[发明专利]基于径向基神经网络的SVPWM三相逆变器控制方法

摘要

本发明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。

主权项

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${\stackrel{\→}{S}}_i=({\mathrm{SW}}_a,{\mathrm{SW}}_b,{\mathrm{SW}}_c),i=0~7,$i为整数；八个开关状态分别对应逆变器八个电压向量${\stackrel{\→}{U}}_0=\left[000\right],{\stackrel{\→}{U}}_1=\left[001\right],{\stackrel{\→}{U}}_2=\left[010\right],{\stackrel{\→}{U}}_3=\left[011\right],{\stackrel{\→}{U}}_4=\left[100\right],{\stackrel{\→}{U}}_5=\left[101\right],{\stackrel{\→}{U}}_6=\left[110\right],{\stackrel{\→}{U}}_7=\left[111\right]$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T_s内，输出电压矢量表示为:$\stackrel{\→}{U}\left(t\right)=\frac{t_0}{T_s}{\stackrel{\→}{U}}_0+\frac{t_1}{T_s}{\stackrel{\→}{U}}_1+...+\frac{t_7}{T_s}{\stackrel{\→}{U}}_7,$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。