论文部分内容阅读
近年来，开关电源以其效率高、重量轻、体积小等优点已经在社会各个领域中得到了广泛应用。DC-DC变换器作为开关电源的核心，其控制方法的研究也成为国际国内研究的热点。传统的DC-DC变换器控制是基于经典控制理论的模拟控制，而随着高速数字信号处理器(DSP)和专为电力电子控制用的通用芯片和专用芯片的大量出现，DC-DC变换器的数字控制研究变得积极而且迫切，特别是基于智能控制理论的控制方法的研究。本文的研究内容是基于神经网络逆模型的智能控制方法在DC-DC变换器中应用研究。本文主要做了以下几个方面的工作：
首先，介绍了基于神经网络逆模型的控制方法，使用动态神经网络逼近被控对象的逆模型。研究了直接逆模型控制和复合逆模型控制在DC-DC变换器中的控制效果。
其次，研究了基于神经网络的通用模型控制在DC-DC变换器中的应用，通用模型控制算法是直接将非线性过程模型嵌入到控制器中的非线性控制方法，其实现的关键是求被控对象的逆模型。
最后，为了提高控制器的鲁棒性和动态性能，研究了滑模-通用模型控制策略，在通用模型控制器的基础上添加了滑模控制外环，得到了良好的控制效果。
论文采用Buck变换器作为主要研究对象，使用状态空间平均法建立了Buck变换器在连续电流工作模式的模型用于仿真研究。在仿真中主要分析研究了DC-DC变换器在启动时，输入电压波动，和负载波动时的动态和静态性能。大量的仿真结果表明了本文研究的控制方法具有较好的控制效果，能够满足开关电源的控制要求。易于在开关电源的数字控制系统中实施。