[发明专利]基于BP神经网络的自适应可重构比例-积分-微分控制器

说明书

本发明涉及一种基于BP神经网络的自适应可重构比例‑积分‑微分(P‑I‑D)控制器，克服了现有PID控制器中积分项和微分项对控制性能的影响，以提高数字电源的瞬态性能。所述的控制器是基于数据驱动的，主要由BP神经网络以及可重构控制器组成。首先，分别采集PI、PD、PID控制方式下的数据，然后利用这三组数据分别线下训练BP神经网络，产生三组不同的控制参数(神经网络的权值和偏置)，每一组控制参数代表一种控制方式。数字电源正常工作时，神经网络根据输入电压、电感电流以及误差电压等参数产生数字占空比，以调节输出电压使其稳定于基准电压。可重构控制器根据数字电源输出电压的实时状态，自适应地切换神经网络的控制参数，从而实现控制方式的重构。

技术领域

本发明属于电力电子领域，涉及一种基于BP神经网络的自适应可重构比例-积分-微分(P-I-D)控制器，尤其适用于智能控制数字电源。

背景技术

数字控制DC-DC开关变换器(以下简称为数字电源)的结构如附图7所示。负载端的模拟输出电压V_out(t)经ADC转换为数字输出量V_out[k]，然后将V_out[k]与基准电压V_ref[k]之间的误差信号e[k]送入数字补偿器。在数字补偿器中，采用特定的数字控制算法(如PID算法)计算数字占空比信号d[k]，然后通过数字脉冲宽度调制器(DPWM：Digital Pulse WidthModulation)将该数字占空比信号d[k]转换为模拟占空比信号d(t)，最后经Gate driver驱动功率级开关S_p和S_n的导通或关闭，以调节输出电压V_out(t)使其稳定于基准电压V_ref。

针对数字电源的控制算法，传统的PID控制算法基于线性小信号模型，采用固定的增益与控制系数，具有结构简单、易于实现的优点，但电源的瞬态性能较差。非线性控制与PID控制相结合的控制算法，如模糊PID控制、神经网络PID控制，具有较好的稳态和瞬态性能。但是，模糊PID控制的自适应性受限于模糊子集的数量，虽然增加模糊子集的数量可以提高控制的自适应性，但是所需的硬件资源大大增加。神经网络PID控制通常是基于数据驱动的，理论上当训练数据足够多时能满足各个工作点的需求，自适应性强。但是，神经网络PID控制仍然是基于PID控制的固定结构，无法克服PID控制中始终存在的积分项和微分项对电源瞬态响应的影响。

文献“Improvement of Compensation Effect of Neural Network Predictionfor Digitally Controlled DC-DC Converter,2015IEEE InternationalTelecommunications Energy Conference”和“A Reference Modification ModelDigitally Controlled DC–DC Converter for Improvement of Transient Response，IEEE Trans.on Power Elec.,Vol.31,No.1,Jan.2016”，相继提出了一种应用于数字电源的神经网络PID控制器，神经网络采用在线训练的方式，根据数字电源的状态变量实时调整PID控制器的控制系数(k_p,k_i,k_d)和基准电压V_ref，有效地提升了数字电源的瞬态性能。但是受限于神经网络PID控制器的固定结构，无法实现控制器的结构和控制参数可重构，因此难以消除积分项和微分项对电源瞬态响应的影响，限制了瞬态性能的进一步提升。

发明内容

要解决的技术问题

针对现有PID控制器中积分项和微分项对控制性能的影响，以提高数字电源的瞬态性能。本发明提出一种基于BP神经网络的自适应可重构P-I-D控制器。该控制器不仅可实现控制系数的自适应调整，还可实现控制器结构的实时可重构。有效地减小了数字电源的扰动恢复时间和超调量，瞬态性能得到显著提升。