[发明专利]三相并联型有源滤波器的线性化反馈神经滑模控制方法

说明书

技术领域

本发明涉及三相并联型有源滤波器的线性化反馈神经滑模控制方法，属有源电力滤波器控制技术领域。 

背景技术

随着非线性负载的大量应用，电网中的谐波含量日益增加，造成电能质量越来越差。谐波会引起设备过热、损耗增加、电流过大等一系列危害，必须予以抑制。相对于无源电力滤波器，有源电力滤波器（APF）更能有效地处理变化负载的谐波及功率因数，它具有实时性和准确性的工作特点，被公认为是综合治理“电网污染”最有效的手段。 

APF的控制技术是APF的关键技术之一，APF的控制效果在很大程度上取决于其控制器的性能，并且随着工业技术的发展，对控制系统的设计要求日益提高，为了更好地改善电能质量，对APF的控制策略的研究有着重大的理论和现实意义。由于实际系统存在复杂性、非线性、时变形、不确定性等因素，无法获得精确的数学模型，传统的控制理论已经不能满足工业发展的要求，所以先进控制理论得以提出和发展。神经网络控制是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。 

径向基函数（RBF）神经网络模拟了人脑中局部调整、相互覆盖接受域的神经网络结构，它具有单隐层的三层前馈网络，隐层作用函数采用高斯基函数，RBF网络是局部逼近的神经网络，理论上只要足够多的神经元，RBF神经网络能以任意精度逼近任意连续函数。RBF网络由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，因此采用RBF网络可大大加快学习速度并避免局部极小问题，适合于APF实时控制的要求。 

滑模变结构控制是变结构控制系统的一种控制策略。这种控制策略与常规控制的根本区别在于控制的不连续性，即一种使系统“结构”随时间变化的开关特性。该控制特性可以迫使系统在一定特性下沿规定的状态轨迹作小幅度、高频率的上下运动，即所谓的“滑模运动”。这种滑模运动是可以设计的，且与系统的参数及干扰无关。这样，处于滑模运动的系统就具有很好的鲁棒性。 

线性化反馈神经滑模控制是线性化反馈技术、滑模控制、RBF神经网络控制及自适应控制的有机结合,综合了各种控制的优点，是一种解决参数不确定系统控制问题的新型控制策略，提高了系统的综合性能。近年来，线性化反馈神经网络控制理论取得了一系列的重要进展，由于该方法具有良好的精确性，鲁棒性和自适应性，在工程上具有很好的应用前景。 

发明内容

本发明通过采用神经网络逼近及自适应控制的方法，利用线性化反馈技术，设计了一种自适应神经滑模控制器，把线性化反馈方法、自适应滑模控制与RBF神经网络相结合的方法对APF系统进行控制，能够消除系统中不确定因素和外界干扰的影响，提高APF系统的稳定性和鲁棒性。 

本发明解决技术所采用的技术方案是： 

三相并联型有源滤波器的线性化反馈神经滑模控制方法，包括以下步骤： 

1）建立被控对象三相并联型有源滤波器的数学模型； 

2）将线性化反馈方法、滑模控制、自适应算法以及RBF神经网络相结合，设计线性化反馈自适应RBF神经滑模控制器，将线性化反馈神经滑模控制律作用于三相并联型有源滤波器的开关函数，具体为 

2-1）利用线性化反馈方法，设计滑模控制器，得到滑模控制律，具体为， 

定义滑模函数s为：s(t)＝ce 

其中，c为滑模系数，e为跟踪误差 

有源滤波器的数学模型式为：

根据线性化反馈技术，设计滑模控制律u₁为：

其中，R＝ξ(x)-ρsgn(s) 

x_m为给定信号，ρ是线性化反馈参数，ρ＞0 

2-3）设计自适应RBF神经滑模控制器，用神经网络的输出代替f(x),得到线性化反馈神经滑模控制律u，实现所述控制器对三相并联型有源滤波器开关函数的逼近，从而控制有源滤波器主电路开关的通断，产生与谐波电流大小相等、方向相反的补偿电流，抵消谐波，具体为， 

首先，假设存在神经网络权值w，使得神经网络的输出逼近于时变函数f(x)，其逼近精度为ε，即：