作者:
刘邦银
关键词:
控制 ； 遗传算法 ； 模糊神经网络
摘要:
逆变器运行于开关状态,是一个非线性系统,其精确数学模型难于确定,而基于逆变模型设计的传统控制器的性能却取决于模型的精度,给高性能的传统控制器的设计带来困难。本文在逆变器控制中引入与被控对象模型无关、广泛适用于非线性系统控制的智能控制技术,研究了模糊控制、遗传算法和模糊神经网络在逆变器控制中的应用。 逆变器中的扰动包括周期性扰动和非周期性扰动。基于内模原理的重复控制技术是补偿周期性扰动的理想方案,而对非周期性扰动的补偿效果却很差。文中提出了逆变器的几种智能控制与重复控制相结合的混合控制方案,用重复控制补偿周期性扰动,智能控制补偿非周期性扰动,以获得较好的动态和稳态性能。 本文首先建立了逆变器的数学模型,设计了重复控制器,然后针对重复控制器动态性能差的问题,采用电压瞬时值反馈PD控制器改善系统动态特性,输出电压均值反馈PI控制器提高输出电压稳定度。 由于逆变器的精确数学模型不易获得,高性能的PD控制器设计困难,本文提出了一种直接模糊重复混合控制方案,介绍了控制器的设计方法,分析了控制器的性能。 在模糊控制器设计过程中,控制器参数都需要通过经验和大量的仿真实验确定,给设计带来困难,本文研究了采用遗传算法来设计和优化控制器参数,给出了优化设计方法和仿真实验结果,并与PD重复控制和直接模糊重复控制进行了对比分析。 经过遗传优化的模糊控制器性能良好,然而由于控制器的设计是离线进行,控制参数不能根据系统运行状态实时自适应调整来获得当前最优控制器结构,因此本文又尝试采用模糊神经网络控制来实时改善系统动静态特性。 在文中最后根据仿真和实验结果,对比分析了这几种控制方案的优势和存在的问题,给出了未来的研究建议。
在线下载