智能控制在DC/DC变换器中的应用

1 引言

DC/DC变换器是一种强非线性电路，电路的电气参数存在不确定性，负载性质也是多变的，主电路的性能必须满足负载大范围的变化，同时它还具有离散和变结构的特点，所有这些使DC/DC变换器控制器的设计较为复杂。由于传统的控制方法是基于线性系统理论，所以，应用于DC/DC变换器中并不能获得理想的动态性能。

有两种途径可以不利用线性系统理论。一种是建立一种精确的非线性模型，但是，这种方法需要复杂的数学推导，经常导致复杂的控制算法，而不适合实际应用。另一种方法是把人工智能的启发式推理规则用于学习控制系统，即智能控制，它不需要建立精确的数学模型，并且对于电路参数变化具有良好的鲁棒性。

2 智能控制

智能控制是控制理论发展的高级阶段，它的建立和发展是以众多新兴学科为基础的。智能控制的基本出发点是仿人的智能实现对复杂不确定性系统进行有效的控制。目前智能控制设计的途径有：

1）基于专家系统的专家智能控制；

2）基于模糊推理和计算的模糊控制；

3）基于人工神经网络的神经网络控制；

4）基于信息论，遗传算法和以上三种算法的集成型智能控制。

本文将重点讨论模糊控制，神经网络控制以及模糊神经网络控制在DC/DC变换器中的应用。

3 模糊控制在DC/DC变换器中的应用

模糊控制是应用模糊集合理论的控制方法，提供一种实现基于知识（规则）的，甚至语言描述的控制规律的新机理，例如：如果输出电压误差是正的，并且它的变化率是负的，那么轻微减少占空比等等。所以，模糊控制设计方法比较简单。虽然，相对于传统控制器，模糊控制通常不能提供更好的小信号响应，但是，它是基于启发式推理规则的，在非线性的DC/DC变换器中应用是非常容易的。

模糊控制的基本思想是基于专家经验和领域知识，总结出若干条以IF（条件）THEN（作用）形式表示的模糊控制规则，构成描述具有不确定性复杂对象的模糊关系，通过被控系统输出误差及误差变化和模糊关系的推理合成获得控制量，从而对系统进行控制。

模糊控制采用带修正因子的模糊控制器,其控制规则为

μ(k)=ε(k)＋(1－α)ε_c(k)

式中：μ(k)为输出与测量值之差；

ε_c(k)为给定值与测量值之差，ε_c(k)=ε(k)－ε(k－1)为误差变化率；

α为加权修正因子,在0～1之间取值。

通过调整加权系数,就可对控制规则进行修正。以α作为调整参数是很方便的,因为，α取值大小直接影响着被控量误差和误差变化率的加权程度,当被控对象数学模型的阶次较高时,对误差变化率的加权应大于误差的加权值,因而α可取较小值,反之亦然。

模糊控制框图如图1所示。模糊控制器被分为4个部分：

1）模糊化，即将输入值转化为模糊量；

2）知识库，通常由数据库和模糊控制规则库组成；

3）模糊推理，它是模糊控制器的核心，具有模拟人的，基于模糊概念的推理能力，该推理过程是基于模糊逻辑中的蕴涵关系及推理规则来进行的；

4）非模糊化，即将模糊推理得到的模糊量变换为实际用于控制的精确量。

图1 模糊控制框图