[发明专利]基于模糊预测控制技术的PWM逆变电源系统及算法

权利要求书

1.基于模糊预测控制技术的PWM逆变电源系统，包括：直流升压电路、滤波电路、DC/AC逆变电路，其特征在于，直流电压接入直流升压电路，直流升压电路的输出端与滤波电路和过流检测反馈电路的输入端连接，滤波电路的输出端与DC/AC逆变电路和直流电压检测反馈电路的输入端连接，DC/AC逆变电路的输出端与输出滤波器和过流检测反馈电路的输入端连接，输出滤波器的输入端输出交流电并与AC电压检测反馈电路输入端连接，AC电压检测反馈电路、过流检测反馈电路、直流电压检测反馈电路均与控制芯片TMS320F2812连接，控制芯片TMS320F2812通过PWM驱动器与DC/AC逆变电路连接，且通过驱动电路与直流升压电路，控制芯片TMS320F2812拓展接有键盘显示电路。

2.基于模糊预测控制技术的PWM逆变电源系统的算法如下：

1)对每个模糊子集采用高斯型隶属函数形式并建立下式模糊规则：

R_j：if u(k) is U_j and i(k)is I_j and Yd(k)is Yd_j then

Yd(k+1)＝t_0j*u(k)+t_1j*i(k)+t_2j*Yd(k)    (1)

式中(j＝1，2....N)，t_0j、t_1j、t_2j分别为输入输出量的系数；

2)根据模糊推理规则，得到模糊推理系统的输出为：

Yd(k+1)=Σj=1mt0j*u(k)*Φj(u)+Σj=1mt1j*i(k)*Φj(i)+Σj=1mt2j*Yd(k)*Φj(Yd)---(2)]]>

式中Φ(*)是对应的隶属度；

3)在预测控制算法中，首先把T-S模糊模型转化成CARIMA模型，

ΔYd(k+1)=Σj=1Nt0j*Φ(u)*Δu(k)+Σj=1Nt1j*Φ(i)*Δi(k)+Σj=1Nt2j*Φ(Yd)*ΔYd(k)+ξ(k)---(3)]]>

式中j＝1、2、3...N；t_0j，t_1j，t_2j为对应的输入输出量的系数；Δ为差分算子，ξ(k)为系统白噪声；

4)将(3)式进行整理如下式：

A(q^-1)*Yd(k+1)＝B(q^-1)*u(k)+C(q^-1)*i(k)+D(q^-1)*ξ(k)/Δ     (4)

其中A(q^-1)，B(q^-1)，C(q^-1)，D(q^-1)分别表示为：

A(q-1)=1-q-1*Σj=1mt2j*Φ(Yd)=1+a1*q-1+a2*q-2+...+ana*q-na]]>

B(q-1)=Σj=1mt0j*Φ(u)=b0+b1*q-1+b2*q-2+...+bnb*q-nb---(5)]]>

C(q-1)=Σj=1mt1j*Φ(i)=c0+c1*q-1+c2*q-2+...+cnc*q-nc]]>

D(q-1)=d0+d1*q-1+d2*q-2+...+dnd*q-nd]]>

5)引入丢番图方程：

1=A(q-1)*ΔEj(q-1)+q-j*Fj(q-j)Ej(q-1)*B(q-1)=Gj(q-1)+q-j*Hj(q-1)---(6)]]>

其中j＝1，2，3，...N1，且

E_j(q^-1)＝e₀+e₁*q^-1+...+e_j-1*q^-(j-1)

F_j(q^-1)＝f₀^j+f₁^j*q^-1+...+f_n^j*^q-n       (7)

G_j(q^-1)＝g₀+g₁*q^-1+...+g_j-1*q^-(j-1)

H_j(q^-1)＝h₀^j+h₁^j*q^-1+...+h_n^j*q^-n

6)令D(q^-1)＝1；把(4)式两边同时乘以E_j(q^-1)*Δ*q^j，然后把(6)式代入后进行推导得到式(8)如下：

Yd(k+j)＝E_j(q^-1)*B(q^-1)*Δu(k+j-1)+E_j(q^-1)*C(q^-1)*Δi(k+j-1)+F_j(q^-1)*Yd(k)+E_j(q^-1)*ξ(k+j)  (8)

7)栅极电压用符号U来表示，集电极电流用I来表示，时间用k来表示，死区时间用Yd表示；把U和I作为输入量，转化为模糊语言变量；U和I的量化论域取为[-5，5]；Yd的量化论域取为[0，9]；U，I语言变量均选取5个语言值：{NB(负大)，NS(负小)，ZR(零)，PS(正小)，PB(正大)}；Yd的语言变量选取3个语言值：{ZR(零)，PS(正小)，PB(正大)}；

8)根据Clarke给出的递推算法，求解出丢番图方程，获取预测值；设置性能指标函数，当其对控制率的偏导数等于0时，求出控制率来，更新T-S模型的后件参数，实现滚动优化。