目前,創(chuàng)統(tǒng)研發(fā)部技術(shù)人員在工作中通過在Matlab中建立M函數(shù)對本書提出的三相整流器神經(jīng)網(wǎng)絡(luò)模型進行訓練和學習。神經(jīng)網(wǎng)絡(luò)內(nèi)模控制系統(tǒng)包括圖1所示的NNM和NNC模型,仿真采用離線訓練和在線修正的方法建立NNM和NNC。設(shè)計開關(guān)頻率為10kHz,即采樣時間為100us。輸入矢量是多個不同負載狀況下輸出直流電壓的采樣數(shù)據(jù),輸出矢量是被控對象即整流器的輸出直流電壓,輸入矢量要覆蓋整個工作區(qū)間,使得控制系統(tǒng)能夠獲得足夠豐富的訓練樣本。
圖1 基于神經(jīng)網(wǎng)絡(luò)內(nèi)模的PWM整流器Matlab仿真模型
考慮到神經(jīng)網(wǎng)絡(luò)的軟件實現(xiàn)時采用數(shù)字信號處理器,為了避免定點運算中數(shù)值范圍和數(shù)值精度的矛盾,所訓練的權(quán)值和閥值應大小適中,且數(shù)值相差相對較小?;谝陨显瓌t,通過多次反復訓練,圖2給出了神經(jīng)網(wǎng)絡(luò)訓練結(jié)果,這里訓練誤差取0.1%。在訓練初期,神經(jīng)網(wǎng)絡(luò)收斂速度較快,后期神經(jīng)網(wǎng)絡(luò)收斂速度較慢,經(jīng)過800步訓練后,誤差的均方差小于0.1%,這時可以認為神經(jīng)網(wǎng)絡(luò)已經(jīng)與整流器的動力學特性相一致。
圖2 神經(jīng)網(wǎng)絡(luò)的訓練結(jié)果
針對PWM整流器的仿真結(jié)果如圖3和圖4所示,圖3(a)為直流輸出電壓,圖3(b)為a相電壓與電流。由仿真結(jié)果可知,直流電壓迅速跟蹤到給定值,而且交流側(cè)電壓與電流同相位,使系統(tǒng)達到單位功率因數(shù)輸出。由圖4可知PWM整流器網(wǎng)側(cè)電流諧波失真度1.38%,波形質(zhì)量較好。