CN117674595B - 基于人工智能的直流-直流转换器自适应控制方法及设备 - Google Patents
基于人工智能的直流-直流转换器自适应控制方法及设备 Download PDFInfo
- Publication number
- CN117674595B CN117674595B CN202410136376.9A CN202410136376A CN117674595B CN 117674595 B CN117674595 B CN 117674595B CN 202410136376 A CN202410136376 A CN 202410136376A CN 117674595 B CN117674595 B CN 117674595B
- Authority
- CN
- China
- Prior art keywords
- converter
- direct current
- determining
- current
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 230000006870 function Effects 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000002068 genetic effect Effects 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 2
- 238000001824 photoionisation detection Methods 0.000 description 45
- 230000001276 controlling effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 235000015842 Hesperis Nutrition 0.000 description 2
- 235000012633 Iberis amara Nutrition 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 101710163391 ADP-ribosyl cyclase/cyclic ADP-ribose hydrolase Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
- H02M3/00—Conversion of DC power input into DC power output
- H02M3/02—Conversion of DC power input into DC power output without intermediate conversion into AC
- H02M3/04—Conversion of DC power input into DC power output without intermediate conversion into AC by static converters
- H02M3/10—Conversion of DC power input into DC power output without intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
- H02M3/145—Conversion of DC power input into DC power output without intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
- H02M3/155—Conversion of DC power input into DC power output without intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
- H02M3/156—Conversion of DC power input into DC power output without intermediate conversion into AC by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Dc-Dc Converters (AREA)
Abstract
本发明实施例提供一种基于人工智能的直流‑直流转换器自适应控制方法及设备，包括：采集当前周期内的直流‑直流转换器输出的电压值和电流值；根据电压值和电流值，确定直流‑直流转换器对应的工况量，工况量用于表征直流‑直流转换器当前的工作状态；根据工况量，确定目标控制参数；根据目标控制参数，控制直流‑直流转换器以使直流‑直流转换器稳定地输出电压。上述方案，通过固定周期采集直流‑直流转换器输出的电压值和电流值，确定当前直流‑直流转换器对应的工况量，进而确定出直流‑直流转换器当前的工作状态，根据直流‑直流转换器对应的工作状态，调整控制器的控制参数，以使得直流‑直流转换器在各个工作状态下始终保持最优工作性能。
Description
技术领域
本发明涉及自动化领域，尤其涉及一种基于人工智能的直流-直流转换器自适应控制方法及设备。
背景技术
直流-直流转换器（DC-DC转换器）可以将直流输入电压水平转换到另一个所需要的直流电压水平上，被广泛应用于各种电子设备，例如火箭、飞机、汽车到手机、计算器和遥控器等。
在实际应用中，DC-DC转换器工作在开环状态时，往往会导致输出电压长期不稳定、稳态误差以及鲁棒性问题。通常可以采用PID控制器来控制DC-DC转换器，以避免DC-DC转换器出现输出电压长期不稳定、稳态误差以及鲁棒性问题。
然而，由于PID控制器为线性控制器，当DC-DC转换器中的负载电阻发生变化时，基于PID控制器对应的控制参数，无法控制DC-DC转换器保持最优的工作性能。
发明内容
有鉴于此，本发明实施例提供一种基于人工智能的直流-直流转换器自适应控制方法及设备，用以自适应控制直流-直流转换器，以使得直流-直流转换器在各种工作状态中保持最优工作性能。
第一方面，本发明实施例提供一种基于人工智能的直流-直流转换器自适应控制方法，应用于控制器，所述控制器用于对直流-直流转换器进行控制，包括：
采集当前周期内的直流-直流转换器输出的电压值和电流值；
根据所述电压值和所述电流值，确定所述直流-直流转换器对应的工况量，所述工况量用于表征所述直流-直流转换器当前的工作状态；
根据所述工况量，确定目标控制参数；
根据所述目标控制参数，控制所述直流-直流转换器以使所述直流-直流转换器稳定地输出电压。
第二方面，本发明实施例提供一种基于人工智能的直流-直流转换器自适应控制装置，位于控制器，所述装置包括：
采集模块，用于采集当前周期内的直流-直流转换器输出的电压值和电流值；
第一确定模块，用于根据所述电压值和所述电流值，确定所述直流-直流转换器对应的工况量，所述工况量用于表征所述直流-直流转换器当前的工作状态；
第二确定模块，用于根据所述工况量，确定目标控制参数；
控制模块，用于根据所述目标控制参数，控制所述直流-直流转换器以使所述直流-直流转换器稳定地输出电压。
第三方面，本发明实施例还提供一种电子设备，包括：存储器和处理器；存储器，用于存储计算机程序；处理器，与存储器耦合，用于执行计算机程序，以实现本发明实施例提供的基于人工智能的直流-直流转换器自适应控制方法中的各步骤。
第四方面，本发明实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器实现本发明实施例提供的基于人工智能的直流-直流转换器自适应控制方法中的各步骤。
本发明实施例提供的直流-直流转换器控制方案，可以应用于控制器中，通过控制器对直流-直流转换器进行控制。具体的，在对直流-直流转换器进行控制时，首先采集当前周期内的直流-直流转换器输出的电压值和电流值，并根据电压值和电流值，确定直流-直流转换器对应的工况量。其中，工况量用于表征直流-直流转换器当前的工作状态。接着，根据直流-直流转换器当前对应的工况量，确定控制器的目标控制参数，而后基于目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定地输出电压。
在上述方案中，通过定期采集直流-直流转换器输出的电压值和电流值，确定当前直流-直流转换器对应的工况量，进而确定出直流-直流转换器当前的工作状态，根据直流-直流转换器对应的工作状态，调整控制器对应的控制参数，基于调整后的目标控制参数控制直流-直流转换器，以使得直流-直流转换器在各个工作状态下始终保持最优工作性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于人工智能的直流-直流转换器自适应控制方法的流程示意图；
图2为本发明实施例提供的一种根据直流-直流转换器对应的工况量，确定目标控制参数的流程示意图；
图3为本发明实施例提供的一种确定工况量对应的工况网络函数的应用示意图；
图4为本发明实施例提供的一种使用遗传算法，PID控制器对应的最优控制参数的应用示意图；
图5为本发明实施例提供的一种确定帕德逼近待定系数的应用示意图；
图6为本发明实施例提供的一种根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定输出电压的流程示意图；
图7为本发明实施例提供的一种降压型直流-直流转换器对应的数值模型；
图8为本发明实施例提供的一种直流-直流转换器控制装置的结构示意图；
图9为本发明示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
直流-直流转换器广泛应用于各种电子设备，例如，火箭、飞机、汽车到手机、计算器和遥控器等。在实际应用中，如果直流-直流转换器工作在开环状态，往往会导致输出不稳定和电压调节不良等问题。通常可以通过采用闭环控制方法来控制直流-直流转换器以使得直流-直流转换器可以获得最佳的暂态和稳态响应。
在传统的直流-直流转换器的控制方法中，通常采用PID控制器来控制直流-直流转换器，然而，由于直流-直流转换器结构固有的开关特性所导致的非线性和负载电阻的可变特性，当负载电阻发生变化时，原有的控制器参数不能使得直流-直流转换器保持最佳工作性能。
为了解决上述技术问题，本发明实施例中提供了一种新的基于人工智能的直流-直流转换器自适应控制方法，通过监测直流-直流转换器的输出电压和电流，确定直流-直流转换器当前的工作状态，并将直流-直流转换器当前的工作状态作为工况量，以确定当前状态下最优的目标控制参数，并将当前的控制参数调整为最优的目标控制参数，并代入控制器对直流-直流转换器进行控制，以使得直流-直流转换器在各个工作状态下都可以保持最佳工作性能。
下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图1为本发明实施例提供的基于人工智能的直流-直流转换器自适应控制方法的流程示意图；参考附图1所示，该方法的执行主体可以为直流-直流转换器控制装置，可以理解的是，该控制装置可以实现为软件、或者软件和硬件的组合，可以将该装置应用于控制器，以通过控制器对直流-直流转换器进行控制。具体的，该基于人工智能的直流-直流转换器自适应控制方法可以包括如下步骤：
101、采集当前周期内的直流-直流转换器输出的电压值和电流值。
102、根据电压值和电流值，确定直流-直流转换器对应的工况量，工况量用于表征直流-直流转换器当前的工作状态。
103、根据工况量，确定目标控制参数。
104、根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定地输出电压。
本发明实施例提供的直流-直流转换器控制方案，可以用于对各种直流-直流转换器进行控制，例如，降压型直流-直流转换器、升压型直流-直流转换器等，在本发明实施例中，对直流-直流转换器的类型不做限定。
由于PID控制器为线性控制器，PID控制器对应的控制参数是固定的，不能随着直流-直流转换器中的负载电阻变化而变化，那么当直流-直流转换器中的负载电阻值发生变化时，再基于PID控制器当前对应的控制参数控制直流-直流转换器，无法使得直流-直流转换器保持最优的工作性能。
那么为了使得直流-直流转换器在各个工作状态下都可以保持最佳的工作性能，可以按照固定周期定期采集直流-直流转换器输出的电压值和电流值，以根据电压值和电流值，动态调节控制器对应的控制参数，而后基于调整后的目标控制参数，控制直流-直流转换器，实现了随着直流-直流转换器的工作状态动态调整控制器对应的目标控制参数，使得直流-直流转换器始终保持最佳工作性能。其中，控制器可以为PID控制器、PID控制器的变种、ADRC控制器等。
具体的，在对直流-直流转换器进行控制时，可以先采集当前周期内的直流-直流转换器输出的电压值和电流值。而后，根据电压值和电流值，确定直流-直流转换器对应的工况量。其中，工况量用于表征直流-直流转换器当前的工作状态。另外，工况量可以作为直流-直流转换器的工况变量，根据工控变量调整控制器对应的目标控制参数，以使得直流-直流转换器可以在各种工况下始终保持可以稳定输出电压，提供最佳地工作性能。
其中，在进行线下设计时可以通过建立直流-直流转换器的数值模型，使用搭载MATLAB的计算机对数值模型进行计算一获得电路的状态方程，根据状态方程获得直流-直流转换器输出的电压值和电流值。在线上实际使用时，可以直接使用FPGA数字控制器中，通过模数转换器采集直流-直流转换器输出的电压值和/或电流值，并通过数字控制器运算，控制数字脉冲宽度调制信号。
在实际应用中，直流-直流转换器中的负载电阻可能时刻在变化，从而导致需要时刻调整控制器对应的控制参数，以使得直流-直流转换器始终保持最佳的工作性能，那么为了更好地及时了解直流-直流转换器当前所处于的工作状态，可以预先设置采集周期，按照预设的采集周期，采集直流-直流转换器输出的电压值和电流值。例如，预设采集周期可以为10ms、20ms、40ms等，其具体可以根据实际需求进行设定，也可以按照控制周期对直流-直流转换器采集直流-直流转换器输出的电压值和电流值。
在获取到直流-直流转换器输出的电压值和电流值之后，可以根据电压值和所述电流值，确定直流-直流转换器对应的工况量。其中，可以将直流-直流转换器中负载电阻对应的电阻值作为工况量，或者将负载电阻对应的功率值作为工况量，其根据实际需求进行设定。
其中，根据电压值和电流值，确定直流-直流转换器对应的工况量的具体实现方式可以为：根据电压值和电流值，确定直流-直流转换器中负载电阻对应的电阻值，并将电阻值确定为直流-直流转换器对应的工况量；或者根据电压值和电流值，确定直流-直流转换器中负载电阻对应的功率值，并将功率值确定为直流-直流转换器对应的工况量。
在实际应用中，例如，假设直流-直流转换器输出的电压值为，电流值为可以/>，那么通过公式/>，从而等效计算出直流-直流转换器的负载电阻/>的电阻值大小。
在获取到直流-直流转换器对应的工况量之后，接着，根据工况量，确定目标控制参数。其中，目标控制参数是指当前状态下，控制器对应的更优控制参数。目标控制参数的具体内容可以根据控制器的类型确定，例如，控制器为PID控制器，那么目标控制参数可以包括比例系数、积分系数、微分系数。
为了可以使得直流-直流转换器可以在大工作范围内保持稳健的稳态和瞬态性能，那么可以先确定直流-直流转换器的工况量与控制器的控制参数之间的映射关系，再根据该映射关系，确定控制器对应的目标控制参数，从而可以准确地根据直流-直流转换器对应的工况量，获得更优地控制参数，从而可以有效确保直流-直流转换器可以在大工作范围内保持稳健的稳态和瞬态性能。
具体的，在一可选实施例中，可以先确定工况量对应的工况网络函数，其中，工况网络函数用于描述直流-直流转换器的工况量与控制器的控制参数之间的映射关系。而后，根据工况量和工况网络函数，确定目标控制参数。其中，可以通过遗传算法，以误差绝对值积分ITAE作为性能指标，整定控制器对应的控制参数，以确定直流-直流转换器中负载电阻在不同电阻值时，控制器对应的最优目标控制参数，通过插值法，基于不同负载电阻下的目标控制参数，确定控制参数轨迹，并根据控制参数轨迹确定工况量对应的工况网络函数。
在确定出直流-直流转换器当前工作状态下对应的最优的目标控制参数之后，根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定地输出电压。具体实施时，可以直接将目标控制参数代入控制器中，并基于当前状态下直流-直流转换器对应的输出误差以及控制器对应的目标控制参数，确定下一时刻的控制量，基于该控制量对直流-直流转换器进行控制。其中，输出误差是指直流-直流转换器实际输出电压值与设定的参考电压值的差值。
在本发明实施例中，通过定期采集直流-直流转换器输出的电压值和电流值，确定当前直流-直流转换器对应的工况量，进而确定出直流-直流转换器当前的工作状态，根据直流-直流转换器对应的工作状态，调整控制器对应的控制参数，基于调整后的目标控制参数控制直流-直流转换器，以使得直流-直流转换器在各个工作状态下始终保持最优工作性能。
上述实施例中介绍了利用控制器对直流-直流转换器进行控制的具体实现过程，为了便于上述实施例中根据直流-直流转换器对应的工况量，确定目标控制参数的具体实现过程，结合附图2对具体实现过程进行示例性说明。
图2为本发明实施例提供的一种根据直流-直流转换器对应的工况量，确定目标控制参数的流程示意图；参考附图2所示，其中，可以将直流-直流转换器中的负载电阻对应的电阻值作为直流-直流转换器对应的工况量，具体的，该方法可以包括如下步骤：
201、确定工况量对应的工况网络函数，工况网络函数用于描述直流-直流转换器的工况量与控制器的控制参数之间的映射关系。
202、根据工况量和工况网络函数，确定目标控制参数。
在本发明实施例中，在根据直流-直流转换器对应的工况量，确定目标控制参数时，可以先确定工况量对应的工况网络函数。而后，根据工况量和工况网络函数，确定目标控制参数。其中，工况网络函数用于描述直流-直流转换器的工况量与控制器的控制参数之间的映射关系。
其中，可以通过试验或者线下建模仿真的方式，获得工况量对应的工况网络函数。具体的，利用遗传算法，以误差绝对值积分ITAE作为性能指标，整定控制器对应的控制参数，以确定直流-直流转换器中负载电阻在不同电阻值时，控制器对应的最优目标控制参数，接着利用插值法，根据直流-直流转换器中负载电阻在不同电阻值下的目标控制参数，确定控制参数轨迹，并根据控制参数轨迹确定工况量对应的工况网络函数。
具体的，在一可选实施例中，确定工况量对应的工况网络函数的实现过程可以包括：获取直流-直流转换器中负载电阻对应的预设电阻值；基于遗传算法，整定控制器对应的控制参数，以获得直流-直流转换器中负载电阻对应的电阻值为预设电阻值时，控制器对应的最优控制参数；根据预设电阻值和最优控制参数，确定负载电阻对应的电阻值与控制器对应的控制参数之间的映射关系；确定控制器对应的控制参数的帕德逼近式，帕德逼近式是分子和分母为二阶的非线性函数；根据映射关系，确定帕德逼近式中的多个帕德逼近待定系数；根据帕德逼近待定系数，确定工况量对应的工况网络函数。
其中，基于遗传算法，整定控制器对应的控制参数，以获得直流-直流转换器中负载电阻对应的电阻值为预设电阻值时，控制器对应的最优控制参数的具体实现方式可以包括：采集直流-直流转换器中负载电阻对应的电阻值为预设电阻值时，直流-直流转换器输出的当前电压值；根据当前电压值和预设电压值，确定直流-直流转换器对应的输出误差；根据输出误差，确定控制器当前控制参数对应的性能指标；根据性能指标，确定控制器对应的最优控制参数。
由上述描述可知：确定出工况量对应的工况网络函数即可获得直流-直流转换器的工况量与控制器的控制参数之间的映射关系，那么在实际应用中，当获取到直流-直流转换器当前状态下的工况量之后，就可以直接根据当前确定出的工况量和工况量对应的工况网络函数，确定出直流-直流转换器当前工作状态下，控制器对应的最优目标控制参数，并基于目标控制参数，代入控制器中以控制直流-直流转换器，使得直流-直流转换器可以在当前工作状态下可以稳定地输出电压，并在大工作范围内保持稳健的稳态和瞬态性能。
为了便于理解上述确定工况量对应的工况网络函数的具体实现过程，结合附图3对确定工况量对应的工况网络函数进行说明。具体实施时，假设控制器为PID控制器，使用PID控制器来控制直流-直流转换器，其中PID控制器与直流-直流转换器连接，形成闭环系统。
首先，选取多个不同的负载电阻，负载电阻可以选择额定负载/>范围内等间隔的电阻值，例如，选取的负载电阻对应的预设电阻值分别为。其中，PID控制器输出的控制量为/>。其中，/>为微分系数，s为时域参数，u为控制量。
接着，采集直流-直流转换器中负载电阻对应的电阻值为预设电阻值时，直流-直流转换器输出的当前电压值；根据当前电压值和预设电压值，确定直流-直流转换器对应的输出误差；根据输出误差，确定控制器当前控制参数对应的性能指标；根据性能指标，确定控制器对应的最优控制参数。
具体的，假设预设电压值为，输出的当前电压值为/>。输出误差为/>。选择ITAE作为性能指标，其中/>，t为时间，/>为结束时间，e（t）为t时刻对应的输出误差。在给定设定值/>和给定负载/>下，通过遗传算法GA给出PID的控制器的参数，经由设定值/>与输出电压/>得到输出误差/>，通过PID控制器计算得到PWM结果传输至直流-直流转换器，其输出的当前电压值/>反馈到输入，并对输出电压与预设电压值进行比较，以确定输出误差。输出误差可以使用ITAE指标进行评价反馈给遗传算法，如此进行遗传算法的迭代，最终得到PID控制器对应的最优控制参数。利用上述方法，以获得不同预设电阻值下，对应的PID控制器对应的最优控制系数。根据预设电阻值和最优控制参数，确定负载电阻对应的电阻值与控制器对应的控制参数之间的映射关系。
而后，确定PID控制器对应的控制参数的帕德逼近式，根据映射关系，确定帕德逼近式中的多个帕德逼近待定系数，最后根据帕德逼近待定系数，确定工况量对应的工况网络函数。具体的，PID控制器对应的控制参数的帕德逼近式可以选择分子分母均为2阶的帕德逼近形式，例如如下：
其中，为帕德逼近待定系数为微分系数。
接着，使用遗传算法，确定帕德逼近待定系数。例如，附图4所示，依次将负载电阻对应的各个预设电阻值分别为0.5R0，0.6R0，0.7R0，0.8R0，0.9R0，R0，1.1R0，1.2R0，1.3R0，1.4R0，1.5R0带入上述PID控制器对应的控制参数的帕德逼近形式中，以确定各个预设电阻值下，PID控制器对应的控制参数的帕德逼近形式。
其中，负载电阻为0.5R0时，PID控制器对应的控制参数为，负载电阻为0.6R0时，PID控制器对应的控制参数为/>，负载电阻值为0.7R0时，PID控制器对应的控制参数为/>，负载电阻为0.8R0时，PID控制器对应的控制参数为/>，负载电阻为0.9R0时，PID控制器对应的控制参数为/>，负载电阻为R0时，PID控制器对应的控制参数为/>，负载电阻为1.1R0时，PID控制器对应的控制参数为/>，负载电阻为1.2R0时，PID控制器对应的控制参数为/>，负载电阻为1.3R0时，PID控制器对应的控制参数为/>，负载电阻为1.4R0时，PID控制器对应的控制参数为/>，负载电阻为1.5R0时，PID控制器对应的控制参数为/>。
并且，获取各个负载电阻下，实验结果得到的实际参数值。其中，负载电阻为0.5R0时，获得的实际参数值为a1，负载电阻为0.6R0时，获得的实际参数值为a2，负载电阻值为0.7R0时，获得的实际参数值为a3，负载电阻为0.8R0时，获得的实际参数值为a4，负载电阻为0.9R0时，获得的实际参数值为a5，负载电阻为R0时，获得的实际参数值为a6，负载电阻为1.1R0时，获得的实际参数值为a7，负载电阻为1.2R0时，获得的实际参数值为a8，负载电阻为1.3R0时，获得的实际参数值为a9，负载电阻为1.4R0时，获得的实际参数值为a10，负载电阻为1.5R0时，获得的实际参数值为a11。而后，利用遗传算法,基于实际参数值，确定各个预设电阻值下，PID控制器对应的控制参数的帕德逼近形式中的帕德逼近待定系数。并根据确定出的帕德逼近待定系数，确定各个预设电阻值下，PID控制器对应的最优控制参数。
具体的，利用遗传算法确定PID控制器对应的控制参数的帕德逼近形式中的帕德逼近待定系数的实现过程可以参考附图5所示。其中，可以随机创建帕德逼近待定系数，将随机创建的帕德逼近待定系数作为初始种群，将各个预设电阻值对应的工作点确定为各个个体，将个体带入PID控制器对应的控制参数的帕德逼近形式中获得输出结果。将输出结果与实验结果（通过实际电路在各个预设电阻值下进行实验，以获得的实验结果）进行适应度MSE计算，若计算结果满足设定的终止条件，则输出最优的帕德逼近待定系数。若计算结果不满足设定的终止条件，则继续进行选择操作、交叉操作以及变异操作，并重新进行适应度计算，直至适应度计算结果满足设定的终止条件。
本发明实施例中，通过确定工况量对应的工况网络函数，根据工况量和工况网络函数，确定目标控制参数，这样可以准确地确定出直流-直流转换器的工况量与控制器的控制参数之间的映射关系，以精准地确定出各个工况量对应的最优的目标控制参数，进而根据目标控制参数，控制直流-直流转换器，以使得直流-直流转换器在各个工作状态下保持最优的工作性能。
由上述描述可知：使用轨迹控制网络（工况网络函数）应用PID控制器实现了大工作范围内的自适应控制，使得当直流-直流转换器中的负载电阻发生变化时，PID控制器能够跟踪变化调度控制参数以实现快速收敛，获得良好的稳态性能和瞬态性能，其提高了全局性、稳态性能、瞬态性能。
上述实施例介绍了确定目标控制参数的具体实施过程，在实际应用中，在确定出目标控制参数之后，可以根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定输出电压。为了更清楚地了解根据目标控制参数，控制直流-直流转换器地具体实现过程，结合附图6对根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定输出电压的具体实现过程进行示例性说明。
图6为本发明实施例提供的一种根据目标控制参数，控制直流-直流转换器以使直流-直流转换器稳定输出电压的流程示意图；参考附图6所示，其中，可以将直流-直流转换器中的负载电阻对应的电阻值作为直流-直流转换器对应的工况量，具体的，该方法可以包括如下步骤：
601、根据目标控制参数和输出误差，确定直流-直流转换器对应的控制量。
602、根据控制量，控制直流-直流转换器以使直流-直流转换器稳定输出电压。
在确定出当前工作状态下的目标控制参数之后，可以根据目标控制参数和输出误差，确定直流-直流转换器对应的控制量。而后，根据控制量，控制直流-直流转换器以使得直流-直流转换器可以稳定地输出电压，以确保直流-直流转换器可以在当前工作状态下保持最佳的工作性能。
具体实施时，假设采用PID控制器来控制直流-直流转换器，那么确定出的目标控制参数包括比例系数、积分系数、微分系数，在确定直流-直流转换器对应的控制量时，可以先根据输出误差，确定控制器对应的误差信号，再对误差信号进行比例、积分以及微分计算，以确定下一时刻对应的控制量。具体的，首先，根据输出误差，确定控制器对应的误差信号。而后，基于比例系数，对误差信号进行比例运算，获得比例运算结果；基于积分系数，对误差信号进行积分运算，获得积分运算结果；基于微分系数，对误差信号进行微分运算，获得微分运算结果。最后，基于比例运算结果、积分运算结果以及微分运算结果，确定直流-直流转换器对应的控制量。
在确定出控制量之后，可以根据该控制量，控制直流-直流转换器以使直流-直流转换器稳定输出电压。在一可选实施例中，根据控制量，控制直流-直流转换器以使直流-直流转换器稳定输出电压的具体实现过程可以为：根据控制量，确定控制器对应的控制信号，并根据控制信号，控制直流-直流转换器以使直流-直流转换器稳定输出电压。其中，控制信号可以采用脉冲宽度调制信号， PWM开关脉冲的频率一定，通过改变脉冲输出宽度，控制直流-直流转换器，使输出电压达到稳定。
通过脉冲宽度调制信号PWM驱动直流-直流转换器，控制直流-直流转换器的导通或关断，以实现控制直流-直流转换器。在具体实施时，假设PWM信号的周期，信号频率为，开启时间为/>，关断时间为/>，所以占空比为/>。可以将占空比/>作为控制量。
本发明实施例中，通过根据目标控制参数和输出误差，确定直流-直流转换器对应的控制量，进而根据控制量，控制直流-直流转换器以使直流-直流转换器稳定输出电压，以基于直流-直流转换器的工作状态，及时调整控制器对应的目标控制参数，以及时调整直流-直流转换器对应的控制量，以使得直流-直流转换器在各个工作状态下均可以保持最优的工作性能。
具体应用时，本应用实施例提供了一种降压型基于人工智能的直流-直流转换器自适应控制方法，具体的，该控制方法可以包括以下步骤：
步骤1：建立降压型直流-直流转换器的数值模型。
具体的，可以建立附图7所示的降压型直流-直流转换器对应的数值模型。其中和/>为功率晶体管（MOSFET），通过脉冲宽度调制信号PWM（Pulse Width Modulation，脉冲宽度调制，简称脉宽调制）驱动，控制其导通或者关断。PWM信号的周期为/>，信号频率为，开启时间为/>，关断时间为/>，所以占空比为/>。占空比/>作为控制变量。为了更加准确的建立降压型直流-直流转换器的数值模型，考虑了元件的寄生效应，并且MOSFET的开关特性仍然是理想的，即零开启电压、零关断电流、零开关时间。
步骤2：获取当前周期内的降压型直流-直流转换器输出的电压值和电流值。
具体的，本发明仅限于电感电流连续导电模式(CCM)。基于以上假设，依据基尔霍夫电压和电流定律可以得到电路的状态方程。
1）当开关管打开，开关管/>关断时：
2）当关断，/>打开时：
3）输出电压为：/>。
其中，表示输入直流电源，/>、/>表示开关管1和开关管2，/>表示开关管1的等效电阻，/>表示开关管2的等效电阻，/>表示电感，/>表示电感/>的等效电阻，/>表示电容，/>表示电容/>的等效电阻，/>表示额点负载电阻，/>表示输出电压。并且，本实施例中的控制器目标就是使得降压型直流-直流转换器输出电压/>等于参考电压/>，控制变量为脉宽调制信号PWM。
步骤3：通过遗传算法并以ITAE（误差绝对值乘以时间项对时间的积分）为性能指标，整定控制器参数。
步骤4：将降压型直流-直流转换器中负载电阻对应的电阻值确定为降压型直流-直流转换器对应的工况量，改变降压型直流-直流转换器中负载电阻的阻值大小，整定不同工作点下的多组控制器参数，并通过插值法确定工况网络函数。
其中，确定工况网络函数的具体实现过程可以参考上述附图3对应的具体实施方式，在此不再赘述。
步骤5：验证上述控制方法，同样以仿真的方法验证其在负载变化情况下收敛的快速性。
具体的，首先，选择在额定负载 范围内与之前步骤不同的若干取值，将代入表达式计算出对应的PID参数/>。接着，使用遗传算法寻找对应负载电阻下的最优PID控制器参数/>。而后，使用额定负载下寻找到的参数。计算出的参数/>与/>参数在对应负载下的控制器性能（ITAE）进行比较，输出控制参数的性能比额定负载下的参数性能更接近该负载下的最好性能。
通过改变负载电阻的阻值大小，进行有限次数的实验，就可以获得大工作范围内的良好性能，通过增加实验次数，可以获得更好的性能。
步骤6：采集当前周期内的降压型直流-直流转换器输出的电压值和电流值。
在确定出工况量对应的工况网络函数，并验证其对应的收敛的快速性之后，在实际应用中，可以直接利用工况网络函数，进行相应的控制操作。具体的，首先采集当前周期内的降压型直流-直流转换器输出的电压值和电流值，以了解当前周期内的降压型直流-直流转换器当前的工作状态。
步骤7：根据电压值和电流值，确定降压型直流-直流转换器对应的工况量，工况量用于表征降压型直流-直流转换器当前的工作状态。
步骤8：根据工况量，确定目标控制参数。
根据降压型直流-直流转换器输出的电压值和电流值，以了解当前周期内的降压型直流-直流转换器当前的工作状态，并确定该当前工作状态下直流-直流转换器的工作性能是否较佳，若当前降压型直流-直流转换器无法始终保持最佳的功能性能，则可以调整控制器对应的目标控制参数。
步骤9：根据目标控制参数，控制降压型直流-直流转换器以使降压型直流-直流转换器稳定地输出电压。
本发明实施例提供的基于人工智能的直流-直流转换器自适应控制方法中的各步骤的详细实施方式以及有益效果已经在前述实施例中进行了详细描述，此处将不做详细阐述说明。其具体内容可以参考上述详细描述。
以下将详细描述本发明的一个或多个实施例的直流-直流转换器控制装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图8为本发明实施例提供的一种直流-直流转换器控制装置的结构示意图，如图8所示，该装置包括：采集模块11、第一确定模块12、第二确定模块13、控制模块14。
采集模块11，用于采集当前周期内的直流-直流转换器输出的电压值和电流值。
第一确定模块12，用于根据所述电压值和所述电流值，确定所述直流-直流转换器对应的工况量，所述工况量用于表征所述直流-直流转换器当前的工作状态。
第二确定模块13，用于根据所述工况量，确定目标控制参数。
控制模块14，用于根据所述目标控制参数，控制所述直流-直流转换器以使所述直流-直流转换器稳定地输出电压。
在一可选实施例中，所述第一确定模块12具体可以用于：根据所述电压值和所述电流值，确定所述直流-直流转换器中负载电阻对应的电阻值，并将所述电阻值确定为所述直流-直流转换器对应的工况量；或根据所述电压值和所述电流值，确定所述直流-直流转换器中负载电阻对应的功率值，并将所述功率值确定为所述直流-直流转换器对应的工况量。
在一可选实施例中，所述第二确定模块13具体可以用于：确定所述工况量对应的工况网络函数，所述工况网络函数用于描述所述直流-直流转换器的工况量与所述控制器的控制参数之间的映射关系；根据所述工况量和所述工况网络函数，确定目标控制参数。
在一可选实施例中，所述第二确定模块13具体可以用于：获取所述直流-直流转换器中负载电阻对应的预设电阻值；基于遗传算法，整定所述控制器对应的控制参数，以获得所述直流-直流转换器中负载电阻对应的电阻值为所述预设电阻值时，所述控制器对应的最优控制参数；根据所述预设电阻值和所述最优控制参数，确定所述负载电阻对应的电阻值与所述控制器对应的控制参数之间的映射关系；确定所述控制器对应的控制参数的帕德逼近式，所述帕德逼近式是分子和分母为二阶的非线性函数；根据所述映射关系，确定所述帕德逼近式中的多个帕德逼近待定系数；根据所述帕德逼近待定系数，确定所述工况量对应的工况网络函数。
在一可选实施例中，所述第二确定模块13具体可以用于：采集所述直流-直流转换器中负载电阻对应的电阻值为所述预设电阻值时，所述直流-直流转换器输出的当前电压值；根据所述当前电压值和预设电压值，确定所述直流-直流转换器对应的输出误差；根据所述输出误差，确定所述控制器当前控制参数对应的性能指标；根据所述性能指标，确定所述控制器对应的最优控制参数。
在一可选实施例中，所述控制模块14具体可以用于：根据所述目标控制参数和所述输出误差，确定所述直流-直流转换器对应的控制量；根据所述控制量，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压。
在一可选实施例中，所述目标控制参数包括比例系数、积分系数、微分系数，所述控制模块14具体可以用于：根据所述输出误差，确定所述控制器对应的误差信号；基于所述比例系数，对所述误差信号进行比例运算，获得比例运算结果；基于所述积分系数，对所述误差信号进行积分运算，获得积分运算结果；基于所述微分系数，对所述误差信号进行微分运算，获得微分运算结果；基于所述比例运算结果、所述积分运算结果以及所述微分运算结果，确定所述直流-直流转换器对应的控制量。
在一可选实施例中，所述控制模块14具体可以用于：根据所述控制量，确定所述控制器对应的控制信号；根据所述控制信号，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压。
图8所示装置可以执行前述实施例中介绍的步骤，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
在一个可能的设计中，上述图8所示直流-直流转换器控制装置的结构可实现为一电子设备，如图9所示，该电子设备可以包括：存储器21、处理器22、通信接口23。其中，存储器21上存储有可执行代码，当所述可执行代码被处理器22执行时，使处理器22至少可以实现如前述实施例中提供的基于人工智能的直流-直流转换器自适应控制方法。
另外，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如前述实施例中提供的基于人工智能的直流-直流转换器自适应控制方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于人工智能的直流-直流转换器自适应控制方法，其特征在于，应用于控制器，所述控制器用于对直流-直流转换器进行控制，所述方法包括：
采集当前周期内的直流-直流转换器输出的电压值和电流值；
根据所述电压值和所述电流值，确定所述直流-直流转换器对应的工况量，所述工况量用于表征所述直流-直流转换器当前的工作状态；
获取所述直流-直流转换器中负载电阻对应的预设电阻值；
基于遗传算法，整定所述控制器对应的控制参数，以获得所述直流-直流转换器中负载电阻对应的电阻值为所述预设电阻值时，所述控制器对应的最优控制参数；
根据所述预设电阻值和所述最优控制参数，确定所述负载电阻对应的电阻值与所述控制器对应的控制参数之间的映射关系；
确定所述控制器对应的控制参数的帕德逼近式，所述帕德逼近式是分子和分母为二阶的非线性函数；
根据所述映射关系，确定所述帕德逼近式中的多个帕德逼近待定系数；
根据所述帕德逼近待定系数，确定所述工况量对应的工况网络函数；
根据所述工况量和所述工况网络函数，确定目标控制参数；
根据所述目标控制参数，控制所述直流-直流转换器以使所述直流-直流转换器稳定地输出电压。
2.根据权利要求1所述的方法，其特征在于，所述根据所述电压值和所述电流值，确定所述直流-直流转换器对应的工况量，包括：
根据所述电压值和所述电流值，确定所述直流-直流转换器中负载电阻对应的电阻值，并将所述电阻值确定为所述直流-直流转换器对应的工况量；
或根据所述电压值和所述电流值，确定所述直流-直流转换器中负载电阻对应的功率值，并将所述功率值确定为所述直流-直流转换器对应的工况量。
3.根据权利要求1所述的方法，其特征在于，所述基于遗传算法，整定所述控制器对应的控制参数，以获得所述直流-直流转换器中负载电阻对应的电阻值为所述预设电阻值时，所述控制器对应的最优控制参数，包括：
采集所述直流-直流转换器中负载电阻对应的电阻值为所述预设电阻值时，所述直流-直流转换器输出的当前电压值；
根据所述当前电压值和预设电压值，确定所述直流-直流转换器对应的输出误差；
根据所述输出误差，确定所述控制器当前控制参数对应的性能指标；
根据所述性能指标，确定所述控制器对应的最优控制参数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标控制参数，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压，包括：
根据所述目标控制参数和所述输出误差，确定所述直流-直流转换器对应的控制量；
根据所述控制量，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压。
5.根据权利要求4所述的方法，其特征在于，所述目标控制参数包括比例系数、积分系数、微分系数，所述根据所述目标控制参数和所述输出误差，确定所述直流-直流转换器对应的控制量，包括：
根据所述输出误差，确定所述控制器对应的误差信号；
基于所述比例系数，对所述误差信号进行比例运算，获得比例运算结果；
基于所述积分系数，对所述误差信号进行积分运算，获得积分运算结果；
基于所述微分系数，对所述误差信号进行微分运算，获得微分运算结果；
基于所述比例运算结果、所述积分运算结果以及所述微分运算结果，确定所述直流-直流转换器对应的控制量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述控制量，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压，包括：
根据所述控制量，确定所述控制器对应的控制信号；
根据所述控制信号，控制所述直流-直流转换器以使所述直流-直流转换器稳定输出电压。
7.一种电子设备，其特征在于，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至6中任一项所述的基于人工智能的直流-直流转换器自适应控制方法。
8.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至6中任一项所述的基于人工智能的直流-直流转换器自适应控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410136376.9A CN117674595B (zh) | 2024-01-31 | 2024-01-31 | 基于人工智能的直流-直流转换器自适应控制方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410136376.9A CN117674595B (zh) | 2024-01-31 | 2024-01-31 | 基于人工智能的直流-直流转换器自适应控制方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117674595A CN117674595A (zh) | 2024-03-08 |
| CN117674595B true CN117674595B (zh) | 2024-06-18 |
Family
ID=90064605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410136376.9A Active CN117674595B (zh) | 2024-01-31 | 2024-01-31 | 基于人工智能的直流-直流转换器自适应控制方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117674595B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118920862A (zh) * | 2024-10-12 | 2024-11-08 | 浙江艾罗网络能源技术股份有限公司 | 功率变换器的控制方法及功率变换系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114784819A (zh) * | 2022-04-27 | 2022-07-22 | 澳门大学 | 并联变流器的控制方法、系统、装置及控制器 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5856028B2 (ja) * | 2012-08-29 | 2016-02-09 | 京セラ株式会社 | パワーコンディショナ及びその制御方法 |
| CN109343337B (zh) * | 2018-10-24 | 2021-06-25 | 温州大学 | 一种用于直流降压变换器的多目标分数阶pid控制方法 |
| JP7063237B2 (ja) * | 2018-10-31 | 2022-05-09 | 日本電信電話株式会社 | 分類装置、分類方法および分類プログラム |
| CN110209232B (zh) * | 2019-05-14 | 2020-07-24 | 中国矿业大学 | 一种限制钢轨电压的直流电子负载三闭环控制方法 |
| US11650551B2 (en) * | 2019-10-04 | 2023-05-16 | Mitsubishi Electric Research Laboratories, Inc. | System and method for policy optimization using quasi-Newton trust region method |
-
2024
- 2024-01-31 CN CN202410136376.9A patent/CN117674595B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114784819A (zh) * | 2022-04-27 | 2022-07-22 | 澳门大学 | 并联变流器的控制方法、系统、装置及控制器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117674595A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Albea et al. | Hybrid dynamic modeling and control of switched affine systems: application to DC-DC converters | |
| CN103051186B (zh) | 一种快速瞬态响应的数字开关变换器及其控制方法 | |
| Leng et al. | A simple model predictive control for Buck converter operating in CCM | |
| CN117674595B (zh) | 基于人工智能的直流-直流转换器自适应控制方法及设备 | |
| Babu et al. | Simulation and performance analysis of CCM Zeta converter with PID controller | |
| CN103973102A (zh) | 用于电源控制器的系统和方法 | |
| CN111082660A (zh) | 基于ELM-PID的Buck变换器输出电压控制方法 | |
| CN115149806B (zh) | 一种针对交错并联Boost变换器的自适应模型预测控制方法 | |
| CN114499187A (zh) | 一种双相交错并联dc-dc变换器的自适应mpc控制方法 | |
| Samosir et al. | Dynamic evolution control for synchronous buck DC–DC converter: Theory, model and simulation | |
| CN112688587B (zh) | 一种阻抗源逆变器的鲁棒预测控制方法 | |
| CN113872439A (zh) | 基于状态反馈精确线性化的CCM Buck变换器微分平坦控制方法 | |
| CN112421605A (zh) | 基于无源积分的直流微电网改进下垂控制方法 | |
| CN109742941B (zh) | 基于超扭曲控制的dc-dc变换器混沌控制方法、系统及介质 | |
| Neely et al. | Real-time model predictive control of the Ćuk converter | |
| Achiammal et al. | Genetic algorithm based PI controller for negative output elementary LUO converter | |
| Podey et al. | Stability analysis of DC-DC boost converter using sliding mode controller | |
| CN110994985A (zh) | 开关电源Buck变换器的快响应滤波反步控制方法 | |
| CN116455184A (zh) | 变频调节控制方法、装置及系统 | |
| CN104656444A (zh) | Dc-dc变换器离散模型优化输出轨迹的预测控制方法 | |
| Chander et al. | Design, modeling and simulation of DC-DC converter | |
| Deshmukh et al. | Explicit model predictive control for disturbance rejection and tracking control of boost converter | |
| Shen et al. | Explicit hybrid model predictive control of the forward DC-DC converter | |
| Harisyam et al. | Stability analysis for model predictive voltage control of buck converter | |
| Hussain et al. | PID Controller Optimization using Genetic Algorithm Based Zeta Converter Application |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |