1 引言

DC/DC變換器是一種強非線性電路，電路的電氣參數(shù)存在不確定性，負載性質(zhì)也是多變的，主電路的性能必須滿足負載大范圍的變化，同時它還具有離散和變結(jié)構(gòu)的特點，所有這些使DC/DC變換器控制器的設(shè)計較為復雜。由于傳統(tǒng)的控制方法是基于線性系統(tǒng)理論，所以，應(yīng)用于DC/DC變換器中并不能獲得理想的動態(tài)性能。

有兩種途徑可以不利用線性系統(tǒng)理論。一種是建立一種精確的非線性模型，但是，這種方法需要復雜的數(shù)學推導，經(jīng)常導致復雜的控制算法，而不適合實際應(yīng)用。另一種方法是把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)，即智能控制，它不需要建立精確的數(shù)學模型，并且對于電路參數(shù)變化具有良好的魯棒性。

2 智能控制

智能控制是控制理論發(fā)展的高級階段，它的建立和發(fā)展是以眾多新興學科為基礎(chǔ)的。智能控制的基本出發(fā)點是仿人的智能實現(xiàn)對復雜不確定性系統(tǒng)進行有效的控制。目前智能控制設(shè)計的途徑有：

1）基于專家系統(tǒng)的專家智能控制；

2）基于模糊推理和計算的模糊控制；

3）基于人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)控制；

4）基于信息論，遺傳算法和以上三種算法的集成型智能控制。

本文將重點討論模糊控制，神經(jīng)網(wǎng)絡(luò)控制以及模糊神經(jīng)網(wǎng)絡(luò)控制在DC/DC變換器中的應(yīng)用。

3 模糊控制在DC/DC變換器中的應(yīng)用

模糊控制是應(yīng)用模糊集合理論的控制方法，提供一種實現(xiàn)基于知識（規(guī)則）的，甚至語言描述的控制規(guī)律的新機理，例如：如果輸出電壓誤差是正的，并且它的變化率是負的，那么輕微減少占空比等等。所以，模糊控制設(shè)計方法比較簡單。雖然，相對于傳統(tǒng)控制器，模糊控制通常不能提供更好的小信號響應(yīng)，但是，它是基于啟發(fā)式推理規(guī)則的，在非線性的DC/DC變換器中應(yīng)用是非常容易的。

模糊控制的基本思想是基于專家經(jīng)驗和領(lǐng)域知識，總結(jié)出若干條以IF（條件）THEN（作用）形式表示的模糊控制規(guī)則，構(gòu)成描述具有不確定性復雜對象的模糊關(guān)系，通過被控系統(tǒng)輸出誤差及誤差變化和模糊關(guān)系的推理合成獲得控制量，從而對系統(tǒng)進行控制。

模糊控制采用帶修正因子的模糊控制器，其控制規(guī)則為

μ（k）=ε（k）＋（1－α）εc（k）

式中：μ（k）為輸出與測量值之差；

εc（k）為給定值與測量值之差，εc（k）=ε（k）－ε（k－1）為誤差變化率；α為加權(quán)修正因子，在0～1之間取值。

通過調(diào)整加權(quán)系數(shù)，就可對控制規(guī)則進行修正。以α作為調(diào)整參數(shù)是很方便的，因為，α取值大小直接影響著被控量誤差和誤差變化率的加權(quán)程度，當被控對象數(shù)學模型的階次較高時，對誤差變化率的加權(quán)應(yīng)大于誤差的加權(quán)值，因而α可取較小值，反之亦然。

模糊控制框圖如圖1所示。模糊控制器被分為4個部分：

1）模糊化，即將輸入值轉(zhuǎn)化為模糊量；

2）知識庫，通常由數(shù)據(jù)庫和模糊控制規(guī)則庫組成；

3）模糊推理，它是模糊控制器的核心，具有模擬人的，基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關(guān)系及推理規(guī)則來進行的；

4）非模糊化，即將模糊推理得到的模糊量變換為實際用于控制的精確量。

圖1 模糊控制框圖

本文介紹了模糊控制在DC/DC變換器中的兩種不同的應(yīng)用。

3.1 模糊控制在DC/DC變換器反饋控制中的應(yīng)用

DC/DC變換器的模糊控制框圖如圖2所示。

圖2 DC/DC變換器的模糊控制框圖

圖中DC/DC變換器用一個黑箱表示，其上有四個端子，分別接輸入電壓us，輸出電壓uo，電感電流iL和控制開關(guān)S。其中只有輸出電壓和電感電流送入了模糊控制器。

模糊控制規(guī)則基于以下幾條標準：

1）當變換器的輸出遠離設(shè)置點時，大幅度調(diào)整占空比，以使輸出快速回到設(shè)置點；

2）當變換器的輸出接近設(shè)置點時，可以稍微調(diào)整一下占空比；

3）當變換器的輸出在設(shè)置點附近并且快速接近它時，應(yīng)當保持占空比不變，以防止有超調(diào)量；

4）當變換器的輸出到達了設(shè)置點并且仍在變化時，稍微變化占空比以防止輸出遠離設(shè)置點；

5）當輸出到達了設(shè)置點并保持穩(wěn)定時，占空比保持不變；

6）當輸出超過了設(shè)置點，應(yīng)減小占空比，反之亦然。

通常同樣的模糊控制規(guī)則可以應(yīng)用在幾種不同類型的DC/DC變換器中，只是一些比例因子要根據(jù)變換器的不同拓撲和參數(shù)做相應(yīng)的調(diào)整。

把模糊控制應(yīng)用于Cuk變換器的電壓反饋中，但只利用了輸出電壓和它的變化率，沒有考慮電感電流，雖然與PID控制相比其輸出電壓波動小于PID控制，并且具有較快的瞬態(tài)響應(yīng)，但是，動態(tài)性能還是不夠理想。

分別把模糊控制應(yīng)用于Buck-Boost和Sepic變換器中，模糊控制器利用了三個輸入變量：輸出電壓誤差εu；電感電流誤差εi；電感電流iL。相對于只利用輸出電壓變量的模糊控制器來說，動態(tài)性能更令人滿意。同時，通過仿真證明了模糊控制與傳統(tǒng)控制方法具有同樣快和穩(wěn)定的小信號響應(yīng)，并且改進了大信號響應(yīng)性能。

3.2 模糊控制在主從均流控制的并聯(lián)DC/DC變換器中的應(yīng)用

利用主從控制方法并聯(lián)工作的變換器具有大量的控制環(huán)，所以，很難得到系統(tǒng)的實際模型。傳統(tǒng)的控制方法是基于簡單平均化的線性模型，在負載大范圍變化和存在干擾的情況下，則得不到很好的動態(tài)響應(yīng)。模糊控制方法克服了建立復雜模型的困難，因此，可以應(yīng)用于實際工程中，并且用數(shù)字和模擬方法都可以實現(xiàn)。

把模糊控制引入到均流環(huán)中，可以得到快速且魯棒性強的瞬態(tài)響應(yīng)。把經(jīng)過PD控制的均流誤差送入模糊控制器，利用PID控制的結(jié)果得出模糊推理規(guī)則，仿真結(jié)果表明負載分別為額定負載的50％和90％時，瞬態(tài)響應(yīng)良好。

4 神經(jīng)網(wǎng)絡(luò)控制在DC/DC變換器中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有輸入、輸出，它由許多個神經(jīng)元組成。每個神經(jīng)元有一個單一的輸出，它可以連接到許多其它的神經(jīng)元，其輸入有多個連接通路，每個連接通路對應(yīng)一個連接權(quán)系數(shù)。變換權(quán)系數(shù)將改變整個網(wǎng)絡(luò)的工作性能，我們的目的就是調(diào)整權(quán)系數(shù)，以獲得理想的輸入、輸出關(guān)系。

神經(jīng)網(wǎng)絡(luò)控制方法是基于人腦控制行為的生理學研究而發(fā)展起來的，是一個具有廣闊應(yīng)用前景的智能控制方法。由于神經(jīng)網(wǎng)絡(luò)具有非線性映射能力、自學習適應(yīng)能力、聯(lián)想記憶能力，并行信息處理方式及其優(yōu)良的容錯性能，所以，它在非線性和復雜控制系統(tǒng)中，起著如傳遞函數(shù)在線性系統(tǒng)中所起的作用。

在神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)中，信息處理過程通常分為自適應(yīng)學習期和控制期兩個階段。在學習期，網(wǎng)絡(luò)按一定的學習規(guī)則調(diào)整其內(nèi)部連接權(quán)系數(shù)，使給定的性能指標達到最優(yōu)；在控制期，網(wǎng)絡(luò)連接模式和權(quán)系數(shù)已知且不變，各神經(jīng)元根據(jù)輸入信息和狀態(tài)信息產(chǎn)生輸出。兩個階段可以獨立完成，也可以交替進行。

通常神經(jīng)網(wǎng)絡(luò)在控制中的作用可分為如下幾種：

1）充當系統(tǒng)的模型，構(gòu)成各種控制結(jié)構(gòu)，如在內(nèi)模控制，模型參考，自適應(yīng)控制，預測控制中，充當對象的模型等；

2）在反饋控制系統(tǒng)中直接用作控制器；

3）在控制系統(tǒng)中起優(yōu)化計算的作用；

4）在與其它智能控制方法和優(yōu)化算法相融合中，為其提供非參數(shù)化對象模型，優(yōu)化參數(shù)，推理模型及故障診斷等。

目前，國內(nèi)外學者提出了許多面向?qū)ο蟮纳窠?jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)和方法，較具代表性的有神經(jīng)網(wǎng)絡(luò)監(jiān)督控制，神經(jīng)網(wǎng)絡(luò)直接逆動態(tài)控制，神經(jīng)網(wǎng)絡(luò)參數(shù)估計自適應(yīng)控制，神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制，神經(jīng)網(wǎng)絡(luò)內(nèi)模控制，神經(jīng)網(wǎng)絡(luò)預測控制。

雖然，神經(jīng)網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)已經(jīng)有很多年了，但是，主要把它用于機器人技術(shù)和自動控制系統(tǒng)。在電力電子領(lǐng)域，神經(jīng)網(wǎng)絡(luò)的應(yīng)用還處于初級階段，最近，不斷有文章報道用神經(jīng)網(wǎng)絡(luò)來控制DC/DC變換器，這預示著神經(jīng)網(wǎng)絡(luò)在DC/DC變換器中的應(yīng)用將會不斷增多。

把神經(jīng)網(wǎng)絡(luò)間接應(yīng)用于PWMBoost變換器中，如圖3所示。

圖3 Boost變換器的神經(jīng)網(wǎng)絡(luò)控制

其中，用神經(jīng)網(wǎng)絡(luò)控制器產(chǎn)生變換器的控制信號，進行反饋控制，用神經(jīng)網(wǎng)絡(luò)仿真器識別變換器的參數(shù)變化。并且神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)自動學習變換器工作時的動態(tài)特性。由于PWM變換器通常是二階系統(tǒng)，所以，對于變換器的輸入和輸出，兩個延遲單元是足夠的。

由神經(jīng)網(wǎng)絡(luò)間接控制的Boost變換器不需要知道雅可比行列式，也不用考慮參數(shù)變化，在遇到大信號擾動時，也不需要利用傳遞函數(shù)方法來處理。

計算機仿真結(jié)果表明，即使在高頻脈沖電源電壓和高頻脈沖參考信號的條件下，神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)都能提供良好的動態(tài)響應(yīng)。

把神經(jīng)網(wǎng)絡(luò)控制器應(yīng)用于Buck變換器中。首先，把Buck變換器在一個工作點線性化，進行PI控制，由此得到神經(jīng)網(wǎng)絡(luò)離線訓練的數(shù)據(jù)集合，這種訓練時間長，并且依賴于數(shù)據(jù)集合的大小和特性，但是，依然能得到良好的控制結(jié)果。而在線訓練的神經(jīng)網(wǎng)絡(luò)控制器設(shè)計的時間少，在變化的負載條件下能夠提供最精確和統(tǒng)一的結(jié)果。

提出用神經(jīng)網(wǎng)絡(luò)辨識和控制一個反激準諧振變換器。神經(jīng)網(wǎng)絡(luò)控制器用來調(diào)節(jié)輸出電壓，它由3層組成，輸入層有8個神經(jīng)元，隱層有24個神經(jīng)元，輸出層有一個神經(jīng)元。4個輸入分別為輸入電壓變化量，電感電流變化量，負載電流變化量，輸出電壓相對于參考值的變化量。控制器的輸出能夠調(diào)節(jié)輸出電壓的開關(guān)頻率。控制方法采用監(jiān)督學習的神經(jīng)網(wǎng)絡(luò)控制，用BP算法，并由Levenberg-Marquedet規(guī)則改進。仿真結(jié)果表明系統(tǒng)的精度和魯棒性都得到了改善。這種神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)點可總結(jié)如下：

1）降低了輸出電壓的偏差，提高了控制系統(tǒng)的精度；

2）對于輸入電壓和負載的變化，具有快速的響應(yīng)；

3）由于神經(jīng)網(wǎng)絡(luò)控制器的輸出是開關(guān)頻率，這可以直接而且很容易完成文中的控制算法。

5 神經(jīng)模糊控制在DC/DC變換器中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)和模糊控制在對信息的加工處理過程中，均表示出很強的容錯能力，它們在處理和解決問題時，不需要對象的精確的數(shù)學模型；從數(shù)據(jù)處理的形式上看，它們均采用并行處理的結(jié)構(gòu)，當輸入信號進入模糊控制系統(tǒng)時，所有的模糊規(guī)則將依據(jù)條件的適用度決定是否被激發(fā)，并且由被激發(fā)的規(guī)則決定系統(tǒng)的輸出。對神經(jīng)網(wǎng)絡(luò)而言，它本身就是由并行結(jié)構(gòu)的神經(jīng)元構(gòu)成。

但是，模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)有著明顯的不同之處。神經(jīng)網(wǎng)絡(luò)雖然對環(huán)境的變化具有較強的自適應(yīng)學習能力，但從系統(tǒng)建模的角度而言，它采用的是典型的黑箱型的學習模式。因此，當學習完成之后，神經(jīng)網(wǎng)絡(luò)所獲得的輸入和輸出關(guān)系，無法用容易被人接受的方式表示出來。相反，模糊系統(tǒng)是建立在被人容易接受的“IFTHEN”表示方法之上。但如何自動生成和調(diào)整隸屬函數(shù)的模糊規(guī)則，則是一個很棘手的問題。

基于以上分析可知，上述兩類系統(tǒng)的相似點構(gòu)成了融合的基礎(chǔ)，而它們的不同點又為融合方式研究提供了可能。

神經(jīng)網(wǎng)絡(luò)和模糊邏輯有以下幾種的相結(jié)合方式：

1）神經(jīng)模糊系統(tǒng)在模糊模型中用神經(jīng)網(wǎng)絡(luò)作為工具；

2）模糊神經(jīng)網(wǎng)絡(luò)把常規(guī)的神經(jīng)網(wǎng)絡(luò)模型模糊化；

3）模糊－神經(jīng)混合系統(tǒng)把模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)結(jié)合起來形成混合系統(tǒng)。

提出用神經(jīng)模糊控制器控制Cuk變換器，如圖4所示。由于模糊變量的隸屬函數(shù)通常是基于專家知識得到的，這要依賴于過去的經(jīng)驗，并不能給出優(yōu)化的性能。文獻［7］利用神經(jīng)網(wǎng)絡(luò)設(shè)計隸屬函數(shù)，把神經(jīng)網(wǎng)絡(luò)作為隸屬函數(shù)生成器組合在模糊控制系統(tǒng)中。控制器的輸入為電壓誤差和電壓誤差變化率，輸出為變換器PWM的占空比。神經(jīng)網(wǎng)絡(luò)由BP學習算法調(diào)節(jié)，作用函數(shù)為S（x）。神經(jīng)模糊控制器經(jīng)過離線訓練后，用來調(diào)節(jié)Cuk變換器。通過仿真證明，當負載變化時，神經(jīng)模糊控制器比PI控制器的動態(tài)響應(yīng)更好。

圖4 Cuk變換器的神經(jīng)模糊控制系統(tǒng)

6 結(jié)語

目前，智能控制在DC/DC變換器中的應(yīng)用非常少，還只是停留在仿真階段，尤其是國內(nèi)鮮有文章報道。考慮到經(jīng)濟和體積方面的原因，以及智能控制整個理論體系還不成熟，所以，智能控制的DC/DC變換器還需要一定的時間才能應(yīng)用于實際。但是，隨著智能控制應(yīng)用工程的日益成熟，各種軟硬件技術(shù)的開發(fā)，尤其是最近高速廉價的數(shù)字信號處理器（DSP）的應(yīng)用，大大方便了智能控制應(yīng)用系統(tǒng)的實現(xiàn)，這使得具有優(yōu)良性能的智能控制的DC/DC變換器更加受到人們的重視，從而可得到長足的發(fā)展。