(ADP)实现最佳控制。并通过实验证明ANN控制器能够跟踪快速变化的参考命令，在可变负载下保持稳定的输出电压[W.Dong,S.Li,and X.Fu.Control of a buck DC/DC converter using approximate dynamic programming and artificial neural networks.IEEE Trans.Circuits Syst.,Apr.2021,68(4):1760
‑
1768]。X.Fu等使用循环神经网络对单相并网逆变器进行控制，基于自适应动态规划原理对神经网络进行训练，以达到近似最优控制[X.Fu and S.Li.Control of single
‑
phase grid
‑
connected converters with LCL filters using recurrent neural network and conventional control methods.IEEE Trans.Power Electron.,Jul.2016,31(7):5354
‑
5364]。M.Mehrasa等针对不同工作变化下的并网九电平封装电池逆变器提出了一种经过训练的人工神经网络(ANN)输入输出反馈线性化(IOFL)控制策略[M.Mehrasa,M.Babaie,and M.Sharifzadeh.An input
–
output feedback linearization control method synthesized by artificial neural network for grid
‑
tied packed E
‑
Cell inverter.IEEE Trans.Ind.Appl.,Jun.2021,57(3):3131
‑
3142]。但以上方法对神经网络整定过程缺乏约束，且神经网络的初始加权系数及初始学习率的选取具有一定的随机性，若选取不当可能导致系统失稳。

技术实现思路

[0006]针对现有技术中存在的缺陷，本专利技术的目的是提出一种三相PWM整流器BP神经网络PI参数自整定方法，通过右半平面零点串联补偿方法将三相PWM整流器补偿为最小相位系统，在此基础上构造以穿越频率、相角裕度为性能指标的稳定性约束条件，使用BP神经网络在稳定性条件约束下根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三相PWM整流器BP神经网络PI参数自整定方法，包括以下步骤：(1)考虑了三相PWM整流器非最小相位性质，设计右半平面零点串联补偿环节，将非最小相位系统补偿为最小相位系统；(2)所使用神经网络为反向传播(BP)神经网络，PI参数整定方法为使神经网络输出层神经元的输出对应于PI参数，通过神经网络的自身学习算法，对各层神经元加权系数在线调整，以得到最优控制律下的PI参数；(3)采用模糊原理对BP神经网络输入层输入进行归一化处理；(4)在BP神经网络输出层神经元加权系数修正过程中引入系统的穿越频率ω
u
与相角裕度作为稳定性能指标，以使稳定性能指标在稳定范围内作为约束规则对BP神经网络输出即PI参数进行约束。(5)由穿越频率、相角裕度与PI参数的关系引入稳定性修正系数对BP神经网络输出层神经元加权系数进行修正，进一步在保证系统稳定的前提下在线整定PI参数。2.如权利要求1所述的一种三相PWM整流器BP神经网络PI参数自整定方法，其特征在于，右半平面零点补偿环节是根据零幅度误差跟踪技术设计的，补偿结构为串联补偿，所设计串联补偿环节置于电压外环PI控制器之后，用于补偿整流器传递函数中的右半平面零点。3.如权利要求1所述的一种三相PWM整流器BP神经网络PI参数自整定方法，其特征在于，所使用BP神经网络输入层神经元个数M＝4，分别以三相PWM整流器直流母线电压、参考电压、输出电压误差以及参数1作为输入。隐含层设置为一层，其神经元个数n＝4，使用经验公式确定。输出层神经元个数L＝2，以电压环参数K
pu
、K
iu
作为神经网络输出。4.如权利要求1所述的一种三相PWM整流器BP神经网络PI参数自整定方法，其特征在于，输入层输入归一化处理方法为“归档”模糊化处理，即根据输入变量模糊子集的隶属函数找出相应隶属度。5.如权利要求1所述的一种三相PWM整流器BP神经网络PI参数自整定方法，其特征在于，输出层各神经元加权系数为...

【专利技术属性】
技术研发人员：王萍，闫戈，张云，朱新山，
申请(专利权)人：天津大学，
类型：发明
国别省市：