几类忆阻神经网络与开关电源控制器设计

发布时间：2017-08-30 03:19

  本文关键词：几类忆阻神经网络与开关电源控制器设计

  更多相关文章： 忆阻器 脉冲耦合神经网络 忆阻神经网络PID 开关功率变换器 滑模控制

【摘要】：忆阻器是用于描述磁通量和电荷关系的一种二端无源电子器件,其天然的记忆能力和非线性特性使之在人工神经网络和非线性系统中具有独特的优势。首先,忆阻器的行为机制与大脑的神经突触非常相似,把忆阻器用作神经网络中的突触,能使神经元连接密度更大,提高神经网络的集成度。其次,忆阻器阻值随着施加在其两端的电压(或电流)的大小而变化,具有可编程特性。开关功率变换器因其体积小、重量轻,具有较高的效率和功率密度等优势,常被用于高效电源与直流电机驱动中。将可编程忆阻器应用到开关功率变换器中,能够使输出电压稳定在不同平衡点上,并具有优良的控制效果。因此,本文对忆阻器的类突触特性和非线性特性进行了深入学习,研究了两类新型忆阻神经网络和两类开关电源控制器。本文研究内容包括以下几个部分:首先利用Gale忆阻器构建出一种基于忆阻器的脉冲耦合神经网络(M-PCNN),将忆阻器的类生物记忆特性内化到脉冲耦合神经网络中,使其更具生物智能。将该网络用于医学图像处理,包括电子计算机断层扫描(CT)和磁共振成像(MRI)的融合、CT图像去噪和CT图像边缘提取。其次,推导出自旋忆阻器作为突触的权值更新公式,提出一种自旋忆阻器与BP神经网络PID控制器相结合的控制器,用该控制器对Buck开关功率变换系统进行控制。在理论推导的基础上,对该网络进行MATLAB仿真,验证了该方案的正确性。接着,利用自旋忆阻器的可编程特性,设计出一个桥式控制电路,通过调整该电路的输入脉冲个数将自旋忆阻器阻值设定到所需值,使其实现可编程电位器的功能。将该电位器替代方波发生电路中的反馈电阻,构建出一种脉冲宽度连续可调的方波发生器。SPICE仿真表明用这个新型发生器控制Boost电路的开关管,能使Boost输出电压稳定在不同的平衡点上。最后,本文结合PWM控制与滑模变结构控制的优点,提出一种带二重积分滑模面的滑模控制器。滑模面附加的积分项使滑模控制系统的运动方程与原阶数相同,能够改善系统的稳态性能。将其控制二阶交错并联Boost开关功率变换器,并进行PSIM仿真,仿真结果表明,该控制方案具有较强的鲁棒性。
【关键词】：忆阻器 脉冲耦合神经网络 忆阻神经网络PID 开关功率变换器 滑模控制
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TN86;TP273
【目录】：

• 摘要5-7
• Abstract7-9
• 第1章 引言9-15
• 1.1 研究背景和研究意义9-10
• 1.2 忆阻器研究现状10-12
• 1.2.1 忆阻器理论10-11
• 1.2.2 忆阻器特性及应用11-12
• 1.3 人工神经网络研究现状12-13
• 1.3.1 神经网络PID控制器12
• 1.3.2 脉冲耦合神经网络(PCNN)12-13
• 1.4 开关功率变换器控制研究现状13-14
• 1.5 主要工作及安排14-15
• 第2章 氧化物忆阻器和自旋忆阻器15-22
• 2.1 氧化物忆阻器15-19
• 2.1.1 二氧化钛忆阻器15-17
• 2.1.2 其他氧化物忆阻器17-19
• 2.2 自旋忆阻器19-21
• 2.3 氧化物忆阻器和自旋忆阻器的对比分析21
• 2.4 小结21-22
• 第3章 基于Gale忆阻器的脉冲耦合神经网络22-33
• 3.1 基于忆阻器的脉冲耦合神经网络22-26
• 3.1.1 Gale忆阻器离散模型22
• 3.1.2 基于忆阻器的脉冲耦合神经网络(M-PCNN)22-26
• 3.2 M-PCNN在医学图像融合上应用26-29
• 3.3 M-PCNN在图像去噪上的应用29-30
• 3.4 M-PCNN在图像边缘提取上的应用30-32
• 3.5 小结32-33
• 第4章 基于自旋忆阻器的神经网络PID控制33-41
• 4.1 传统PID控制器33
• 4.2 BP神经网络PID控制器33-35
• 4.3 自旋忆阻神经网络PID控制器35-36
• 4.4 自旋忆阻神经网络PID控制Buck开关功率变换器36-40
• 4.4.1 Buck变换器状态空间平均建模36-37
• 4.4.2 MATLAB仿真37-40
• 4.5 小结40-41
• 第5章 基于自旋忆阻器的开关电源控制器41-47
• 5.1 自旋忆阻器的可编程特性41-43
• 5.2 基于自旋忆阻器的可变脉宽方波发生器43-44
• 5.3 自旋忆阻方波发生器控制Boost开关功率变换器44-46
• 5.3.1 Boost开关功率变换器44-45
• 5.3.2 SPICE仿真结果与分析45-46
• 5.4 小结46-47
• 第6章 带二重积分滑模面的PWM电压滑模控制器47-57
• 6.1 滑模控制理论47-48
• 6.2 二阶交错并联Boost变换器结构48-49
• 6.3 带二重积分滑模面的滑模控制器设计49-52
• 6.3.1 滑模面选取49-50
• 6.3.2 等效控制方程50-51
• 6.3.3 控制器设计51
• 6.3.4 存在条件51-52
• 6.4 仿真结果及分析52-56
• 6.5 小结56-57
• 第7章 结论及展望57-59
• 7.1 本文的主要工作57
• 7.2 下一步研究计划57-59
• 参考文献59-63
• 致谢63-64
• 攻读硕士学位期间已完成的论文64
• 攻读硕士学位期间参加的科研项目64

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年

本文编号：756980