基于BP神经网络PID的DC-DC控制器设计

发布时间：2020-06-19 23:57

【摘要】：随着科学技术的发展及人们生活水平的提高,像手机这样的便携式电子产品对于现代人来说基本上是形影不离的。随之带来的挑战就是便携式电子设备的电源设计,一个好的电子设备离不开一个高性能的电源。这就推动了高性能数字开关电源的发展。本文提出将误差反传神经网络(Back Propagation,BP)引入到传统PID控制中,得到一种改进的控制策略,称为基于BP神经网络的PID控制策略。并基于该控制策略设计一款基于BP神经网络PID的Buck型DC-DC变换器。当输入电压发生变化或者负载发生变化引起变换器输出电压发生改变时,将采样到的输出电压与参考电压进行计算得到的误差信号作为BP神经网络的输入,本设计中选择的三层BP神经网络通过自学习训练过程实时整定PID控制器的K_P,K_I,K_D三个可调参数。BP神经网络在调节过程时按照梯度下降法调节各层的权值函数使得误差均方值迅速变小,这样可以提高PID控制算法的调节能力,从而使得变换器获得更快的响应速度以及较小的超调量。在动态性能及静态性能方面都是对常规PID控制策略的改进。本论文在Matlab/Simulink中对系统仿真后,将硬件语言实现的控制算法下载到FPGA中并与设计的硬件电路搭建闭环测试平台,通过测试表明:动态性能方面,当负载电流在在1A与0.5A两个电流值之间跳变时,常规PID算法的降压型变换器系统最大的恢复时间为680μs,最大过冲为277 mV。而在相同测试条件下,基于BP神经网络PID算法的降压型变换器系统的最大恢复时间为219μs,最大过冲为224mV。动态性能方面,使用BP神经网络对PID算法的优化比较明显。稳态性能方面,当输入电压由2V逐渐增加到5V时,输出电压稳定在1.8V,最大稳态误差约为0.67%。当负载电流从0A逐渐增加到1.2A,输出电压稳定在1.8V,最大稳态误差约为0.77%。满足设计要求。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM46
【图文】：

曲线,伯德图,参数变化,控制器

(c) KD增大图 3-2 PID 控制器伯德图随各参数变化曲线经网络和 J.L.McClelland 提出了一种反向传播误差值来达到训，BP）神经网络。该神经网络属于前馈网络的一种特例经网络[31]。下降法调节隐含层及输出层的连接权值来获得最小的误经网络正向计算后误差会反向传播并作为权值参数修正

Simulink模型,变换器,拓扑电路

第三章控制算法设计与系统的 Matlab 仿真.4 基于两种算法的变换器的 MATLAB 建模4.1 主拓扑电路仿真模型前面通过分析BUCK型变换器在导通和关断2阶段的状态方程可得到功率级主拓扑的电路分析法模如式（3-21）所示：( ) 1[ ( ) ( ) ( ) ( )]( ) 1[ ( ) ( )]( )( ) ( ) [ ( ) ( )]Ndi tu t R R i t u tdt Ldu ti t i td t Cu t u t R i t i tLIN O L L OCL OO C C L O(3-27)其中为 DPWM 输出的占空比信号，取 0 或 1 分别代表放电和充电阶段。根据上式搭建 Buck 型 DC-DC 变换器的 Simulink 模型如图 3-5 所示：

【参考文献】