CN111684695A - 电力变换器的控制装置 - Google Patents

电力变换器的控制装置 Download PDF

Info

Publication number
CN111684695A
CN111684695A CN201880088570.7A CN201880088570A CN111684695A CN 111684695 A CN111684695 A CN 111684695A CN 201880088570 A CN201880088570 A CN 201880088570A CN 111684695 A CN111684695 A CN 111684695A
Authority
CN
China
Prior art keywords
control
deviation
voltage
output
gain
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
Application number
CN201880088570.7A
Other languages
English (en)
Other versions
CN111684695B (zh
Inventor
长门秀一
田中美和子
岩田明彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN111684695A publication Critical patent/CN111684695A/zh
Application granted granted Critical
Publication of CN111684695B publication Critical patent/CN111684695B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/157—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators with digital control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0012—Control circuits using digital or numerical techniques
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M1/00—Details of apparatus for conversion
    • H02M1/0003—Details of control, feedback or regulation circuits
    • H02M1/0016—Control circuits providing compensation of output voltage deviations using feedforward of disturbance parameters

Abstract

减法部(30)计算DC/DC转换器(7)的输出电压(Vout)相对目标电压(Vf)的电压偏差(U)。FB控制量计算部(40)在各控制周期中计算FB控制量(Cfb)。FF控制量计算部(20)在由FF控制判定部(10)检测到输出电压(Vout)与目标电压(Vf)交叉的控制周期中，在阻碍输出电压(Vout)的变化的方向上计算FF控制量(Cff)。开关控制信号发生部(60)依照FF控制量(Cff)以及FB控制量(Cfb)的加法值，生成用于控制输出电压(Vout)的DC/DC转换器(7)的控制信号。

Description

电力变换器的控制装置
技术领域
本发明涉及电力变换器的控制装置，更特定而言涉及将以DC/DC转换器为首的电力变换器作为控制对象的具有前馈控制功能的控制装置。
背景技术
在日本专利第5412658号公报(专利文献1)中，记载了在DC/DC转换器的控制中，通过组合反馈控制和利用神经控制等机器学习控制的前馈控制，减轻过冲、下冲的技术。
在专利文献1中，前馈控制量是通过对某个采样中的控制目标值和根据学习历史计算的控制预测值的偏差乘以增益α而计算的。关于该增益α，以将用于抑制最初(第一个)的下冲或者过冲的因子A(零以外的正的值)依照衰减函数减少的方式，具体而言，依照A·exp(-λ·n)，设定第n个采样中的增益。在此，λ成为用于使第二个过冲或者下冲衰减的因子(零以外的正的值)。由此，实现了兼顾最初的下冲或者过冲的抑制、和针对之后的过冲或者下冲的过补偿。
现有技术文献
专利文献
专利文献1：日本专利第5412658号公报
发明内容
在专利文献1的前馈控制中，随着通过仿真、控制理论事先决定的系数A以及β的选择，增益变得不适合，从而担心无法期待第二个过冲或者下冲的减轻效果。另外，通过机器学习求出各采样中的控制预测值，所以还担心运算负荷影响控制的响应速度。
本发明是为了解决这样的问题而完成的，本发明的目的在于提供一种具有用于不提高动作时的运算负荷而抑制过冲或者下冲的前馈控制功能的电力变换器的控制装置。
根据本发明的某个方案，输出根据控制信号而变化的电力变换器的控制装置具备反馈控制部、前馈控制部以及控制信号生成部。反馈控制部在各控制周期中，计算基于输出相对目标输出的偏差的第1控制量。前馈控制部在作为本次的控制周期中的输出的偏差的第1偏差、和作为上次的控制周期中的输出的偏差的第2偏差的极性不同时，在该控制周期中，在阻碍上次以及本次的控制周期之间的输出的变化的方向上，计算依照第1及第2偏差的差分的第2控制量。控制信号生成部在各控制周期中，依照第1及第2控制量生成控制信号。
根据本发明，能够与电力变换器的输出与目标输出交叉相应地，以阻碍该时间点下的输出的变化方向(上升或者降低)的方式，使前馈控制发挥作用。因此，不会伴随前馈控制增益的衰减运算以及每个控制周期的机器学习运算，能够使输出与目标输出一致，并且抑制过渡状态下的过冲以及下冲。
附图说明
图1是说明实施方式1所涉及的DC/DC转换器的控制装置的结构的功能框图。
图2是详细说明图1所示的FB控制部的结构的功能框图。
图3是输出电压的波形图的一个例子。
图4是说明图1所示的FF控制判定部的控制处理的流程图。
图5是说明图1所示的FF控制量计算部的控制动作例的概念性的波形图。
图6是说明由图1所示的学习数据制作部执行的数据收集处理的流程图。
图7是说明由图1所示的学习数据处理部执行的FF控制增益的计算处理的第1流程图。
图8是说明图7所示的神经网络制作例程(routine)的详情的流程图。
图9是说明神经网络的构造的一个例子的概念图。
图10是说明神经元之间的权重系数的概念图。
图11是说明图7所示的FF控制增益计算例程的详情的流程图。
图12是说明在FF控制增益计算例程中使用的神经网络的构造的概念图。
图13是说明实施方式1的变形例所涉及的DC/DC转换器的控制装置中的FF控制增益计算例程的流程图。
图14是说明实施方式1的变形例所涉及的DC/DC转换器的控制装置中的FF控制增益的设定映射的概念图。
图15是说明实施方式1的变形例所涉及的DC/DC转换器的控制装置中的FF控制量计算部的控制处理的流程图。
图16是说明实施方式2所涉及的DC/DC转换器的控制装置的结构的功能框图。
图17是说明实施方式3所涉及的DC/DC转换器的控制装置的结构的功能框图。
图18是说明图17所示的FF控制判定部的控制处理的流程图。
图19是说明与过冲的发生对应地开始前馈控制时的继续判定处理的一个例子的概念性的波形图。
图20是说明与下冲的发生对应地开始前馈控制时的继续判定处理的一个例子的概念性的波形图。
图21是说明图17所示的FF控制量计算部的控制动作例的概念性的波形图。
(附图标记说明)
5a、5b、5c：控制装置；7：DC/DC转换器；10、10A：FF控制判定部；20：FF控制量计算部；30：减法部；40：FB控制量计算部；41：比例动作部；42：积分动作部；43：微分动作部；44：加法部；50：控制量加法部；60：开关控制信号发生部；100：电压控制部；110：输入数据文件；120：学习控制部；130：学习数据制作部；140：学习数据文件；150：学习数据处理部；160：神经网络数据文件；200：神经网络；300：映射(map)；Cfb：FB控制量；Cff：FF控制量；Cvo：电压控制量；Ffig：继续判定标志(FF控制)；Fff：FF控制标志；Iout：负载电流；Kd：微分增益；Ki：积分增益；Kp：比例增益；U：电压偏差；Vf：目标电压；Vout：输出电压；W0：容许振幅；WPmax：最大振幅实绩值；Wmax：最大振幅；k：计数值；β：FF控制增益；Δt：控制周期。
具体实施方式
以下，参照附图详细说明本发明的实施方式。此外，以下对图中的同一或者相当部分附加同一符号，在原则上不反复其说明。
实施方式1.
图1是说明作为实施方式1所涉及的电力变换器的控制装置的代表例示出的DC/DC转换器的控制装置5a的结构的功能框图。以下，在本实施方式中，作为成为控制对象的电力变换器，例示DC/DC转换器而进行说明。
参照图1，作为成为控制装置5a的控制对象的电力变换器的一个例子示出的DC/DC转换器7，对负载供给用输出电压Vout以及负载电流Iout之积表示的直流电力。控制装置5a将DC/DC转换器7的输出电压Vout控制为目标电压Vf。控制装置5a具备电压控制部100、输入数据文件110、以及学习控制部120。通过未图示的电压传感器以及电流传感器，检测输出电压Vout以及负载电流Iout，由该传感器检测的检测值被输入到控制装置5a。
电压控制部100具有前馈(FF)控制判定部10、前馈(FF)控制量计算部20、减法部30、反馈(FB)控制量计算部40、控制量加法部50以及开关控制信号发生部60。学习控制部120具有学习数据制作部130、学习数据文件140、学习数据处理部150以及神经网络数据文件160。
作为硬件，控制装置5a能够构成为包括未图示的运算装置、存储装置、输入电路以及输出电路。例如，运算装置能够包括CPU(Central Processing Unit，中央处理单元)、DSP(Digital Signal Processor，数字信号处理器)、ASIC(Application SpecificIntegrated Circuit，专用集成电路)等。
关于图1记载的构成控制装置5a的各功能块，代表性地，通过上述运算装置执行存储于ROM等存储装置的软件(程序)并且与存储装置、输入电路以及输出电路等其他硬件协作，能够实现各功能。另外，关于利用各功能块的功能的一部分或者全部，还能够通过专用的电子电路(硬件)实现。另外，用于实现电压控制部100、输入数据文件110以及学习控制部120的功能的硬件既可以搭载于同一芯片，也可以分割搭载到多个芯片。
电压控制部100通过反馈控制以及前馈控制的组合，关于DC/DC转换器7的负载侧的输出电压Vout，控制成与目标电压Vf一致且相对负载的急剧的变化来说减轻变动幅度。在反馈控制以及前馈控制中使用的增益值被保持于输入数据文件110。
首先，说明使用这些增益值的利用电压控制部100的控制动作。以下，关于利用电压控制部100的控制动作，设为针对每固定的时间刻度Δt、即针对每个控制周期执行，将本次的控制周期记载为第n个(n：自然数)，将上次的控制周期记载为第(n-1)个。以下，通过附注附加字(n)、(n-1)，表示是特定的控制周期中的值。
减法部30通过在各控制周期中从目标电压Vf减去输出电压Vout，计算输出电压Vout相对目标电压Vf的电压偏差U。因此，用U(n)＝Vf-Vout(n)表示。计算的电压偏差U(n)被输入到FF控制判定部10以及FB控制量计算部40。即，输出电压Vout与“电力变换器的输出”的一个实施例对应，目标电压Vf与“电力变换器的目标输出”的一个实施例对应。另外，电压偏差U(n)与“输出的偏差”的一个实施例对应。
图2是进一步说明FB控制量计算部40的结构的功能框图。
参照图2，FB控制量计算部40具有比例动作部41、积分动作部42、微分动作部43以及加法部44。
比例动作部41将比例增益Kp以及电压偏差U(n)之积作为比例控制量输出。积分动作部42将电压偏差U(1)～U(n)的积分值以及积分增益Ki之积作为积分控制量输出。微分动作部43将电压偏差U(n)以及U(n-1)的差分值与微分增益Kd之积作为微分控制量输出。
加法部44将比例控制量、积分控制量以及微分控制量相加，计算FB控制量Cfb。在各控制周期中计算FB控制量Cfb(n)，并输入到控制量加法部50。
比例增益Kp、积分增益Ki以及微分增益Kd如图1所示保持于输入数据文件110，在DC/DC转换器7动作时，保持的增益值被读入到FB控制量计算部40。
在图2的结构例中，FB控制量计算部40通过所谓PID(Proportional IntegralDifferential，比例积分微分)控制实现反馈控制，但也可以用其以外的方法实现反馈控制。通过反馈控制，主要控制输出电压Vout相对目标电压Vf的稳定特性。FB控制量计算部40与“反馈控制部”的一个实施例对应，FB控制量Cfb(n)与“第1控制量”对应。
另一方面，通过前馈控制，主要控制动作开始时、负载变动时的输出电压Vout的下冲、过冲。向控制量加法部50还输入由图1的FF控制量计算部20计算的FF控制量Cff(n)。
控制量加法部50对来自FB控制量计算部40的FB控制量Cfb(n)和来自FF控制量计算部20的FF控制量Cff(n)进行合计，将合计的电压控制量Cvo(n)送出到开关控制信号发生部60。
开关控制信号发生部60在各控制周期中依照电压控制量Cvo(n)生成DC/DC转换器7的控制信号。例如，DC/DC转换器7构成为通过晶体管等开关元件(未图示)的占空比控制来控制输出电压Vout。在本实施方式中，设为在提高电压控制量Cvo开关元件的占空比时，输出电压Vout上升，在降低该占空比时，输出电压Vout降低。在该情况下，开关控制信号发生部60以根据电压控制量Cvo的上升使占空比上升，另一方面，根据电压控制量Cvo的降低使占空比降低的方式，生成DC/DC转换器7的控制信号。
其结果，以依照来自开关控制信号发生部60的控制信号的占空比，对DC/DC转换器7的开关元件进行导通截止控制，由此依照电压控制量Cvo，将输出电压Vout控制为目标电压Vf。
图3示出输出电压Vout的波形图的一个例子。
参照图3，在使输出电压Vout从0上升到目标电压Vf时、以及将由于负载变动而脱离目标电压Vf的输出电压Vout控制为恢复到目标电压Vf时的过渡状态下，发生所谓过冲(Vout>Vf)或者下冲(Vout<Vf)。
在如图3的伴随输出电压Vout的上升的过渡状态下，输出电压Vout由于过冲变得最大之后，一边电压偏差的绝对值|Vout-Vf|衰减，一边输出电压Vout调整为目标电压Vf。将此时的|Vout-Vf|的最大值(即，过冲发生时间点下的|Vout-Vf|)定义为最大振幅Wmax。
与图3相反，在伴随输出电压Vout的降低的过渡状态下，输出电压Vout由于下冲成为最小之后，一边电压偏差的绝对值|Vout-Vf|衰减，一边输出电压Vout与目标电压Vf一致。将此时的|Vout-Vf|的最大值(即，下冲发生时间点下的|Vout-Vf|)定义为最大振幅Wmax。
前馈控制由图1所示的FF控制判定部10以及FF控制量计算部20执行。即，能够通过FF控制判定部10以及FF控制量计算部20，实现“前馈控制部”的功能。本实施方式所涉及的控制装置5a为了使过渡状态下的最大振幅Wmax成为容许振幅W0以下而执行前馈控制。
图4示出说明由FF控制判定部10执行的控制处理的流程图。
参照图4，FF控制判定部10在开始了DC/DC转换器7的动作时，通过步骤S110，为了控制开始时(n＝1)的初始设定，设定为U(n-1)＝0。FF控制判定部10通过步骤S120，从减法部30的输出取得本次的控制周期中的电压偏差U(n)。进而，在步骤S130中，判定本次的控制周期的电压偏差U(n)以及上次的控制周期的电压偏差U(n-1)之积是否成为负。另外，在步骤S110中，初始设定为后述FF控制标志Fff＝“0”。
在步骤S130中，在U(n-1)<0且U(n)>0或者U(n-1)>0且U(n)<0时，即在电压偏差U(n)以及U(n-1)的极性不同时判定为“是”，否则判定为“否”。
FF控制判定部10在电压偏差U(n)以及U(n-1)的极性不同的情况下(S130的“是”判定时)，通过步骤S140设定为FF控制标志Fff＝“1”，并且通过步骤S150将电压偏差U(n)以及U(n-1)发送给FF控制量计算部20。进而，通过步骤S160预备下次的控制周期而设为U(n-1)＝U(n)。
另一方面，FF控制判定部10在电压偏差U(n)以及U(n-1)的极性相同的情况下(S130的“否”判定时)，通过步骤S145设定为FF控制标志Fff＝“0”。进而，跳过步骤S150，处理进入到步骤S160。因此，在该情况下，电压偏差U(n)以及U(n-1)不被发送到FF控制量计算部20。
FF控制判定部10在直至DC/DC转换器7停止为止的期间(S170的“否”判定时)，针对每个时间刻度Δt(控制周期)，反复执行利用步骤S120～S160的处理。
再次参照图1，FF控制量计算部20使用来自FF控制判定部10的FF控制标志Fff以及电压偏差U(n)及U(n-1)、和从图1的输入数据文件110读入的FF控制增益β，计算FF控制量Cff。
图5示出说明FF控制量计算部20的控制动作例的概念性的波形图。
参照图5，在时刻t1～t5的各定时，输出电压Vout与目标电压Vf交叉。因此，在与时刻t1～t5对应的各控制周期中，设定为Fff＝“1”，在其以外的定时的各控制周期中，设定为Fff＝“0”。
FF控制量计算部20在Fff＝“1”的控制周期中，依照式(1)计算FF控制量Cff(n)，另一方面，在Fff＝“0”的控制周期中，设定为Cff(n)＝0。
Cff(n)＝β·(U(n)-U(n-1))…(1)
即，FF控制量Cff(n)与“第2控制量”对应，电压偏差U(n)与“第1电压偏差”对应，电压偏差U(n-1)与“第2电压偏差”对应。
其结果，在与时刻t1对应的控制周期中，为了抑制过冲的振幅，以在降低输出电压Vout的方向上设定控制量的方式，设定为Cff<0。另一方面，在与时刻t2对应的控制周期中，为了抑制下冲的振幅，以在使输出电压Vout上升的方向上设定控制量的方式，设定为Cff>0。
以后，在与时刻t3以及t5对应的控制周期中，设定为Cff<0，另一方面，在与时刻t4对应的控制周期中，设定为Cff>0。随着时间经过，输出电压Vout的变化速度逐渐降低，所以|U(n)-U(n-1)|也逐渐变小。因此，关于FF控制量的绝对值|Cff|，也在时刻t1～t5逐渐变小地计算。
除了与上述时刻t1～t5对应的控制周期以外，设定为Cff＝0，通过反馈控制来控制输出电压Vout。即，前馈控制能够和输出电压Vout与目标电压Vf交叉这一点对应地，以阻碍该定时下的输出电压Vout的变化(上升或者降低)的方式发挥作用。
由此，根据实施方式1所涉及的DC/DC转换器的控制装置，不会如专利文献1那样伴随FF控制增益的衰减运算以及每个控制周期的机器学习运算，能够使输出电压Vout与目标电压Vf一致，并且抑制过渡状态下的过冲以及下冲。
接下来，详细说明在前馈控制中使用的FF控制增益β的设定。在实施方式1所涉及的DC/DC转换器的控制装置中，FF控制增益β通过利用学习控制部120的神经网络学习设定。
图1所示的学习数据制作部130在DC/DC转换器7的动作中收集在神经网络学习中使用的动作数据。
图6是说明由学习数据制作部130执行的数据收集处理的流程图。
参照图6，学习数据制作部130在开始了DC/DC转换器7的动作时，通过步骤S210，从输入数据文件110读入在控制中使用的比例增益Kp、积分增益Ki、微分增益Kd、时间刻度(控制周期)Δt以及FF控制增益β。进而，通过步骤S220，作为用于数据收集的初始设定，设定为最大振幅实绩值WPmax＝0以及收集标志FLG＝“1”。在DC/DC转换器7的动作中，依照在步骤S210中读入的各增益值以及控制周期，通过电压控制部100控制输出电压Vout。
学习数据制作部130在DC/DC转换器7的动作中，通过步骤S230，取得该时间点下的目标电压Vf、输出电压Vout、负载电流Iout以及电压偏差U(U＝Vf-Vout)，通过步骤S240，判定在步骤S230中取得的电压偏差的绝对值|U|是否小于ε1。此外，ε1是用于判定输出电压Vout是否调整为目标电压Vf的预先决定的基准值。
学习数据制作部130在|U|≥ε1时(S240的“否”判定时)，通过步骤S250，判定在步骤S230中取得的输出电压Vout以及目标电压Vf的差分的绝对值|Vf-Vout|是否大于当前的最大振幅实绩值的绝对值|WPmax|。
在|Vf-Vout|>|WPmax|时(S250的“是”判定时)，通过步骤S252更新为最大振幅实绩值WPmax＝|Vf-Vout|。进而，通过步骤S254维持为收集标志FLG＝“1”。
在|Vf-Vout|≤|WPmax|时(S250的“否”判定时)，处理跳过步骤S252而进入到步骤S254。因此，最大振幅实绩值WPmax原样地维持当前值，维持为收集标志FLG＝“1”。
另一方面，学习数据制作部130在|U|<ε1时(S240的“是”判定时)，通过步骤S260判定是否为收集标志FLG＝“1”。在收集标志FLG＝“1”时(S260的“是”判定时)，即为从|U|≥ε1变化为|U|<ε1的定时的情况下，通过步骤S272变化为收集标志FLG＝“0”，并且通过步骤S274将该时间点下的动作数据以及FF控制增益β作为学习数据写入到学习数据文件140。
例如，在动作数据中，包括作为在步骤S210中读入的控制用参数的比例增益Kp、积分增益Ki、微分增益Kd以及时间刻度Δt、和该时间点下的输出电压Vout、负载电流Iout以及最大振幅实绩值WPmax这合计7个数据。进而，学习数据制作部130在步骤S276中，伴随当前的最大振幅实绩值WPmax被写入到学习数据文件140，再次初始化为WPmax＝0。
此外，在步骤S260中，在FLG＝“0”时(“否”判定时)，步骤S272～S276的处理被跳过。即，在|U|<ε1连续的情况下，不执行向学习数据文件140的学习数据的写入。
学习数据制作部130在直至DC/DC转换器7停止为止的期间(S280的“否”判定时)，反复执行利用步骤S230～S276的处理。该反复的周期优选与基于电压控制部100的控制周期Δt相等。
根据步骤S230～S276，在输出电压Vout未调整为目标电压Vf的非稳定期间(FLG＝“1”)中，通过步骤S250～S254抽出最大振幅实绩值WPmax。然后，在转变为输出电压Vout调整为目标电压Vf的稳定期间(FLG＝“0”)时，将此前的非稳定期间中的最大振幅实绩值WPmax与其他动作数据以及FF控制增益β一起收集，写入到学习数据文件140。即，每当与从非稳定期间向稳定期间的转变相应地执行步骤S274时，收集1组由包括最大振幅实绩值WPmax的动作数据以及FF控制增益β构成的学习数据。此时的FF控制增益β的值与“实绩增益值”对应。
因此，在DC/DC转换器7的动作中，能够收集多组上述学习数据而储存到学习数据文件140。以下，设为通过学习数据制作部130收集J组(J：2以上的整数)学习数据并储存到学习数据文件140。
学习数据处理部150伴随与学习数据文件140、神经网络数据文件160以及输入数据文件110之间的数据交换，计算FF控制增益β。计算的FF控制增益β被写入到输入数据文件110，在DC/DC转换器7动作时，用于由电压控制部100执行的前馈控制。
图7是说明由学习数据处理部150执行的FF控制增益的计算处理的流程图。
参照图7，学习数据处理部150通过步骤S300从输入数据文件110读入比例增益Kp、积分增益Ki、微分增益Kd及时间刻度(控制周期)Δt、以及容许振幅W0、最小电力Pmin、最大电力Pmax及分割数N。
最小电力Pmin以及最大电力Pmax能够与DC/DC转换器7的额定电力范围对应地设定。另外，容许振幅W0相当于最大振幅Wmax的容许上限值。
学习数据处理部150进而通过步骤S400，使用储存于学习数据文件140的学习数据来制作神经网络。通过利用步骤S400的处理，实现“第1计算部”的功能。
进而，学习数据处理部150通过步骤S500，使用在步骤S400中制作的神经网络，以成为Wmax(WPmax)≤W0的方式，计算FF控制增益β。分割数N是在步骤S500的计算处理中使用的预先决定的整数。通过利用步骤S500的处理，实现“第2计算部”的功能。
图8示出说明步骤S400的神经网络制作例程的详情的流程图。
参照图8，学习数据处理部150通过步骤S410设定神经网络的构造，并且通过步骤S420设定神经网络内的权重系数的初始值。
图9示出神经网络的构造的一个例子。
参照图9，神经网络200包括构成输入层的Ka个(Ka：2以上的整数)神经元、构成输出层的Kb个(Kb：自然数)神经元No以及构成在输入层及输出层之间连接的隐藏层的多个神经元。在图9的例子中，Ka＝6且Kb＝1，所以在输入层中配置神经元N11～N16，在输出层中配置1个神经元No。
隐藏层是遍及M层而将最大L个(M、L：2以上的整数)神经元相互连接而构成的。通过在步骤S410中决定上述参数K1、K2、M、L，设定神经网络200的构造。关于在图9中用圆记号记载的各神经元，对记载为“1”的神经元输入偏置值，对其他神经元输入激活函数。例如，在激活函数中能够使用S型(sigmoid)函数，但能够应用公知的任意的激活函数。这样，根据输入层、隐藏层、输出层的数量、以及各层的神经元数，设定神经网络200的构造。
图10示出说明神经元之间的权重系数的概念图。
参照图10，关于在神经网络200内相互连接的多个神经元，针对2个神经元之间的各连接，设定权重系数。在图10的例子中，在相互连接的第(j-1)层的第x个神经元N(x，j-1)与第j层的第y个神经元N(y，j)之间，设定权重系数W(xy，j)。
此外，神经元N(x，j-1)与第j层以及第(j-2)层的其他神经元(多个)也连接，在与该其他神经元的各个之间设定另外的权重系数。同样地，神经元N(y，j)也与第(j-1)层以及第(j+1)层的其他神经元(多个)连接，在与该其他神经元的各个之间设定另外的权重系数。在步骤S420中，例如，使用随机数来设定各权重系数的初始值。
再次参照图8，学习数据处理部150通过步骤S430读入储存于学习数据文件140的J组学习数据。在本实施方式中，作为学习数据，遍及i＝1～J读入比例增益Kp(i)、积分增益Ki(i)、微分增益Kd(i)、时间刻度Δt(i)、输出电压Vout(i)、负载电流Iout(i)、最大振幅实绩值WPmax(i)以及FF控制增益β(i)。即，附加字(i)为了区分是第i组(i＝1～J)的学习数据而附加。
学习数据处理部150通过步骤S440，关于学习数据的各组，求出电力P(i)。具体而言，通过P(i)＝Vout(i)·Iout(i)运算。进而，学习数据处理部150通过步骤S450计算学习数据的各组的FF控制增益β(1)～β(J)的利用加权平均的平均值βav。进而，通过步骤S455对平均值βav乘以预先决定的系数α，从而设定在后述步骤S465中的收敛判定中使用的判定值ε2(ε2＝βav·α)。例如，能够设定为α＝0.01。
学习数据处理部150通过步骤S460执行神经网络200(S410)的权重系数的修正运算。
再次参照图9，对构成神经网络200的输入层的神经元N11～N16的各个神经元输入学习数据。在图9的例子中，将包含于学习数据的输出电压Vout(i)以及负载电流Iout(i)作为电力P(i)输入。即，在本实施方式中，关于收集的学习数据的各个，既可以原样地设定到输入层，也可以在通过与预先决定的常数或者其他学习数据的运算等的加工之后设定到输入层。
在如上所述设定输入层的状态下，以使输出层的神经元No的值与FF控制增益(即“实绩增益值”)β(i)一致的方式，修正各权重系数的值。在权重系数的修正处理中，例如能够使用误差反向传播法，但能够应用公知的任意的方法。在关于学习数据的各组(i＝1～J)执行了步骤S460的处理时，执行利用步骤S465的收敛判定。
在步骤S465中，判定学习数据的各组(i＝1～J)中的输出层的值Y(i)与FF控制增益β(i)的平方误差的总和E是否小于在步骤S455中设定的判定值ε2。即，在步骤S455中，判定下述的式(2)是否成立。式(2)中的“Σ”表示i＝1～J的总和。
E＝(1/2)·Σ(Y(i)-β(i))<ε2…(2)
学习数据处理部150直至利用式(2)的收敛判定成立为止(S465的“否”判定时)，反复执行利用步骤S460的权重系数的修正。在收敛判定成立时(S465的“是”判定时)，通过步骤S470，神经网络200的构造(即输入层、隐藏层、输出层的数量、以及各层的神经元数)、以及表示神经元之间的各连接中的权重系数的收敛值的数据被写入到神经网络数据文件160。
这样，在步骤S400(图7)中的神经网络制作例程的处理结束后，接着执行利用步骤S500(图7)的FF控制增益计算例程。
图11示出说明FF控制增益计算例程的详情的流程图。
参照图11，学习数据处理部150通过步骤S510从神经网络数据文件160读入在神经网络制作例程中求出的神经网络200的构造以及表示权重系数的数据。
学习数据处理部150考虑非稳定期间的电压变化速度根据电力水平产生变化这一点，用多个电力水平另外地执行计算处理。因此，学习数据处理部150通过步骤S520，根据在步骤S300(图7)中读入的最大电力Pmax、最小电力Pmin、以及分割数N，通过式(3)计算用于运算的电力刻度ΔP。
ΔP＝(Pmax-Pmin)/N…(3)
进而，学习数据处理部150通过步骤S530初始化为计数值k＝0，并且通过步骤S535初始化为FF控制增益β＝0。
学习数据处理部150在通过步骤S540使计数值k增加1后，通过步骤S545判定增加后的计数值k是否达到(N+2)。在k<(N+2)时(S545的“否”判定时)，通过步骤S550，通过下述的式(4)计算针对当前的计数值k的电力P(k)。根据式(4)，可理解P(1)＝Pmin且P(k+1)＝Pmax。
P(k)＝Pmin+(k-1)·ΔP…(4)
学习数据处理部150通过步骤S555、S560，使用在步骤S510中读入的神经网络200，计算FF控制增益的增益候选值β(k)。
图12示出说明在FF控制增益计算例程中使用的神经网络的构造的概念图。
参照图12，神经网络200具有与图9相同的构造，并且神经元之间的各权重系数被设定为在神经网络制作例程(图8)中求出的值(收敛值)。
在步骤S555中，对输入层的神经元N11～N16中的神经元N11～N14，与图9同样地，关于比例增益Kp、积分增益Ki、微分增益Kd以及时间刻度Δt，设定步骤S300中的输入值。另外，对神经元N16，作为与图9同样的电力P，输入在步骤S550中计算的P(k)。
进而，对神经元N15，代替图9中的最大振幅实绩值WPmax，输入在步骤S300中输入的容许振幅W0。其结果，通过步骤S560，在输出层的神经元No中，得到在对神经元N11～N14、N16设定的动作数据下的动作时最大振幅Wmax成为容许振幅W0那样的增益候选值β(k)。
学习数据处理部150在得到增益候选值β(k)后，通过步骤S570比较β(k)和在步骤S535中初始化的FF控制增益β。在β(k)>β时(S570的“是”判定时)，在更新为β＝β(k)之后，处理返回到步骤S540。另一方面，在β(k)≤β时(S570的“否”判定时)，步骤S575被跳过，所以不更新FF控制增益β，处理返回到步骤S540。
在步骤S540中，计数值k比当前值增加1，执行步骤S545中的判定。由此，直至步骤S545成为“是”判定为止，遍及k＝1～N+1的N次，执行步骤S545～S575的处理。
其结果，针对在Pmin至Pmax的范围内逐次增加ΔP的电力P(k)的各个，计算增益候选值β(k)(k：1～N+1)，并且抽出β(k)中的最大值，设定为FF控制增益β。
学习数据处理部150在N次的反复运算结束后(S545的“是”判定时)，使处理进入到步骤S590，针对输入数据文件110，与比例增益Kp、积分增益Ki、微分增益Kd、时间刻度Δt、容许振幅W0、最大电力Pmax、以及最小电力Pmin的动作数据组合而写入FF控制增益β。由此，能够设定用于使利用上述动作数据的DC/DC转换器7的动作时的最大振幅Wmax成为容许振幅W0以下的FF控制增益β。
电压控制部100在DC/DC转换器7的动作开始时，从输入数据文件110读出比例增益Kp、积分增益Ki、微分增益Kd、时间刻度Δt以及FF控制增益β，由此能够适合地控制输出电压Vout。
这样，在实施方式1所涉及的DC/DC转换器的控制装置中，能够使用神经网络，以使最大振幅Wmax成为容许振幅W0以下的方式设定在图1～图5中说明的前馈控制中使用的FF控制增益β。
特别是使用学习数据制作部130在DC/DC转换器7的动作时收集到的学习数据，学习数据处理部150能够在DC/DC转换器7停止时执行神经网络的制作处理(S400)以及FF控制增益的计算处理(S500)，所以相比于需要每个控制周期的机器学习运算的专利文献1，能够减轻运算负荷。此外，关于上述步骤S400、S500的处理的至少一部分，虽然还能够在DC/DC转换器7动作时执行，但至少关于伴随带有收敛判定的反复计算的神经网络的制作(S400)，优选在DC/DC转换器7的停止中执行。
实施方式1的变形例.
在实施方式1的变形例中，说明由学习数据处理部150执行的FF控制增益的计算处理(S500)的变形例。
图13是说明实施方式1的变形例所涉及的DC/DC转换器的控制装置中的FF控制增益计算例程的流程图。即，在实施方式1的变形例中，在图8的步骤S500(FF控制增益的计算例程)中，代替图11的流程图而执行图13所示的流程图。
参照图13，学习数据处理部150执行与图11同样的步骤S510～S560，并且接着步骤S560执行步骤S580之后，使处理返回到步骤S540。
学习数据处理部150通过步骤S580，每次存储与当前的计数值k对应的电力P(k)以及增益候选值β(k)。因此，通过步骤S510～S580存储电力P(1)～P(N+1)以及增益候选值β(1)～β(N+1)。
学习数据处理部150在N次的反复运算结束后(S545的“是”判定时)，通过步骤S590，除了比例增益Kp、积分增益Ki、微分增益Kd、时间刻度Δt、容许振幅W0、最大电力Pmax、以及最小电力Pmin以外，还将电力P(1)～P(N+1)以及增益候选值β(k)写入到输入数据文件110。
由此，在实施方式1的变形例中，与Pmin～Pmax的范围内的电力P(1)～P(N+1)的各个对应地，将用于在各电力水平下使最大振幅Wmax成为容许振幅W0以下的增益候选值β(1)～β(N+1)写入到输入数据文件110。由此，能够在输入数据文件110中制作用于设定FF控制增益β的映射。
参照图14，映射300能够通过描绘电力P(1)～P(N+1)处的增益候选值β(1)～β(N+1)来构成。在映射300上，P(1)～P(N+1)覆盖最小电力Pmin～最大电力Pmax的范围。另外，关于P(k)以及P(k+1)之间的中间的电力值，能够通过线性插值设定增益候选值β(k)以及β(k+1)的中间值。
电压控制部100在DC/DDC转换器7的动作开始时，从输入数据文件110，与比例增益Kp、积分增益Ki、微分增益Kd、时间刻度Δt一起，读出映射300的结构数据。进而，电压控制部100的FF控制量计算部20通过图15的流程图所示的控制处理，执行前馈控制。
参照图15，FF控制量计算部20在每经过时间刻度Δt的各控制周期中，起动步骤S610的处理。FF控制量计算部20通过步骤S610判定来自FF控制判定部10的FF控制标志是否为Fff＝“1”，在Fff＝“0”时(S610的“否”判定时)，通过步骤S650设定为FF控制量Cff(n)＝0。
另一方面，FF控制量计算部20在Fff＝“1”时(S610的“是”判定时)，通过步骤S620，通过目标电压Vf以及负载电流Iout的乘法，计算当前的电力水平Pr。FF控制量计算部20通过步骤S630，使用在步骤S620中计算的电力水平Pr来参照映射300，从而设定FF控制增益β。
进而，FF控制量计算部20通过步骤S640，使用在步骤S630中设定的FF控制增益β，依照上述式(1)，计算FF控制量Cff(n)(Cff(n)＝β·(U(n)-U(n-1))。
在实施方式1的变形例中，除了FF控制增益的设定以外，与实施方式1相同，所以不反复详细的说明。这样，在实施方式1的变形例中，能够使用利用映射300设定的FF控制增益，执行与实施方式1同样的前馈控制。此外，FF控制量计算部20能够通过在图15的流程图中省略步骤S620且在步骤S630中使FF控制增益β成为从输入数据文件110读出的固定值，实现在实施方式1中说明的功能。
其结果，根据实施方式1的变形例所涉及的控制装置，能够根据DC/DC转换器7的电力水平的变化，使FF控制增益值适合地变化，所以除了实施方式1中的效果以外，还能够在DC/DC转换器7以广泛的电力范围进行动作的情况下也通过前馈控制来抑制过冲以及下冲。
实施方式2.
图16是说明实施方式2所涉及的DC/DC转换器的控制装置的结构的功能框图。
参照图16，实施方式2所涉及的DC/DC转换器的控制装置5b具备电压控制部100和输入数据文件110。电压控制部100与实施方式1同样地构成，组合在图2中说明的反馈控制和在图4以及图5中说明的前馈控制，将DC/DC转换器7的输出电压Vout控制为目标电压Vf。
在实施方式2中，前馈控制中的FF控制增益β被设定为预先决定并写入到输入数据文件110的增益值。即，不限制FF控制增益β的计算方法而能够实现通过基于电压控制部100的前馈控制和反馈控制的组合实施的输出电压控制，在该前馈控制中，仅在电压偏差U(n)的极性反转的控制周期中计算FF控制量，另一方面，在其以外的控制周期中使FF控制量成为零。
实施方式3.
在实施方式1中说明的前馈控制中，从检测到目标电压Vf以及输出电压Vout的交叉的控制周期起，仅在1个周期(即仅在该控制周期)中计算FF控制量，但在实施方式3中，说明以上述交叉的检测为触发，遍及多个控制周期而计算FF控制量的前馈控制。
图17是说明实施方式3所涉及的DC/DC转换器的控制装置的结构的功能框图。
参照图17，实施方式3所涉及的DC/DC转换器的控制装置5c相比于实施方式1所涉及的DC/DC转换器的控制装置5a(图1)，在FF控制判定部10被变更为FF控制判定部10A这一点上不同。DC/DC转换器的控制装置5c的其他结构是DC/DC转换器的控制装置5a，所以不反复详细的说明。因此，在实施方式3所涉及的DC/DC转换器的控制装置5c中，仅FF控制量Cff(n)的计算处理与实施方式1不同，其他控制运算与实施方式1相同。
图18是说明图17所示的FF控制判定部10A的控制处理的流程图。
参照图18，FF控制判定部10A在开始了DC/DC转换器7的动作时，通过与图4同样的步骤S110～S130，判定本次的控制周期中的电压偏差U(n)的极性是否从上次的控制周期中的电压偏差U(n-1)逆转，从而检测目标电压Vf以及输出电压Vout的交叉。
FF控制判定部10A在电压偏差U(n)以及U(n-1)的极性不同的控制周期中(S130的“是”判定时)，检测出目标电压Vf以及输出电压Vout的交叉，执行与图4同样的步骤S140以及150。由此，设定为FF控制标志Fff＝“1”，并且电压偏差U(n)以及U(n-1)被发送给FF控制量计算部20。其结果，从该控制周期起，开始FF控制的计算。
进而，FF控制判定部10A通过步骤S112～S116设定FF控制的继续判定标志Ffig。具体而言，在S112中判定电压偏差U(n)的极性，在U(n)>0时(S112的“是”判定时)，即在发生基于Vf-Vout>0的下冲时，通过步骤S114设定为Ffig＝“+1”。另一方面，在U(n)≤0时(S112的“否”判定时)，即在发生基于Vf-Vout<0的过冲时，通过步骤S116设定为Ffig＝“-1”。进而，在步骤S112～S116之后，通过与图4同样的步骤S160，预备下次的控制周期而设为U(n-1)＝U(n)。
另一方面，FF控制判定部10A在电压偏差U(n)以及U(n-1)的极性相同的情况下(S130的“否”判定时)，通过步骤S131判定是否FF控制标志Fff＝“0”。在Fff＝“0”，在上次的控制周期中未计算FF控制量的情况下(S131的“是”判定时)，通过与图4同样的步骤S145，设定为FF控制标志Fff＝“0”。因此，在该控制周期中，FF控制量计算部20设定为Cff(n)＝0。
相对于此，FF控制判定部10A在FF控制标志Fff＝“1”，在上次的控制周期中计算了FF控制量的情况下(S131的“否”判定时)，执行利用步骤S132～S139的FF控制量计算的继续判定。
在步骤S132中，判定在S114中设定的继续判定标志Ffig的极性。在Ffig>0即Ffig＝“+1”时(S132的“是”判定时)，即在由于发生下冲而开始前馈控制的情况下，使处理进入到步骤S134，判定本次的控制周期的电压偏差U(n)是否大于上次的控制周期中的电压偏差U(n-1)。在U(n)>U(n-1)时(S134的“是”判定时)，通过S135维持为FF控制标志Fff＝“1”，在该控制周期中也继续FF控制量的计算。相对于此，在U(n)≤U(n-1)时(S134的“否”判定时)，通过S136设定为FF控制标志Fff＝“0”，在该控制周期中也结束FF控制量的计算。
相反，在Ffig＝“-1”时(S132的“否”判定时)，即在由于发生过冲而开始前馈控制的情况下，使处理进入到步骤S137，判定本次的控制周期的电压偏差U(n)是否小于上次的控制周期中的电压偏差U(n-1)。在U(n)<U(n-1)时(S137的“是”判定时)，通过S138维持为FF控制标志Fff＝“1”，在该控制周期中也继续FF控制量的计算。相对于此，在U(n)≥U(n-1)时(S137的“否”判定时)，通过S139设定为FF控制标志Fff＝“0”，在该控制周期中也结束FF控制量的计算。
图19示出与过冲的发生对应地开始前馈控制时的继续判定处理的一个例子。
参照图19，在时刻t1，极性从Vout<Vf即U(n-1)>0变化为Vout>Vf即U(n)<0，从而设定为Fff＝“1”(S140)，开始FF控制量Cff的计算。在该情况下，Ffig＝“-1”，所以执行利用S137～S139的判定。
在Ffig＝“-1”时，U(n)<0，所以在输出电压Vout上升而电压偏差扩大、即|U(n)|增大的期间，U(n)<U(n-1)。另一方面，在输出电压Vout、即电压偏差U(n)在时刻t1x的控制周期中达到极大值时，在作为下次的控制周期的时刻t1x+Δt，|U(n)|减少，所以可理解变为U(n)>U(n-1)。
因此，利用S137～S139的判定的结果，在时刻t1～t1x的期间内的控制周期中，S137成为“是”判定，维持为FF控制标志Fff＝“1”(S138)，继续FF控制量Cff的计算。另一方面，在时刻t1x+Δt的控制周期中，S137成为“否”判定，设定为FF控制标志Fff＝“0”(S139)，从而结束FF控制量Cff的计算。
图20示出与下冲的发生对应地开始前馈控制时的继续判定处理的一个例子。
参照图20，在时刻t2，极性从Vout>Vf即U(n-1)<0变化为Vf>Vout即U(n)>0，从而设定为Fff＝“1”(S140)，开始FF控制量Cff的计算。在该情况下，Ffig＝“+1”，所以执行利用S134～S136的判定。
在Ffig＝“+1”时，U(n)>0，所以在输出电压Vout降低而电压偏差扩大、即|U(n)|增大的期间中，U(n)>U(n-1)。另一方面，在电压偏差U(n)在时刻t2x的控制周期中达到极小值时，在作为下次的控制周期的时刻t2x+Δt，|U(n)|减少，所以可理解变为U(n)<U(n-1)。
因此，利用S134～S136的判定的结果，在时刻t2～t2x的期间内的控制周期中，S134成为“是”判定，维持为FF控制标志Fff＝“1”(S135)，继续FF控制量Cff的计算。另一方面，在时刻t2x+Δt的控制周期中，S134成为“否”判定，设定为FF控制标志Fff＝“0”(S136)，从而结束FF控制量Cff的计算。
这样，根据利用步骤S132～S139的FF控制量计算的继续判定，遍及直至输出电压Vout达到极值(极大值或者极小值)为止的多个控制周期，继续与过冲或者下冲的发生相应地开始的FF控制量Cff的计算。
再次参照图17，FF控制量计算部20依照与实施方式1及其变形例或者实施方式2同样地设定的FF控制增益β以及运算式，使用来自FF控制判定部10A的FF控制标志Fff以及电压偏差U(n)及U(n-1)，计算FF控制量Cff。
图21示出说明实施方式3所涉及的FF控制量计算部20的控制动作例的概念性的波形图。
参照图21，在与时刻t1、t3、t5对应的控制周期中，为了抑制过冲的振幅，开始在降低输出电压Vout的方向上设定控制量的(Cff<0)前馈控制。在时刻t1x、t3x、t5x，直至输出电压Vout达到极大值而转变为减少为止，继续与过冲的发生相应地开始的前馈控制。
相对于此，在与时刻t2、t4对应的控制周期中，为了抑制下冲的振幅，开始在使输出电压Vout上升的方向上设定控制量的(Cff>0)前馈控制。在时刻t2x、t4x，直至输出电压Vout达到极小值而转变为增加为止，继续与下冲的发生相应地开始的前馈控制。
此外，在图18例示的控制处理中，在步骤S135、S138中不发送电压偏差U(n)、U(n-1)，所以基于在前馈控制的开始时、即在时刻t1、t2、t3、t4以及t5分别在步骤S150中发送的电压偏差U(n)、U(n-1)的FF控制量在时刻t1～t1x期间、时刻t2～t2x期间、时刻t3～t3x期间、时刻t4～t4x期间以及时刻t5～t5x期间各自维持为同一值。但是，还能够在步骤S135、S138中每次发送该控制周期中的电压偏差U(n)、U(n-1)来更新FF控制量。
如以上说明，在实施方式3所涉及的DC/DC转换器的控制装置中，能够以遍及从检测到目标电压Vf以及输出电压Vout的交叉的控制周期起直至输出电压Vout、即电压偏差U(n)达到极值(极大值或者极小值)为止的多个控制周期来计算FF控制量的方式，抑制过渡状态下的过冲以及下冲。即，可理解在本实施方式所涉及的控制装置中，在与检测出目标电压Vf以及输出电压Vout的交叉相应地开始的前馈控制中，计算出FF控制量的控制周期的数量是没有特别限定的。
另外，关于本实施方式所涉及的电力变换器的控制装置，在实施方式1及其变形例以及实施方式2及3中，作为控制对象例示了DC/DC转换器，但关于DC/DC转换器，在输出电压以外的输出(输出电流、输出电力等))的控制中，也能够应用实施方式1及其变形例、实施方式2或者实施方式3所涉及的控制装置。即，只要输出(输出电压、输出电流、输出电力等)根据依照控制量的控制信号的变化而变化，则能够通过实施方式1及其变形例、实施方式2或者实施方式3所涉及的控制装置，控制任意的电路结构以及输入输出特性(包括非线性特性)的DC/DC转换器的输出。
进而，控制对象不限定于DC/DC转换器，即使将AC/DC转换器、DC/AC转换器等其他电力变换器作为控制对象，也能够通过实施方式1及其变形例、实施方式2或者实施方式3所涉及的控制装置控制该电力变换器的输出(电压、电流、或者、电力等)。
应认为本次公开的实施方式在所有方面仅为例示而不是限制性的。本发明的范围并非上述说明而基于权利要求书示出，意图包括与权利要求书均等的意义以及范围内的所有变更。

Claims (8)

1.一种电力变换器的控制装置，该电力变换器的输出根据控制信号而变化，该电力变换器的控制装置具备：
反馈控制部，在各控制周期中计算基于所述输出相对目标输出的偏差的第1控制量；
前馈控制部，在作为本次的控制周期中的所述偏差的第1偏差和作为上次的控制周期中的所述偏差的第2偏差的极性不同时，在该控制周期中，在阻碍所述上次的控制周期及所述本次的控制周期之间的所述输出的变化的方向上，计算依照所述第1偏差及第2偏差的差分的第2控制量；以及
控制信号生成部，在各所述控制周期中依照所述第1控制量及第2控制量来生成所述控制信号。
2.根据权利要求1所述的电力变换器的控制装置，其中，
所述电力变换器包括DC/DC转换器，该DC/DC转换器的输出电压根据所述控制信号而变化，
所述目标输出包含目标电压，
所述反馈控制部根据所述输出电压相对所述目标电压的电压偏差计算所述第1控制量，
所述第1偏差包含作为所述本次的控制周期中的所述电压偏差的第1电压偏差，
所述第2偏差包含作为所述上次的控制周期中的所述电压偏差的第2电压偏差，
所述前馈控制部在所述第1电压偏差和所述第2电压偏差的极性不同时，在该控制周期中，在阻碍所述上次的控制周期以及所述本次的控制周期之间的所述输出电压的变化的方向上，计算依照所述第1电压偏差及第2电压偏差的差分的所述第2控制量。
3.根据权利要求2所述的电力变换器的控制装置，其中，
所述前馈控制部依照前馈控制增益与所述第1电压偏差及第2电压偏差的偏差之积，计算所述第2控制量，
所述控制装置还具备：
学习数据制作部，在所述DC/DC转换器动作时，收集多组包括预先决定的多个动作数据和该动作时的所述前馈控制增益的实绩增益值的学习数据；以及
学习数据处理部，使用由所述学习数据制作部收集的多组所述学习数据和所述输出电压相对所述目标电压的容许振幅值，计算所述前馈控制增益的增益值，
所述动作数据包含所述输出电压相对所述目标电压的最大振幅实绩值，
所述学习数据处理部包括：
第1计算部，使用多组所述学习数据，计算对多个输入层设定所述多个动作数据并对输出层设定所述实绩增益值的神经网络的神经元之间的权重系数；以及
第2计算部，在应用由所述第1计算部计算的所述权重系数的所述神经网络中，计算在将所述多个动作数据中的所述最大振幅实绩值置换为所述容许振幅值并设定到所述输入层时在所述输出层中得到的值作为所述前馈控制增益的候选值。
4.根据权利要求3所述的电力变换器的控制装置，其中，
所述多个动作数据还包含所述DC/DC转换器的输出电力，
所述第2计算部对所述输入层设定在所述DC/DC转换器的最小电力至最大电力的范围内设定的多个阶段的所述输出电力，计算与所述多个阶段分别对应的多个所述候选值，
所述前馈控制部将所述多个候选值中的最大值用作所述前馈控制增益。
5.根据权利要求3所述的电力变换器的控制装置，其中，
所述多个动作数据还包含所述DC/DC转换器的输出电力，
所述第2计算部输入在所述DC/DC转换器的输出电力范围内设定的多个阶段的所述输出电力，计算与所述多个阶段分别对应的多个所述候选值，
所述前馈控制部使用所述多个候选值，根据所述DC/DC转换器的当前的输出电力，决定所述前馈控制增益。
6.根据权利要求3～5中的任意一项所述的电力变换器的控制装置，其中，
所述第1计算部在所述DC/DC转换器停止时执行用于计算所述权重系数的运算处理。
7.根据权利要求1～6中的任意一项所述的电力变换器的控制装置，其中，
所述前馈控制部仅在所述第1偏差和所述第2偏差的极性不同的控制周期中计算所述第2控制量。
8.根据权利要求1～6中的任意一项所述的电力变换器的控制装置，其中，
所述前馈控制部在从所述第1偏差和所述第2偏差的极性不同的控制周期至所述输出的偏差达到极值的控制周期为止的期间，计算所述第2控制量。
CN201880088570.7A 2018-02-16 2018-12-05 电力变换器的控制装置 Active CN111684695B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-025948 2018-02-16
JP2018025948 2018-02-16
PCT/JP2018/044743 WO2019159504A1 (ja) 2018-02-16 2018-12-05 電力変換器の制御装置

Publications (2)

Publication Number Publication Date
CN111684695A true CN111684695A (zh) 2020-09-18
CN111684695B CN111684695B (zh) 2023-09-29

Family

ID=67619875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880088570.7A Active CN111684695B (zh) 2018-02-16 2018-12-05 电力变换器的控制装置

Country Status (4)

Country Link
US (1) US11539292B2 (zh)
EP (1) EP3754827A4 (zh)
CN (1) CN111684695B (zh)
WO (1) WO2019159504A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10700605B1 (en) * 2018-12-12 2020-06-30 Infineon Technologies Austria Ag Electrical power converter with predictor
WO2021140571A1 (ja) * 2020-01-07 2021-07-15 三菱電機株式会社 電力変換装置
JP7162764B2 (ja) * 2020-02-04 2022-10-28 三菱電機株式会社 電力変換器の制御装置
US20220083114A1 (en) * 2020-09-16 2022-03-17 Infineon Technologies Austria Ag AI based Error Prediction for Power Conversion Regulators

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07170749A (ja) * 1993-12-15 1995-07-04 Mitsubishi Electric Corp 電力変換装置
JPH1081450A (ja) * 1996-09-06 1998-03-31 Hitachi Building Syst Co Ltd 直流エレベータの制御装置
CN1963702A (zh) * 2005-11-11 2007-05-16 株式会社日立产机系统 电动机控制装置的自动调整法及装置
CN103812342A (zh) * 2012-11-07 2014-05-21 英飞凌科技奥地利有限公司 具有非线性前馈校正的交换调节器控制
JP2014229172A (ja) * 2013-05-24 2014-12-08 株式会社ノーリツ 制御装置および給湯システムの制御装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2929538B2 (ja) 1988-08-19 1999-08-03 株式会社 エイ・ティ・アール視聴覚機構研究所 非線形システム学習制御装置
JPH06102905A (ja) 1992-09-18 1994-04-15 Hitachi Ltd フィードフォワード／フィードバック制御装置
US5457624A (en) * 1994-06-13 1995-10-10 Texas Instruments Incorporated Efficient switched mode power converter circuit and method
JP2716024B2 (ja) 1995-11-24 1998-02-18 日本電気株式会社 先読み学習によるディジタルサーボ装置
US6125000A (en) * 1996-05-21 2000-09-26 Maxtor Corporation Disk drive seek control system utilizing predicted motion parameter and dynamic trajectory alignment
US6122135A (en) * 1997-12-19 2000-09-19 Western Digital Corporation Disk drive with voice coil motor rise time manager
JP2002258902A (ja) * 2001-02-27 2002-09-13 Internatl Business Mach Corp <Ibm> 回転記録装置およびその制御方法
JP3556652B2 (ja) * 2002-09-27 2004-08-18 日本テキサス・インスツルメンツ株式会社 Ｄｃ−ｄｃコンバータ
US7211992B2 (en) * 2004-12-08 2007-05-01 Kiawe Forest Llc Adaptive digital voltage regulator with Bresenham sequence generator
WO2006102517A2 (en) * 2005-03-23 2006-09-28 Hurco Companies, Inc. Method of tolerance-based trajectory planning and control
KR101086894B1 (ko) * 2007-05-29 2011-11-24 고쿠리츠다이가쿠호진 나가사키다이가쿠 예측 제어 시스템
JP4535153B2 (ja) * 2008-03-21 2010-09-01 株式会社デンソー 電力変換回路の制御装置、及び電力変換システム
TWI419449B (zh) * 2009-03-12 2013-12-11 Richtek Technology Corp 改善暫態變化反應之電源供應電路、及其控制電路與方法
JP5412658B2 (ja) 2009-09-30 2014-02-12 国立大学法人 長崎大学 Ｄｃ／ｄｃコンバータの制御装置
JP5765016B2 (ja) * 2011-03-30 2015-08-19 国立大学法人 長崎大学 電力変換回路の制御装置
US8749217B2 (en) * 2011-06-29 2014-06-10 Texas Instruments Incorporated Primary voltage sensing and control for converter
DE112012003766T5 (de) * 2011-09-08 2014-09-18 Mitsubishi Electric Corp. Energie-Umwandlungsvorrichtung
US8901899B1 (en) * 2011-09-12 2014-12-02 Maxim Integrated Products, Inc. DC to DC converter control systems and methods
US9001539B2 (en) * 2012-11-19 2015-04-07 Apple Inc. AC-DC resonant converter that provides high efficiency and high power density
TWI496409B (zh) * 2014-01-22 2015-08-11 Lite On Technology Corp 單相三線式電力控制系統及其電力控制方法
US10116209B2 (en) * 2015-06-24 2018-10-30 Infineon Technologies Ag System and method for starting a switched-mode power supply
US10110112B2 (en) * 2015-08-27 2018-10-23 Telefonaktiebolaget Lm Ericsson (Publ) Switched mode power supply compensation loop
JP6129257B2 (ja) * 2015-09-02 2017-05-17 三菱電機株式会社 ディザ電流給電制御方法及びディザ電流給電制御装置
US10131245B2 (en) * 2016-08-16 2018-11-20 Ford Global Technologies, Llc Electrified vehicle DC power conversion with distributed control
US10454369B2 (en) * 2016-11-28 2019-10-22 Texas Instruments Incorporated Switched converter control using adaptive load current sensing and feedforward technique
US10063143B1 (en) * 2017-02-24 2018-08-28 Texas Instruments Incorporated Fixed frequency DC-DC converter
US9929663B1 (en) * 2017-02-28 2018-03-27 Infineon Technologies Austria Ag Inductor protection during fast transient response in isolated voltage converters
US10110128B2 (en) * 2017-03-08 2018-10-23 Allegro Microsystems, Llc DC-DC converter having feedforward for enhanced output voltage regulation
JP6577508B2 (ja) * 2017-04-07 2019-09-18 ファナック株式会社 制御装置
US10386882B2 (en) * 2017-04-14 2019-08-20 Allegro Microsystems, Llc Control circuit
US10181791B2 (en) * 2017-04-14 2019-01-15 Allegro Microsystems, Llc Converter digital control circuit with adaptive compensation
US10601333B2 (en) * 2018-08-22 2020-03-24 Infineon Technologies Austria Ag Feedforward enhanced feedback control in isolated switched-mode power converters with secondary-side rectified voltage sensing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07170749A (ja) * 1993-12-15 1995-07-04 Mitsubishi Electric Corp 電力変換装置
JPH1081450A (ja) * 1996-09-06 1998-03-31 Hitachi Building Syst Co Ltd 直流エレベータの制御装置
CN1963702A (zh) * 2005-11-11 2007-05-16 株式会社日立产机系统 电动机控制装置的自动调整法及装置
CN103812342A (zh) * 2012-11-07 2014-05-21 英飞凌科技奥地利有限公司 具有非线性前馈校正的交换调节器控制
JP2014229172A (ja) * 2013-05-24 2014-12-08 株式会社ノーリツ 制御装置および給湯システムの制御装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HIDENORI MARUTA: ""A Novel Neural Network Based Control Method With Adaptive On-line Training for DC–DC Converters\"" *
QI FENG: ""Digital Control Of A Boost Converter Using Posicast"" *
YUN WEI LI等: "\"Investigation and Improvement of Transient Response of DVR at Medium Voltage Level\"" *
YUN WEI LI等: ""Investigation and Improvement of Transient Response of DVR at Medium Voltage Level"" *

Also Published As

Publication number Publication date
US20200373836A1 (en) 2020-11-26
EP3754827A1 (en) 2020-12-23
CN111684695B (zh) 2023-09-29
WO2019159504A1 (ja) 2019-08-22
US11539292B2 (en) 2022-12-27
EP3754827A4 (en) 2021-03-17

Similar Documents

Publication Publication Date Title
CN111684695B (zh) 电力变换器的控制装置
JP6193961B2 (ja) 機械の送り軸の送りの滑らかさを最適化する機械学習装置および方法ならびに該機械学習装置を備えたモータ制御装置
JP6243385B2 (ja) モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
Aguila-Camacho et al. Fractional adaptive control for an automatic voltage regulator
JP2002023807A (ja) 最適かつ自動的に外乱を排除するフィードバック制御を実現するための方法及び装置
WO2020148808A1 (ja) 電力変換器の制御装置
JP4901486B2 (ja) Ｐｉｄ制御方法及びｐｉｄ制御装置
Burton et al. Reducing the computational demands of continually online-trained artificial neural networks for system identification and control of fast processes
US20220083114A1 (en) AI based Error Prediction for Power Conversion Regulators
JP6793891B1 (ja) 電力変換装置
JPH0535309A (ja) モデル予測制御装置
Ghamari et al. Design of a novel robust adaptive cascade controller for DC‐DC buck‐boost converter optimized with neural network and fractional‐order PID strategies
JP6541927B1 (ja) 電力変換器の制御装置
CN111399376A (zh) 一种t-s模糊系统的二维重复控制器设计优化方法
JP7162764B2 (ja) 電力変換器の制御装置
JP3234109B2 (ja) プロセス制御装置
WO2023166606A1 (ja) 制御装置、ｄｃ／ｄｃ変換装置、および制御方法
Aljaifi et al. Applying genetic algorithm to optimize the PID controller parameters for an effective automatic voltage regulator
WO2022050426A1 (ja) 推定装置、推定方法及びプログラム
Haeri Improved EDMC for the processes with high variations and/or sign changes in steady‐state gain
CN117728680A (zh) 一种dc-dc变换器及其控制方法、装置和存储介质
JPH0744221A (ja) フィードバック制御装置におけるむだ時間補償装置
CN115021564A (zh) 提高变换器动态响应的方法、装置、电子设备及存储介质
CN118017885A (zh) 基于ifopidd2的avr系统电压控制方法及介质
Balan et al. Nonlinear control using a model based predictive control algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant