欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2022116928081
申请人: 淮阴工学院
专利类型:发明专利
专利状态:授权未缴费
专利领域: 控制;调节
更新日期:2024-06-18
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于极限学习机的逆变器反步模糊神经网络控制方法,其特征在于,所述逆变器为三相全桥式LC型逆变器,所述控制方法包括如下步骤:步骤1:根据三相全桥式LC型逆变器的滤波电感电流和滤波电容电压,构建三相逆变器的α-β坐标系上系统动力学模型;

α-β坐标系上系统动力学模型为:其中:

步骤2:根据步骤1构建的系统动力学模型,将其转换为二阶系统,选择系统状态变量,并加入集总不确定项,构建新的三相逆变器等效系统模型;

二阶系统为:

选择交流输出电压

其中:u(t)=[u

这里的扰动项d

||d

其中:||·||

步骤3:根据步骤2构建的三相逆变器等效系统模型,运用反步法来设计控制器,引入稳定函数和虚拟误差,构建反步控制器;

反步控制器设计为:

其中:k

e

α为稳定函数:

e

步骤4:根据步骤3构建的反步控制器,利用模糊神经网络对反步控制器进行优化,构建反步模糊神经网络控制器,并加入自适应律来调整控制器参数;

反步模糊神经网络控制器设计为:其中:N

FNN参数的自适应律设计为:如果

如果

如果

如果

如果

如果

其中:||·||是欧几里德范数;η步骤5:根据步骤4构建的反步模糊神经网络控制器,通过极限学习机算法,对系统的集总不确定性进行估计,并补偿扰动,构建基于极限学习机的反步模糊神经网络控制器;

基于极限学习机的反步模糊神经网络控制器设计为:其中:H(x,w,b)是隐藏层函数,x为极限学习机的输入向量,w和b分别为隐藏神经元的输入权重和偏差的向量,他们由高斯分布生成,步骤6:根据步骤5构建的基于极限学习机的反步模糊神经网络控制器,获取控制器的输出,通过SVPWM来对三相逆变器的全桥开关进行信号控制。

2.根据权利要求1所述的基于极限学习机的逆变器反步模糊神经网络控制方法,其特征在于,所述步骤6获取控制器的三相逆变器全桥开关控制信号为:将u