CN105759603A - 基于自动寻优无模型控制器的变压电路控制系统及方法 - Google Patents
基于自动寻优无模型控制器的变压电路控制系统及方法 Download PDFInfo
- Publication number
- CN105759603A CN105759603A CN201610168181.8A CN201610168181A CN105759603A CN 105759603 A CN105759603 A CN 105759603A CN 201610168181 A CN201610168181 A CN 201610168181A CN 105759603 A CN105759603 A CN 105759603A
- Authority
- CN
- China
- Prior art keywords
- output
- compensation factor
- rate
- transformation circuit
- control rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 description 34
- 230000006870 function Effects 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 238000013461 design Methods 0.000 description 15
- 230000004044 response Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种基于自动寻优无模型控制器的变压电路控制系统及方法,该系统包括:带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块;带补偿因子的虚拟无模型控制器,用于建立带有输出补偿因子的控制率输出模型;所述性能判定模块,用于根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限,根据判断当前时刻变压电路是否达到性能最优实现对性能优化模块的优化次数的控制;所述性能优化模块,用于采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数。
Description
技术领域
本发明属于控制器设计领域,具体涉及基于自动寻优无模型控制器的变压电路控制系统及方法。
背景技术
目前控制器已被广泛应用于各行各业的设备当中,比如电网的储能系统、逆变器、变换器、变压电路、电机、分布式等控制。各种小型电子设备、各种智能家居、工业大型设备、航天电子器件等等。对于现今社会,控制器的是各行各业不能缺少的重要器件,具有非常重要不可替代的意义。
经典控制器的设计一般包括被控系统的建模、相关算法的设计、硬件电路的设计、驱动的程序的编写、性能测试以及经验试的参数改进等步骤,涉及到计算机技术、控制理论、电力电子技术、软件开发、电路设计等多个领域的交叉知识,非常复杂。想要做到相对完善、简单的设计难度非常高。需要高的专业知识和非常广的相关技术能力才能实现,而且虽然各种设备的复杂化、变化的随机性,系统或控制器的建模越来越难,以基本很难有较好的效果,并且很多按照数学模型设计的控制器,应用于实际电路中,控制效果非常不如人意,也就建模精度的问题,再者,一些器件时间长了或受外界干扰,性能会产生一定变化,则根据原本模型设计的控制器性能也会降低,这些也是传统经典方法没法解决的困难。
经典控制的整个流程往往需要对被控对象进行数学建模、对经典各种控制方法进行学习研究应用、对软件进行编程和查错、对应的硬件电路进行设计以及实验等。过程复杂而容易出错。对于很多进行初步实验测试与研究的过程,人们提出了些简单的方法,应用可编程的小系统进行控制器的初步设计,省去了反复的硬件电路设计步骤。比如各种类型的单片机、DSP、FPGA等等。他们广泛应用于各大高校的研究工作,以及小型设备的应用研发,应该范围非常广泛。它的优点是相对简单,易于实现,成本低等。但是也存在着非常多问题。以单片机、DSP、FPGA等器作为电力电子器件的控制器进行控制,不能实现对系统控制器控制方法的设计、控制器参数的在线寻优、实时的参数修改测试、以及多种控制策略的性能比较等。
发明内容
针对现有技术的不足,本发明提出基于自动寻优无模型控制器的变压电路控制系统及方法。
基于自动寻优无模型控制器的变压电路控制系统,包括:带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块;
所述带补偿因子的虚拟无模型控制器,用于建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号;所述带有输出补偿因子的控制率输出模型的性能参数包括:控制率的步长序列、控制率的权重参数、输出率补偿因子系数、伪偏导数的步长序列、控制率补偿因子系数和伪偏导数的权重参数,其中,控制率的步长序列、控制率的权重参数和输出率补偿因子系数通过性能优化模块进行更新;
所述性能判定模块,用于根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限,根据判断当前时刻变压电路是否达到性能最优实现对性能优化模块的优化次数的控制;
所述性能优化模块,用于将所述带有输出补偿因子的控制率输出模型中的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为优化算法的变量,采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数;
所述带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块搭建于PC机中。
还包括外围电路,所述外围电路包括数据转换单元、预处理单元、传感器单元和驱动单元;
所述数据转换单元,用于对变压电路的控制信号和采集的变压电路的输出电压进行模数转换;
所述预处理单元,用于对采集的变压电路的输出电压进行滤波和放大后传输至数据转换单元;
所述传感器单元,用于采集变压电路的输出电压,并传输至预处理单元;
所述驱动单元,用于根据所述带补偿因子的虚拟无模型控制器的输出控制信号驱动变压电路;
所述传感器单元的输入端连接所述变压电路的输出端,所述传感器单元的输出端连接所述预处理单元的输入端,所述预处理单元的输出端连接所述数据转换单元的输入端,所述数据转换单元的输出端连接所述驱动单元的输入端,所述数据转换单元还通过数据传输线连接PC机,所述驱动单元的输出端连接变压电路的输入端。
所述的带有输出补偿因子的控制率输出模型如下:
其中,u(k)为k时刻输出的控制信号,u(k-1)为k-1时刻输出的控制信号,ρ为控制率的步长序列,λ为控制率的权重参数,为k时刻带有控制率补偿因子的伪偏导数,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值,β为输出率补偿因子系数,Δy(k)=y(k)-y(k-1),T为采样时间;
其中,所述带有控制率补偿因子的伪偏导数计算公式如下:
其中,若则ε为无模型控制器的目标阈值,为k-1时刻带有控制率补偿因子的伪偏导数,η为伪偏导数的步长序列,μ为伪偏导数的权重参数,α为控制率补偿因子系数,Δu(k-1)=u(k-1)-u(k-2)。
所述根据变压电路需要实现的输出电压确定目标函数JITAE如下所示:
其中,k为当前时刻,e(k)=y*(k+1)-y(k)为系统误差绝对值,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值。
采用基于自动寻优无模型控制器的变压电路控制系统的控制方法,包括以下步骤:
步骤1:根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限;
步骤2:建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压值和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号;
步骤3:初始化带有输出补偿因子的控制率输出模型中的性能参数:控制率的步长序列、控制率的权重参数、输出率补偿因子系数、伪偏导数的步长序列、控制率补偿因子系数和伪偏导数的权重参数,设定采样周期、输出的控制信号初始值和带有控制率补偿因子的伪偏导数的初始值;
步骤4:数据转换单元将输出的控制信号转换为输出模拟控制信号,通过驱动单元驱动变压电路工作;
步骤5:传感器单元采集变压电路的输出电压,预处理单元对采集的变压电路的输出电压进行滤波和放大,通过数据转换单元转换为变压电路输出电压值;
步骤6:根据目标函数判断当前时刻变压电路是否达到性能最优,即判断目标函数是否达到无模型控制器的目标阈值,若是,则执行步骤9,否则执行步骤7;
步骤7:将所述带有输出补偿因子的控制率输出模型中的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为优化算法的变量,采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数;
步骤8:将优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数输入带有输出补偿因子的控制率输出模型,将采集的变压电路输出电压值输入带有输出补偿因子的控制率输出模型,得到下一时刻的输出的控制信号,返回步骤4;
步骤9:将当前优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为当前最优性能参数,得到当前最优的带有输出补偿因子的控制率输出模型;
步骤10:变压电路工作的过程中,采用当前最优的带有输出补偿因子的控制率输出模型实现对变压电路的控制,关闭性能优化模块;
步骤11:判断当前变压电路工作过程中是否偏离最优状态,若是,开启性能优化模块,返回步骤6,否则,返回步骤10。
本发明的有益效果:
本发明提出基于自动寻优无模型控制器的变压电路控制系统及方法,本发明的控制系统及方法可以不用再考虑被控变压电路的数学模型,相对应普通无模型自适应控制器精确性更高,大大简化了控制器的设计,并提高了变压电路控制器的控制效率与实用性。
另一方面,因为实际变压电路往往会因为很多因素导致参数的变化,从而被控模型也会随之变化,所以往常经典的控制器,性能往往会受到很大影响,比如变压电路的失匹情况,经典的控制器控制出现性能的下降甚至不能使用。然而本发明通用的虚拟无模型控制器和实时的性能优化模块相结合,则很好的解决了这个问题,能在变压电路小范围参数漂移、失匹情况下不会影响系统的性能,大大的提高了变压电路的稳定性和实用,本发明基于自动寻优无模型控制器可以适用于不同的变压电路,实现其通用性。
通过PC机虚拟的无模型控制器、性能优化模块、性能判定模块与实际电路相结合,有利于控制器和优化算法等的实时改进,有利于用过PC机将我们不同群体常用的仿真软件嵌入到设计当中,提高不同群体设计的方便性。而且虚拟的控制过程还有利于降低时间成本和经济成本,根据实际情况实时修改。再者根据实际的变压电路经过必要的外围电路连接到PC机,更加真实可靠,相比直接对模型进行设计等大大提高了实际可靠性。所以具有方便、简单、准确、可靠、成本低等优点。
附图说明
图1为本发明具体实施方式中基于自动寻优无模型控制器的变压电路控制系统结构示意图;
图2为本发明具体实施方式中基于自动寻优无模型控制器的变压电路控制系统与Boost变换器具体示意图;
图3为本发明具体实施方式中驱动单元UC3842芯片的线路连接图;
图4为本发明具体实施方式中基于自动寻优无模型控制器的变压电路控制方法的流程图;
图5为本发明具体实施方式中无性能优化的Boost变换器的电压响应和电流响应;
图6为本发明具体实施方式中无性能优化的Boost变换器的控制信号;
图7为本发明具体实施方式中基于自动寻优无模型控制器的变压电路控制系统进行性能优化的Boost变换器的电压响应和电流响应;
图8为本发明具体实施方式中基于自动寻优无模型控制器的变压电路控制系统进行性能优化的Boost变换器的控制信号。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
本实施方式中,结合变压电路中典型电路Boost变换器为例,Boost变换器参数为:输入电压U=5V,期望输出电压U*=12V,负载R=100Ω,开关频率f=10kHz,输入电感L=0.5mH,输出电容C=470μF。
基于自动寻优无模型控制器的变压电路控制系统,如图1所示,包括:带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块。
带补偿因子的虚拟无模型控制器,用于建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号。
带有输出补偿因子的控制率输出模型的性能参数包括:控制率的步长序列ρ、控制率的权重参数λ、输出率补偿因子系数β、伪偏导数的步长序列η、控制率补偿因子系数α和伪偏导数的权重参数μ,其中,控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β通过性能优化模块进行更新。
性能判定模块,用于根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限,根据判断当前时刻变压电路是否达到性能最优实现对性能优化模块的优化次数的控制。
性能优化模块,用于将带有输出补偿因子的控制率输出模型中的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β作为优化算法的变量,采用优化算法对控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β进行优化,得到优化后的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β。
本实施方式中,优化算法选用粒子群优化算法,将带有输出补偿因子的控制率输出模型中的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β作为粒子群优化算法的粒子,采用粒子群优化算法对控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β进行优化,将目标函数作为粒子群优化算法的适应度函数,得到优化后的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β。
虚拟无模型控制器、性能判定模块和性能优化模块搭建于PC机中,在PC机中选择一款常用仿真软件,本实施例中选取常用的Matlab\Simulink仿真软件实现。
还包括外围电路,外围电路包括数据转换单元、预处理单元、传感器单元和驱动单元。
数据转换单元,用于对变压电路的控制信号和采集的变压电路的输出电压进行模数转换。
本实施方式中,数据转换单元为华硕PCI-1716L。
预处理单元,用于对采集的变压电路的输出电压进行滤波和放大后传输至数据转换单元。
本实施方式中,由于变压电路的期望输出电压U*=12V,因此本实施例中不需要预处理单元。
传感器单元,用于采集变压电路的输出电压,并传输至预处理单元。
本实施方式中,传感器单元选用电压隔离传感器CE-VZ01-59MS1。
驱动单元,用于根据带补偿因子的虚拟无模型控制器的输出控制信号驱动变压电路。
本实施方式中,驱动单元为PWM波形发生电路使用UC3842芯片实现。
本实施方式中,如图2所示,电压隔离传感器CE-VZ01-59MS1的测试端连接变压电路的输出端,电压隔离传感器CE-VZ01-59MS1的输出端连接华硕PCI-1716L的A/D口,华硕PCI-1716L的D/A口连接UC3842芯片的Vref端,华硕PCI-1716L还通过PCL-10137H屏蔽电缆连接PC机接口板,UC3842芯片的OUTPUT端连接Boost变换器的MOS开关,如图3所示,电容C1取0.1uF,Vi为驱动电压输入端,输入12v直流电压,电阻RT取4.7kΩ。
采用基于虚拟无模型控制器的变压电路控制系统的控制方法,如图4所示,包括以下步骤:
步骤1:根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限。
本实施方式中,Boost变换器实现功能为5V-12V,但可能因为一些原因会使Boost变换器的转换有波动,稳定性差,根据Boost变换器需要实现的输出电压为输出稳定的12V电压,并且动态性能尽可能的好,并且初始干扰尽量小。
根据变压电路需要实现的输出电压确定目标函数为经典的ITAE(时间乘以误差绝对值积分)指标JITAE如式(1)所示:
其中,k为当前时刻,e(k)=y*(k+1)-y(k)为系统误差绝对值,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值。
它的优点是时变的加权方式对不可避免的初态误差加权小,使系统具有快速又平稳的动态性能。
本实施方式中,设定性能寻优次数上限为N=200。
步骤2:建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压值和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号。
本实施方式中,建立的带有输出补偿因子的控制率输出模型如式(2)所示。
其中,u(k)为k时刻输出的控制信号,u(k-1)为k-1时刻输出的控制信号,ρ为控制率的步长序列,λ为控制率的权重参数,为k时刻带有控制率补偿因子的伪偏导数,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值,β为输出率补偿因子系数,Δy(k)=y(k)-y(k-1),T为采样时间。
其中,带有控制率补偿因子的伪偏导数计算公式如式(3)所示:
其中,若则ε=0.01为无模型控制器的目标阈值,为k-1时刻带有控制率补偿因子的伪偏导数η为伪偏导数的步长序列,μ为伪偏导数的权重参数,α为控制率补偿因子系数,Δu(k-1)=u(k-1)-u(k-2)。
步骤3:初始化带有输出补偿因子的控制率输出模型中的性能参数:控制率的步长序列ρ、控制率的权重参数λ、输出率补偿因子系数β、伪偏导数的步长序列η、控制率补偿因子系数α和伪偏导数的权重参数μ,设定采样周期T、输出的控制信号初始值u(1)和带有控制率补偿因子的伪偏导数的初始值
本实施方式中,初始化带有输出补偿因子的控制率输出模型中的性能参数:控制率的步长序列ρ=1×10-4、控制率的权重参数λ=1×10-3、输出率补偿因子系数β=0.1、伪偏导数的步长序列η=0.8、控制率补偿因子系数α=0.1和伪偏导数的权重参数μ=0.15,设定采样周期T=1×10-5s、输出的控制信号初始值u(1)=0和带有控制率补偿因子的伪偏导数的初始值
步骤4:数据转换单元将输出的控制信号u(k)转换为输出模拟控制信号u(t),通过驱动单元驱动变压电路工作。
步骤5:传感器单元采集变压电路的输出电压y(t),预处理单元对采集的变压电路的输出电压进行滤波和放大,通过数据转换单元转换为变压电路输出电压值y(k)。
步骤6:根据目标函数判断当前时刻变压电路是否达到性能最优,即判断目标函数JITAE是否达到无模型控制器的目标阈值ε,若是,则执行步骤9,否则执行步骤7。
本实施方式中,判断公式(1)是否达到无模型控制器的目标阈值ε=0.01,其中,k+1时刻变压电路预输出电压值y*(k+1)即期望输出电压U*=12V,y(k)为采集的变压电路k时刻输出电压值。
步骤7:将带有输出补偿因子的控制率输出模型中的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为优化算法的变量,采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数。
本实施方式中,优化算法选用粒子群优化算法,将带有输出补偿因子的控制率输出模型中的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β作为粒子群优化算法的粒子,采用粒子群优化算法对控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β进行优化,将目标函数作为粒子群优化算法的适应度函数,得到优化后的控制率的步长序列ρ、控制率的权重参λ和输出率补偿因子系数β。
步骤7.1:随机初始化粒子群粒子,选取粒子群种群大小N′=20,并将初始化的粒子群粒子作为群体最优值初值Pbest。
本实施方式中,粒子表示为Pi=(xi1,xi2,xi3),其中:xi1=ρi,xi2=λ,xi3=βi,i取值范围为[1,20]。
步骤7.2:计算当前粒子的适应度,判断当前粒子的适应度值是否小于当前群体最优值Pbest,若是,执行步骤7.3,否则,执行步骤7.5。
本实施方式中,将目标函数作为粒子群优化算法的适应度函数,如式(4)所示:
步骤7.3:将当前粒子的适应度作为群体最优值Pbest。
步骤7.4:更新粒子群粒子,返回步骤7.2。
本实施方式中,更新的粒子群粒子的速度的公如式(5)所示:
其中,w为权重因子,i=1,2,...,M为粒子种群中的各个粒子,M=20,rand1与rand2是[0,1]的随机数,q=1,2,...,N为粒子优化代数,为第i个粒子处于第q代时的速度,为第i个粒子处于第q代时的位置,为第i个粒子处于第q+1代时的速度,为第i个粒子当前最好位置,为当前整个种群的最好位置,c1和c2为加速常数。
更新的粒子群粒子的位置的公式如式(6)所示:
其中,为第i个粒子处于第q+1代时的位置。
步骤7.4:判断当前粒子群优化代数q是否达到性能寻优次数上限为N=200,若是,则将当前群体最优值作为优化后的优化后的步长序列、权重参数和输出率补偿因子系数,执行步骤8,否则,返回步骤7.4。
步骤8:将优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数输入带有输出补偿因子的控制率输出模型,将采集的变压电路输出电压值输入带有输出补偿因子的控制率输出模型,得到下一时刻的输出的控制信号,返回步骤4。
步骤9:将当前优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为当前最优性能参数,得到当前最优的带有输出补偿因子的控制率输出模型。
步骤10:变压电路工作的过程中,采用当前最优的带有输出补偿因子的控制率输出模型实现对变压电路的控制,关闭性能优化模块。
步骤11:判断当前变压电路工作过程中是否偏离最优状态,若是,开启性能优化模块,返回步骤6,否则,返回步骤10。
本实施方式中,经上述步骤,按照设计性能的需求,在线调试出合适的动态性能和稳定性。可进一步把当前经调试的控制系统:带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块做成实际控制芯片。
本实施方式中,无性能优化的Boost变换器的电压响应和电流响应如图5所示,无性能优化的Boost变换器的控制信号如图6所示,基于虚拟无模型控制器的变压电路控制系统进行性能优化的Boost变换器的电压响应和电流响应如图7所示,基于虚拟无模型控制器的变压电路控制系统进行性能优化的Boost变换器的控制信号如图8所示,由图可知,本发明系统的响应特性得到了改善,具体的性能数据如表1所示。
表1无性能优化与本发明有性能优化的系统特性比较
由表1可知,本发明基于虚拟无模型控制器的变压电路控制系统的调节时间大大降低,无性能优化的Boost变换器输出电压在1.739s时达到稳态值,调节时间相对较长。本发明基于虚拟无模型控制器的变压电路控制系统动态响应过程较快,Boost变换器输出电压在0.156s时即变到了稳态值,调节时间缩短了91.02%,满足了变压电路对控制快速性的要求。
为了进一步说明本发明基于虚拟无模型控制器的变压电路控制系统的优越性,本实施方式考虑系统失匹情况下,即在Boost变换器负载变化和电感变化的情况下(电感值会因为温度和电磁干扰等原因发生改变,而且负载电阻的阻止也会随着温度的变化而改变,因此,Boost变换器的模型也会发生改变),系统的性能的稳定性,并对比经典的线性反馈控制的效果,本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器负载电阻失配时的系统特性如表2所示,状态反馈精确线性化控制下Boost变换器负载电阻失配时的系统特性如表3所示。
表2本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器负载电阻失配时的系统特性
表3状态反馈精确线性化控制下Boost变换器负载电阻失配时的系统特性
由表2和表3可知,当Boost变换器的负载电阻值失配时,本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器电压稳态值不变,电流无超调,调节时间始终在0.12s左右,即负载变化对系统的影响不大;而状态反馈精确线性化控制下的Boost变换器调节时间慢,电感电流启动峰值较大,并且输出电压稳态值发生改变较大,尤其在负载电阻值为55Ω时,稳态误差高达到45.7%,电感电流达到2.83A,系统稳定性差,即负载的变化对控制结果的影响非常明显。因此,在Boost变换器的负载电阻失配时,本发明基于虚拟无模型控制器的变压电路控制系统好于状态反馈精确线性化控制效果。
本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器电感失配时的系统特性如表4所示,状态反馈精确线性化控制下Boost变换器电感失配时的系统特性如表5所示。
表4本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器电感失配时的系统特性
表5状态反馈精确线性化控制下Boost变换器电感失配时的系统特性
由表4和表5可知,当Boost变换器电感失配时,本发明基于虚拟无模型控制器的变压电路控制系统控制下的Boost变换器输出电压稳态值不变,电流无超调,调节时间始终在0.17s左右,基本稳定,即电感值的变化对系统特性的影响不大;而状态反馈精确线性化控制下的Boost变换器电压输出,调节时间较慢,电感电流启动峰值较大,为1.6A左右,且稳态值变化较大,在电感值为0.115mH时,稳态误差高达28.8%,即电感值的变化对系统的影响大。因此,通过上述的结果对比可以证明本发明基于虚拟无模型控制器的变压电路控制系统对系统模型变化影响小,设计方便,准确,性能稳定。
Claims (5)
1.一种基于自动寻优无模型控制器的变压电路控制系统,其特征在于,包括:带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块;
所述带补偿因子的虚拟无模型控制器,用于建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号;所述带有输出补偿因子的控制率输出模型的性能参数包括:控制率的步长序列、控制率的权重参数、输出率补偿因子系数、伪偏导数的步长序列、控制率补偿因子系数和伪偏导数的权重参数,其中,控制率的步长序列、控制率的权重参数和输出率补偿因子系数通过性能优化模块进行更新;
所述性能判定模块,用于根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限,根据判断当前时刻变压电路是否达到性能最优实现对性能优化模块的优化次数的控制;
所述性能优化模块,用于将所述带有输出补偿因子的控制率输出模型中的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为优化算法的变量,采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数;
所述带补偿因子的虚拟无模型控制器、性能判定模块和性能优化模块搭建于PC机中。
2.根据权利要求1所述的基于自动寻优无模型控制器的变压电路控制系统,其特征在于,还包括外围电路,所述外围电路包括数据转换单元、预处理单元、传感器单元和驱动单元;
所述数据转换单元,用于对变压电路的控制信号和采集的变压电路的输出电压进行模数转换;
所述预处理单元,用于对采集的变压电路的输出电压进行滤波和放大后传输至数据转换单元;
所述传感器单元,用于采集变压电路的输出电压,并传输至预处理单元;
所述驱动单元,用于根据所述带补偿因子的虚拟无模型控制器的输出控制信号驱动变压电路;
所述传感器单元的输入端连接所述变压电路的输出端,所述传感器单元的输出端连接所述预处理单元的输入端,所述预处理单元的输出端连接所述数据转换单元的输入端,所述数据转换单元的输出端连接所述驱动单元的输入端,所述数据转换单元还通过数据传输线连接PC机,所述驱动单元的输出端连接变压电路的输入端。
3.根据权利要求1所述的基于自动寻优无模型控制器的变压电路控制系统,其特征在于,所述的带有输出补偿因子的控制率输出模型如下:
其中,u(k)为k时刻输出的控制信号,u(k-1)为k-1时刻输出的控制信号,ρ为控制率的步长序列,λ为控制率的权重参数,为k时刻带有控制率补偿因子的伪偏导数,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值,β为输出率补偿因子系数,Δy(k)=y(k)-y(k-1),T为采样时间;
其中,所述带有控制率补偿因子的伪偏导数计算公式如下:
其中,若则ε为无模型控制器的目标阈值,为k-1时刻带有控制率补偿因子的伪偏导数,η为伪偏导数的步长序列,μ为伪偏导数的权重参数,α为控制率补偿因子系数,Δu(k-1)=u(k-1)-u(k-2)。
4.根据权利要求1所述的基于自动寻优无模型控制器的变压电路控制系统,其特征在于,所述根据变压电路需要实现的输出电压确定目标函数JITAE如下所示:
其中,k为当前时刻,e(k)=y*(k+1)-y(k)为系统误差绝对值,y*(k+1)为k+1时刻变压电路预输出电压值,y(k)为采集的变压电路k时刻输出电压值。
5.采用权利要求1所述的基于自动寻优无模型控制器的变压电路控制系统的控制方法,其特征在于,包括以下步骤:
步骤1:根据变压电路需要实现的输出电压确定目标函数,并设定性能寻优次数上限;
步骤2:建立带有输出补偿因子的控制率输出模型,该模型的输入为采集的变压电路的输出电压值和带有输出补偿因子的控制率输出模型的性能参数,该模型的输出为变压电路的控制信号;
步骤3:初始化带有输出补偿因子的控制率输出模型中的性能参数:控制率的步长序列、控制率的权重参数、输出率补偿因子系数、伪偏导数的步长序列、控制率补偿因子系数和伪偏导数的权重参数,设定采样周期、输出的控制信号初始值和带有控制率补偿因子的伪偏导数的初始值;
步骤4:数据转换单元将输出的控制信号转换为输出模拟控制信号,通过驱动单元驱动变压电路工作;
步骤5:传感器单元采集变压电路的输出电压,预处理单元对采集的变压电路的输出电压进行滤波和放大,通过数据转换单元转换为变压电路输出电压值;
步骤6:根据目标函数判断当前时刻变压电路是否达到性能最优,即判断目标函数是否达到无模型控制器的目标阈值,若是,则执行步骤9,否则执行步骤7;
步骤7:将所述带有输出补偿因子的控制率输出模型中的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为优化算法的变量,采用优化算法对控制率的步长序列、控制率的权重参数和输出率补偿因子系数进行优化,得到优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数;
步骤8:将优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数输入带有输出补偿因子的控制率输出模型,将采集的变压电路输出电压值输入带有输出补偿因子的控制率输出模型,得到下一时刻的输出的控制信号,返回步骤4;
步骤9:将当前优化后的控制率的步长序列、控制率的权重参数和输出率补偿因子系数作为当前最优性能参数,得到当前最优的带有输出补偿因子的控制率输出模型;
步骤10:变压电路工作的过程中,采用当前最优的带有输出补偿因子的控制率输出模型实现对变压电路的控制,关闭性能优化模块;
步骤11:判断当前变压电路工作过程中是否偏离最优状态,若是,开启性能优化模块,返回步骤6,否则,返回步骤10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610168181.8A CN105759603B (zh) | 2016-03-23 | 2016-03-23 | 基于自动寻优无模型控制器的变压电路控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610168181.8A CN105759603B (zh) | 2016-03-23 | 2016-03-23 | 基于自动寻优无模型控制器的变压电路控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105759603A true CN105759603A (zh) | 2016-07-13 |
CN105759603B CN105759603B (zh) | 2018-06-26 |
Family
ID=56346289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610168181.8A Active CN105759603B (zh) | 2016-03-23 | 2016-03-23 | 基于自动寻优无模型控制器的变压电路控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105759603B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287467A (zh) * | 2018-01-18 | 2018-07-17 | 河南理工大学 | 基于事件触发的无模型自适应数据驱动控制方法 |
CN109581992A (zh) * | 2019-02-01 | 2019-04-05 | 浙江大学 | 参数自整定的miso异因子全格式无模型控制方法 |
CN109581865A (zh) * | 2019-02-01 | 2019-04-05 | 浙江大学 | Miso异因子偏格式无模型控制方法 |
CN109782587A (zh) * | 2019-02-01 | 2019-05-21 | 浙江大学 | Miso异因子紧格式无模型控制方法 |
CN109782586A (zh) * | 2019-02-01 | 2019-05-21 | 浙江大学 | 参数自整定的miso异因子紧格式无模型控制方法 |
CN109814388A (zh) * | 2019-02-01 | 2019-05-28 | 浙江大学 | 参数自整定的miso异因子偏格式无模型控制方法 |
CN109814390A (zh) * | 2019-02-01 | 2019-05-28 | 浙江大学 | Miso异因子全格式无模型控制方法 |
CN112015081A (zh) * | 2020-06-18 | 2020-12-01 | 浙江大学 | Siso紧格式无模型控制器基于pso-lstm协同算法的参数自整定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830629A (zh) * | 2012-08-29 | 2012-12-19 | 东北大学 | 电力电子控制系统实验装置及实验方法 |
CN103117657A (zh) * | 2013-01-31 | 2013-05-22 | 浙江大学 | 基于片上模型预测控制的全桥dc-dc系统的控制方法 |
CN103984242A (zh) * | 2014-05-19 | 2014-08-13 | 上海交通大学 | 基于模型预测控制的分层预测控制系统及其控制方法 |
CN104734504A (zh) * | 2015-03-13 | 2015-06-24 | 浙江大学 | 一种dc-dc变换器控制方法及系统 |
CN104753427A (zh) * | 2015-03-13 | 2015-07-01 | 西安理工大学 | 一种异步电机的自抗扰控制器的参数优化方法 |
-
2016
- 2016-03-23 CN CN201610168181.8A patent/CN105759603B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830629A (zh) * | 2012-08-29 | 2012-12-19 | 东北大学 | 电力电子控制系统实验装置及实验方法 |
CN103117657A (zh) * | 2013-01-31 | 2013-05-22 | 浙江大学 | 基于片上模型预测控制的全桥dc-dc系统的控制方法 |
CN103984242A (zh) * | 2014-05-19 | 2014-08-13 | 上海交通大学 | 基于模型预测控制的分层预测控制系统及其控制方法 |
CN104734504A (zh) * | 2015-03-13 | 2015-06-24 | 浙江大学 | 一种dc-dc变换器控制方法及系统 |
CN104753427A (zh) * | 2015-03-13 | 2015-07-01 | 西安理工大学 | 一种异步电机的自抗扰控制器的参数优化方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287467A (zh) * | 2018-01-18 | 2018-07-17 | 河南理工大学 | 基于事件触发的无模型自适应数据驱动控制方法 |
CN109814390A (zh) * | 2019-02-01 | 2019-05-28 | 浙江大学 | Miso异因子全格式无模型控制方法 |
CN109782587B (zh) * | 2019-02-01 | 2020-12-22 | 浙江大学 | Miso异因子紧格式无模型控制方法 |
CN109782587A (zh) * | 2019-02-01 | 2019-05-21 | 浙江大学 | Miso异因子紧格式无模型控制方法 |
CN109782586A (zh) * | 2019-02-01 | 2019-05-21 | 浙江大学 | 参数自整定的miso异因子紧格式无模型控制方法 |
CN109814388A (zh) * | 2019-02-01 | 2019-05-28 | 浙江大学 | 参数自整定的miso异因子偏格式无模型控制方法 |
CN109581992A (zh) * | 2019-02-01 | 2019-04-05 | 浙江大学 | 参数自整定的miso异因子全格式无模型控制方法 |
CN109814388B (zh) * | 2019-02-01 | 2021-01-05 | 浙江大学 | 参数自整定的miso异因子偏格式无模型控制方法 |
CN109581865A (zh) * | 2019-02-01 | 2019-04-05 | 浙江大学 | Miso异因子偏格式无模型控制方法 |
CN109581992B (zh) * | 2019-02-01 | 2020-12-22 | 浙江大学 | 参数自整定的miso异因子全格式无模型控制方法 |
CN109814390B (zh) * | 2019-02-01 | 2020-12-22 | 浙江大学 | Miso异因子全格式无模型控制方法 |
CN109581865B (zh) * | 2019-02-01 | 2020-12-22 | 浙江大学 | Miso异因子偏格式无模型控制方法 |
CN109782586B (zh) * | 2019-02-01 | 2021-01-05 | 浙江大学 | 参数自整定的miso异因子紧格式无模型控制方法 |
CN112015081A (zh) * | 2020-06-18 | 2020-12-01 | 浙江大学 | Siso紧格式无模型控制器基于pso-lstm协同算法的参数自整定方法 |
CN112015081B (zh) * | 2020-06-18 | 2021-12-17 | 浙江大学 | Siso紧格式无模型控制器基于pso-lstm协同算法的参数自整定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105759603B (zh) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105759603B (zh) | 基于自动寻优无模型控制器的变压电路控制系统及方法 | |
CN108416126B (zh) | 一种dc/dc变换器稳定性分析方法及系统 | |
CN103269176B (zh) | 一种基于分数阶pi预测函数的逆变器控制方法 | |
CN107248822B (zh) | 基于分数阶pid离散滑模变结构的逆变器控制方法 | |
CN109245532B (zh) | 一种升降压变换器的分数阶滑模控制方法 | |
CN110687800A (zh) | 一种数据驱动自适应抗干扰控制器结构及其估计方法 | |
CN107272409B (zh) | 一种基于迭代学习的直线伺服系统振动抑制方法 | |
Li et al. | A revisit to model-free control | |
CN113517832A (zh) | 一种低压伺服离散线性自抗扰控制方法 | |
CN102830629B (zh) | 电力电子控制系统实验装置及实验方法 | |
CN105467305B (zh) | 一种变工况下Buck-Boost电路故障特征提取方法 | |
CN115149806B (zh) | 一种针对交错并联Boost变换器的自适应模型预测控制方法 | |
Xiao et al. | Recurrent neural networks based impedance measurement technique for power electronic systems | |
CN108566086A (zh) | 双闭环rbf神经网络滑模变结构自适应控制系统 | |
CN109742941B (zh) | 基于超扭曲控制的dc-dc变换器混沌控制方法、系统及介质 | |
CN110865225A (zh) | 一种比例阀电流采集方法、系统及电子设备 | |
CN108762086B (zh) | 基于模型预测控制的二次再热蒸汽温度控制装置及控制系统 | |
CN113794249A (zh) | 数字电源箱充放电控制算法及控制系统 | |
Paulin et al. | Virtual digital control scheme for a duty-cycle modulation boost converter | |
Hinov et al. | Digitization of control systems for power electronic converters | |
CN106526299A (zh) | 一种基于非光滑观测技术的功率变换器电流检测方法 | |
CN106125551A (zh) | 适用于周期伺服系统的积分滑模重复控制器 | |
Ye et al. | A TD3 algorithm based reinforcement learning controller for DC-DC switching converters | |
CN113241945B (zh) | 带恒功率负载的Buck变换器基于fal函数积分无源控制方法 | |
CN115987086A (zh) | 基于神经网络的单开关直流-直流变换器在线控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |