用神經(jīng)網(wǎng)絡(luò )控制的二象限開(kāi)關(guān)電感DC/DC變換器

這是一非線(xiàn)性控制系統。由方程我們可以看出電阻R嚴重地影響了系統的穩定性和響應。

4.2反向傳播神經(jīng)網(wǎng)絡(luò )（BPNN）方案

　　做少量的數學(xué)運算可以看出，對于一個(gè)恒定的電感電流，存在著(zhù)一個(gè)相應的外加電壓Vi。

可以把一個(gè)具有多輸入和多輸出的反向傳播神經(jīng)網(wǎng)絡(luò )（BPNN）放置在輸入端和輸出端之間。經(jīng)過(guò)分析，電流－功率控制采用三個(gè)神經(jīng)元層次，分別是輸入層（IL），隱含層（HL）和輸出層（OL）。反向傳播神經(jīng)網(wǎng)絡(luò )（BPNN）的結構如圖7所示，它由三層組成，每層都含有大量的神經(jīng)元。同一層的所有神經(jīng)元的函數是相同的，而不同層的神經(jīng)元函數不同。控制系統布局示意圖如圖6所示。

4.3結構描述

w1ij,w2ij和w3ij是輸入層、隱含層和輸出層神經(jīng)元的權值；θij是n－維第i個(gè)元素的活化寬度；Pij是r－維第i個(gè)元素；λij是寬度矢量的第i個(gè)元素；ρij是m－維第i個(gè)活化值。

4．4自學(xué)習函數

　　由系統要求可知訓練最佳極限是：

　　·電流響應超調量≤5％；

　　·功率響應超調量≤10％；

　　·波形搖擺≤2個(gè)周期。

　　所有神經(jīng)元的加權系數都會(huì )影響輸出參數的響應，加權系數由反向傳播學(xué)習技術(shù)來(lái)確定以滿(mǎn)足上述極限。在系統的設計中，神經(jīng)網(wǎng)絡(luò )每一神經(jīng)元的所有權值必須被確定，通常稱(chēng)為訓練過(guò)程。這里我們介紹一種自動(dòng)調節技術(shù)來(lái)訓練這些權值。

　　反向傳播學(xué)習技術(shù)是以最小均方（LMS）運算為基礎的，它是與斜率有關(guān)的搜索方法。學(xué)習過(guò)程可以從預置初始值開(kāi)始，即將所有加權值（率）先設置為一個(gè)單位。當用這些權值得出的實(shí)際輸出與目標之間差別最小時(shí)，學(xué)習過(guò)程才算完成。由于神經(jīng)網(wǎng)絡(luò )是一個(gè)規模不大的網(wǎng)，所以訓練過(guò)程不需要很長(cháng)時(shí)間即可完成。通常僅需要5∽15秒。

5實(shí)驗結果

　　測試裝備包括一個(gè)14V的電池作為負載和一個(gè)42V的直流源做電源。測試條件為：f=1∽5kHz,V1=42V和V2=－14V,L=0.3mH,R=3mΩ，體積=4000(in3)，實(shí)測結果如表2所示?？偟钠骄β拭芏?PD)為27.8W/in3。這種電路的功率密度比經(jīng)典變換器的功率密度要高得多。經(jīng)典變換器的功率密度通常小于5W/in3。因為開(kāi)關(guān)頻率很低，所以電磁干擾（EMI）很弱。

6結論

　　人工神經(jīng)網(wǎng)絡(luò )控制技術(shù)已成功地應用在二象限開(kāi)關(guān)電感DC/DC變換器中，它克服了當導通常占空k為臨界值時(shí)所引起的系統運行不穩定的不足，從而獲得一個(gè)平穩的能量傳輸過(guò)程。實(shí)驗結果證實(shí)了我們的設計和反向傳播神經(jīng)網(wǎng)絡(luò )（BPNN）技術(shù)的優(yōu)點(diǎn)。

表2不同頻率時(shí)的實(shí)測結果