基于隱式模型的預(yù)測控制及其在開關(guān)電源上的應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，開關(guān)電源應(yīng)用的日益廣泛，人們對開關(guān)電源輸出電信號品質(zhì)要求越來越高，使得對開關(guān)電源的控制成為一個更加復(fù)雜且難以處理的技術(shù)問題。預(yù)測控制則為工業(yè)過程控制領(lǐng)域發(fā)展起來的一種計算機控制算法，是用于解決多變量、有約束、時變、時滯等復(fù)雜系統(tǒng)的控制，具有良好的魯棒性和穩(wěn)定性。因此，利用預(yù)測控制技術(shù)研究其在開關(guān)電源中的應(yīng)用具有重要的理論意義和實際價值。本文作了如下主要工作：
　?。?）對預(yù)測控制技術(shù)、開關(guān)電源的控制技術(shù)及開關(guān)電

2、源的預(yù)測控制等方面的研究現(xiàn)狀進行分析，發(fā)現(xiàn)目前開關(guān)電源的預(yù)測控制主要采用顯式預(yù)測控制策略，不適合于負載變化快速、大范圍變化等復(fù)雜應(yīng)用情況。
　?。?）根據(jù)開關(guān)電源難以建模的問題，本文提出開關(guān)電源非線性隱式建模方法，提出基于核空間遞推最小二乘算法（Kernel Recursive Least Square）的動負載開關(guān)電源建模及基于RBF（Radial Basis Function）神經(jīng)網(wǎng)絡(luò)的動負載開關(guān)電源建模。采用MAE（Mean

3、 Absolute Error）和NRMSE（Normalized Root Mean Square Error）評價建模效果，通過實驗結(jié)果證明，RBF神經(jīng)網(wǎng)絡(luò)建模的MAE為0.075，NRMSE為0.064，而KRLS建模的MAE為0.1727， NRMSE為0.1144，顯然，RBF神經(jīng)網(wǎng)絡(luò)建模優(yōu)于KRLS建模。
　?。?）根據(jù)開關(guān)電源無法實現(xiàn)精確控制的問題，本文提出基于隱式模型的開關(guān)電源非線性預(yù)測控制。利用RBF神經(jīng)網(wǎng)絡(luò)建模

4、，控制器采用GPC（Generalized Predictive Control）算法，針對純線性負載突變、輸入電壓突變和容性負載突變?nèi)N情況下實驗，得出采用RBF神經(jīng)網(wǎng)絡(luò)建模預(yù)測控制相對于KRLS建模預(yù)測控制與線性預(yù)測控制輸出電壓波形具有最小的過沖和俯沖，由此得到，非線性建模預(yù)測控制方法可以獲得更好的控制性能。
　　綜上，本文基于非顯性式模型的開關(guān)電源非線性預(yù)測控制可以較好地解決開關(guān)電源中負載大范圍變化、大時延、電源波動等情況下