CN112953271A - 一种自抗扰的空间大功率整流系统 - Google Patents

一种自抗扰的空间大功率整流系统 Download PDF

Info

Publication number
CN112953271A
CN112953271A CN202110265409.6A CN202110265409A CN112953271A CN 112953271 A CN112953271 A CN 112953271A CN 202110265409 A CN202110265409 A CN 202110265409A CN 112953271 A CN112953271 A CN 112953271A
Authority
CN
China
Prior art keywords
signal
voltage
input
output
fuzzy
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.)
Pending
Application number
CN202110265409.6A
Other languages
English (en)
Inventor
马东
王雨琛
吴春瑜
杨帅飞
刘洋
李阳
靳洋
赵嘉伟
刘世超
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.)
Shanghai Institute of Space Power Sources
Original Assignee
Shanghai Institute of Space Power Sources
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 Shanghai Institute of Space Power Sources filed Critical Shanghai Institute of Space Power Sources
Priority to CN202110265409.6A priority Critical patent/CN112953271A/zh
Publication of CN112953271A publication Critical patent/CN112953271A/zh
Pending legal-status Critical Current

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
    • H02M7/00—Conversion of ac power input into dc power output; Conversion of dc power input into ac power output
    • H02M7/02—Conversion of ac power input into dc power output without possibility of reversal
    • H02M7/04—Conversion of ac power input into dc power output without possibility of reversal by static converters
    • H02M7/12—Conversion of ac power input into dc power output without possibility of reversal by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M7/21—Conversion of ac power input into dc power output without possibility of reversal 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
    • H02M7/217—Conversion of ac power input into dc power output without possibility of reversal 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
    • H02M7/219—Conversion of ac power input into dc power output without possibility of reversal 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 in a bridge configuration

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Rectifiers (AREA)

Abstract

本发明公开了一种自抗扰的空间大功率整流系统，包括：追踪微分器，其输入端输入给定的电压信号，对给定的电压信号进行微分处理，得到第一电压信号和第二电压信号；模糊神经网络PID控制器，用于对接收到的第一电压误差和第二电压误差信号进行控制律运算得到第一交流电压信号；扰动补偿模块，用于对接收到的第一交流电压信号进行扰动补偿处理得到自抗扰后的第二交流电压信号；整流主功率模块用于将第二交流输入信号变换为直流电得到直流电流信号；扩张观测器用于对接收到的扰动补偿的误差信号和直流电流信号进行状态估计处理，输出第一电压状态信号、第二电压状态信号和补偿反馈信号。本发明提高了空间核动力电源系统的效率。

Description

一种自抗扰的空间大功率整流系统
技术领域
本发明属于空间核动力方面的交直流变换领域，具体涉及一种适用于空间核动力的自抗扰大功率整流系统。
背景技术
随着我国航天事业向多领域逐步推进，人类对于航天探索的深度也不断增加，航天器能源系统也有了多元化的趋势。通常航天器以太阳能为主要能源，但在太阳辐照强度较低等情况下便会降低电池的效能，而核电源系统便体现了相应的优势。由于前端核能系统的特殊性，不同于传统航天器电源系统的设计，
高压直流母线的频率也在一定程度上有所波动，对后级的功率变换装置造成极大的损伤，从而大大减低的航天器电源系统的可靠性；直流侧输出电压的纹波很大，导致对整流控制部分带来的内部干扰，使得系统稳定性变差。
对于传统的PID控制器来说，在追踪控制信号的过程中会放大波动信号，控制精度较低，参数整定也较为复杂，同时在被控对象负载及干扰较大的情况下不易达到理想的控制效果。而整流系统作为一个时变的非线性多变量系统，在实际工作中，输入交流电压、输入交流电流、输出直流电压、温度会不断发生变化，常规PID控制器的动态特性和鲁棒性较差，很难实现单位功率因数运行。
发明内容
本发明的目的是提供一种自抗扰的空间大功率整流系统，以解决空间核动力电源系统中直流侧输出电压波动、交流侧电流谐波分量较多以及系统外部温度对系统的干扰等问题。
为了解决以上问题，本发明通过以下技术方案实现：
一种自抗扰的空间大功率整流系统，包括：整流主功率模块100；
追踪微分器200，其输入端输入给定的电压信号v，对所述给定的电压信号v进行微分处理，得到第一电压信号v1和第二电压信号v2；
模糊神经网络PID控制器300，其输入端与所述追踪微分器200的输出端连接，所述模糊神经网络PID控制器300用于对接收到的第一电压误差e1和第二电压误差信号e2进行控制律运算得到第一交流电压信号g0。
扰动补偿模块400，其输入端与所述模糊神经网络PID控制器300的输出端连接，用于对接收到的所述第一交流电压信号g0进行扰动补偿处理得到第二交流电压信号g。所述整流主功率模块用于将所述第二交流输入信号g变换为直流电得到直流电流信号y，并输出。
扩张观测器500，其输入端分别与所述扰动补偿模块400的输出端和所述整流主功率模块100的输出端连接。
所述扩张观测器500，用于对接收到的扰动补偿的误差信号和所述直流电流信号y进行状态估计处理，输出三个状态变量，三个所述状态变量包括：第一电压状态信号z1、第二电压状态信号z2和补偿反馈信号z3。
所述扩张观测器500的输出端分别与所述追踪微分器200的输出端和所述扰动补偿模块400的输入端连接。
所述第一电压信号v1与所述第一电压状态信号z1进行作差处理得到所述第一电压误差e1。
所述第二电压信号v2和所述第二电压状态信号z2进行作差处理得到所述第二电压误差信号e2。
所述扰动补偿模块400将所述补偿反馈信号z3与所述第一交流电压信号g0进行扰动补偿处理得到所述第二交流电压信号g。
优选地，所述整流主功率模块100为三相VIENNA整流器。
优选地，所述三相VIENNA整流器包括：第一二极管D1～第六二极管D6；所述第一二极管D1的正极和所述第二二极管D2的负极连接构成第一桥臂。
所述第三二极管D3的正极和所述第四二极管D4的负极连接构成第二桥臂。
所述第五二极管D5的正极和所述第六二极管D6的负极连接构成第三桥臂。
所述第一桥臂～所述第三桥臂之间相互并联，
第一交流电源ea、第二交流电源eb和第三交流电源ec。
第一滤波电感La、第二滤波电感Lb和第三滤波电感Lc。
第一双向功率开关Sa～第三双向功率开关Sc。
第一分压电容C1和第二分压电容C2。
负载RL。
所述第一交流电源ea通过所述第一滤波电感La与所述第一双向功率开关Sa的第一端连接。
所述第二交流电源eb通过所述第二滤波电感Lb与所述第二双向功率开关Sb的第一端连接。
所述第三交流电源ec通过所述第三滤波电感Lc与所述第三双向功率开关Sc的第一端连接。
所述第一分压电容C1和第二分压电容C2相互串联后，并联在所述第三桥臂两端。
所述第一双向功率开关Sa～所述第三双向功率开关Sc的第二端均与所述第一分压电容C1和第二分压电容C2之间连接。
所述第一滤波电感La的一端还与所述第一二极管D1的正极连接，所述第一交流电源ea输出第一交流电流ia通过所述第一滤波电感La输入到所述第一桥臂中。
所述第三滤波电感Lc的一端还与所述第六二极管D6的负极连接，所述第三交流电源ec输出第一交流电流ia通过所述第三滤波电感Lc输入到所述第三桥臂中。
所述第二交流电源eb输出第二交流电流ib通过所述第二滤波电感Lb输入到所述第二双向功率开关Sb。
所述负载RL并联到所述第一分压电容C1和第二分压电容C2两端。
优选地，所述模糊神经网络PID控制器(300)包括：PID控制器、被控对象、模糊量化模块和RBF神经网络；
所述模糊量化模块对接收到的所述第一电压误差e1与所述第二电压误差信号e2进行模糊量化处理，得到输入数值，将所述输入数值根据输入变量模糊子集的隶属函数找出相应的隶属度，并输出至RBF神经网络；根据整流系统的实际运行状态，所述RBF神经网络用于通过神经网络的自学习和加权系数的调整，对所述PID控制器内的比例参数、积分参数和微分参数进行调节；
所述PID控制器输出的比例参数、积分参数和微分参数用于对所述被控对象进行负反馈闭环控制。
优选地，所述RBF神经网络包括：依次连接的输入层、模糊化层、模糊推理层和输出层。
所述输入层包括第一输入节点和第二输入节点。
所述第一输入节点输入误差e(t)。
所述第二输入节点输入误差变化率ec(t)。
所述模糊化层包括若干个模糊节点，通过隶属度函数将所述输入层节点传递给每一所述模糊节点，
所述模糊推理层包括若干个推理节点，每一所述推理节点将其接收到的信号相乘作为输出信号；
所述输出层包括三个输出节点，第一输出节点为比例参数信号kp；
第二输出节点为积分参数信号ki；
第三输出节点为微分参数信号kd。
本发明至少具有以下优点之一：
本发明提供的适用于空间核动力的自抗扰大功率整流系统，具体为解决整流系统中直流侧被外界干扰而导致输出不稳定这一问题而设计。所述整流主功率模块作为主功率电路模块，可实现输入电压与电流实时追踪，其调整灵活，保证了控制部分的响应速度。对于控制部分(模糊神经网络PID控制器)而言，在被控对象的扰动具有不确定性时，该控制算法具有较强的追踪特性，使得输入电压和输入电流同相位，大大提高空间整流模块(整流主功率模块)的功率因数，进而提高了空间核动力电源系统的效率。
即在该非线性自抗扰控制方法中，引入状态观测器的思想，把影响被控输出的外界扰动扩张成新的状态变量(第一电压状态信号z1、第二电压状态信号z2和补偿反馈信号z3)，然后采用扰动估计补偿环节，对扰动实时估计并对系统给予补偿，最终达到提升控制效果和精度的目的；在此基础上，引入扰动补偿环节并改进反馈控制律，设计非线性自抗扰整流控制器进一步提升控制器性能；与传统的PID控制器相比较，模糊神经网络PID控制器以其调整灵活、实用性好、精度高、鲁棒性强的优点,在过程控制领域中应用广泛。
对于空间核动力的直流供电管理系统，该非线性自抗扰控制算法具有强实用性、强鲁棒性、高精度等优点，同时，RBF神经网络是一种性能优良的前馈型神经网络,具有全局逼近能力、很强的鲁棒性、非线性映射能力以及强大的自学习能力，符合空间飞行器对于电源控制模块的智能化的迫切需求。因此,将RBF神经网络和模糊自适应PID调节器相结合,用于空间核动力大功率整流控制具有实际的研究意义。
附图说明
图1为本发明一实施例提供的一种自抗扰的空间大功率整流系统的整体结构示意图；
图2为本发明一实施例提供的一种自抗扰的空间大功率整流系统中的整流主功率模块的示意图；
图3为本发明一实施例提供的一种自抗扰的空间大功率整流系统中的模糊神经网络PID控制器的示意图；
图4为本发明一实施例提供的一种自抗扰的空间大功率整流系统中的RBF神经网络的示意图。
具体实施方式
以下结合附图和具体实施方式对本发明提出的一种自抗扰的空间大功率整流系统作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
如图1所示，本实施例提供一种适用于空间核动力的自抗扰大功率整流系统，包括：整流主功率模块100；追踪微分器200，其输入端输入给定的电压信号v，对所述给定的电压信号v进行微分处理，得到第一电压信号v1和第二电压信号v2。
上述的追踪微分器200，主要的作用是追踪输入信号(给定的电压信号v)，以便于整流系统的单位功率因数运行，并对其进行离散化处理。
模糊神经网络PID控制器300，其输入端与所述追踪微分器200的输出端连接，所述模糊神经网络PID控制器300用于对接收到的第一电压误差e1和第二电压误差信号e2进行控制律运算得到第一交流电压信号g0。
上述的模糊神经网络PID控制器300，主要的作用是通过误差反馈控制律对误差状态信息进行控制律运算。
扰动补偿模块400，其输入端与所述模糊神经网络PID控制器300的输出端连接，用于对接收到的所述第一交流电压信号g0进行扰动补偿处理得到第二交流电压信号g。
图1中的1/b是指扰动补偿模块400，b是指扰动补偿系数。
上述的扰动补偿模块400，主要的作用是对扰动实时估计并对系统(本实施例的整流系统)给予补偿。
所述整流主功率模块100用于将所述第二交流输入信号g变换为直流电得到直流电流信号y，并输出。
扩张观测器500，其输入端分别与所述扰动补偿模块400的输出端和所述整流主功率模块100的输出端连接。
所述扩张观测器500，用于对接收到的扰动补偿的误差信号(是指所述第二交流电压信号g与扰动补偿模块400的扰动补偿系数b的相乘后得到)和所述直流电流信号y进行状态估计处理，输出三个状态变量，三个所述状态变量包括：第一电压状态信号z1、第二电压状态信号z2和补偿反馈信号z3。
所述扩张观测器500的输出端分别与所述追踪微分器200的输出端和所述扰动补偿模块400的输入端连接。
所述第一电压信号v1与所述第一电压状态信号z1进行作差处理得到所述第一电压误差e1。
所述第二电压信号v2和所述第二电压状态信号z2进行作差处理得到所述第二电压误差信号e2。
所述扰动补偿模块400将所述补偿反馈信号z3与所述第一交流电压信号g0进行扰动补偿处理得到所述第二交流电压信号g。
上述的扩张观测器500，主要的作用是将原非线性控制系统，变成线性的积分器串联型控制系统。
如图2所示，其表示三相VIENNA整流器简化拓扑电路，所述整流主功率模块100为三相VIENNA整流器。
所述三相VIENNA整流器包括：第一二极管D1～第六二极管D6；所述第一二极管D1的正极和所述第二二极管D2的负极连接构成第一桥臂。
所述第三二极管D3的正极和所述第四二极管D4的负极连接构成第二桥臂。所述第五二极管D5的正极和所述第六二极管D6的负极连接构成第三桥臂。
所述第一桥臂～所述第三桥臂之间相互并联。第一交流电源ea、第二交流电源eb和第三交流电源ec。第一滤波电感La、第二滤波电感Lb和第三滤波电感Lc。
第一双向功率开关Sa～第三双向功率开关Sc。第一分压电容C1和第二分压电容C2。负载RL，所述第一交流电源ea通过所述第一滤波电感La与所述第一双向功率开关Sa的第一端连接。所述第二交流电源eb通过所述第二滤波电感Lb与所述第二双向功率开关Sb的第一端连接。所述第三交流电源ec通过所述第三滤波电感Lc与所述第三双向功率开关Sc的第一端连接。所述第一分压电容C1和第二分压电容C2相互串联后，并联在所述第三桥臂两端。
所述第一双向功率开关Sa～所述第三双向功率开关Sc的第二端均与所述第一分压电容C1和第二分压电容C2之间连接。所述第一滤波电感La的一端还与所述第一二极管D1的正极连接，所述第一交流电源ea输出第一交流电流ia通过所述第一滤波电感La输入到所述第一桥臂中。所述第三滤波电感Lc的一端还与所述第六二极管D6的负极连接，所述第三交流电源ec输出第一交流电流ia通过所述第三滤波电感Lc输入到所述第三桥臂中。所述第二交流电源eb输出第二交流电流ib通过所述第二滤波电感Lb输入到所述第二双向功率开关Sb。
所述负载RL并联到所述第一分压电容C1和第二分压电容C2两端。
在本实施例中，所述第一滤波电感La、第二滤波电感Lb和第三滤波电感Lc为感值相等的输入滤波电感；所述第一二极管D1～第六二极管D6为大功率快速恢复二极管，上下两只快速恢复二极管构成了一只桥臂；第一双向功率开关Sa～第三双向功率开关Sc为的每个双向功率开关管是由两个开关功率器件组成的。所述第一分压电容C1和第二分压电容C2为输出分压电容，其容量相等，电压均为输出电压的一半。有功功率单方向从交流侧流到直流侧，无功功率在交流侧流动。在三相VIENNA电路中，交流电经过输入滤波电感流入VIENNA电路的功率部分，整流器直流侧采用的输出电容进行分压，达到三电平的输出效果，同时可以降低输出电压纹波。
上述的整流主功率模块100由六个二极管组成的桥式电路、三个开关、两个滤波电容以及负载和电源组成，即将原非线性控制系统，变成线性的积分器串联型控制系统。如图2所示，输入的交流能量，流经输入电感，流入到功率器件中，经过功率开关管的通断与整流二极管的续流，再通过整流器直流侧利用串联上母线电容(第一分压电容C1)和下母线电容(第二分压电容C2)的滤波功能，得到稳定的直流输出，并且达到三电平的输出效果。在系统运行过程中采集交流侧电压和输出电流。
三相VIENNA整流器，相比于传统桥式PWM整流器，VIENNA整流器属于Boost型功率因数校正，正常工作模式下电感电流连续，输入电流正弦化，畸变率低，因此能够实现整流器单位功率因数运行；开关管电压应力仅为直流母线电压的一半，在相同功率下开关损耗更小，效率可以得到一定程度的提升，更适合大功率场合；其拓扑中不含有源桥臂，无桥臂直通风险，无需额外设置死区。维也纳整流器为三电平结构，控制更加灵活，大大减小了总谐波失真度，因此，可以减小无源器件的数值和体积，提高系统功率密度；电压的跳变较小，在相同的开关频率下电感的电流纹波降低，因而减小了电感的体积，提高了整流器的功率密度。
如图3所示，所述模糊神经网络PID控制器300包括：PID控制器、被控对象、模糊量化模块和RBF神经网络。
所述模糊量化模块对接收到的所述第一电压误差e1与所述第二电压误差信号e2进行模糊量化处理，得到输入数值，将所述输入数值根据输入变量模糊子集的隶属函数找出相应的隶属度，并输出至RBF神经网络；根据系统的运行状态，所述RBF神经网络用于通过神经网络的自学习和加权系数的调整，对所述PID控制器内的比例参数、积分参数和微分参数进行调节。
所述PID控制器输出的比例参数、积分参数和微分参数用于对所述被控对象进行负反馈闭环控制。
具体的，常规PID控制器的直接作用于被控对象，并进行闭环控制；模糊量化模块对系统的状态变量进行模糊量化和归一化处理，再把归一化后的输入数值根据输入变量模糊子集的隶属函数找出相应的隶属度，送给RBF神经网络；根据系统的运行状态，通过神经网络的自学习和加权系数的调整，对PID控制器的参数进行调节，以期达到充电性能指标的最优化。
如图4所示，所述RBF神经网络包括：依次连接的输入层、模糊化层、模糊推理层和输出层。
所述输入层包括第一输入节点和第二输入节点。
所述第一输入节点输入误差e(t)。
所述第二输入节点输入误差变化率ec(t)。
输入误差e(t)和误差变化率ec(t)这两个信号是由上一层传来的，是个时变参数。
所述模糊化层包括若干个模糊节点集合，通过隶属度函数将所述输入层节点传递给每一所述模糊节点集合。
所述模糊推理层包括若干个推理节点，每一所述推理节点将其接收到的信号相乘作为输出信号。
所述输出层包括三个输出节点，第一输出节点为比例参数信号kp；第二输出节点为积分参数信号ki；第三输出节点为微分参数信号kd。
比例参数信号kp即为上述PID控制器内的比例参数，积分参数信号ki即为上述PID控制器内的积分参数，微分参数信号kd即为上述PID控制器内的微分参数。
具体的，对于所述RBF神经网络的输入层，其输入层节点数为变量个数，该输入层的神经元直接把输入变量的值通过活化函数传递给下一层神经元。在该图4中，该输入层有2个输入节点(第一输入节点和第二输入节点)，分别将误差e(t)和误差变化率ec(t)作为输出传递给下一层神经元(模糊化层中的模糊集节点)；对于模糊化层，是通过隶属度函数将输入层的变量传递给模糊化层的所有的模糊集节点，以模糊化输入变量(误差e(t)和误差变化率ec(t))；对于模糊推理层，为了实现模糊规则的匹配及各节点间的模糊运算，该层的每个节点(推理节点)所有输入信号的乘积作为该推理节点的输出；对于输出层，将第三层(模糊推理层)中的各个推理节点的输出进行连接权值矩阵运算，实现清晰化计算，得到整定后的PID参数。
本实施例提供的适用于空间核动力的自抗扰大功率整流系统，具体为解决整流系统中直流侧被外界干扰而导致输出不稳定这一问题而设计。所述整流主功率模块作为主功率电路模块，可实现输入电压与电流实时追踪，其调整灵活，保证了控制部分的响应速度。对于控制部分(模糊神经网络PID控制器)而言，在被控对象的扰动具有不确定性时，该控制算法具有较强的追踪特性，使得输入电压和输入电流同相位，大大提高空间整流模块(整流主功率模块)的功率因数，进而提高了电源系统的效率。
即在该控制方法中，引入状态观测器的思想，把影响被控输出的外界扰动扩张成新的状态变量(第一电压状态信号z1、第二电压状态信号z2和补偿反馈信号z3)，然后采用扰动估计补偿环节，对扰动实时估计并对系统给予补偿，最终达到提升控制效果和精度的目的；在此基础上，引入扰动补偿环节并改进反馈控制律，设计非线性自抗扰整流控制器进一步提升控制器性能；与传统的PID控制器相比较，模糊神经网络PID控制器以其调整灵活、实用性好、精度高、鲁棒性强的优点,在过程控制领域中应用广泛。
对于空间核动力的直流供电管理系统，该控制方法具有强实用性、强鲁棒性、高精度等优点，同时，RBF神经网络是一种性能优良的前馈型神经网络,具有全局逼近能力、很强的鲁棒性、非线性映射能力以及强大的自学习能力，符合空间飞行器对于电源控制模块的智能化的迫切需求。因此,将RBF神经网络和模糊自适应PID调节器相结合,用于空间核动力大功率整流控制具有实际的研究意义。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当注意的是，在本文的实施方式中所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用于执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (5)

1.一种自抗扰的空间大功率整流系统，其特征在于，包括：
整流主功率模块(100)；
追踪微分器(200)，其输入端输入给定的电压信号v，对所述给定的电压信号v进行微分处理，得到第一电压信号v1和第二电压信号v2；
模糊神经网络PID控制器(300)，其输入端与所述追踪微分器(200)的输出端连接，所述模糊神经网络PID控制器(300)用于对接收到的第一电压误差e1和第二电压误差信号e2进行控制律运算得到第一交流电压信号g0；
扰动补偿模块(400)，其输入端与所述模糊神经网络PID控制器(300)的输出端连接，用于对接收到的所述第一交流电压信号g0进行扰动补偿处理得到第二交流电压信号g；
所述整流主功率模块用于将所述第二交流输入信号g变换为直流电得到直流电流信号y，并输出；
扩张观测器(500)，其输入端分别与所述扰动补偿模块(400)的输出端和所述整流主功率模块(100)的输出端连接；
所述扩张观测器(500)，用于对接收到的扰动补偿的误差信号和所述直流电流信号y进行状态估计处理，输出三个状态变量，三个所述状态变量包括：第一电压状态信号z1、第二电压状态信号z2和补偿反馈信号z3；
所述扩张观测器(500)的输出端分别与所述追踪微分器(200)的输出端和所述扰动补偿模块(400)的输入端连接；
所述第一电压信号v1与所述第一电压状态信号z1进行作差处理得到所述第一电压误差e1；
所述第二电压信号v2和所述第二电压状态信号z2进行作差处理得到所述第二电压误差信号e2；
所述扰动补偿模块(400)将所述补偿反馈信号z3与所述第一交流电压信号g0进行扰动补偿处理得到所述第二交流电压信号g。
2.如权利要求1所述的自抗扰的空间大功率整流系统，其特征在于，所述整流主功率模块(100)为三相VIENNA整流器。
3.如权利要求2所述的自抗扰的空间大功率整流系统，其特征在于，所述三相VIENNA整流器包括：第一二极管D1～第六二极管D6；所述第一二极管D1的正极和所述第二二极管D2的负极连接构成第一桥臂；
所述第三二极管D3的正极和所述第四二极管D4的负极连接构成第二桥臂；
所述第五二极管D5的正极和所述第六二极管D6的负极连接构成第三桥臂；
所述第一桥臂～所述第三桥臂之间相互并联；
第一交流电源ea、第二交流电源eb和第三交流电源ec；
第一滤波电感La、第二滤波电感Lb和第三滤波电感Lc；
第一双向功率开关Sa～第三双向功率开关Sc；
第一分压电容C1和第二分压电容C2；
负载RL；
所述第一交流电源ea通过所述第一滤波电感La与所述第一双向功率开关Sa的第一端连接；
所述第二交流电源eb通过所述第二滤波电感Lb与所述第二双向功率开关Sb的第一端连接；
所述第三交流电源ec通过所述第三滤波电感Lc与所述第三双向功率开关Sc的第一端连接；
所述第一分压电容C1和第二分压电容C2相互串联后，并联在所述第三桥臂两端；
所述第一双向功率开关Sa～所述第三双向功率开关Sc的第二端均与所述第一分压电容C1和第二分压电容C2之间连接；
所述第一滤波电感La的一端还与所述第一二极管D1的正极连接，所述第一交流电源ea输出第一交流电流ia通过所述第一滤波电感La输入到所述第一桥臂中；
所述第三滤波电感Lc的一端还与所述第六二极管D6的负极连接，所述第三交流电源ec输出第一交流电流ia通过所述第三滤波电感Lc输入到所述第三桥臂中；
所述第二交流电源eb输出第二交流电流ib通过所述第二滤波电感Lb输入到所述第二双向功率开关Sb；
所述负载RL并联到所述第一分压电容C1和第二分压电容C2两端。
4.如权利要求1所述的自抗扰的空间大功率整流系统，其特征在于，所述模糊神经网络PID控制器(300)包括：PID控制器、被控对象、模糊量化模块和RBF神经网络；
所述模糊量化模块对接收到的所述第一电压误差e1与所述第二电压误差信号e2进行模糊量化处理，得到输入数值，将所述输入数值根据输入变量模糊子集的隶属函数找出相应的隶属度，并输出至RBF神经网络；根据整流系统的实际运行状态，所述RBF神经网络用于通过神经网络的自学习和加权系数的调整，对所述PID控制器内的比例参数、积分参数和微分参数进行调节；
所述PID控制器输出的比例参数、积分参数和微分参数用于对所述被控对象进行负反馈闭环控制。
5.如权利要求1所述的自抗扰的空间大功率整流系统，其特征在于，所述RBF神经网络包括：依次连接的输入层、模糊化层、模糊推理层和输出层；
所述输入层包括第一输入节点和第二输入节点；
所述第一输入节点输入误差e(t)；
所述第二输入节点输入误差变化率ec(t)，
所述模糊化层包括若干个模糊节点，通过隶属度函数将所述输入层节点传递给每一所述模糊节点，
所述模糊推理层包括若干个推理节点，每一所述推理节点将其接收到的信号相乘作为输出信号；
所述输出层包括三个输出节点，第一输出节点为比例参数信号kp；
第二输出节点为积分参数信号ki；
第三输出节点为微分参数信号kd。
CN202110265409.6A 2021-03-11 2021-03-11 一种自抗扰的空间大功率整流系统 Pending CN112953271A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110265409.6A CN112953271A (zh) 2021-03-11 2021-03-11 一种自抗扰的空间大功率整流系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110265409.6A CN112953271A (zh) 2021-03-11 2021-03-11 一种自抗扰的空间大功率整流系统

Publications (1)

Publication Number Publication Date
CN112953271A true CN112953271A (zh) 2021-06-11

Family

ID=76229268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110265409.6A Pending CN112953271A (zh) 2021-03-11 2021-03-11 一种自抗扰的空间大功率整流系统

Country Status (1)

Country Link
CN (1) CN112953271A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647781A (zh) * 2016-10-26 2017-05-10 广西师范大学 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法
CN108429286A (zh) * 2018-04-02 2018-08-21 武汉理工大学 一种基于自抗扰控制的并网电流调节器
CN109597449A (zh) * 2019-01-30 2019-04-09 杭州庆睿科技有限公司 一种基于神经网络的超声波分散仪温度控制方法
CN109687694A (zh) * 2019-01-21 2019-04-26 温州大学 一种多路电源供电集成总成及其控制方法
CN109733242A (zh) * 2018-12-12 2019-05-10 西北工业大学 电动汽车充电机的神经模糊稳定性控制系统及控制方法
CN111786445A (zh) * 2020-07-15 2020-10-16 郑州森源新能源科技有限公司 动力电池充电系统及充电装置的自抗扰控制方法
CN112039394A (zh) * 2020-09-24 2020-12-04 大连海事大学 一种基于模糊自抗扰的pmsm伺服控制系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106647781A (zh) * 2016-10-26 2017-05-10 广西师范大学 基于重复控制补偿神经模糊pid四旋翼飞行器的控制方法
CN108429286A (zh) * 2018-04-02 2018-08-21 武汉理工大学 一种基于自抗扰控制的并网电流调节器
CN109733242A (zh) * 2018-12-12 2019-05-10 西北工业大学 电动汽车充电机的神经模糊稳定性控制系统及控制方法
CN109687694A (zh) * 2019-01-21 2019-04-26 温州大学 一种多路电源供电集成总成及其控制方法
CN109597449A (zh) * 2019-01-30 2019-04-09 杭州庆睿科技有限公司 一种基于神经网络的超声波分散仪温度控制方法
CN111786445A (zh) * 2020-07-15 2020-10-16 郑州森源新能源科技有限公司 动力电池充电系统及充电装置的自抗扰控制方法
CN112039394A (zh) * 2020-09-24 2020-12-04 大连海事大学 一种基于模糊自抗扰的pmsm伺服控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贺梧童: "电网不平衡下VIENNA 整流器控制方法研究", 《中国优秀硕士学位论文数据库 工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
Fei et al. Fuzzy double hidden layer recurrent neural terminal sliding mode control of single-phase active power filter
Gautam et al. Control strategies and power decoupling topologies to mitigate 2ω-ripple in single-phase inverters: A review and open challenges
Bengourina et al. PSO based direct power control for a multifunctional grid connected photovoltaic system
Lin et al. Toward large-signal stabilization of floating dual boost converter-powered DC microgrids feeding constant power loads
CN112597736B (zh) 直流微电网高频振荡稳定性分析方法
CN113437891A (zh) 一种交直流多端口六边形模块化多电平变换器及控制方法
CN110429835B (zh) 一种基于lcl滤波的rbfnn分段在线优化无源控制系统及方法
Nguimfack-Ndongmo et al. Adaptive neuro-synergetic control technique for SEPIC converter in PV systems
Yu et al. Multi-step predictive current control for NPC grid-connected inverter
Zhang et al. Intelligent complementary terminal sliding mode using multiloop neural network for active power filter
CN111181420A (zh) 一种单相Vienna整流器及其控制方法
Ko et al. Analysis, design and implementation of fuzzy logic controlled quasi-resonant zero-current switching switched-capacitor bidirectional converter
CN110429834B (zh) 一种基于扩张状态观测器的三相整流器滑模控制方法
Ibrahim Performance evaluation of PI controller for positive output Luo converter
Khaniki et al. Boost PFC converter control using fractional order fuzzy PI controller optimized via ICA
CN112953271A (zh) 一种自抗扰的空间大功率整流系统
Bektaş et al. The comparison of PI control method and one cycle control method for SEPIC converter
CN112217194A (zh) 一种基于干扰观测器前馈电流控制的直流电压偏差抑制策略
CN111416514B (zh) 一种三相降压pfc电路并联均流控制方法
CN212850304U (zh) 具有公共高压直流母线的级联多电平整流器
Duranay Output Voltage Regulated Sepic Converter for Photovoltaic Systems
da Silva et al. Generalized predictive controller applied in a bidirectional dc-dc converter
Gong et al. ADRC & MPC Based Control Strategy of Bidirectional Buck-Boost Converter in Distributed Energy Storage Systems
Rodríguez et al. Fractional order control for a bidirectional converter operating in a DC microgrid.
Mechgoug et al. A Adaptive Neuro-Fuzzy Inference System (ANFIS) Controller for a 9-Level Inverter for Grid-Connected PV Systems

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210611

RJ01 Rejection of invention patent application after publication