论文部分内容阅读
智能控制的发展对控制方法提出了更高的要求，神经网络的引入为智能控制搭建了新的平台，极大地推动了智能控制领域的研究与发展。在现代控制应用中，由于复杂系统采用传统控制方法不能满足控制要求，神经网络弥补了复杂系统控制的缺陷，使得应用传统控制方法难以解决的控制问题得到改善。软开关 DC-DC变换器具有参数不确定性和非线性特性，应用传统方法控制凸显出不足，本文以软开关 DC-DC变换器为研究对象，对其进行 PID神经网络控制研究。 本文详细分析了软开关 DC-DC变换器的组成、结构以及特性，以典型Buck型ZCS QRC电路为例，对软开关DC-DC变换器进行理论分析。文中依据高频网络平均法构造了ZCS QRC的等效电路，并以此为基础建立了变换器的状态方程和小信号数学模型。 首先，本文针对常规PID控制方法的缺陷与局限性，设计了神经网络间接整定PID控制器，通过仿真说明系统动态性能改善较小。其次，本文对控制器的 BP网络层数、神经元节点数以及连接权重初值选取无规则缺点，采用神经网络直接整定 PID控制(PIDNN)，使系统动态性能得到很大提高，但仍存在不足。最后，本文在 PIDNN控制基础上，提出基于 RBF网络辨识的 PIDNN控制，通过 RBF网络在线辨识软开关 DC-DC变换器的数学模型，得到其Jacobian信息，再通过PIDNN模块在线整定PID参数。通过对软开关DC-DC变换器的仿真控制结果表明，采用RBF网络对被控对象在线辨识，可以很好地克服系统不确定性产生的影响，有效抑制干扰，增强系统稳定性。