发明名称 三相并联型有源滤波器的线性化反馈神经滑模控制方法
摘要 本发明公开了一种三相并联型有源滤波器的线性化反馈神经滑模控制方法,采用RBF神经网络逼近及自适应控制的方法,利用线性化反馈技术,设计了一种自适应神经滑模控制器,用控制器的输出线性化反馈神经滑模控制律,逼近三相并联型有源滤波器的开关函数,从而控制有源滤波器主电路开关的通断,本发明综合了线性化反馈方法、滑模控制、自适应算法以及RBF神经网络的优点,能够时时的检测并跟踪电源电流中的谐波,通过产生大小相等、方向相反的补偿电流,达到消除谐波、提高电能质量的目的;并且本发明基于lyapunov函数设计自适应律,能够在线的调节神经网络的权值,使系统具备稳定性和鲁棒性。
申请公布号 CN103441499B 申请公布日期 2015.10.07
申请号 CN201310313678.0 申请日期 2013.07.24
申请人 河海大学常州校区 发明人 王哲;费峻涛
分类号 H02J3/01(2006.01)I;G06N3/02(2006.01)I 主分类号 H02J3/01(2006.01)I
代理机构 南京纵横知识产权代理有限公司 32224 代理人 董建林
主权项 三相并联型有源滤波器的线性化反馈神经滑模控制方法,其特征在于,包括以下步骤:1)建立被控对象三相并联型有源滤波器的数学模型;2)将线性化反馈方法、滑模控制、自适应算法以及RBF神经网络相结合,设计线性化反馈自适应RBF神经滑模控制器,将其输出线性化反馈神经滑模控制律作用于三相并联型有源滤波器的开关函数,具体为:2‑1)利用线性化反馈方法,设计滑模控制器,得到滑模控制律,具体为,定义滑模函数s为:s(t)=ce其中,c为滑模系数,e为跟踪误差有源滤波器的数学模型式为:<img file="FDA0000748630030000011.GIF" wi="291" he="70" />根据线性化反馈技术,设计滑模控制律u<sub>1</sub>为:<img file="FDA0000748630030000012.GIF" wi="294" he="133" />其中,R=ξ(x)‑ρsgn(s)<img file="FDA0000748630030000013.GIF" wi="230" he="85" />x<sub>m</sub>为给定信号,ρ是线性化反馈参数,ρ>02‑2)设计自适应RBF神经滑模控制器,用神经网络的输出<img file="FDA0000748630030000018.GIF" wi="118" he="85" />代替f(x),得到线性化反馈神经滑模控制律u,实现所述控制器对三相并联型有源滤波器开关函数的逼近,从而控制有源滤波器主电路开关的通断,产生与谐波电流大小相等、方向相反的补偿电流,抵消谐波,具体为,首先,假设存在神经网络权值w,使得神经网络的输出<img file="FDA0000748630030000019.GIF" wi="118" he="90" />逼近于时变函数f(x),其逼近精度为ε,即:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>m</mi><mi>a</mi><mi>x</mi><mo>||</mo><mover><mi>f</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>-</mo><mi>f</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>||</mo><mo>&le;</mo><mi>&epsiv;</mi></mrow>]]></math><img file="FDA0000748630030000014.GIF" wi="460" he="115" /></maths>定义w<sub>t</sub>为神经网络权值w在t时刻的估计值用神经网络的输出<img file="FDA0000748630030000015.GIF" wi="116" he="85" />代替时变函数f(x),得到线性化反馈神经滑模控制律u为,<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>u</mi><mo>=</mo><mfrac><mrow><mi>R</mi><mo>-</mo><mover><mi>f</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow></mrow><mi>b</mi></mfrac></mrow>]]></math><img file="FDA0000748630030000016.GIF" wi="281" he="144" /></maths>其中,<img file="FDA0000748630030000017.GIF" wi="321" he="104" />x为RBF神经网络的输入,h(x)为高斯函数,输出<img file="FDA00007486300300000110.GIF" wi="118" he="90" />为未知非线性函数f(x)的估计值;3)根据lyapunov函数设计自适应律,确保线性化反馈自适应RBF神经滑模控制器的稳定性,所述lyapunov函数V选取为,<img file="FDA0000748630030000021.GIF" wi="377" he="141" />所述自适应律<img file="FDA0000748630030000028.GIF" wi="66" he="73" />设计为,<img file="FDA0000748630030000029.GIF" wi="260" he="73" />其中,<img file="FDA0000748630030000022.GIF" wi="242" he="76" />为神经网络权值在t时刻的误差,w<sub>t</sub><sup>*</sup>为神经网络权值在t时刻的最优值,p为自适应参数。
地址 213022 江苏省常州市新北区晋陵北路200号