一种在线补偿控制率的APFC控制系统技术方案

本发明专利技术公开了一种在线补偿控制率的APFC控制系统，包括Boost APFC主电路、滑模控制电路，Boost APFC主电路将交流电源整流滤波后转换为高压直流电，滑模控制电路对从Boost APFC主电路采集到的电感电流和输出电压进行控制，实现功率因数校正，并获得平滑稳定的输出电压，所述滑模控制电路包括电压外环PI控制模块、滑模控制器、PWM比较器以及驱动电路模块；其中所述滑模控制器包括滑模面模块、滑模控制模块、Elman神经网络算法模块以及粒子群算法模块；本发明专利技术有效解决了现有的DC‑DC变换器采用传统滑模控制，导致滑模面函数趋近于零的收敛速度较慢，且滑动过程在系统存在干扰的情况下可能无法完成的问题。

An APFC Control System with On-line Compensation Control Rate

The invention discloses an APFC control system for on-line compensation control rate, which includes a Boost APFC main circuit and a sliding mode control circuit. The Boost APFC main circuit filters AC power supply rectifier and converts it into high voltage DC power. The sliding mode control circuit controls the inductance current and output voltage collected from the Boost APFC main circuit, realizes power factor correction, and obtains smooth and stable output. Voltage, the sliding mode control circuit includes voltage outer loop PI control module, sliding mode controller, PWM comparator and driving circuit module; the sliding mode controller includes sliding mode surface module, sliding mode control module, Elman neural network algorithm module and particle swarm optimization algorithm module; the invention effectively solves the problem of traditional sliding mode control for existing DC DC converters, resulting in sliding mode surface. The convergence speed of function approaching zero is slow, and the sliding process may not be completed in the presence of system disturbance.

【技术实现步骤摘要】
一种在线补偿控制率的APFC控制系统
本专利技术涉及电力控制设备
，具体涉及一种在线补偿控制率的APFC控制系统。
技术介绍
电动汽车充电装置中的AC/DC变换器多采用升压式有源功率因数校正(BoostAPFC)电路，交流输入电源经整流、滤波后，输入电流含有大量谐波分量，使得输入电流产生畸变，功率因素低。APFC电路中包含非线性元器件，使得传统的线性控制方法较难达到满意的控制效果，且未考虑系统参数扰动的影响。滑模控制(SMC)可以不断调整控制量使系统状态到达设定的滑模面并沿该轨迹运动，可以实现非线性系统的有效控制，在DC-DC变换器中已得到成功应用。然而传统SMC中，滑模面函数趋近于零的收敛速度较慢，且滑动过程在系统存在干扰的情况下可能无法完成。
技术实现思路
本专利技术提供了一种在线补偿控制率的APFC控制系统，本专利技术有效解决了现有的DC-DC变换器采用传统滑模控制，导致滑模面函数趋近于零的收敛速度较慢，且滑动过程在系统存在干扰的情况下可能无法完成的问题。本专利技术通过以下技术方案实现：APFC控制系统包括BoostAPFC主电路、滑模控制电路，BoostAPFC主电路将交流电源整流滤波后转换为高压直流电，滑模控制电路对从BoostAPFC主电路采集到的电感电流和输出电压进行控制，实现功率因数校正，并获得平滑稳定的输出电压。本专利技术进一步技术改进方案是：所述滑模控制电路包括电压外环PI控制模块、滑模控制器、PWM比较器以及驱动电路模块；其中所述滑模控制器包括滑模面模块、滑模控制模块、Elman神经网络算法模块以及粒子群算法模块；所述电压外环PI控制模块用于产生参考电流并传输给滑模面模块；所述滑模面模块用于构成滑模控制器的滑动面；所述Elman神经网络算法模块用于在线估计补偿控制率，并采用粒子群算法模块对Elman神经网络权值进行优化，得到优化后的补偿控制率；所述滑模控制模块用于接收滑模面模块得到的滑模面，产生等效控制率，将等效控制率和Elman神经网络算法模块得到的优化后的补偿控制率相加，输出总滑模控制率；所述PWM比较器用于将总滑模控制率与预先设定的三角载波信号比较后产生PWM信号，并传输给驱动电路模块；所述驱动电路模块用于驱动BoostAPFC电路模块的功率开关管的开通与关断。本专利技术进一步技术改进方案是：所述PI控制模块包括PI控制器和乘法器，PI控制器用于对直流输出电压与参考电压的误差进行比例积分控制以使直流输出电压跟踪参考电压，乘法器用于接收PI控制器的输出量，并将输出量与电网电压单位正弦半波相乘产生参考电流。本专利技术进一步技术改进方案是：所述滑模面模块用于计算参考电流与BoostAPFC主电路的电感电流的误差，构成滑模控制器的滑模面。本专利技术进一步技术改进方案是：所述粒子群算法模块对Elman神经网络权值进行优化包括如下步骤：步骤1)：初始化Elman神经网络的结构，将其参数输入层到隐含层的权值矢量、隐含层到输出层的权值矢量作为粒子的参数进行编码，在解空间中随机生成初始粒子种群，每个编码串表示一种权值分配，初始化粒子群的规模、位置和速度；步骤2)：神经网络进行样本训练；步骤3)：计算每个粒子的适应度函数值，从而确定个体极值和全局极值；步骤4)：将粒子的个体适应度分别与个体极值和全局极值所对应的适应度进行比较，若优于则更新个体极值和全局极值；步骤5)：采用线性递减惯性权值的方式更新惯性权重以及对粒子的速度和位置进行迭代更新；步骤6)：判断是否满足优化目标或达到最大迭代次数，若满足条件，则进行步骤7)；否则，得到一组新的粒子群生成新的Elman神经网络，并返回步骤2)；步骤7)：将粒子群体的全局极值解码作为优化的Elman神经网络参数，神经网络进行学习，优化结束。本专利技术进一步技术改进方案是：所述Elman神经网络算法模块得到优化后的补偿控制率包括如下步骤：步骤21)：获取随机生成的初始权值；步骤22)：通过所述粒子群算法获取最优权值；步骤23)：根据获得的最优权值组成神经网络结构；步骤24)：进行神经网络训练并计算输出误差；步骤25)：根据学习算法进行权值更新；步骤26)：是否满足“达到最大迭代次数”条件，若是，则训练结束，输出优化后的补偿控制率；否则，回到步骤4)。本专利技术与现有技术相比，具有以下明显优点：1)本专利技术滑模控制加入参数对应的变化量，提高了系统参数变化时的鲁棒性；2)本专利技术采用Elman神经网络对系统中不确定性因素的值进行估计，替代了传统滑模控制中的切换控制，能够削弱滑模控制的抖振现象，进一步提高系统鲁棒性，提高电路功率因数；3)本专利技术采用粒子群优化算法实现Elman神经网络权值的在线优化，改善了神经网络训练时收敛速度慢，易陷入局部极值的不足。附图说明图1为BoostAPFC主电路拓扑及电流通路示意图；图2为Elman神经网络结构图；图3为粒子群优化算法流程图；图4为PSO优化Elman神经网络权值的流程图；图5为BoostAPFC控制系统框架图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所述，BoostAPFC主电路拓扑及电流通路：主电路采用BoostAPFC拓扑结构，由单相桥式不控整流器和DC-DCBoost变换器组成，包含输入电容C1、升压电感L、开关管T、二极管D、输出电容Co和负载R。vin＝Vs·|sinωt|为不控整流桥的输出电压，Vs为电网电压的峰值；rL为电感等效电阻，iL为电感电流，vo为直流输出电压；当开关管T导通时，电感L储能，电容Co为负载R供电，电流通路如图1中虚线①和②所示，电容等效串联电阻忽略不计的情况下，根据KVL和KCL，得：当开关管T关断时，电感L同时为电容Co和负载R供电，电流通路如图1中的虚线③所示，根据KVL和KCL可得：用u表示开关T的状态，T导通时，u＝1；T关断时，u＝0。则公式(4)和(5)可以简化为：对于公式(3)中的电流表达式，在理想情况下L、rL、vin均为定值，然而考虑到实际应用中存在未知的参数变化，将其表示为标称值加变化量的形式：为了便于分析，可将上式简化为：其中，Ln、rLn为标称值，ΔL、ΔrLn、Δvin为变化量，ρ为系统内未知项，包含了系统参数扰动的不确定性。假设ρ的边界给定，则|ρ|<γ，γ为不确定性向量ρ的正界值。滑模控制器：PFC电流滑模控制的目的在于使电感电流iL跟踪参考电流iref，故定义电感电流跟踪误差为ei＝iref-iL，则ei的导数可以表示为：其中ev＝vref-vo表示输出电压跟踪误差，vref为输出电压参考，设计积分型滑动面为：其中，z(ei)的设计需满足λ为非零正常数。要使系统达到理想的滑模控制，即要使s＝0，而在无外加干扰的情况下(ρ＝0)，如果当时u的解存在，则该解称为系统在滑动模态区的等效控制ueq。令由公式(8)得：对于存在不确定性和外部干扰的系统，所采用的控制率一般在等效控制ueq的基础上再加上切换控制uvss，以实现对系统的鲁棒控制。则系统控制率ucon设计如下：其中，sgn(s)表示符号函数。将公式(10)代入公式(6)，可得滑模运动启动的前提是滑动模态存在且可达，滑动模态本文档来自技高网...

【技术保护点】
1.一种在线补偿控制率的APFC控制系统，包括Boost APFC主电路、滑模控制电路，Boost APFC主电路将交流电源整流滤波后转换为高压直流电，滑模控制电路对从Boost APFC主电路采集到的电感电流和输出电压进行控制，实现功率因数校正，并获得平滑稳定的输出电压，其特征在于：所述滑模控制电路包括电压外环PI控制模块、滑模控制器、PWM比较器以及驱动电路模块；其中所述滑模控制器包括滑模面模块、滑模控制模块、Elman神经网络算法模块以及粒子群算法模块；所述电压外环PI控制模块用于产生参考电流并传输给滑模面模块；所述滑模面模块用于构成滑模控制器的滑动面；所述Elman神经网络算法模块用于在线估计补偿控制率，并采用粒子群算法模块对Elman神经网络权值进行优化，得到优化后的补偿控制率；所述滑模控制模块用于接收滑模面模块得到的滑模面，产生等效控制率，将等效控制率和Elman神经网络算法模块得到的优化后的补偿控制率相加，输出总滑模控制率；所述PWM比较器用于将总滑模控制率与预先设定的三角载波信号比较后产生PWM信号，并传输给驱动电路模块；所述驱动电路模块用于驱动Boost APFC电路模块的功率开关管的开通与关断。...

【技术特征摘要】
1.一种在线补偿控制率的APFC控制系统，包括BoostAPFC主电路、滑模控制电路，BoostAPFC主电路将交流电源整流滤波后转换为高压直流电，滑模控制电路对从BoostAPFC主电路采集到的电感电流和输出电压进行控制，实现功率因数校正，并获得平滑稳定的输出电压，其特征在于：所述滑模控制电路包括电压外环PI控制模块、滑模控制器、PWM比较器以及驱动电路模块；其中所述滑模控制器包括滑模面模块、滑模控制模块、Elman神经网络算法模块以及粒子群算法模块；所述电压外环PI控制模块用于产生参考电流并传输给滑模面模块；所述滑模面模块用于构成滑模控制器的滑动面；所述Elman神经网络算法模块用于在线估计补偿控制率，并采用粒子群算法模块对Elman神经网络权值进行优化，得到优化后的补偿控制率；所述滑模控制模块用于接收滑模面模块得到的滑模面，产生等效控制率，将等效控制率和Elman神经网络算法模块得到的优化后的补偿控制率相加，输出总滑模控制率；所述PWM比较器用于将总滑模控制率与预先设定的三角载波信号比较后产生PWM信号，并传输给驱动电路模块；所述驱动电路模块用于驱动BoostAPFC电路模块的功率开关管的开通与关断。2.根据权利要求1所述的一种在线补偿控制率的APFC控制系统，其特征在于：所述PI控制模块包括PI控制器和乘法器，PI控制器用于对直流输出电压与参考电压的误差进行比例积分控制以使直流输出电压跟踪参考电压，乘法器用于接收PI控制器的输出量，并将输出量与电网电压单位正弦半波相乘产生参考电流。3.根据权利要求1或2所述的一种在线补偿控制率的APFC控制系统，其特征在于：所述滑模面模块用于计算参考电...

【专利技术属性】
技术研发人员：王业琴，杨艳，陈语嫣，夏奥运，郭畅，刘璐，王星月，张粤，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32