應(yīng)用神經(jīng)網(wǎng)絡(luò)的變流器波形復(fù)合控制策略＊

戴瑜興，陳義財，全惠敏，郜克存，曾國強(qiáng)

（1.湖南大學(xué) 電氣與信息工程學(xué)院，湖南 長沙 410082；2.95918部隊，湖北 隨州 432701；3.溫州大學(xué) 物理與電子信息工程學(xué)院，浙江 溫州 325035；4.青島創(chuàng)統(tǒng)科技發(fā)展有限公司，山東 青島 266012）

岸電電源是供電停港船舶的港口岸上電源，可代替停港船舶的主輔燃油發(fā)電機(jī)供電，是控制港區(qū)空氣質(zhì)量日益惡化的重要方式.PWM可逆變流器是岸電電站的核心研究對象，與傳統(tǒng)變流技術(shù)相比，具有高功率因素和低諧波污染的優(yōu)點(diǎn)，在岸電電源、UPS、軍用設(shè)備、太陽能和風(fēng)能等清潔能源使用中得到廣泛的應(yīng)用.

港口現(xiàn)有岸電變流器多使用PID控制、內(nèi)?？刂?、無差拍控制和重復(fù)控制等方式，無法同時滿足大功率、強(qiáng)沖擊、高穩(wěn)定的供電需求而未得到廣泛使用[1].PID控制雖魯棒性較強(qiáng)，但在非線性負(fù)載、噪聲或擾動影響下，設(shè)定的控制參數(shù)無法得到穩(wěn)定和精確的控制效果.內(nèi)?？刂齐m參數(shù)簡明，動態(tài)響應(yīng)較好并有較強(qiáng)的魯棒性和抗干擾性，但難于建立精準(zhǔn)模型.無差拍控制靜態(tài)輸出穩(wěn)定及動態(tài)反應(yīng)較快，但易出現(xiàn)較強(qiáng)振蕩，魯棒性較差.重復(fù)控制較大改進(jìn)了電源變流器的穩(wěn)定輸出，但因有一個周期的控制延遲影響了動態(tài)響應(yīng)效果.神經(jīng)內(nèi)?？刂圃谟芯_模型的基礎(chǔ)上可確保系統(tǒng)有很好的魯棒性和動態(tài)性能，但因其需要在線訓(xùn)練學(xué)習(xí)才能獲得精確模型，致使算法還未獲得大量應(yīng)用[2－6].目前，各種輸出高精穩(wěn)定且抗擾性強(qiáng)的智能控制策略成為高性能變流器的研究熱點(diǎn).

針對兩電平三相PWM可逆變流器在DQ坐標(biāo)系下的特點(diǎn)，本文利用改進(jìn)的重復(fù)控制策略與神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂撇呗韵嘟Y(jié)合，設(shè)計了變流器輸出波形復(fù)合控制器，并通過實驗測試了該控制策略性能.

1 變流器拓?fù)浣Y(jié)構(gòu)及模型解耦

兩電平三相PWM可逆變流器拓?fù)浣Y(jié)構(gòu)如圖1所示.該結(jié)構(gòu)共分為網(wǎng)側(cè)濾波單元、電壓型PWM整流單元、直流儲能單元、電壓型PWM逆變單元與負(fù)載側(cè)濾波單元等5個部分.

圖1 岸電電源PWM可逆變流器拓?fù)浣Y(jié)構(gòu)圖Fig.1 PWM shore power converter topology

定義Sk＝1（k＝A，B，C，U，V，W）時拓?fù)浣Y(jié)構(gòu)中橋臂上管導(dǎo)通，下管關(guān)斷；Sk＝0（k＝A，B，C，U，V，W）時拓?fù)浣Y(jié)構(gòu)中下管導(dǎo)通，上管關(guān)斷.如圖1所示，依據(jù)KCL和KVL定律，得在三相靜止坐標(biāo)系下整流回路方程為：

式中：eAG，eBG，eCG分別為三相電壓輸出大小；vdc為整流輸出電勢；vNG為中線點(diǎn)電勢差，iA，iB，iC分別為三相輸出電流大??；R1和L1分別為輸入端濾波電阻和電感大??；C為儲能電容值.將三相靜止坐標(biāo)系分別經(jīng)Clark變換和Park變換到兩相旋轉(zhuǎn)DQ坐標(biāo)系.可得變換矩陣為：

利用式（2）變換矩陣將式（1）參量進(jìn)行DQ坐標(biāo)變換，整理可得PWM整流單元回路在DQ坐標(biāo)系下數(shù)學(xué)模型為：

式中：各變量為三相坐標(biāo)系下經(jīng)Park變換后得到的DQ坐標(biāo)系下對應(yīng)變量.由式（3）可知，整流回路參數(shù)經(jīng)兩相坐標(biāo)變換已呈線性化.定義id＊，iq＊為id，iq電流的指令值；Kip為電流內(nèi)環(huán)比例調(diào)節(jié)增益；KiI為電流內(nèi)環(huán)積分調(diào)節(jié)增益.采用前饋PI控制策略將d軸和q軸變量解耦可得：

將式（4）帶入式（3）可得電流控制輸入為：

同理得圖1中逆變回路方程為：

式中：k＝U，V，W和uok為輸出相電壓，ik為輸出相電流，R2和L2分別為輸出端濾波電阻和電感大小，Co和RC為輸出濾波電容容值和阻值大小.將式（6）控制量經(jīng)Clark坐標(biāo)變換解耦可得控制輸出為

式中：uoα，uoβ，iα和iβ為PWM 逆變橋輸出三相電壓電流經(jīng)Clark變換對應(yīng)變量.由式（5）和式（7）可知，經(jīng)過兩相旋轉(zhuǎn)坐標(biāo)變換及解耦，在DQ坐標(biāo)系下各輸入或輸出控制量間沒有耦合關(guān)系并相互獨(dú)立，可以分別控制兩相坐標(biāo)系下變量實現(xiàn)對整個變流器的控制.

2 重復(fù)控制單元控制器設(shè)計

重復(fù)控制理論是建立在內(nèi)?？刂频幕A(chǔ)上，其核心在于內(nèi)部模型設(shè)計[1].在常用重復(fù)控制策略模型應(yīng)用中普遍存在兩個方面不足.一是由于延時單元z－N的存在，使得系統(tǒng)動態(tài)性能較差，對擾動調(diào)節(jié)時間超過了一個周期.二是因濾波器Q（z）的使用，使得系統(tǒng)增強(qiáng)穩(wěn)定性的同時存在了靜差.

圖2為針對這兩個問題對內(nèi)模改進(jìn)的一種重復(fù)控制策略.如圖2所示，重復(fù)控制器由濾波單元Q（z）z－N，內(nèi)模N階周期延時單元z－N，補(bǔ)償器C（z）3部分組成.

圖2 重復(fù)控制單元結(jié)構(gòu)圖Fig.2 The repetitive control unit structure diagram

濾波單元Q（z）z－N＝1時，系統(tǒng)理論上可以實現(xiàn)無靜差，但是這種純積分控制結(jié)構(gòu)使系統(tǒng)穩(wěn)定性和魯棒性變得很差，在工程實際應(yīng)用中是被禁止的.因此為改善系統(tǒng)穩(wěn)定性，一般使輔助補(bǔ)償器Q（z）為低通濾波形式或者為略小于1的常數(shù)，如0.95.

延時單元z－N是內(nèi)模組成部分，當(dāng)控制信號檢測到誤差信息時使延時至下一個周期動作.z－N的存在雖然影響了系統(tǒng)動態(tài)性能卻是重復(fù)控制內(nèi)模的固有組成部分，不能舍棄[7].因指令和擾動在很多情形下都重復(fù)出現(xiàn)，如圖2所示，經(jīng)改進(jìn)的嵌入式結(jié)構(gòu)使系統(tǒng)保留了指令信號的快速響應(yīng)通道.

補(bǔ)償器C（z）將獲得的系統(tǒng)補(bǔ)償量在下一周期作用于控制對象校正輸出.取C（z）＝KrzkS（z），該設(shè)計可保證系統(tǒng)運(yùn)行穩(wěn)定性并改善修正效果，超強(qiáng)補(bǔ)償相位幅值.其中Kr為重復(fù)控制幅值增益補(bǔ)償；zk為相位補(bǔ)償；S（z）起濾波作用消除諧振峰值、校正中低頻增益并增強(qiáng)高頻衰減特性.S（z）的存在雖然使zk的相位補(bǔ)償相對滯后，卻增強(qiáng)了系統(tǒng)的高頻抗干擾能力和系統(tǒng)穩(wěn)定性.

3 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂茊卧O(shè)計

神經(jīng)內(nèi)?？刂破髟O(shè)計如圖3所示，分別用神經(jīng)網(wǎng)絡(luò)控制器 NNC（neural network controller）和神經(jīng)網(wǎng)絡(luò)預(yù)估模型 NNM（neural network model）取代內(nèi)模控制結(jié)構(gòu)中的被控對象預(yù)估模型和內(nèi)?？刂破?由內(nèi)模原理可知，只要NNM和NNC穩(wěn)定則系統(tǒng)穩(wěn)定，即當(dāng)NNC為NNM的逆時，系統(tǒng)誤差e（k）＝y(tǒng)（k）－r（k）＝0[8].

圖3 神經(jīng)內(nèi)模控制器結(jié)構(gòu)圖Fig.3 Neural internal model controller structure diagram

3.1 神經(jīng)網(wǎng)絡(luò)預(yù)估模型NNM設(shè)計

采用經(jīng)典的前向BP神經(jīng)網(wǎng)絡(luò)設(shè)計NNM神經(jīng)網(wǎng)絡(luò)預(yù)估模型.如圖4所示.定義xj（k）為輸入層輸入；netj（k）和zj（k）為隱層輸入和輸出；rm（k）為輸出層輸出；ym（k）為網(wǎng)絡(luò)輸出；θi為輸入層閥值；wij，vi為BP網(wǎng)絡(luò)結(jié)構(gòu)層間網(wǎng)絡(luò)權(quán)值.

圖4 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 The structure of BP neural network

由圖5知，輸入層輸入xj（k）為：

則知netj（k），zj（k），rm（k）為：

NNM性能指標(biāo)為：

定義δi（2）（k）為隱層誤差，δ（3）（k）為輸出層誤差，則有：

BP網(wǎng)絡(luò)結(jié)構(gòu)層間在以學(xué)習(xí)速率為ηm，動量因子為αm時，其網(wǎng)絡(luò)權(quán)值wij，vi和輸入層閾值修正θi為：

3.2 神經(jīng)網(wǎng)絡(luò)控制器NNC設(shè)計

根據(jù)內(nèi)模原理穩(wěn)定性充分條件，控制器NNC設(shè)計結(jié)構(gòu)應(yīng)是預(yù)估模型NNM結(jié)構(gòu)的逆，故NNC應(yīng)采用與NNM同樣的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計.由圖4知，NNC結(jié)構(gòu)比NNM多一個輸入層網(wǎng)絡(luò)節(jié)點(diǎn)f（k）.定義cj（k）為輸入層輸入，bj（k）和gj（k）為隱層輸入和輸出，tij，hi為BP網(wǎng)絡(luò)結(jié)構(gòu)層間網(wǎng)絡(luò)權(quán)值.則由圖5可得NNC輸入層輸入xj（k）為：

NNC結(jié)構(gòu)中隱層輸入bj（k）、隱層輸出gj（k）、網(wǎng)絡(luò)輸出rm（k）為：

NNM性能指標(biāo)為：

為保證控制器精度不隨預(yù)估模型精度變化，式（18）中，ec（k）＝r（k）－y（k），y（k）不能用ym（k）代替.當(dāng)NNC在以動量因子為αc，學(xué)習(xí)速率為ηc時，其網(wǎng)絡(luò)權(quán)值tij，hi為：

當(dāng)對象為非線性或時變性時，利用BP網(wǎng)絡(luò)能經(jīng)過一定次數(shù)的學(xué)習(xí)逼近非線性映射的特點(diǎn)，ym（k）能夠無限逼近y（k），此時則可用?ym／u替代?y／u.

由式（12）可得：

定義δi（1）（k）＝δ（2）（k）hi（k）gi（k）（1－gi（k）），δ（2）（k）＝r（k）－y（k），則：

同理可得：

將式（21），式（22）代入式（19）可得權(quán)值和閾值調(diào)整公式：

3.3 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂破髟O(shè)計

通過對PWM變流器回路方程坐標(biāo)變換并解耦后，變流器d／q軸z域傳遞函數(shù)模型可表示為：

則有：

即：

由式（26）可知，設(shè)計NNM中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)各層神經(jīng)元數(shù)分別為4－4－1，則輸入層輸入為[u（k－1），u（k），y（k－1），y（k）]T，計算性能指標(biāo)函數(shù)得Em＝（y（k）－ym（k））2／2.同理可知，NNC中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)應(yīng)設(shè)計為各層神經(jīng)元數(shù)分別為5－4－1，且輸入層輸入為[r（k－1），r（k），u（k－1），u（k），f（s）]T，計算性能指標(biāo)函數(shù)得Ec＝（r（k）－y（k））2／2.

4 復(fù)合控制器設(shè)計及實驗驗證

復(fù)合控制器結(jié)構(gòu)框圖設(shè)計如圖5所示.通過改進(jìn)的重復(fù)控制單元和神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂茊卧餐饔糜诳赡孀兞髌髦须娏鬏斎牒碗妷狠敵?該控制方案中，重復(fù)控制單元通過改進(jìn)可保證在穩(wěn)態(tài)時輸出高精度的穩(wěn)態(tài)波形，能夠適用于船舶各精密儀器用電需求，但一旦有給定指令，重復(fù)控制器需延時至下一個周期作用被控制對象.神經(jīng)內(nèi)?？刂茊卧刂茻o靜差，動態(tài)響應(yīng)快，在重復(fù)控制的延時周期能快速動態(tài)響應(yīng)指令，很好的填補(bǔ)了重復(fù)控制單元的不足，但神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂茊卧蠳NM預(yù)估模型需要在線訓(xùn)練學(xué)習(xí)才能獲得精確模型.因此神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂婆c重復(fù)控制單元綜合的波形復(fù)合控制器使系統(tǒng)的負(fù)載適應(yīng)性和魯棒性得到增強(qiáng)，強(qiáng)有效地改善了可逆變流器的輸出波形.

圖5 復(fù)合控制器結(jié)構(gòu)圖Fig.5 Composite structure diagram of the controller

搭建如圖6所示實驗平臺驗證該波形復(fù)合控制策略，以TI公司生產(chǎn)的時鐘頻率達(dá)150MHz的TMS320F28335為DSP控制芯片，輔以各采樣電路、驅(qū)動電路及保護(hù)電路等.用泰克TDS3032示波器和電能質(zhì)量分析儀Fluke43B做為測試工具，采用表1中參數(shù)驗證可逆變流器波形復(fù)合控制器的實際控制效果.

圖6 實驗平臺搭建結(jié)構(gòu)圖Fig.6 Structure diagram of experimental platform

4.1 穩(wěn)態(tài)性能

通過搭建的實驗平臺分別測試PWM整流器和PWM逆變器穩(wěn)態(tài)性能.圖7（a）為電能質(zhì)量分析儀對PWM整流器穩(wěn)態(tài)時輸入A相的功率因數(shù)測試結(jié)果，表明整流網(wǎng)側(cè)功率因數(shù)高達(dá)0.99.圖7（b）為PWM整流器輸出直流電壓波形和A相輸入電流波形測試結(jié)果表明輸出電壓穩(wěn)定在600V±2%，A相波形失真率為1.9%.可見PWM整流器功率因數(shù)高，對電網(wǎng)無諧波污染.

表1 PWM可逆變流器實驗平臺設(shè)置參數(shù)Tab.1 Converter experiment platform parameters

圖7 PWM整流器穩(wěn)態(tài)功率因數(shù)和輸出波形Fig.7 PWM inverter load waveform test

圖8為PWM逆變器供電純阻性負(fù)載和混合負(fù)載穩(wěn)態(tài)輸出波形測試結(jié)果，表明波形質(zhì)量好，穩(wěn)定精度高，諧波總失真度 THD（Total Harmonic Distortion）供電純阻性負(fù)載時為1.04%，供電非線性混合負(fù)載時為1.4%，均達(dá)到滿意效果.

圖8 PWM逆變器負(fù)載波形測試Fig.8 PWM inverter output waveform comparison

圖9為采用復(fù)合控制與采用PI控制PWM逆變器穩(wěn)態(tài)輸出波形比較測試結(jié)果，表明采用復(fù)合控制波形明顯好于PI控制波形.

圖9 PWM逆變器穩(wěn)態(tài)輸出波形比較Fig.9 The dynamic performance test of PWM inverter

4.2 動態(tài)響應(yīng)

采用負(fù)載突然增加或減少來驗證該復(fù)合控制器的動態(tài)響應(yīng)性能.圖10為變流器負(fù)載突變時PWM逆變器波形測試結(jié)果.由輸出波形可知變流器均在負(fù)載突變的第一個周期迅速響應(yīng)，在兩個周期內(nèi)輸出均穩(wěn)定下來，證明采用復(fù)合控制器的變流器具有良好的動態(tài)響應(yīng)性能.

圖10 PWM逆變器動態(tài)性能測試Fig.10 PWM inverter output waveform comparison

圖11為采用復(fù)合控制與采用PI控制PWM逆變器動態(tài)輸出波形比較測試結(jié)果，顯示突加負(fù)載時采用復(fù)合控制的輸出波形在突變周期的頂部稍有失真，隨后沒有明顯的變化.采用PI控制的輸出波形則有嚴(yán)重的失真，隨后波形有幅值變化.顯然采用復(fù)合控制的波形明顯好于PI控制波形.

圖11 PWM逆變器動態(tài)輸出波形比較Fig.11 PWM inverter output waveform comparison

4.3 魯棒性和擾抗性

通過調(diào)節(jié)實驗平臺PWM整流部分輸出的直流電壓大小，測試PWM逆變部分輸出電壓的波動大小，分析該系統(tǒng)的魯棒性和擾抗性.測試數(shù)據(jù)如表2所示，逆變部分在直流母線波動的狀況下，輸出始終穩(wěn)定.其中相電壓誤差始終穩(wěn)定在2%以內(nèi)，THD值在1.8%以內(nèi)，輸出頻率穩(wěn)定.

表2 整流輸出電壓變化時變流器輸出數(shù)據(jù)測試Tab.2 Rectifier output voltage changes the output data test

5 結(jié) 語

分析了港口現(xiàn)有岸電電源產(chǎn)品所采用控制策略的不足，研究了岸電電源中PWM可逆變流器的數(shù)學(xué)模型在DQ坐標(biāo)系下的特點(diǎn)，提出了一種基于改進(jìn)的重復(fù)控制和神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂频牟ㄐ螐?fù)合控制策略，該策略能夠很好的綜合兩種控制策略的優(yōu)勢，互補(bǔ)不足.通過搭建實驗平臺驗證該控制策略，實驗證明，應(yīng)用該復(fù)合控制策略的PWM可逆變流器波形輸出穩(wěn)定，精度高，THD值低，負(fù)載適應(yīng)性強(qiáng)，動態(tài)響應(yīng)快，符合船級社的船舶用電標(biāo)準(zhǔn)，可以在岸電電源應(yīng)用中推廣使用.

[1] 楊金輝.數(shù)字化PWM逆變系統(tǒng)控制關(guān)鍵技術(shù)研究及其應(yīng)用[D].長沙：湖南大學(xué)電氣與信息工程，2010.YANG Jin－h(huán)ui.Digital PWM inverter system control key technologies and its applications study[D].Changsha：College of Electrical and Information Engineering，Hunan University，2010.（In Chinese）

[2] KHERSONSKY Y，ISLAM M，PETERSON K.Challenges of connecting shipboard marine systems to medium voltage shoreside electrical power[J].IEEE Transactions on Industry Applications，2007，43（3）.

[3] 李士勇.模糊控制·神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，1998：91－101.LI Shi－yong.Fuzzy control·neurocontrol and intelligent cybernetics[M].Harbin：Harbin Institute of Technology Press，1998：91－101.（In Chinese）

[4] SHIGEMATSU J，SUDUO S，SHI A.Present conditions and future trends for AMP[J].Shikawajima Harima Engineering Review，2006，46（4）：156－160.

[5] 郜克存，戴瑜興，楊金輝，等.三相高功率因數(shù)整流器的神經(jīng)網(wǎng)絡(luò)內(nèi)模控制[J].電機(jī)與控制學(xué)報，2012，16（2）：44－49.GAO Ke－cun，DAI Yu－xing，YANG Jin－h(huán)ui，etal.The control method of three－phase rectifier based on neural network internal model theory[J].Electric Machines and Control，2012，16（2）：44－49.（In Chinese）

[6] SHIGEMATSU J，SUDOU S，SHI A.Present conditions and future trends for shikawajima[J].Harima Engineering Review，2006，46（4）：156－160.

[7] KEVIN L P，PCNIAMIN B C，MOHAMMEDL，etal.Tackling ship pollution from shore side[J].IEEE Industry Applications Magazine，2009，Jan－Feb：56－60.

[8] 趙耀.內(nèi)?？刂葡到y(tǒng)魯棒跟蹤控制器的參數(shù)化及優(yōu)化[J].控制與決策，2009，24（5）：734－737.ZHAO Yao.Parameterization and optimization of robust tracking controllers for internal model control[J].Control and Decision，2009，24（5）：734－737.（In Chinese）