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