电动汽车双向DC/DC变换器的设计

采用全桥谐振C LCLC变换器和模糊PID控制的半桥Buck Boost变换器,组成两级式双向DC/DC变换器拓扑;并根据等效模型计算出谐振元件参数,即变压器的匝比为1∶1,输入输出电压为400 V,谐振电感为100 μH,谐振电容为253 μF,半桥Buck Boost变换器中的滤波电感为5 000 μH,滤波电容为127 μF。仿真结果表明,全桥谐振C LCLC谐振变换器输入电压与输出电压一致;模糊PID控制策略可有效降低充电状态下电压超调量,缩短调节时间,提高系统的抗扰动能力,说明所采用的设计工艺能有效提高电动汽车变换器的动态、稳态性能和抗扰动能力。     

移相全桥DC/DC变换器智能控制方法研究

利用Matlab/Si mulink工具箱对500 W移相全桥(phase shift full bridge,PSFB)DC/DC变换器建立仿真模型,分别采用传统的PID、模糊PID、神经网络PID等控制方式对系统进行仿真.仿真结果表明:模糊PID和神经网络PID控制方式在调节时间、负载突变等情况下的性能均明显优于传统的PID控制方式.     

基于MATLAB/SIMULINK的DC/DC变换器仿真研究

研究了DC/DC变换器,阐述了移相全桥DC/DC变换器的工作原理,并对电路中的元器件参数进行了设计,最后在MATLAB/SIMULINK中进行了仿真,仿真结果表明了参数设计的正确性,为实际电路参数的设计提供了理论依据.     

利用RBF神经网络实现高斯型函数积分

导出了在一定精度下高斯型函数积分近似表达式,利用径向基函数(RBF)网络具有良好的逼近任意非线性映射的特点,提出了一种改进的RBF网络方法以实现对高斯型函数积分。实验结果表明所提出方法具有较高的逼近计算精度。     

并联DC/DC变换器交互影响分析

并联DC/DC变换器之间的交互影响给系统的稳定运行和电能质量带来负面影响。基于状态空间平均法建立了升压DC/DC变换器传递函数模型,基于所建立的模型和相对增益矩阵原理,提出了一种并联DC/DC变换器双闭环均流控制回路之间的交互影响的分析方法,能够分析并联DC/DC变换器双闭环控制回路之间的交互影响和系统频率、控制参数之间的关系。基于相对增益矩阵原理分析方法和时域仿真的一致性,验证了该分析方法的有效性。     

基于模糊-PID复合控制的DC/DC变换器研究

DC/DC功率变换器是一种强非线性系统,传统的PID控制算法简单,设计容易,但依赖于其线性化小信号模型,且当功率变换器的参数发生变化时,其参数不能兼顾动态性能和静态性能,影响最终的控制效果.针对传统PID控制器的不足,结合模糊控制不需要建立被控对象精确数学模型的特点,以Buck变换器为例,提出一种新的模糊控制和PID控制相结合的方法.当输出的偏差范围较大时,采用模糊控制提高其动态响应速度;反之,切换到PID控制以提高其稳态精度.最后利用MATLAB对系统进行仿真验证.仿真结果表明:模糊-PID复合控制器具有响应速度快、超调量小、稳定性好等优点.     

基于ARM的高效率数控DC/DC变换器设计

设计的DC/DC变换器采用Boost拓扑电路,对变换器中Boost拓扑电路的主要元件参数进行了计算和选择.变换器具有完善的控制和保护功能,可应用于需提升或稳定电池电压的电池供电系统.变换器以PwM电压调整芯片LM2576ADJ作为控制核心,结合ARM7_LPC2132微控制器实现数字化高精度控制,具有输出电压可预置,输出电压电流可同时显示,过流保护等功能,且系统具有效率高,电压调整率和负载调整率均较小,输出纹波电压低等特性.     

Boost-Buck型DC/DC变换器的滑模控制

文章基于 Boost- Buck电路 ,采用滑模变结构控制 ,设计了一个 1 .1 k W的升 -降压型 DC/DC变换器。该滑模控制器由两个独立的控制器组成 ,分别控制升压环节、降压环节 ,根据电路状态动态调节 ,互不影响。该控制方案能有效地克服输入电压、负载扰动及参数摄动 ,充分发挥了滑模控制快速响应、鲁棒性强等优点 ,并且实现简单、控制灵活 ,具有很好的实际应用价值。计算机仿真结果证实了理论分析与设计的正确性。     

四电平浮动交错Boost DC/DC变换器研究

提出一种高升压比浮动交错四电平DC/DC变换器(Four-level Floating-output Interleaved-input Boost DC/DC Converter, FL-FIBC).该变换器不仅可以实现高升压比，显著减小变换器输入电流纹波，而且开关管承受的电压应力仅为输入电压和输出电压之和的1/6,对其拓扑结构及其工作原理进行分析研究，针对非交错导通方式下输出电压纹波大的特点，提出交错导通方式.通过在MATLAB仿真中搭建仿真，验证了所设计控制器的有效性.     

基于神经网络自适应逆控制的火电厂过热汽温控制系统的研究

本文将径向基函数神经网络与控制相结合,提出了一种基于神经网络自适应逆控制的方法,设计了两个结构和学习算法完全一样的神经网络,从而解决了在线学习难题。将该方法应用于火电厂过热汽温控制系统进行仿真研究,结果表明该方法能较好地适应对象特性的变化,且控制性能比常规串级控制系统有较大的提高。     

适用于DC/DC 变换器的预测函数控制优化策略

针对使用预测函数控制(Predictive Function Control, PFC)的 DC / DC 变换器在负载切换时产生的扰动对变 换器响应速度有较大影响的问题,提出通过设计观测器观测扰动来优化预测函数控制算法的控制效果;相对于其 他提高系统抗扰动的方法,通过设计观测器来提高变换器抗扰动的方法的优点是实现简单、优化后控制效果好等; 设计 Luenberger 观测器对负载切换时产生的扰动进行观测,将观测值反馈给预测函数控制算法进行最优化分析, 并结合仿真结果对目标函数进行调整,优化后的目标函数能更好地响应扰动并尽快达到稳态;最后将优化后的控 制算法与 PI 双闭环控制方法进行比较,结果显示优化后的控制算法在受到扰动后比双 PI 控制方法动态性能更 好,实现了应对负载切换时提高系统动态性能的目标,增强了 DC / DC 变换器的抗干扰能力;优化后的算法只考虑 了负载切换时的扰动对于系统其他方面的扰动没有考虑进去,可以通过设计整个系统的观测器来进一步提高 DC / DC 变换器抗扰动的能力。     

基于小波网络的永磁无刷直流电机无位置传感器控制

通过对永磁无刷直流电机的无位置传感器检测原理和小波网络特性的分析，提出了基于小波神经网络的永磁无刷直流电机无位置传感器控制新方法．该方法构建小波网络模型，采用梯度下降法对网络进行训练．网络训练分为离线训练和在线训练，由离线训练初步确定网络隐层节点的小波平移因子、尺度因子及网络输出层权值．以滤波和逻辑处理后的网络输出信号为教师对网络输出层连接权进行在线调整．从而由电机的相电流、端电压映射出电机的换相信号，取代了传统的位置传感器．最后仿真及实验结果表明，该方法能得到准确的永磁无刷直流电机的换相信号．     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

基于AIC准则优化的径向神经网络微地形曲面重构

采用RBF网络模型进行复杂微地形曲面重构,建立了适应于曲面重构的RBF网络模型.在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC量,再根据赤池信息量准则确定最优结构的RBF神经网络模型,从而进行复杂微地形的曲面重构.实验结果表明:该方法能较好地反映原始地形;这种基于AIC准则将样本输入信息与样本输出信息同时考虑,进行RBF网络结构优化的方法,为确定最优RBF网络模型的隐节点数目及相应参数提供了途径.     

基于RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·     

一种多核神经网络集成的地震要素预测方法

为了提高地震要素的预测准确度,在同一个网络模型中构建多种不同类型的基核函数,对不同种径向基函数构建多核神经网络集成模型,以提高网络的精度.从确定最优径向基神经元数、适当加大训练的目标误差等多个方面加以优化,减小最小训练误差和提高预测精度.采用多元回归分析法,对样本进行拟合得到子预测的多元回归系数,对子预测模型进行多元回...     

RBF神经网络的一种鲁棒学习算法

用定标鲁棒代价函数代替传统的二次型指标 ,并结合改进的遗传算法 ,搜索近最优径向基函数神经网络 ( RBFNN)的结构和参数 .实验结果表明该训练方法比其他方法具有更强的鲁棒性 ,可提高 RBFNN的泛化能力 ,自动消除训练数据中的噪声 ,再现训练数据中的潜在规律 .     

机器人鲁棒神经网络轨迹跟踪控制

对于具有外界扰动和参数不确定性的机器人系统轨迹跟踪问题,给出了一个新的鲁棒神经网络控制算法．为了解决因神经网络隐层神经元输出持续激励（PE）性质的丢失而可能造成的参数飘移问题,与大量在文献中使用的神经网络权重调节法则σ-修正方法不同,给出了一个新的调节法则．基于此权重调节法则的鲁棒神经网络控制器既可保证网络权重有界从而克服了参数飘移问题,又能得到系统跟踪误差渐近收敛到零．数值试验表明,所提算法可行有效．     

RBF网络在节假日短期负荷预测中的应用

节假日的负荷预测一直是电力系统短期负荷预测中的难点。该文采用了T－S型模糊RBF网络,提出了一种新的推理模型。该网络采用次胜者受罚的竞争学习规则决定模糊隶属函数中心,并采用梯度下降和交叉验证方法对输出权值进行学习。实验应用表明,该方法具有快速、准确性较好的特点。文中还给出了比较结果。     

一种新的基于混沌的DC/DC变换器控制策略

工作在混沌状态的DC／DC变换器能够改善电路的电磁兼容性能(EMC)。该文首先分析了这种方法存在的不足，然后提出了一种新的DC／DC变换器混沌控制策略，仿真研究证明，这种控制策略扩展了电感电流的功率谱，减低了在开关频率上的电流分量，从而改善了DC／DC变换器的EMC性能。