【技術實現步驟摘要】
本專利技術涉及電力電子，具體地說，涉及基于神經網絡pid的功率變換器控制方法、設備及存儲介質。
技術介紹
1、當前的功率變換器控制技術主要分為模擬控制技術和數字pid控制技術兩大類。模擬控制技術包括電壓模式控制和電流模式控制，而數字pid控制技術則能夠支持更復雜的算法，例如非線性控制和自適應控制。
2、傳統開關電源通常采用模擬控制技術，利用比較器、誤差放大器和模擬電源管理芯片等組件來調節輸出電壓。然而，這種控制方式存在諸多不足，比如控制電路復雜、所需元器件數量眾多，且一旦控制電路完成設計就難以進行修改。
3、隨著微電子技術的快速發展，電源控制技術經歷了從純粹的模擬控制到模數混合控制，再到現在的全數字pid控制的演變。數字pid控制不僅簡化了控制電路，減少了元器件數量，還提供了更高的靈活性，便于后期調整和優化，極大地促進了開關電源的小型化和集成化進程。
4、隨著人工智能技術的發展，出現了神經網絡pid控制的功率變換器，可實時調整pid系統的參數，進一步提升功率變換器的動態適應能力，目前神經網絡pid控制的功率變換器，也是大多用于pwm控制的功率變換器。
5、數字控制方式中最常用的是?pid控制，它具有算法簡單，穩態性能好，魯棒性好，精度較高，便于設計裝置的實現等優點。但是對于功率變換器，其中的磁性元件（如變壓器和電感）、負載變化、開關器件的寄生電容和寄生二極管、反饋環路中的非線性元件（如誤差放大器的飽和特性），以及溫度變化（如散熱器、變壓器和設備內部溫度的變化）多個非線性特性，導致了
6、近年來，學者提出了許多種智能控制策略來克服傳統?pid?在實際應用中的缺陷，比較典型的包括模糊?pid?控制策略、自適應?pid?控制策略、神經網絡?pid?控制策略等。
7、模糊pid控制策略時間模糊控制策略與?pid控制策略相結合。通過將受控的系統參數進行模糊處理及模糊關系推理后產生對應的模糊決策，最終控制?pid?的系統參數，使得?pid?控制器不再需要受控對象精確數學模型的控制。對于非線性的系統控制可以有更強的適應性，但是模糊控制在設計時需要很多的經驗成分，使得控制策略在設計時不易確定規則庫及邊界條件。
8、自適應?pid?控制策略是在傳統?pid基礎上進行改進，主要思想是動態的檢測受控系統誤差峰值將受控對象穩態和動態時的系統函數進行總結轉換，推導出與之相對應的pid?控制參數，在每個狀態轉換時合理地改變?pid?參數來平滑實現受控對象的狀態轉變。達到改進傳統?pid?控制的目的。但是狀態轉換及自適應調節規律在制定上還沒有明確的依據。
9、神經網絡?pid?是將神經網絡和傳統?pd控制策略進行結合，將受控對象的輸出誤差作為神經網絡的輸入對象，神經網絡的輸出來調節?pid?的參數，當系統輸出誤差發生變化時，神經網絡通過自學習自適應動態的調節自我權值閾值達到縮小誤差的目的。鑒于此，我們提出了基于神經網絡pid的功率變換器控制方法、設備及存儲介質。
技術實現思路
1、本專利技術的目的在于提供基于神經網絡pid的功率變換器控制方法、設備及存儲介質，以解決上述
技術介紹
中提出的問題。
2、為實現上述技術問題的解決，本專利技術的目的之一在于，提供了基于神經網絡pid的功率變換器控制方法，包括如下步驟：
3、s1、構建神經網絡pid控制器：所述神經網絡pid控制器由功率變換器、信號變換及存儲、神經網絡pid系統和功率變換器驅動信號生成四個部分組成；
4、s2、數據采集、存儲及預處理：計算功率變換器實際的輸出電壓與期望輸出之間的誤差，并存儲和傳遞前一時刻和前兩時刻的誤差信號和，并將誤差進行差分計算，將差分結果及誤差作為pid控制器的輸入，及神經網絡pid系統的部分輸入；
5、s3、模型搭建和訓練：神經網絡pid系統利用神經網絡的前向傳播，將輸入信號乘以輸入層權重得到隱藏層神經元凈輸入，然后經過激活函數轉換為隱藏層輸出，輸出層神經元接收隱藏層輸出信號并乘以輸出層權重得到輸出層神經元凈輸入，然后經過激活函數轉換為輸出層輸出，從而由神經網絡動態調整、來調整pid的比例系數、積分系數和微分系數；
6、s4、功率變換器pwm運行模式控制pid控制器的輸出：功率變換器驅動信號生成首先將pid控制器的輸出映射到pwm的占空比、pfm的頻率和psm的脈沖跳變數量，再融合死區時間，生成pwm、pfm和psm控制信號；
7、s5、pid系統選擇：對功率變換器誤差進行預測，根據預測結果選擇是執行經典pid系統，還是選擇執行神經網絡pid系統。
8、作為本技術方案的進一步改進，所述s1中，所述功率變換器為功率轉換器，功率轉換器包括但不限于buck、buck-boost、cuk和諧振轉換器，及反激式轉換器、正激式轉換器、推挽式轉換器、半橋式轉換器和全橋式轉換器，及這些類型轉換器的并聯拓撲架構，及采用zvs和zcs技術降低功率器件開關損耗的功率變換器；功率變換器的輸入電壓為，輸出電壓為。
9、作為本技術方案的進一步改進，所述s2中，數據采集、存儲及預處理的具體過程包括如下步驟：
10、s2.1、數據采集：包括功率變換器的輸入電壓、輸出電壓、參考電壓的采集，pid控制器的輸出信號的采集；
11、s2.2、數據變換：通過功率變換器的參考電壓與實際輸出電壓計算第次采樣時刻的誤差，及前一次和前兩次的誤差和，及一階差分和二階差分：
12、
13、s2.3、數據預處理：對采集到的功率變換器數據進行缺失值填充，在標準量綱的情況下，功率變換器的輸入電壓、輸出電壓、參考電壓的數據，及誤差、一階差分和二階差分數據差異大，對數據集進行歸一化操作，將不同尺度的特征和標簽縮放到的范圍內，以消除量綱的影響：
14、
15、式中，為歸一化后的數據，為待歸一化數據，和分別表示待歸一化數據中的最大值和最小值，最終將數據映射到0和1之間后，作為特征數據輸入模型進行訓練。
16、作為本技術方案的進一步改進，所述s3中，神經網絡pid系統可以采用bp、rbf和lstm等神經網絡；
17、其中，bp神經網絡采用3層架構，包含輸入層、隱藏層和輸出層，輸入層接收當前誤差及其歷史信息，將這些信息與輸入層的權重相乘得到隱含層的輸入，并經過隱藏層激活函數處理后，得到隱藏層的輸出，將隱含層輸出與輸出層的權重相乘，得到神經網絡的輸出，隱藏層和輸出層用于特征提取和非線性映射，輸出層給出調整后的pid參數；
18、隱藏層激活函數采用普通的sigmoid函數，由于pid參數一般為非負數，輸出層激活函數選取為非負的sigmoid函數：
19、
20、其中，模型本文檔來自技高網...
【技術保護點】
1.基于神經網絡PID的功率變換器控制方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S1中，所述功率變換器為功率轉換器，功率轉換器包括但不限于Buck、Buck-Boost、CUK和諧振轉換器，及反激式轉換器、正激式轉換器、推挽式轉換器、半橋式轉換器和全橋式轉換器，及這些類型轉換器的并聯拓撲架構，及采用ZVS和ZCS技術降低功率器件開關損耗的功率變換器；功率變換器的輸入電壓為，輸出電壓為。
3.根據權利要求2所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S2中，數據采集、存儲及預處理的具體過程包括如下步驟：
4.根據權利要求3所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S3中，神經網絡PID系統可以采用BP、RBF和LSTM的神經網絡；
5.根據權利要求4所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S3中，神經網絡PID系統采用BP神經網絡，其模型搭建和訓練的過程包括如下步驟：
6.根據權利要求5所述的
7.根據權利要求6所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S4中，BP神經網絡對PID控制器的三個增益參數進行在線優化，PID控制器根據優化的三個增益參數及誤差信息計算控制信號，根據跟功率變換器控制信號的復雜關聯程度可通過直接映射、線性轉換或者非線性映射的方式，利用來計算PWM信號的脈沖占空比、計算PFM信號的頻率及計算PSM信號的脈沖跳變數量；
8.根據權利要求1所述的基于神經網絡PID的功率變換器控制方法，其特征在于：所述S5中，PID系統構建步驟包括：
9.基于神經網絡PID的功率變換器控制設備，其特征在于：包括處理器、存儲器以及存儲在存儲器中并在處理器上運行的計算機程序，處理器用于執行計算機程序時實現如權利要求1-8中任一所述的基于神經網絡PID的功率變換器控制方法的步驟。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1-8中任一所述的基于神經網絡PID的功率變換器控制方法的步驟。
...【技術特征摘要】
1.基于神經網絡pid的功率變換器控制方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的基于神經網絡pid的功率變換器控制方法，其特征在于：所述s1中，所述功率變換器為功率轉換器，功率轉換器包括但不限于buck、buck-boost、cuk和諧振轉換器，及反激式轉換器、正激式轉換器、推挽式轉換器、半橋式轉換器和全橋式轉換器，及這些類型轉換器的并聯拓撲架構，及采用zvs和zcs技術降低功率器件開關損耗的功率變換器；功率變換器的輸入電壓為，輸出電壓為。
3.根據權利要求2所述的基于神經網絡pid的功率變換器控制方法，其特征在于：所述s2中，數據采集、存儲及預處理的具體過程包括如下步驟：
4.根據權利要求3所述的基于神經網絡pid的功率變換器控制方法，其特征在于：所述s3中，神經網絡pid系統可以采用bp、rbf和lstm的神經網絡；
5.根據權利要求4所述的基于神經網絡pid的功率變換器控制方法，其特征在于：所述s3中，神經網絡pid系統采用bp神經網絡，其模型搭建和訓練的過程包括如下步驟：
6.根據權利要求5所述的基于神經網絡pid的功率變換器控制方法，...
【專利技術屬性】
技術研發人員：馬森標，趙俊皓，馬龍，
申請(專利權)人：廣東電邦新能源科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。